Шлюз, который позволяет вашему помощнику по кодированию ИИ использовать десятки внешних инструментов, не загружая их все вперед.

PMCP находится между вашим помощником (Claude Code, Codex и другими) и сервисами, к которым он может подключаться — GitHub, Jira, базами данных, 90+. Вместо того, чтобы загружать полную схему каждого инструмента до того, как вы задали вопрос, он сначала предлагает короткое меню и извлекает подробную схему только тогда, когда инструмент фактически используется.

Почему существует

Помощники обращаются к внешним службам через MCP (Model Context Protocol) — общий интерфейс для общения ИИ с другим программным обеспечением. Когда помощник подключается к дюжине MCP-серверов напрямую, он сразу загружает все их определения инструментов в контекст.

Контекст ограничен и измерен: каждое определение инструмента стоит токенов и вытесняет пространство для реальной работы. Загрузка 50+ инструментов, которые вы, возможно, никогда не позвоните, является медленной и дорогой, а добавление нового сервиса обычно означает перезагрузку помощника. Anthropic выделил раздувание контекста как ключевую проблему с инструментами MCP.

PMCP является единственной точкой соединения, которая сохраняет этот компактный и востребованный.

Для кого это

PMCP - Progressive MCP

A gateway that lets your AI coding assistant use dozens of external tools without loading them all up front.

PMCP sits between your assistant (Claude Code, Codex, and others) and the services it can plug into — GitHub, Jira, databases, 90+ more. Instead of loading every tool’s full schema before you’ve asked a question, it offers a short menu first and fetches the detailed schema only when a tool is actually used.

Why it exists

Assistants reach external services through MCP (Model Context Protocol) — a common interface for an AI to talk to other software. When an assistant connects to a dozen MCP servers directly, it loads all of their tool definitions into context at once.

Context is limited and metered: every tool definition costs tokens and crowds out room for the actual work. Loading 50+ tools you may never call is slow and expensive, and adding a new service usually means restarting the assistant. Anthropic has highlighted context bloat as a key challenge with MCP tooling.

PMCP is the single connection point that keeps this compact and on-demand.

Who it’s for

Developers and teams running AI coding assistants with many connected tools — especially anyone hitting “too many tools” or context-full limits.

What you get

• Lower token cost — the assistant sees a compact capability card, not 50+ full schemas, before doing real work.
• Load tools only when needed — downstream servers stay dormant until first use (“lazy by default”), and eager-start only when listed in autoStart.
• Add tools without restarting — provision a new server on demand from a manifest of 90+.
• One stable connection — your assistant sees ~26 steady meta-tools instead of a shifting set of many.
• Guardrails built in — output size caps and optional secret redaction.
• Works out of the box — core capability matching needs no API key.

Quick Start

Installation

# With uv (recommended)
uv pip install pmcp

# Or run directly without installing
uvx pmcp

# With pip
pip install pmcp

Upgrading from 2.x

3.0.0 refuses several things 2.7.3 accepted. Most importantly, a repository’s .mcp.json, .pmcp/manifest.yaml and .mcp-gateway-policy.yaml are ignored until you approve them with pmcp trust approve . MIGRATING.md has an upgrade checklist, a section for each breaking change (with a check, the fix and how to verify it), and how to roll back. To stay on 2.x for now, pin pmcp<3.

Capability matching is built-in — no API key needed. gateway.request_capability uses a pure-Python matcher that can return direct CLI guidance for installed