Google открыла 40 млн документов для AI-ассистентов через MCP

Вы пишете код с AI-ассистентом и спрашиваете, как настроить push-уведомления в Firebase. Ассистент уверенно отвечает — но рекомендует API, который Google депрекейтнул три месяца назад. Знакомая ситуация? Google решила эту проблему системно: 4 февраля компания запустила Developer Knowledge API и MCP-сервер, которые дают AI-инструментам прямой доступ к актуальной документации по Firebase, Android, Google Cloud, Maps и десяткам других продуктов.

Зачем это нужно

«Большие языковые модели хороши ровно настолько, насколько хорош контекст, который им предоставлен», — написала технический писатель Google Джесс Курас в анонсе. Формулировка простая, но за ней стоит фундаментальная проблема: 84% разработчиков уже используют AI-инструменты для написания кода (данные Stack Overflow Developer Survey 2025), но эти инструменты опираются на тренировочные данные, которые устаревают в момент публикации.

До сих пор AI-ассистенты получали знания о Google API двумя способами: из обучающей выборки (потенциально устаревшей на месяцы) или через веб-скрейпинг (хрупкий и ненадёжный). Developer Knowledge API заменяет оба подхода каноническим программным доступом к документации, которая переиндексируется в течение 24 часов после любого обновления.

Как это работает

API предоставляет три основных метода. SearchDocumentChunks ищет релевантные фрагменты документации по запросу — документы разбиты на чанки, оптимизированные для контекстного окна LLM. GetDocument возвращает полную страницу в формате Markdown. BatchGetDocuments позволяет запросить до 100 документов за один вызов.

Корпус включает публичную документацию с firebase.google.com, developer.android.com, docs.cloud.google.com и связанных ресурсов. Контент с GitHub, блогов и YouTube пока не индексируется — только официальные страницы для разработчиков.

Поверх API работает MCP-сервер — реализация открытого стандарта Model Context Protocol, который позволяет AI-ассистентам безопасно обращаться к внешним источникам данных. MCP-сервер предоставляет три инструмента: search_documents, get_document и batch_get_documents. По сути, любой AI-ассистент с поддержкой MCP получает возможность «читать» документацию Google так, как если бы разработчик открыл нужную страницу в браузере.

Кто уже может использовать

Список поддерживаемых инструментов впечатляет. Google опубликовала инструкции по настройке для Antigravity, Gemini CLI, Gemini Code Assist, Firebase Studio, Claude Code, Cursor, GitHub Copilot в VS Code и Windsurf. Настройка занимает пару минут: создать API-ключ в Google Cloud, включить MCP-сервер через gcloud CLI, добавить конфигурацию в JSON-файл нужного инструмента.

Для Claude Code, например, достаточно одной команды:

claude mcp add google-dev-knowledge --transport http \
  https://developerknowledge.googleapis.com/mcp \
  --header "X-Goog-Api-Key: YOUR_API_KEY"

После этого AI-ассистент начинает обращаться к документации Google при ответе на вопросы о Firebase, Cloud, Android и других продуктах. Ответы становятся не галлюцинацией модели, а пересказом актуальной документации.

Практические сценарии

На практике это меняет несколько ключевых рабочих процессов. Вместо «как правильно?» разработчик может спросить ассистента «почему не работает мой API-ключ Google Maps — появляется водяной знак 'For development purposes only'?» — и получить ответ, основанный на актуальной документации по ограничениям ключей, а не на устаревшей информации из обучения модели.

Сравнительный анализ тоже становится надёжнее. Запрос «сравни Cloud Run и Cloud Functions для микросервиса» вернёт таблицу, составленную из реальных характеристик, а не из приблизительных воспоминаний LLM. Google даже рекомендует формулировать узкие запросы, потому что широкие — вроде «сравни все продукты Firebase» — могут исчерпать контекстное окно из-за объёма возвращаемых данных.

Часть большей стратегии

Developer Knowledge API — не первый MCP-сервер от Google. В июле 2025-го компания запустила MCP для Google Analytics, в октябре — open-source MCP для Ads API. Теперь к этой экосистеме добавилась документация. Шаг за шагом Google строит инфраструктуру, в которой AI-ассистенты становятся полноценным интерфейсом к сервисам компании.

Контекст шире: MCP превращается в отраслевой стандарт. Microsoft выпустила Clarity MCP-сервер, Gracenote подключила базу из 40 млн развлекательных тайтлов. Каждый крупный поставщик данных или API теперь думает о том, как сделать свой контент доступным для AI-агентов — и MCP становится lingua franca этого взаимодействия.

Ограничения

Сервис пока в статусе experimental — API-контракт может измениться до GA. Результаты возвращаются только на английском, что ограничивает разработчиков из других регионов. Markdown генерируется из HTML, и конвертация не всегда идеальна. Для организаций с Model Armor может потребоваться настройка фильтров PIJB, чтобы избежать ложных срабатываний на запросы к публичной документации.

Отдельная история — потребление токенов. Некоторые страницы документации Google огромны, и batch-запросы могут быстро исчерпать контекстное окно. Google рекомендует формулировать точные запросы и избегать широких поисков.

Выводы

Developer Knowledge API — это тихий, но важный сдвиг. Вместо того чтобы бороться с галлюцинациями LLM через fine-tuning или RAG-пайплайны, Google просто дала моделям официальный канал к актуальной документации. Подход элегантный: не нужно переобучать модель каждый раз, когда обновляется API — достаточно, чтобы ассистент умел вовремя заглянуть в документацию.

Для разработчиков, которые уже используют AI-ассистенты, настройка MCP-сервера — это 5 минут работы и заметное улучшение качества ответов по экосистеме Google. А для индустрии в целом это ещё один сигнал: будущее — за AI-агентами, которые умеют обращаться к авторитетным источникам, а не полагаются на память.