В 1С уже есть заказы, остатки, договоры, расчёты и история работы компании. Проблема часто в том, что ради простого вопроса приходится открывать несколько отчётов, уточнять настройки и переносить цифры в письмо. ИИ может сократить этот путь: понять вопрос, вызвать нужный инструмент и объяснить полученный результат. Для этого существуют и штатные интерфейсы платформы, и открытые MCP-проекты. Разберём, что доступно на 24 октября 2026 года, какие публичные примеры заслуживают внимания и как собрать такую систему с локальной моделью.
Какую работу ИИ действительно может взять на себя
Разговор с учётной системой начинается не с красивого чата, а с определения операции. «Каких товаров не хватит для подтверждённых заказов?» — это запрос с периодом, складом, организацией и правилами учёта резервов. ИИ помогает сформулировать параметры и прочитать ответ. Сам остаток должен вычисляться средствами 1С по согласованной логике.
Есть и второй класс задач: превратить письмо, скан или поручение в подготовленный документ. Здесь модель извлекает сведения, сопоставляет позиции и отмечает пробелы. Создание объекта, его запись и проведение относятся к бизнес-процессу и требуют собственных правил. Третий класс — помощь программисту: найти объект конфигурации, подготовить запрос, проверить изменения. Эти три направления используют похожие технологии, но разные полномочия.
MCP для 1С: что соединяет этот протокол
MCP — стандарт взаимодействия приложения-агента с внешними инструментами. MCP-сервер публикует доступные действия и их параметры, клиент вызывает выбранное действие и получает результат. Языковая модель работает внутри приложения, которое организует эти вызовы. Сам протокол не выбирает облачное или локальное размещение модели. MCP: official architecture ↗
Для 1С сервер может предложить действия вроде «прочитать структуру документа», «получить остатки» или «подготовить проект заказа». Дальше нужен фактический мост к базе: расширение, HTTP-сервис или другой интерфейс. Установка MCP-сервера не обучает модель вашей конфигурации и не делает любой вопрос выполнимым: смысл полей, доступность данных и права всё равно задаются в интеграции.
Хороший инструмент возвращает проверяемый результат учётной системы. Хороший ИИ помогает человеку понять его и выбрать следующий шаг.
Какие MCP-инструменты уже можно изучить
На GitHub доступны проекты с исходным кодом, документацией и разным назначением. Ниже — ориентир для отбора, а не утверждение, что мы установили каждый из них в рабочей базе. Возможности проверены по опубликованным материалам; совместимость с вашей конфигурацией проверяется отдельно.
| Проект | Опубликованные возможности | Где уместен |
|---|---|---|
| feenlace/mcp-1c | Метаданные, запросы к данным, поиск по коду | Связь с 1С и помощник разработчика; состав зависит от редакции |
| ROCTUP/1c-mcp-toolkit | MCP и REST, запросы, объекты, исполнение BSL | Интеграционный набор; произвольный код требует отдельного ограничения |
| yellow-hammer/mcp-1c-platform-tools | Операции проекта через 1C: Platform Tools | Среда разработчика VS Code/Cursor с нужным расширением |
| alkoleft/mcp-onec-test-runner (METR) | Сборка и запуск YaXUnit | Проверка изменений в разработке, не бизнес-чат с бухгалтерией |
| artesk/1C_MCP_metadata | Структура объектов, поиск метаданных, проверка запроса | Открытый пример архитектуры; условия использования уточняются |
У feenlace/mcp-1c описаны чтение метаданных и execute_query для SELECT/ВЫБРАТЬ. ROCTUP публикует также execute_code для произвольного BSL: это существенно более широкое полномочие. Их нельзя воспринимать как одинаково ограниченные подключения. feenlace/mcp-1c · source snapshot ↗ ROCTUP/1c-mcp-toolkit · source snapshot ↗
1C: Platform Tools MCP связан с расширением VS Code и операциями разработки; METR связывает агента со сборкой и тестами YaXUnit. Проект artesk показывает доступ к структуре конфигурации и проверке запроса, но наличие публичного кода само по себе не определяет условия его коммерческого использования. Перед выбором проверяют лицензию и нужную редакцию: у одного продукта могут сосуществовать открытая основа и платные возможности. yellow-hammer/mcp-1c-platform-tools · source snapshot ↗ alkoleft/mcp-onec-test-runner · source snapshot ↗ artesk/1C_MCP_metadata · source snapshot ↗
Что использовать кроме MCP
Штатный REST-интерфейс 1С использует OData и предоставляет операции с объектами после настройки публикации. Важная деталь: это не только чтение. Платформа описывает также изменение данных и проведение документов, поэтому ограничения необходимо задавать сознательно. 1C:Enterprise · REST interface ↗
Для повторяющихся бизнес-вопросов часто удобен собственный HTTP-сервис с узким контрактом: «остатки по этим складам», «заказы с просрочкой», «черновик заявки». Платформа поддерживает создание HTTP-сервисов. Такой сервис можно вызывать из обычного приложения или обернуть в MCP; один способ не исключает другой. 1C: custom HTTP services ↗
Если живое подключение пока невозможно, пилот можно начать с согласованной выгрузки. Она помогает проверить понимание вопросов и формат ответа, но должна показывать дату среза. Отдельный оркестратор может запускать обработку по событию или расписанию. MCP полезен там, где агент выбирает инструменты; для строго заданной последовательности достаточно обычного программного вызова.
Какие примеры уже есть в открытом доступе
Первый пример — «1С:Распознавание первичных документов». Официальное описание показывает процесс загрузки, распознавания, проверки и создания документов в учётной базе. Это доступный сервис и опубликованный рабочий сценарий, а не только идея будущего продукта. Но его наличие не означает, что те же функции автоматически появятся у любой локальной модели или что данный сервис выполняется на вашей AI-станции. 1C: Primary Document Recognition ↗
Второй — материал MoscowSoft о MCP для 1С:Управление торговлей и 1С:Управление нашей фирмой с модулем интеграции маркетплейсов. Автор показывает анализ ассортимента, остатков, покрытия и расходов. Это демонстрация поставщика с примерами ответов. Исправление зависших документов на странице отнесено к разработке; его не следует записывать в уже готовые функции. Публичное описание не заменяет независимую проверку результата у клиента. MoscowSoft: provider-published marketplace MCP examples ↗
Третий пример — разработка с проверяемой обратной связью: метаданные из MCP, исправление кода и запуск сборки или YaXUnit через METR. Открытые репозитории подтверждают наличие компонентов такого процесса. Они не доказывают, что произвольная модель самостоятельно сопровождала чужую рабочую базу. Полезно различать демонстрацию, готовый компонент и внедрение с описанным заказчиком: у каждого свой уровень доказательности. alkoleft/mcp-onec-test-runner · source snapshot ↗
| Пример | Что опубликовано | Как читать свидетельство |
|---|---|---|
| 1С:РПД | Официальное описание сервиса и процесса проверки | Рабочий сервис; локальность сторонней модели не подтверждает |
| MoscowSoft: маркетплейсы | Демонстрации и описание функций поставщиком | Анализ данных; часть изменений документов ещё в разработке |
| Метаданные и METR | Исходники и инструкции проектов | Компоненты доступны; самостоятельная проверка на базе нужна |
Как подключить локальную модель к 1С
Предлагаемая схема проста: сотрудник обращается к приложению AI Office, локальная модель предлагает вызов инструмента, сервер интеграции проверяет параметры и права, а 1С возвращает данные. Инструмент записи проходит дополнительный маршрут согласования. Учётная база при этом может оставаться на действующем сервере компании: переносить её на AI-мини-ПК ради модели не обязательно.
Здесь важно проверить два направления обмена. Какие данные 1С передаёт модели? Какие действия приложение разрешает выполнить от её имени? Для первого отчёта обычно достаточно агрегатов, идентификаторов документов и ссылок для проверки. Полные карточки контрагентов или вся история проводок не нужны каждому ответу.
Приложение должно уметь превратить предложение модели в корректный вызов с заданной схемой параметров. Поэтому проверяется не только русский язык ответа, но и работа с инструментами, обработка ошибок, уточняющие вопросы. Формальная совместимость протокола не гарантирует, что выбранная локальная модель надёжно справится с этой последовательностью.
Три сценария для первого проекта
Первый — помощник по остаткам. Сотрудник спрашивает, чем обеспечить ближайшие заказы. Приложение уточняет склад и период, 1С рассчитывает доступное количество с учётом согласованных резервов, а модель выделяет дефицит. Результат содержит время среза и ссылки на исходные объекты. Термин «свободный остаток» заранее сверяют с принятым в компании отчётом: разные настройки могут дать разные цифры.
Второй — заказ из письма. Локальный помощник извлекает наименования, количество и пожелания клиента. Справочник 1С помогает найти номенклатуру; неоднозначные соответствия остаются вопросами менеджеру. На согласование выводятся позиции, единицы, контрагент и условия. Только после проверки создаётся черновик по согласованному маршруту. Если связь прервалась после записи, повторная попытка ищет результат прежней операции, чтобы не создать второй заказ.
Третий — сводка по дебиторской задолженности. Утверждённый запрос возвращает документы и суммы на выбранную дату. Модель группирует ситуации и готовит пояснения, не придумывая причины неоплаты. Письмо клиенту остаётся проектом. В первом пилоте сравнивают совпадение цифр с эталонным отчётом и полезность приоритизации, а не оценивают модель по обещанию самостоятельно управлять финансами.
Где локальный ИИ особенно уместен
Работа с внутренними письмами, договорами и управленческими данными делает размещение модели в инфраструктуре компании интересным вариантом. Можно сохранить локально распознавание, обработку текста и поиск по регламентам. Но если OCR, поиск или агентный клиент отправляют материалы во внешний API, одного локального генератора недостаточно для локальности всего маршрута.
Для такого проекта рассматривается совместимая AI-станция, включая класс мини-ПК с большим объёмом памяти. Размер модели, длина документов и число одновременных запросов проверяются на месте. Рейтинг модели и 128 ГБ в характеристиках не устанавливают скорость ответа по данным вашей 1С. Время выполнения включает и запрос к базе, и работу интеграции, и проверку результата сотрудником.
Какие границы заложить до подключения записи
Чтение полезно запускать под отдельной ролью с ограниченными организациями и объектами. Даже запрос без записи может вернуть лишние данные или надолго нагрузить базу. Для повторяемых задач предпочтительны проверенные операции с параметрами, ограничением объёма и времени, а не свободное выполнение любого сгенерированного кода.
При записи нужно показывать человеку конкретное изменение. Согласие «разрешаю пользоваться 1С» слишком широко: сотруднику нужен перечень объектов и значений, которые будут записаны. Проведение документа согласуется как отдельное действие. Интеграция учитывает обязательные поля, доступы, актуальность данных и бизнес-логику конкретной конфигурации.
- У операции есть идентификатор, позволяющий проверить результат после сбоя связи.
- В истории остаются параметры, источник данных, результат и ответственный за подтверждение.
- Инструмент не принимает новые полномочия из текста письма или вложения.
- Ошибка останавливает сценарий с понятным статусом и возможностью ручного продолжения.
С чего начать компании
Подготовьте сведения о конфигурации и версии платформы, один привычный отчёт, несколько обезличенных документов и пример ожидаемого ответа. На копии базы проверьте чтение и сопоставление данных. Затем измерьте качество объяснения, число уточнений и время человека до принятого результата. Переход к черновикам и записи оформляется следующим этапом.
В AI Office мы готовы разобрать такой процесс вместе с заказчиком: выбрать существующий адаптер или разработать узкий сервис, связать его с локальной моделью и проверить сценарий. Это индивидуальная интеграция под конфигурацию и правила компании. Начать можно с одного вопроса к учёту, на который сотрудники регулярно тратят время, и получить понятный рабочий инструмент вместо ещё одного отдельного чата.