LLM‑агент получает доступ к Яндекс Вебмастеру через MCP‑сервер

Яндекс Вебмастер хранит ценные метрики о том, как поисковый робот видит ваш сайт: запросы с высоким показом, отсутствие кликов, выпавшие из индекса страницы и ошибки индексации. Всё это доступно через веб‑интерфейс и официальное API v4, однако без автоматизации данные собираются вручную. В статье на Habr AI автор показывает, как построить MCP‑сервер (Multi‑Channel Proxy) – слой‑прослойку, который превращает набор из десятков эндпоинтов Яндекс Вебмастера в восемь унифицированных инструментов, понятных LLM‑агенту.

Главные шаги:

1. Анализ API v4 – перечисление методов, их параметров и ограничений по частоте запросов.
2. Маппинг эндпоинтов – группировка схожих функций (например, запросы статистики, ошибки сканирования, управление индексом) в отдельные инструменты.
3. Обёртка в виде HTTP‑endpoint'ов – каждый инструмент реализован как отдельный маршрут, принимающий JSON‑запрос от LLM‑агента и возвращающий стандартизированный ответ.
4. Обработка ошибок и кэширование – учитываются типичные «грабли» API: лимиты, авторизация OAuth, нестабильные ответы.
5. Тестирование с реальными LLM‑моделями – демонстрация работы через OpenAI GPT‑4o и Yandex GPT, где агент автоматически генерирует запросы, получает данные и формирует отчёт.

Автор отмечает, что такой подход позволяет интегрировать аналитические возможности Яндекс Вебмастера в чат‑боты, автоматические дашборды и системы мониторинга без ручного вмешательства. Пример кода и готовый Docker‑образ опубликованы в репозитории GitHub.

Ключевые цифры: более 30 эндпоинтов API сведены в 8 инструментов, время отклика MCP‑сервера < 200 мс, а лимит запросов к API снижен на 70 % за счёт кэширования.