Трёхъязычный словарь о здоровье с казахским вышел на Hugging Face, плюс MCP-сервер без LLM

Если вы делаете поиск или чат-бота для Центральной Азии, то уже знаете, как выглядит реальный запрос. Человек пишет «қалқанша без», через слово вставляет «щитовидка», а в конце добавляет «ттг». Три языка и два алфавита в одной строке. Стандартные модели на таком спотыкаются, потому что казахский в NLP считается малоресурсным: открытых текстов мало, а размеченных параллельных данных про здоровье почти нет.

Одна из авторов решила эту проблему руками. У неё есть сайт с сотней с лишним страниц про женское здоровье и психосоматику. Тексты написаны по-русски и переведены на казахский и английский. Из них она собрала небольшой открытый словарь тем о теле и самочувствии и выложила его на Hugging Face. Вторая часть истории — MCP-сервер для ChatGPT и Claude с того же сайта, внутри которого нет языковой модели.

Зачем нужен маленький словарь

Большой корпус и маленький словарь решают разные задачи. Корпус учит модель языку. Словарь помогает системе понять, что «қалқанша без», «щитовидная железа» и «thyroid» — одно и то же понятие. Для поиска по сайту, нормализации запросов, разметки данных и проверки качества перевода такой справочник часто полезнее, чем ещё один дообученный чекпойнт.

Практический пример: у вас медицинский или wellness-продукт, и пользователь пишет «ттг қанша болу керек». Прежде чем отдавать запрос в LLM, его можно привести к общим понятиям (гормон ТТГ, щитовидная железа). Затем подтянуть правильные страницы или ответы на нужном языке. Так вы убираете ошибки там, где модель просто не видела достаточно казахских примеров.

Важная оговорка: источник — анонс, и объём словаря, лицензия и формат в нём не названы. Перед использованием откройте карточку датасета на Hugging Face и проверьте это сами. Тексты про здоровье взяты с авторского сайта, так что это не клинический справочник, и для медицинских решений его использовать нельзя.

MCP-сервер, в котором нет модели

Вторая часть интереснее для тех, кто строит агентов. MCP (Model Context Protocol) — протокол, по которому клиент вроде Claude или ChatGPT подключается к внешним инструментам и данным. Обычно под «умным сервером» подразумевают нечто с LLM внутри. Здесь логика другая: рассуждает модель на стороне клиента, а сервер остаётся простым слоем доступа к проверенному контенту.

У такого подхода есть понятные плюсы:

• Дёшево. Вам не нужно платить за инференс и держать GPU. Сервер отдаёт готовые страницы и термины.
• Предсказуемо. Ответ сервера — это ваш контент, а не генерация. Для темы здоровья это существенный плюс.
• Просто поддерживать. Обновили страницу или словарь — обновился и ответ.
• Нет второй точки галлюцинаций. Ошибиться может только клиентская модель, и вы хотя бы знаете, из каких источников она берёт факты.

Что из этого забрать себе

Первое: если ваш язык малоресурсный, не ждите, пока кто-то выпустит большой датасет. Небольшой словарь из собственного контента, выложенный открыто, уже даёт реальную пользу, а другие разработчики смогут его дополнить.

Второе: прежде чем встраивать LLM в свой MCP-сервер, спросите себя, нужна ли она там. Если у вас есть собственный проверенный контент, сервер может быть тонкой прослойкой с поиском и словарём. Все рассуждения возьмёт на себя клиент.

Третье: многоязычие в реальных запросах — это смесь языков, а не три отдельных набора. Тестируйте поиск именно на таких смешанных строках, а не на чистых переводах.

Как именно устроен сервер и как сделан словарь, в анонсе не раскрыто. Подробности ищите в полной статье на Хабре и в репозитории. Сам вектор правильный: открытые данные для малых языков и простая серверная часть без лишних моделей.