Мы обычным языком попросили Claude посмотреть очередь GLPI, создать заявку и сказать, у каких заявок неверная срочность. Он прочитал 18 заявок, создал новую, предложил три изменения срочности с обоснованием каждого и изменил только то, что одобрил специалист. Это заняло 8 обращений к модели и стоило 0,10 US$. Связал Claude с GLPI MCP-сервер примерно из 140 строк на Python, который вы можете скачать в конце статьи.
Эта статья продолжает серию об ИИ в службе поддержки, после сортировки с помощью Jev и FinOps для ИИ: сколько стоит каждая заявка.
Что такое MCP, в трёх абзацах
MCP (Model Context Protocol) — открытый стандарт, созданный Anthropic в конце 2024 года, для подключения ИИ-ассистентов к системам. Вместо того чтобы каждый инструмент изобретал свою интеграцию, система публикует MCP-сервер со списком инструментов («показать очередь», «создать заявку»), и любой совместимый клиент начинает ими пользоваться: Claude Desktop, Claude Code, VS Code и другие.
Стандарт прижился быстро. По рыночным исследованиям, комплекты разработки MCP в марте 2026 года превысили 97 миллионов загрузок в месяц.
Для службы поддержки вывод простой: ИИ выходит из окна чата и начинает запрашивать данные и действовать в GLPI. А это требует решить, что он может делать сам, а что требует одобрения.
Способы подключить GLPI к ИИ через MCP
| Способ | Как работает | Для кого |
|---|---|---|
| Плагин GLPI AI от Teclib | Официальный плагин с ассистентом внутри GLPI и MCP-сервером для внешних клиентов. Требует GLPI 11.0.7 или новее и подписку GLPI Network | Для тех, у кого уже есть GLPI Network |
| Сторонние плагины | Существуют плагины MCP-сервера для GLPI, опубликованные партнёрами | Для тех, кому нужно готовое решение и кто оценивает поставщика |
| Собственный MCP-сервер поверх API GLPI | Небольшая программа, которая превращает инструменты в вызовы API | Для тех, кому нужен полный контроль над тем, что может делать ИИ |
Первые два способа мы не тестировали; сведения взяты из публичной документации. В этой статье мы показываем третий, потому что именно он делает явным каждое решение по безопасности.
Демонстрация
Сценарий: GLPI поддержки NexTool, тестовая организация с вымышленной компанией Acme и 25 вымышленными заявками. Ассистент — Claude Sonnet 5.5, подключённый к нашему MCP-серверу.
Инструменты, которые мы ему дали:
| Инструмент | Тип | Что делает |
|---|---|---|
listar_fila |
чтение | Открытые заявки со статусом, срочностью и датой |
detalhe_chamado |
чтение | Описание и последние комментарии заявки |
abrir_chamado |
запись | Создаёт заявку |
definir_urgencia |
запись | Меняет срочность и записывает причину в приватный комментарий |
adicionar_acompanhamento |
запись | Добавляет комментарий |
Золотое правило: у инструментов записи есть параметр confirmado. Вызовы без него возвращают только предпросмотр, и ассистент должен показать его специалисту и дождаться «можно». Таким образом, одобрение человеком не зависит от доброй воли модели: оно заложено в коде.
Что произошло, запрос за запросом:
- «Как там очередь? И создай заявку: в МФУ закончился тонер». Ассистент вывел очередь (18 открытых заявок), указал самые долго стоящие и заявки с высокой срочностью и показал предпросмотр новой заявки. Ничего не создал.
- «Можно создавать. И скажи, что должно быть срочнее, прежде чем менять». Создал заявку, подробно прочитал четыре заявки и предложил повысить срочность трёх, с обоснованием каждой: медленная ERP при выписке счетов-фактур (затронут весь финансовый отдел, блокируется закрытие кассы), нет доступа к системе учёта рабочего времени (два пользователя с одной проблемой) и сбой ночного резервного копирования. Ничего не изменил.
- «Согласен с главной, меняй только её». Показал предпросмотр изменения: срочность со средней на высокую, с причиной, которая пойдёт в комментарий.
- «Подтверждаю». Изменил срочность, записал причину в приватный комментарий и напомнил, что две другие остались как были.
При первом прогоне того же сценария он также заметил, что заявка с высокой срочностью уже была решена самим пользователем, судя по последнему комментарию, и предложил понизить срочность и закрыть её. Такое чтение никто не делает в очереди из 18 заявок в 8 утра.
Стоимость: 8 обращений к модели, около 38 тыс. входных токенов и 2,7 тыс. выходных, 0,10 US$ с Claude Sonnet 5.5 по прайс-листу. Большая часть — это очередь и прочитанные заявки, которые возвращаются в модель на каждом шаге. Более дешёвая модель снизила бы эту сумму; сравнение стоимости по задачам — в статье FinOps для ИИ.
Безопасность: четыре уровня защиты, которые мы использовали
- Собственная служебная учётная запись. Ассистент использует только свою учётную запись с токеном удалённого доступа, а не логин какого-либо человека. В GLPI всё, что он сделал, отображается в истории под именем этой учётной записи.
- Минимальный профиль и одна организация. При открытии сессии сервер переключается на профиль специалиста и ограничивает сессию одной организацией. Ассистент не видит и не меняет остальной GLPI, даже если попросит.
- Одобрение человеком в коде. Запись только с
confirmado=true, после «можно» от специалиста. В демонстрации ассистент предлагал до того, как действовать, и показывал предпросмотр до записи; изменение произошло только на «Подтверждаю». - Журнал каждого действия. Сервер записывает каждый вызов инструмента в файл аудита, а GLPI хранит историю каждой изменённой заявки.
И что не открывать: инструменты администрирования (пользователи, профили, правила), удаление заявок и любые персональные данные, которые ассистенту не нужно читать. Токен хранится вне кода, в переменной окружения или в хранилище паролей системы.
Где это оправдано, а где нет
Оправдано: - Подвести итог дневной очереди и указать, что стоит без движения. - Создать заявку по ходу диалога с предложенными категорией и срочностью. - Пересмотреть срочность и предложить изменения с обоснованием. - Ответить «какой статус у заявки X», не открывая GLPI.
Не оправдано (пока): - Необратимые действия без одобрения: удаление, изменение прав, массовое закрытие. - Решения, требующие контекста, которого нет в GLPI, например разговора в коридоре или политического приоритета. - Замена сортировки при большом объёме: чтобы классифицировать тысячи заявок, классификатор вроде Jev дешевле и быстрее (см. тест).
Скачайте пример сервера
Пример MCP-сервера содержит пять инструментов из демонстрации, одобрение через confirmado, журнал аудита и инструкции по подключению к Claude Desktop или Claude Code. Он использует REST API v1, который есть в GLPI 10 (apirest.php) и в GLPI 11 (api.php/v1); мы тестировали на 11. Проверьте его в тестовой организации или тестовом GLPI, прежде чем запускать в продуктиве.
Предпочитаете готовое? NexTool MCP for GLPI делает это с более чем 160 инструментами — open source для локального запуска или в хостинге, со входом и коннектором для Claude и ChatGPT. Узнайте о NexTool MCP for GLPI или посмотрите репозиторий на GitHub.
Нужна помощь, чтобы безопасно настроить это в вашем GLPI? Свяжитесь с командой.
Демонстрация NexTool от 4 октября 2026 г. на GLPI 11.0.7 нашей поддержки, с тестовой организацией и вымышленными данными. Созданная заявка и изменённая срочность были отменены по окончании. Модель использовалась через OpenRouter по прайс-листу. Сведения о плагине GLPI AI и сторонних плагинах взяты из публичной документации.
