Роман Коротаев, ресурсный руководитель направления 1С в Синимекс, описал, как его команда за несколько месяцев собрала ИИ-платформу для работы с учётными данными — от первого знакомства с DeepSeek в конце 2024 года до работающего агента внутри 1С.
Отправной точкой стал MCP-сервер, реализованный на платформе 1С:Шина. Шина — это среда для разработки интеграционных приложений на языке «1С:Предприятие.Элемент», синтаксически близком к TypeScript, но на русском. Размещение MCP-сервера именно там позволило подключаться к разным базам 1С без развёртывания отдельной интеграционной инфраструктуры. Схема работы прямолинейна: пользователь задаёт вопрос в чат, языковая модель формирует JSON с именем нужной функции и параметрами, 1С:Шина передаёт вызов в базу, получает результат и возвращает его модели — та уже отвечает на человеческом языке. Модель не «знает» данных сама по себе и не может их выдумать: она только вызывает инструменты и форматирует ответ. Это принципиально снижает риск галлюцинаций при работе с бизнес-цифрами.
| Компонент | Технология / инструмент | Назначение |
|---|---|---|
| MCP-сервер | 1С:Шина | Связь языковой модели с базами 1С |
| Языковая модель | gpt-oss-120b (локально) | Генерация ответов и вызов инструментов |
| Серверная часть агента | Pydantic AI | Оркестрация цикла вызовов инструментов |
| Десктопный агент (тест) | OpenCode (open-source) | Тестирование MCP-сервера |
| Интерфейс пользователя | Встроенный агент 1С | Работа конечного пользователя внутри 1С |
| Локальные навыки (skills) | Конфигурация 1С / файлы на диске | Бизнес-функции, настраиваемые под заказчика |
Одним из ключевых технических препятствий оказались права доступа. В 1С используется Row Level Security (RLS): каждый пользователь видит только свой срез данных. Проблема в том, что 1С:Шина по умолчанию запускает код под техническим пользователем с расширенными правами, которые не совпадают с правами реальных сотрудников. Команда нашла способ запускать инструменты MCP от имени конкретного пользователя: для каждого создаётся токен доступа, который передаётся до MCP-сервера, идентифицирует пользователя и пробрасывается в базу при вызове функции. В итоге 1С отдаёт ровно те данные, которые этому пользователю положены.
Для работы с конфиденциальными данными команда выбрала локальное развёртывание модели gpt-oss-120b — чтобы данные не покидали контур предприятия и не зависели от доступности иностранных облачных сервисов. Подключение облачной модели технически предусмотрено, но не используется по умолчанию.
Агентская часть устроена следующим образом. Серверная логика написана на Pydantic ИИ — Python-фреймворке для построения агентов поверх языковых моделей. Когда 1С отправляет HTTP-запрос в бэкенд-оркестратор, система сначала проверяет тематику запроса, затем динамически собирает системный промпт и запускает цикл: модель определяет, какие инструменты нужны, вызывает их, оценивает достаточность ответа и при необходимости делает новые вызовы. Защита от зацикливания реализована через ограничение на повторный вызов одного инструмента с теми же параметрами и настраиваемый лимит шагов. Вся цепочка взаимодействия логируется и доступна из интерфейса 1С — это существенно упрощает отладку.
Помимо централизованных MCP-инструментов, команда реализовала локальные навыки (skills) на стороне базы 1С. Инфраструктурные навыки — чтение объектов по навигационной ссылке, чтение вложений — зашиты в код агента. Пользовательские навыки хранятся в конфигурации или в виде файлов и несут бизнес-смысл: например, local_find_purchase_documents ищет документы «Приобретение товаров и услуг» по заданным параметрам. Для конфигурации «1С:Документооборот» агент уже умеет находить документ по номеру, извлекать историю согласования и отвечать на вопросы вроде «Кто согласовывал договор №5589 и какие были замечания?»
Практический пример инструмента с бизнес-ценностью — mcp-1c_margin_breakdown, запрос к регистру накопления «ВыручкаИСебестоимостьПродаж» с детализацией по подразделению, менеджеру и складу за период. Он позволяет модели отвечать на вопросы вроде «Покажи топ-10 менеджеров по валовой прибыли и найди тех, у кого маржа ниже 10% за последний квартал» — без риска, что модель подставит выдуманные цифры.
Подход Синимекс вписывается в более широкую тенденцию: российские компании, работающие с 1С, ищут способы подключить языковые модели к учётным системам, не нарушая требования к безопасности данных и не переписывая существующую инфраструктуру. MCP как протокол взаимодействия между моделью и внешними инструментами становится де-факто стандартом для таких интеграций — его поддерживают Claude, а также ряд open-source агентов, в том числе OpenCode, который команда использовала для тестирования.
