2ГИС выпустил MCP-сервер с 6 инструментами для гео-запросов ИИ-агентов

2ГИС выпустил MCP-сервер, который даёт ИИ-агентам прямой доступ к геосервисам API-платформы компании. Внутри шесть инструментов: поиск мест и организаций, прямое и обратное геокодирование, построение маршрутов, изохроны и статические карты. Вместе с релизом команда опубликовала на Хабре инженерный разбор под названием «как мы учили LLM не выдумывать адреса». Это рассказ о внутреннем устройстве сервера и о проблемах, которые пришлось решить до продакшена.

В открытой части публикации деталей реализации пока мало: основная техническая часть лежит под катом. Поэтому ниже только то, что известно из анонса, и контекст, зачем такие серверы нужны.

Что получает агент

MCP (Model Context Protocol) — открытый протокол подключения внешних инструментов и данных к языковым моделям. Его представила Anthropic в конце 2024 года. Он стал одним из стандартных способов дать агенту доступ к сервисам без самописной обвязки под каждого клиента. 2ГИС выбрал именно этот путь для своих гео-API.

Ключевые параметры релиза:

• Инструментов: 6, каждый построен поверх соответствующего API платформы 2ГИС.
• Поиск: места и организации.
• Геокодирование: прямое (адрес в координаты) и обратное (координаты в адрес).
• Маршруты: построение маршрутов между точками.
• Изохроны: области, достижимые за заданное время.
• Визуализация: статические карты.
• Подключение: описано в документации на docs.2gis.com.

Набор показывает типичный сценарий. Агент находит организацию, получает её координаты, строит маршрут, оценивает зону доступности и отдаёт пользователю картинку.

Почему география ломает LLM

Модель без инструментов отвечает на вопрос «где ближайшая аптека на такой-то улице» по статистике текстов, а не по данным. Адреса, часы работы и названия организаций быстро устаревают. Одинаковые топонимы встречаются в разных городах. Координаты — числа, где ошибка в пятом знаке уже означает другой двор. Всё это провоцирует уверенные, но выдуманные ответы.

Подключение к живому геосервису переносит источник правды из весов модели в API. Но проблемы не исчезают, а смещаются. Агенту нужно понять, какой из шести инструментов вызвать. Он должен передать параметры в правильном формате и не потерять результат между шагами. Сложность в контрактах инструментов: названия, описания, схемы аргументов и формат ответа напрямую влияют на то, будет ли модель вызывать их корректно. Авторы заявляют, что именно об этом их статья: об ошибках на стыке LLM и гео и о том, что пришлось исправлять перед выходом в прод.

Кому это пригодится на практике

Разработчикам, которые строят агентов с гео-логикой (сервисы доставки, ритейл, недвижимость, туризм, внутренние ассистенты), теперь не нужно писать обёртки над картографическими API. Достаточно подключить готовый MCP-сервер к совместимому клиенту и проверить, как модель справляется со сценариями.

Для тех, кто делает собственный MCP-сервер или тулы под function calling, главная ценность в самой статье. Что стоит проверить уже сейчас:

• Как модель выбирает инструмент, когда запрос можно решить двумя способами, например поиском и геокодированием.
• Что происходит при неоднозначном адресе или пустой выдаче: агент честно сообщает об этом или подставляет правдоподобный ответ.
• Насколько формат ответа инструмента удобен модели, а не только человеку.

Само появление такого сервера у крупного картографического игрока показывает, куда движется рынок. Данные компании становятся доступны агентам не через веб-интерфейс, а через стандартизованный протокол. Для геосервисов это ещё один канал распространения API.