Июль '26. Gravity Docs MCP: подключите документацию Gravity Field к AI-агенту

Чтобы ответить на вопрос о Gravity Field или начать интеграцию, больше не нужно вручную искать нужную статью и передавать её AI-агенту. Мы запустили Gravity Docs MCP — сервер, который подключает публичную документацию Gravity Field к AI-ассистентам и средам разработки с поддержкой Model Context Protocol.

После подключения агент может сам найти подходящие материалы, прочитать полные инструкции и использовать их при ответе или работе с кодом. В результате путь от вопроса до следующего действия становится короче: агент опирается на актуальную документацию и возвращает ссылки на источники.

Что можно делать с Gravity Docs MCP

Быстрее интегрировать Gravity Field

Если AI-агенту доступен код проекта, можно описать ему задачу обычным языком: например, подключить Gravity Field к сайту, серверу или мобильному приложению.

Агент найдёт документацию по Web-, API-, Hybrid-интеграции или SDK, уточнит требования, составит план и сможет внести необходимые изменения в код. Команде останется предоставить параметры конкретного проекта — например, идентификатор секции и API-ключ — и проверить результат.

Пример запроса:

Изучи проект, выбери подходящий способ интеграции с Gravity Field и реализуй его по официальной документации. Перед изменениями покажи план и перечисли параметры, которые нужно получить от меня.

Разбираться в настройках и собирать пошаговые решения

Если нужно настроить конкретный сценарий, агент найдёт подходящие инструкции, соберёт шаги в нужном порядке и учтёт ограничения из связанных статей. Это может быть создание кампании, настройка рекомендательной стратегии, подготовка A/B-теста, работа с отчётом или сбор сложной аудитории.

Например, агент поможет перевести маркетинговый сценарий в конкретную схему аудитории: подобрать условия, правильно объединить их через AND и OR, определить окно атрибуции и время хранения пользователя в сегменте. Если условие нельзя выразить одной аудиторией, он найдёт подходящий паттерн со вспомогательным сегментом.

Пример запроса:

Помоги настроить аудиторию покупателей краски для волос, которые покупали её в течение года, но не покупали последние 90 дней и сейчас вернулись на сайт. Добавь условие среднего чека от 4 000 до 6 000 рублей. Покажи схему основной и вспомогательной аудиторий, окно атрибуции, Retention и ссылки на документацию.

Анализировать результаты и принимать решения

Если передать агенту показатели, скриншот или выгрузку отчёта, он поможет интерпретировать результаты по правилам из документации, проверить корректность выводов и определить следующие действия.

Например, при анализе A/B-теста рекомендательных алгоритмов агент проверит uplift и P2BB, сопоставит инкрементальную выручку теста с прямой выручкой стратегии, сравнит алгоритмы по видимости, CTR, конверсии и выручке на 1 000 показов. Затем объяснит, достаточно ли данных для решения и что делать дальше: продолжить тест, масштабировать победителя, заменить алгоритм, изменить размещение виджета или скорректировать таргетинг.

Пример запроса:

Я пришлю результаты A/B-теста двух рекомендательных алгоритмов и отчёты по стратегиям. Проверь качество эксперимента, сравни uplift, P2BB, Direct Revenue per 1000 visible impressions, Visibility, CTR и CR. Объясни расхождения и предложи решение по каждой стратегии со ссылками на документацию.

Подбирать решения для бизнес-задач

Можно начать не с названия функции Gravity Field, а с бизнес-метрики. Агент изучит подходящие возможности платформы и соберёт несколько сценариев: например, рекомендации сопутствующих товаров в корзине, апсейл более дорогих позиций, отдельные предложения для сегментов с разным средним чеком или A/B-тест новой механики.

Пример запроса:

Мы хотим повысить средний чек в интернет-магазине. Предложи три сценария с помощью Gravity Field для карточки товара и корзины. Для каждого опиши аудиторию, рекомендательную стратегию или кампанию, способ проверки в A/B-тесте и метрики результата. Опирайся на документацию и добавь ссылки.

Предложения агента стоит воспринимать как рабочие гипотезы: окончательный выбор сценария зависит от данных, доступных модулей и конфигурации конкретного проекта.

Как это работает

Gravity Docs MCP использует два инструмента:

• searchGravityFieldDocs ищет релевантные фрагменты в документации;
• getGravityFieldDoc загружает полный текст выбранной статьи.

Сервер работает только на чтение, не требует авторизации и не получает доступ к аккаунту, секциям, кампаниям или отчётам клиента. Он помогает агенту понять продуктовый сценарий и найти инструкцию, но не изменяет настройки и данные в Gravity Field.

Для проверки точных HTTP-контрактов, полей и схем по-прежнему используйте OpenAPI. При API-интеграции Gravity Docs MCP помогает понять сценарий, а OpenAPI — проверить технический контракт.

Как подключить

Gravity Docs MCP работает как удалённый Streamable HTTP-сервер. Авторизация и дополнительные HTTP-заголовки не требуются.

Адрес сервера:

https://dashboard-ai.gravityfield.ai/api/mcp/gravity-docs/mcp

Codex

Добавьте сервер в глобальный файл ~/.codex/config.toml или в .codex/config.toml внутри доверенного проекта:

[mcp_servers.gravity-docs]
url = "https://dashboard-ai.gravityfield.ai/api/mcp/gravity-docs/mcp"

Cursor

Добавьте сервер в проектный файл .cursor/mcp.json или в глобальный файл ~/.cursor/mcp.json:

{
  "mcpServers": {
    "gravity-docs": {
      "url": "https://dashboard-ai.gravityfield.ai/api/mcp/gravity-docs/mcp"
    }
  }
}

После изменения конфигурации перезапустите AI-инструмент и задайте проверочный вопрос:

Найди в документации Gravity Field варианты интеграции, кратко сравни их и добавь ссылки на найденные статьи.

Если ваш AI-инструмент поддерживает удалённые MCP-серверы через интерфейс, создайте подключение с именем gravity-docs, выберите транспорт Streamable HTTP и укажите тот же адрес.

Подробная инструкция, описание доступных инструментов и дополнительные примеры запросов: