Мои заметки о технологиях и жизни

Интеграции 1С:Предприятие с ИИ-Агентами через Протокол MCP

Введение: Новый Контекст Интеграции 1С и ИИ

В современной цифровой экономике, где эффективность и скорость принятия решений становятся критически важными факторами конкурентоспособности, предприятия активно ищут способы интеллектуализации своих бизнес-процессов. Системы автоматизации, такие как «1С:Предприятие», давно стали ядром операционной деятельности для тысяч компаний, накапливая в своих базах данных колоссальные объемы ценной информации. Однако традиционные методы доступа и анализа этих данных часто требуют от пользователей специализированных навыков и значительных временных затрат. Одновременно с этим, стремительное развитие больших языковых моделей (LLM) и искусственного интеллекта открыло новые горизонты для взаимодействия с информационными системами, превратив ИИ из футуристической концепции в практический инструмент повседневной работы. Возникает закономерный вопрос: как соединить мощь ИИ-агентов с богатейшими данными, хранящимися в 1С, чтобы создать по-настоящему интеллектуального помощника, способного не только отвечать на вопросы, но и выполнять сложные многошаговые задачи? Эта проблема выходит далеко за рамки простого создания чат-бота; она требует фундаментально нового подхода к интеграции, способного предоставить ИИ-агенту не просто доступ к данным, а глубокое понимание контекста и структуры конкретной информационной базы 1С.

Стандартные подходы к интеграции, такие как прямые SQL-запросы, COM-соединения или даже использование REST/OData сервисов, при работе с ИИ сталкиваются с рядом существенных ограничений. Языковые модели по своей природе оперируют текстом и не имеют встроенного представления о структуре таблиц, именах реквизитов или специфике бизнес-логики 1С. Если просто предоставить LLM доступ к базе данных, она начнет «галлюцинировать» — придумывать несуществующие объекты, методы и атрибуты, что приведет к некорректным запросам и бесполезным, а иногда и опасным результатам [40]. Для эффективной работы модели необходимо предоставить ей детальный контекст: структуру метаданных, описания объектов, типы данных и взаимосвязи. Ручная подготовка такого контекста для каждой задачи — трудоемкий и нерентабельный процесс, который сводит на нет все преимущества автоматизации [40]. Таким образом, основная проблема интеграции 1С и ИИ заключается в преодолении «информационного разрыва» между тем, что знает модель, и тем, что она должна знать для решения конкретной прикладной задачи. Эта проблема усугубляется закрытостью экосистемы 1С и особенностями ее архитектуры, которые затрудняют прямое применение многих современных AI-инструментов, разработанных для более открытых платформ [37].

Решение этой проблемы приходит в виде нового стандарта, разработанного для соединения AI-приложений с внешними системами, — Model Context Protocol (MCP). Этот протокол позиционируется как «Type-C для нейросетей», предоставляя унифицированный способ подключения к ИИ-агенту внешних инструментов и источников данных [31]. MCP не является собственностью одной компании и представляет собой открытый стандарт, который быстро набирает поддержку в сообществе разработчиков ИИ [10]. Суть протокола заключается в том, что он позволяет языковой модели самостоятельно запрашивать необходимую информацию через специальные «инструменты» (tools), предоставляемые MCP-сервером. Это превращает ИИ из пассивного генератора текста в активного участника процесса, способного собирать контекст, анализировать данные и выполнять действия во внешних системах. Для мира 1С появление MCP открывает новую эру, позволяя создать по-настоящему мощного AI-помощника, который понимает специфику конфигураций, может работать с реальными данными и автоматизировать рутинные задачи разработчиков, аналитиков и даже конечных пользователей [80].

Целью данного исследования является комплексный анализ текущего состояния и перспектив интеграции «1С:Предприятие» с искусственным интеллектом через протокол MCP. Данная статья написана на основе собранной информации на официальных ресурсах 1С и сайтах партнеров для определения позиции вендора относительно MCP и ИИ-интеграций.

Официальная Позиция Вендора: Стратегическое Молчание и Перспективы

Анализ официальной позиции компании «1С» в отношении интеграции своих продуктов с передовыми AI-технологиями, такими как Model Context Protocol (MCP), AI Assistant или Copilot, показывает картину стратегического молчания на данном этапе. Проведенный поиск по ключевым ресурсам вендора, включая официальный сайт платформы v8.1c.ru и портал технической поддержки its.1c.ru, не выявил каких-либо прямых упоминаний о протоколе MCP или планах по его внедрению в стандартную поставку платформы [0-19]. Этот результат не является неожиданным, учитывая традиционно консервативный подход «1С» к принятию новых внешних стандартов, особенно тех, что находятся на ранней стадии развития и originate от сторонних, преимущественно западных, технологических лидеров. Компания фокусируется на развитии собственных решений, таких как «1С:Напарник», который, однако, по мнению независимых экспертов, пока не достиг уровня полноценного AI-агента, так как не поддерживает инструменты MCP и A2A (Agent-to-Agent) и обладает низкой степенью автономности [31]. Отсутствие официальной поддержки MCP со стороны вендора означает, что вся текущая интеграция строится на усилиях энтузиастов, независимых разработчиков и партнеров «1С», которые создают собственные, часто open-source, решения для преодоления этого разрыва.

Несмотря на отсутствие прямой поддержки, платформа «1С:Предприятие» обладает всеми необходимыми технологическими предпосылками для реализации MCP-интеграции. Ключевым здесь является наличие встроенного стандартизированного интерфейса OData, который позволяет публиковать данные информационной базы в виде веб-сервиса [57]. OData, будучи сам по себе открытым протоколом, уже давно используется для интеграции 1С с различными внешними системами, включая BI-инструменты и другие ERP. Именно OData выступает в роли основного моста между данными 1С и внешним миром, включая AI-агентов. Публикация OData-интерфейса осуществляется через стандартный механизм «Администрирование -> Публиковать на веб-сервере» в конфигураторе. Для управления составом опубликованных объектов используется глобальный контекстная процедура УстановитьСодержаниеСтандартногоИнтерфейсаOData(<Метаданные>), которая позволяет явно указать, какие каталоги, документы, регистры и другие объекты конфигурации будут доступны через OData API [57]. Этот механизм дает разработчикам гибкий контроль над тем, какие данные будут экспонированы для внешнего доступа, что является критически важным с точки зрения безопасности.

Еще одним важным встроенным механизмом, способствующим интеграции, является HTTP-сервисы. Они позволяют создавать произвольные RESTful API поверх логики 1С, что дает возможность реализовать не только стандартные CRUD-операции, но и сложные бизнес-процессы, специфичные для конкретной конфигурации. Именно на базе HTTP-сервисов строятся все существующие на сегодняшний день реализации MCP-серверов для 1С [80]. Таким образом, хотя «1С» и не анонсирует поддержку MCP, платформа предоставляет все необходимые строительные блоки для ее реализации силами сообщества. Перспективы появления официальной поддержки MCP со стороны вендора остаются предметом дискуссий. С одной стороны, это позволило бы «1С» занять лидирующую позицию в области AI-интеграции на российском рынке и предоставить пользователям мощный стандартизированный инструмент. С другой стороны, это потребует значительных инвестиций в разработку, тестирование и поддержку, а также может привести к необходимости изменения внутренней архитектуры платформы для полной поддержки всех возможностей протокола, таких как long-polling соединения через Server-Sent Events, которые пока не поддерживаются веб-сервером 1С [80]. В текущих условиях наиболее вероятным сценарием является дальнейшее развитие решений силами сообщества, которые, достигнув определенного уровня зрелости и популярности, могут быть в будущем интегрированы в платформу или взяты вендором за основу для собственного стандарта.

Архитектурные Решения: Open-Source Реализации и Практический Опыт

В условиях отсутствия официальной поддержки MCP со стороны вендора, сообщество разработчиков 1С активно создает собственные open-source решения, реализующие этот протокол. Анализ репозиториев на GitHub и профильных статей на портале Инфостарт выявил два основных архитектурных подхода к построению MCP-серверов для 1С: прямой подход через HTTP-сервисы и прокси-подход с использованием промежуточного скрипта. Эти подходы различаются по сложности настройки, производительности и гибкости, но оба решают ключевую задачу — предоставление AI-агенту структурированного доступа к данным и метаданным 1С. Центральное место в этих решениях занимает протокол OData, который выступает в роли универсального языка для общения с базой 1С. Существуют даже универсальные мосты OData-MCP, написанные на Go, которые могут работать с любым OData-сервисом, включая те, что публикует 1С [20]. Однако для более глубокой интеграции и учета специфики 1С разработчики создают нативные серверы, работающие напрямую с HTTP-сервисами 1С-расширений.

Первый и наиболее прямой подход заключается в создании расширения для 1С, которое содержит HTTP-сервис, реализующий логику MCP-сервера. Этот HTTP-сервис публикуется на веб-сервере вместе с информационной базой, и AI-клиент (например, Cursor или Claude Desktop) подключается к нему напрямую по URL [80]. Этот метод прост в настройке и не требует дополнительных зависимостей, так как вся логика инкапсулирована внутри 1С. Однако у него есть и существенный технический недостаток, связанный с ограничениями веб-сервера «1С:Предприятие». Протокол MCP для эффективной работы требует поддержки потоковой передачи данных (streaming) или Server-Sent Events (SSE) для организации двусторонней связи. Веб-сервер 1С не поддерживает такие режимы и всегда отдает полный ответ целиком, что может привести к проблемам с производительностью и таймаутами при работе с некоторыми MCP-клиентами [80]. Тем не менее, для многих современных клиентов, которые могут работать с обычными HTTP-запросами, этот вариант является вполне рабочим и наиболее простым в развертывании. Примером такого решения является open-source проект, доступный на GitHub, который включает в себя готовое расширение и примеры конфигурационных файлов [80].

Второй, более гибкий, но и более сложный подход — использование прокси-сервера. В этой схеме между MCP-клиентом и 1С-базой встраивается легковесный промежуточный слой, обычно написанный на Python или Go. Этот прокси-сервер полностью реализует все возможности MCP-транспорта, включая STDIO и HTTP/SSE, а уже сам обращается к HTTP-сервису 1С по обычному HTTP-протоколу [80]. Этот вариант решает проблему ограничений веб-сервера 1С и позволяет работать с любыми MCP-клиентами, включая те, что требуют STDIO-транспорта, как, например, Claude Desktop. Кроме того, прокси может брать на себя дополнительные задачи, такие как аутентификация, кэширование, логирование и преобразование данных. Недостатком этого подхода является усложнение архитектуры и появление дополнительного компонента, который необходимо настраивать и поддерживать. Однако для сложных интеграционных сценариев и обеспечения максимальной совместимости этот метод является предпочтительным. Практический опыт, описанный в статьях на Инфостарт, показывает, что оба подхода жизнеспособны и позволяют достичь главной цели — предоставить ИИ-агенту доступ к контексту 1С [31, 40]. Выбор между ними зависит от конкретных требований проекта, используемых AI-клиентов и предпочтений разработчика.

Помимо готовых MCP-серверов, существуют и более простые инструменты, которые могут быть использованы для интеграции 1С с ИИ. Например, Python-библиотека odata1cw представляет собой удобную обертку для работы с OData-интерфейсом 1С, позволяя легко выполнять запросы и манипулировать данными из Python-скриптов [23]. Такая библиотека может стать основой для создания кастомных MCP-серверов или других AI-инструментов, которым требуется программный доступ к данным 1С. Она позволяет подключаться к информационной базе, выполнять запросы с фильтрацией, сортировкой и выборкой полей, а также создавать и изменять объекты. Хотя это и не готовый MCP-сервер, наличие таких инструментов значительно упрощает разработку собственных интеграционных решений, предоставляя разработчикам готовые строительные блоки для работы со стандартным OData-интерфейсом 1С. Это свидетельствует о том, что сообщество активно создает экосистему вокруг 1С, направленную на облегчение интеграции с современными технологиями, включая искусственный интеллект.

Технические Аспекты Интеграции: Безопасность, Производительность и Контекст

Успешная и безопасная интеграция «1С:Предприятие» с AI-агентами через MCP требует пристального внимания к ряду критически важных технических аспектов. Среди них обеспечение безопасности данных, достижение приемлемой производительности при работе с большими объемами информации и эффективное управление контекстом, передаваемым в языковую модель. Игнорирование любого из этих аспектов может привести к серьезным последствиям: от утечки конфиденциальной информации до создания неработоспособного и медленного AI-помощника. Поскольку MCP-сервер выступает в роли моста между ИИ и вашей базой 1С, его архитектура и настройка должны быть выверены с учетом этих факторов, особенно учитывая, что 1С часто содержит самые чувствительные коммерческие данные компании.

Безопасность является краеугольным камнем любой интеграции, открывающей доступ к корпоративным данным. При работе с MCP и 1С необходимо реализовать многоуровневую систему защиты. Во-первых, на уровне 1С это достигается через тщательно настроенные роли и права доступа. Для MCP-интеграции настоятельно рекомендуется создавать выделенного пользователя 1С с минимально необходимыми правами, следуя принципу наименьших привилегий [63]. Идеальным вариантом является использование учетной записи только с правами на чтение (read-only), если задача AI-агента не подразумевает изменение данных [64]. Это предотвратит случайное или злонамеренное искажение информации некорректно работающей моделью. Во-вторых, на уровне публикации веб-сервиса (файл default.vrd) также необходимо настроить аутентификацию. Важно понимать, что некоторые схемы подключения MCP-сервера могут требовать отключения авторизации для HTTP-сервисов, что делает критически важной защиту на сетевом уровне [80]. Никогда не следует exposing MCP-сервер напрямую в интернет без дополнительного слоя защиты, такого как reverse proxy с аутентификацией [20]. Для хранения учетных данных (логинов и паролей) следует использовать безопасные методы, такие как переменные окружения, а не передавать их в открытом виде в аргументах командной строки [20]. Особое внимание следует уделить вопросу использования облачных языковых моделей. Отправка конфиденциальных данных в сторонние облачные сервисы может нарушать политику безопасности компании и законодательство о защите персональных данных. В таких случаях для работы с рабочими базами рекомендуется использовать локальные LLM, развернутые в закрытом контуре организации [40].

Производительность — еще один ключевой аспект. 1С-базы могут быть очень большими, а количество метаданных в типовых конфигурациях — исчисляться тысячами объектов. Если MCP-сервер без фильтрации предоставит ИИ-агенту полный список всех возможных инструментов (по одному на каждую операцию с каждым объектом), это приведет к переполнению контекстного окна модели и сделает ее работу невозможной [31]. Для решения этой проблемы MCP-серверы должны поддерживать гибкую фильтрацию. Пользователь должен иметь возможность явно указать, какие сущности (например, только «Номенклатура» и «Контрагенты») и какие типы операций (например, только чтение) будут доступны AI-агенту [20]. Кроме того, при работе с большими наборами данных необходимо использовать механизмы постраничной выборки, предоставляемые OData, с помощью системных параметров запроса $top и $skip [97]. Это позволит ограничивать объем данных, передаваемых в модель за один раз, и избежать превышения лимита контекстного окна. Вопрос о «толстых» бизнес-операциях, таких как проведение документов или сложные расчеты, также важен. Выполнение таких операций через MCP может быть медленным и ресурсоемким. В таких случаях более правильным подходом является асинхронное выполнение: MCP-сервер принимает задачу от ИИ, ставит ее в очередь на выполнение в 1С и возвращает AI-агенту идентификатор задачи. Агент может затем периодически опрашивать сервер о статусе выполнения, не блокируя при этом свое контекстное окно.

Управление контекстом — это то, что отличает полезного AI-помощника от бесполезного чат-бота. Качество ответа модели напрямую зависит от качества и релевантности предоставленного ей контекста [40]. MCP-сервер для 1С должен предоставлять два основных типа контекста: метаданные и сами данные. Метаданные — это информация о структуре конфигурации: списки каталогов, документов, регистров, их реквизитов и измерений. Наличие этого контекста позволяет ИИ писать корректные запросы и код, оперируя реальными именами объектов, а не выдуманными [40]. Доступ к метаданным обычно реализуется через стандартные инструменты MCP-сервера, такие как list_metadata_objects [40]. Второй тип контекста — это сами данные, которые ИИ запрашивает для выполнения конкретной задачи, например, для анализа продаж или поиска информации по документу. Здесь важно не только предоставить данные, но и оформить их в удобном для модели виде, например, в виде Markdown-таблицы. Для расширения функциональности MCP-сервер позволяет добавлять пользовательские инструменты (custom tools). Это специальные обработчики в 1С, которые могут выполнять произвольную логику: от формирования сложного отчета до взаимодействия с внешними API. Каждый такой инструмент описывается своим именем, назначением и набором параметров, что позволяет ИИ-агенту понимать, когда и как его вызвать [80]. Эта архитектура делает MCP-сервер для 1С гибким и расширяемым, способным адаптироваться под самые разные бизнес-задачи.

Семантика Данных: Сущности, Соглашения и Практическое Применение

Эффективное взаимодействие AI-агента с базой 1С возможно только при условии, что модель правильно понимает семантику данных — то, какие объекты представляют собой бизнес-сущности, как они называются и как связаны между собой. В отличие от человекопонятных имен, используемых в интерфейсе 1С, OData-сервисы используют технические имена, которые могут отличаться. Понимание этих соглашений об именовании и знание наиболее часто используемых сущностей являются критически важными для построения MCP-сервера, который будет интуитивно понятен для языковой модели. Правильно сформированный контекст, включающий стандартизированные имена сущностей, позволяет ИИ не только выполнять запросы корректно, но и генерировать более точный и релевантный код, соответствующий специфике бизнес-логики 1С.

При работе с OData-интерфейсом 1С важно понимать, как формируются имена сущностей (entity sets). Стандарт OData рекомендует использовать для наборов сущностей (entity sets) имена во множественном числе, например, Products или Customers [74]. Однако, в зависимости от реализации, могут использоваться и другие варианты, такие как добавление суффикса Set (например, CustomerSet). В случае с 1С, имена OData-сущностей обычно формируются на основе полных имен объектов метаданных. Например, каталог «Контрагенты» будет доступен как Catalog_Контрагенты, а документ «ЗаказКлиента» — как Document_ЗаказКлиента. Эти технические имена и должен использовать MCP-сервер при описании доступных инструментов для ИИ. Важно обеспечить последовательность в использовании этих имен во всем MCP-сервере, чтобы избежать путаницы. Для параметров и свойств OData рекомендуются соглашения camelCase (например, filter, select) [101]. Однако, некоторые MCP-клиенты, такие как Claude Code, имеют строгую валидацию имен свойств и не допускают использование символа $ в начале. Для решения этой проблемы в MCP-серверах, таких как odata_mcp_go, предусмотрен специальный флаг --claude-code-friendly, который преобразует имена OData-параметров ($filter, $select, $expand) в дружественные имена без префикса (filter, select, expand) [20]. Сервер внутренне преобразует их обратно при выполнении запроса к OData-сервису.

Анализ статей и практических примеров показывает, что наиболее часто используемыми сущностями в задачах интеграции 1С с ИИ являются следующие объекты типовых конфигураций (таких как «Управление торговлей», «Бухгалтерия предприятия»):

Практическое применение MCP-интеграции охватывает широкий спектр ролей и задач. Для программистов MCP-сервер становится незаменимым помощником при разработке и доработке конфигураций. ИИ, имея доступ к актуальным метаданным, может писать корректные запросы, генерировать код обработок и форм, а также анализировать ошибки, обращаясь к документации или базе знаний через другие MCP-серверы [40]. Это позволяет сократить время на рутинные операции и сосредоточиться на сложной логике. Для аналитиков MCP открывает возможность получения данных из 1С на естественном языке, без необходимости писать сложные запросы. Аналитик может попросить ИИ-агента посчитать продажи за период, сравнить показатели или найти аномалии в данных, и агент сам сформирует и выполнит необходимые запросы через MCP-сервер, представив результат в удобном виде [40]. Для конечных пользователей существуют более узкие, но полезные сценарии, такие как AI-помощник, отвечающий на вопросы по истории изменений документа, или помогающий заполнить форму на основе ранее введенных данных [40]. Важно помнить, что для конечных пользователей все операции должны выполняться либо в тестовой базе, либо с использованием локальных моделей, чтобы обеспечить безопасность данных [40].

Итоговый Отчет: Рекомендации по Архитектуре MCP-Сервера для 1С

Проведенное исследование показывает, что, несмотря на отсутствие официальной поддержки со стороны вендора «1С», сообщество активно развивает интеграцию платформы с искусственным интеллектом через открытый протокол Model Context Protocol (MCP). Существующие open-source решения уже сегодня позволяют создавать мощных AI-помощников, способных понимать структуру 1С-конфигураций, работать с реальными данными и автоматизировать сложные задачи для разработчиков, аналитиков и пользователей. Анализ текущей ситуации позволяет сделать вывод, что не существует единого «канонического» способа интеграции; вместо этого преобладают кастомные решения, построенные на базе общих архитектурных паттернов. На основе собранных данных и выявленных лучших практик могут быть сформулированы следующие рекомендации по проектированию и разработке MCP-сервера для «1С:Предприятие».

Рекомендуемая архитектура MCP-сервера должна быть гибкой, модульной и безопасной. Предлагается использовать гибридный подход, сочетающий в себе преимущества прямого подключения и прокси-сервиса. Основная логика MCP-сервера должна быть реализована в виде расширения для 1С, содержащего HTTP-сервис. Это упростит развертывание и обновление. Для обеспечения максимальной совместимости с различными AI-клиентами (особенно требующими STDIO-транспорта) и снятия ограничений веб-сервера 1С, рекомендуется поставлять в комплекте легковесный прокси-скрипт (например, на Python), который будет транслировать MCP-протокол в стандартные HTTP-запросы к 1С-сервису. Такой подход позволит пользователям выбрать подходящий вариант подключения в зависимости от их инфраструктуры и требований. Сервер должен быть спроектирован с учетом принципа расширяемости: добавление новой функциональности (новых инструментов) должно происходить путем подключения специальных модулей-обработчиков, а не путем изменения ядра сервера. Это позволит создавать библиотеку переиспользуемых инструментов для различных типовых задач.

Ключевые компоненты и функциональность MCP-сервера:

  1. Модуль работы с метаданными: Обязательный компонент, предоставляющий ИИ-агенту информацию о структуре конфигурации. Должен включать инструменты для получения списка всех published объектов, детальной структуры конкретного объекта (реквизиты, табличные части, измерения регистров) и типов данных [40].
  2. Модуль выполнения запросов: Ядро сервера, отвечающее за взаимодействие с данными. Должен уметь выполнять OData-запросы, сгенерированные ИИ, с поддержкой всех основных опций: $filter, $select, $expand, $orderby, $top, $skip. Критически важна поддержка постраничной выборки для работы с большими объемами данных.
  3. Механизм пользовательских инструментов (Custom Tools): Система для подключения обработчиков, реализующих специфическую бизнес-логику. Каждый инструмент должен иметь стандартный интерфейс с методами для описания своих параметров (AddTools()) и выполнения логики (ExecuteTool()) [80]. Это позволит инкапсулировать сложные операции, такие как проведение документов, формирование печатных форм или вызов внешних API.
  4. Система конфигурации и безопасности: Все настройки сервера (строка подключения к 1С, учетные данные, списки разрешенных сущностей и операций) должны выноситься во внешний конфигурационный файл. Должна быть предусмотрена возможность работы в режиме «только для чтения» (read-only) для безопасной работы с продуктивными базами [20].
  5. Система логирования и трассировки: Для отладки и мониторинга работы сервера необходимо реализовать подробное логирование всех входящих MCP-запросов и исходящих ответов. Поддержка MCP-трассировки (--trace-mcp) поможет в диагностике проблем на уровне протокола [20].

Перспективы развития и вызовы: Будущее интеграции 1С и ИИ связано с дальнейшим развитием протокола MCP, появлением новых AI-клиентов и ростом зрелости решений в сообществе. Основным вызовом остается обеспечение безопасности при работе с конфиденциальными данными, что подталкивает к использованию локальных моделей и созданию закрытых корпоративных контуров. Другим важным направлением является развитие стандарта A2A (Agent-to-Agent), который позволит создавать сложные мультиагентные системы для автоматизации бизнес-процессов в 1С [31]. Возможное появление официальной поддержки MCP от вендора «1С» могло бы стать катализатором для массового внедрения таких технологий, стандартизировав подход и обеспечив более глубокую интеграцию на уровне платформы. Пока же инициатива находится в руках сообщества, и именно от его усилий зависит, насколько быстро и эффективно «1С:Предприятие» войдет в новую эру искусственного интеллекта.

Список Источников

[0] Extend your agent with Model Context Protocol. https://learn.microsoft.com/en-us/microsoft-copilot-studio/agent-extend-action-mcp.

[10] What is the Model Context Protocol (MCP)? - Model Context. https://modelcontextprotocol.io.

[20] oisee/odata_mcp_go. https://github.com/oisee/odata_mcp_go.

[23] belov38/1c-odata: 1C v8 OData wrapper. https://github.com/belov38/1c-odata.

[31] AI-агенты для 1С: от генерации кода до автоматизации. https://infostart.ru/1c/articles/2509402.

[37] Денис Смирнов. Методы выгрузки данных из 1С для BI-. https://infostart.ru/video/w2423209.

[40] 1С и AI от хайпа к практике. Создаем MCP-сервер для. https://infostart.ru/1c/articles/2514331.

[57] How to use the oData protocol when publishing. https://kb.1ci.com/1C_Enterprise_Platform/FAQ/Development/Integration/How_to_use_the_oData_protocol_when_publishing_an_infobase_to_web_server.

[63] Setting access rights in 1C:Enterprise. https://1c-dn.com/blog/setting-access-rights-in-1c-enterprise.

[64] Read-only, Scoped Access - Explanation & Examples. https://www.secoda.co/glossary/read-only-scoped-access.

[74] Conventions for OData Metadata. https://help.sap.com/doc/f53c64b93e5140918d676b927a3cd65b/Cloud/en-US/docs-en/guides/getting-started/mbt/conventions.html.

[77] Новые информационные технологии в образовании New. https://educonf.1c.ru/conf2020/%D0%A2%D0%BE%D0%BC1.pdf.

[80] Model Context Protocol in 1C: A New Era of AI-Powered. https://sidata.com.ua/en/blog/model-context-protocol-v-1s.

[97] How to work with topandskip queries in ODATA - Salesforce Help. https://help.salesforce.com/s/articleView?id=001116136&language=en_US&type=1.

[100] Counterparties catalog - XWiki - 1Ci. https://kb.1ci.com/1C_Drive/Guides/1C_Drive_User_Guide/Setting_up_business_processes/Master_catalogs/Counterparties_catalog.

[101] Naming Guidelines for REST and OData APIs | SAP Help Portal. https://help.sap.com/docs/api-style-guide/sap-api-style-guide-public/naming-guidelines-for-rest-and-odata-apis.