Вадим Аксельрод
← Назад к статьям

28 сентября 2025 г.

Расширяем возможности ChatGPT - подключение к Telegram через MCP

…

🧠 10% LLMРАЗРАБОТКАMCPLLMTELEGRAM

Учим старого пса новым трюкам

Если мы обучили модель в 2024 году, и спросим её в 2025 году, кто сейчас является президентом США - она ответит неправильно, так как президент уже сменился.

Любая LLM является статичной - веса модели хранят состояние конкретного датасета на точку отсечения. Периодическое дообучение модели можно регулярно проводить, но это может стоить десятки и сотни тысяч долларов, и занимает от десятков часов до месяцев.

Как же заставить LLM работать с новостями и фактами, случившимися после точки отсечения? Идея проста - добавляем эти данные в текущий контекст запроса и просим ими воспользоваться. Контекст по сути является оперативной памятью, и в него можно просто добавить результаты поиска по новостям или просто в Интернете, или результат исполнения какого-либо кода.

Исполнение кода решает не только проблему статичности LLM по точке отсечения, но и дает возможность "мыслить точнее". Если попросить LLM вычислить сложное выражение, она может под капотом написать скрипт, передать в него выражение, и отобразить результат исполнения кода. То же самое работает с графиками, таблицами и в целом открывает "мультимодальность".

Появление MCP

Летом 2023 года в ChatGPT появилась поддержка плагинов, таких как поиск в Интернете и интерпретатор для исполнения Python кода. Тем не менее, общий индустриальный стандарт для дополнения контекста LLM появился только осенью 2024 года за авторством Anthropic - Model Context Protocol в статье Introducing the Model Context Protocol.

Стандарт MCP описывает формат, в котором сервисы могут предлагать LLM свои услуги:

  • Tools - функции, которые можно вызвать
  • Resources - данные, которые можно прочитать
  • Prompts - шаблоны промптов и описания процессов

На текущий момент MCP полноценно поддерживается практически всеми разработчиками и провайдерами LLM, основными средствами разработки и офисным ПО, такими как ChatGPT, Claude Desktop, Claude Code, Perplexity, Cursor, VS Code, IDE от JetBrains, Microsoft 365, Slack и т.п.

Пишем свой MCP для Telegram

Покажу пример реализации самого простого из возможных MCP на Java - отправку ответов LLM в мессенджер Telegram.

MCP будет использоваться автоматически десктопным приложением Perplexity (или любым другим при желании) по ключевому слову "отправь в Telegram". При использовании Tool потребуется ручное подтверждение, но его можно выдать на сутки вперед.

Пример использования:

  • запрос What is MCP? Send to Telegram: Perplexity
  • ответ: Telegram

Репозиторий с готовым кодом: axelrodvl/telegram-mcp-server.

  1. Создаем новый Spring проект с помощью Spring Initializr и добавляем в нём Model Context Protocol Server.
  2. Добавляем в проект Spring Boot Starter для Telegram - telegrambots-springboot-longpolling-starter.
  3. Конфигурируем Standard MCP Server, используем протокол STDIO.
  4. Создаем бота в Telegram через BotFather и сохраняем его токен.
  5. Создаем группу в Telegram, добавляем бота и сохраняем ID группы.
  6. Конфигурируем Telegram бота с помощью токена и ID группы, добавляем метод отправки сообщения в группу:
public void sendMessage(TelegramMessage request) {
    SendMessage sendMessage = new SendMessage(chatId, request.getMessage());
    sendMessage.enableHtml(true);
    telegramClient.executeAsync(sendMessage);
}
  1. Создаем Tool для MCP:
@Tool(description = "Send message to Telegram")
public String sendMessage(String message) {
    telegramBotService.sendMessage(TelegramMessage.builder()
            .message(message)
            .build());
    return "Message sent to Telegram";
}
  1. Собираем проект и подключаем к Perplexity: Settings → Connectors → MCP Connectors → Add Connector, указываем в качестве Command java -jar /absolute/path/to/our/project.jar.
  2. Задаем любой запрос к LLM и указываем что-то вроде "send results to Telegram".
  3. Получаем сообщение в Telegram с результатами нашего запроса.

Итоги и идеи

Таким образом, получаем возможность расширять ChatGPT или любой другой LLM нашими собственными утилитами и данными, максимально тривиально и быстро. Большую часть подобного функционала можно завайбкодить даже без знания программирования, если вы достаточно храбры доверять такому коду чувствительные данные.

Например, можно слать себе ежедневно итоги дня на базе переписок с нейросетью, или же сдампить переписки из мессенджеров, сохранить их в векторную базу, и спрашивать у ChatGPT, во сколько прилетает друг, прямо как во влажных мечтах Apple об Apple Intelligence. Александр Грин одобряет.

Успехов, и спасибо за внимание!