Все разработки
Программное обеспечение

MCP-клиент — desktop AI-ассистент

Native desktop-приложение (Tauri + React): чат с любой LLM (GigaChat, YandexGPT, локальные модели через Ollama/vLLM) + конфигурируемые MCP-серверы. В отличие от привязанных к одному облаку клиентов — multi-provider, кастомизируемый UI, отвязанный от облака режим. Создавался под use-case инженера BMS, но универсален.

Размер бандла
~12 МБ
Платформ
Win / mac / Linux
MCP-серверов одновременно
Не ограничено
MCP-клиент — desktop AI-ассистент

О продукте

Задача: дать инженеру и оператору BMS персонального AI-ассистента, который умеет работать с MCP-серверами компании (наш [[mcp-mcs-server]], MCP над документацией, MCP над Jira/MAX), но при этом не требует платной облачной подписки, не выгружает данные в публичное облако и работает с любой моделью — включая локальную через Ollama / vLLM.

Архитектура: Tauri (Rust shell + WebView) для лёгкого native-бандла ~12 МБ против ~200 МБ Electron. UI — React 19 + Tailwind 4. Provider-абстракция: GigaChat / YandexGPT / Ollama (локальный) / vLLM (свой сервер) — переключение моделей в дропдауне без рестарта. MCP-клиент — официальный SDK, поддержка stdio + HTTP/SSE транспортов.

В чате — multi-turn диалог с tool-call expansions (видишь, какие инструменты дёрнул LLM, с какими аргументами, что ответили). Inline-рендер графиков (в т.ч. трендов из MCP-сервера BMS), markdown-таблиц, code-блоков с подсветкой. Drag-n-drop файлов и скриншотов в чат. Voice input (Whisper.cpp локально).

Workspaces — изолированные конфиги MCP-серверов и моделей: «работа с MCS» подключает наш mcp-mcs-server + GitHub + Jira; «личный» — filesystem + email + календарь; «обучение» — vector-search над документацией. Каждый workspace — свой системный промпт, темплейты, history.

Деплой — installers под Win/mac/Linux. Updates через Tauri updater (signed). История чатов локально в SQLite, опционально — sync на свой backend (Postgres + Redis). Сборка backend для sync — Docker Compose на Proxmox VE заказчика.

Ключевые возможности

Multi-provider LLM

GigaChat, YandexGPT, Ollama (локально), vLLM (свой сервер). Переключение модели в дропдауне без рестарта. API-ключи хранятся в OS keychain.

MCP-клиент полный

Tools, resources, prompts — официальный MCP SDK. Stdio (запуск локального бинаря) и HTTP/SSE (удалённый сервер). Конфигурация в JSON или через UI.

Workspaces

Изолированные наборы MCP-серверов + модель + системный промпт + history. «Работа с MCS», «личный», «обучение» — каждый свой контекст.

Tool-call inspector

В чате каждый tool-call раскрывается inline: имя, JSON-аргументы, JSON-ответ, latency. Дебаг агентского флоу прямо из чата.

Inline-рендеринг

Markdown с code-highlight, графики (Recharts) для трендов из MCP, таблицы, изображения. Drag-n-drop файлов и скриншотов в чат.

Voice + локальный Whisper

Voice input через Whisper.cpp локально (без облака). Wake-word опционально через Picovoice.

Локальные модели

Ollama-провайдер — работа с локальными весами GigaChat / YandexGPT без интернета. Для тяжёлых моделей — подключение к нашему vLLM на GPU-сервере.

Native бандл Tauri

~12 МБ против ~200 МБ Electron. Низкое потребление RAM. Win / mac / Linux installers, signed updates через Tauri updater.

Технологический стек

Frontend
  • React 19
  • TypeScript strict
  • Tailwind CSS 4
  • Tauri (Rust + WebView)
LLM-провайдеры
  • GigaChat SDK
  • YandexGPT SDK
  • Ollama JS client
  • vLLM (стандартный API)
MCP
  • @modelcontextprotocol/sdk
  • stdio transport
  • HTTP/SSE transport
  • Zod-валидация tool-схем
Voice / локальное
  • Whisper.cpp
  • Picovoice (wake)
  • OS keychain (secrets)
  • SQLite (local history)
Опц. backend (sync)
  • Node.js 20
  • PostgreSQL 16
  • Redis
  • REST + JWT
Инфраструктура
  • Docker Compose (для backend)
  • Proxmox VE
  • Caddy reverse-proxy
  • Tauri updater (signed)

Что под капотом

  • Multi-provider: GigaChat / YandexGPT / Ollama (локально) / vLLM — переключение в дропдауне, без перезапуска
  • MCP full spec: tools / resources / prompts — stdio и HTTP/SSE транспорты
  • Workspaces — изолированные конфиги MCP + модель + промпт под разные задачи
  • Native бандл ~12 МБ через Tauri (vs ~200 МБ Electron) — низкое RAM, signed updates
  • Voice через локальный Whisper.cpp — без облака
  • Local-first: история в SQLite, опц. sync на свой Postgres+Redis backend
  • Идеальный host для нашего [[mcp-mcs-server]] — инженер задаёт вопросы про оборудование, видит tool-calls и графики
  • MVP заказчика — installer под Win/mac/Linux + opt. backend на нашем Proxmox одной командой

Посмотреть вживую

Агентные платформыAI / ML

Нужна похожая разработка?

Обсудим задачу, соберём команду под стек и сроки, предложим прозрачную оценку.

Обсудить проектСледующий кейс