MCP агент для кулинарного сайта — создание AI-агента с фото на примере Z-Image

Я заметил одну смешную вещь: люди готовы читать простыню текста про «секрет бабушкиных котлет», но если на рецепте нет нормального фото, доверие падает моментально. Будто автор мог и котлеты подделать, и жизнь. А теперь представьте обратное: человек загружает фото блюда, а сайт не просто кивает, а понимает, что это похоже на шакшуку, подсказывает ингредиенты, предлагает рецепт, и ещё сам создаёт черновик записи в WordPress. Без ночных смен контентщика и без «пожалуйста, подпишите фотку, я устал».

Эта история обычно начинается с хаоса: фото из Telegram, из WhatsApp, из формы на сайте, из почты, из «я вам в ВК скинула». Редактор ловит всё руками, копирует, переименовывает, ищет, где это опубликовано, и в какой папке лежит. В какой-то момент появляется мысль: нужен mcp агент, который возьмёт рутину на себя, а человеку оставит вкусное. И вот тут на сцену выходят make.com, Z-Image и аккуратно собранный mcp сервер ии агент, который связывает всё в одну понятную цепочку.

Зачем вам это и что получится на выходе

Если всё сделать ровно, у вас появится ии агент mcp, который принимает фото блюда, прогоняет его через Z-Image, вытаскивает смысл (что за блюдо, что похоже на ингредиенты, какие теги подойдут), а затем автоматически создаёт заготовку рецепта в CMS, например в WordPress. Параллельно можно включить уведомления в Telegram или почту, чтобы редактор видел, что новый рецепт готов к проверке. В бонусах обычно идут порядок в медиафайлах и резкое снижение ручных «скопируй-вставь» действий, которые съедают день. По исследованиям, изображения на кулинарных сайтах дают около 30% роста вовлеченности, а автоматизация публикации может сократить время добавления рецептов примерно на 50%, и это как раз тот редкий случай, когда цифры чувствуются спиной уже на первой неделе.

Пошаговый гайд: как собрать MCP агент с фото на make.com и Z-Image

Шаг 1. Рисуем сценарий: откуда берём фото и куда ведём результат

Первое, что делаем, это честно отвечаем себе: где у вас рождаются фотографии. Это может быть форма на сайте, папка на Яндекс Диске, входящие письма, Telegram-бот, или медиа-библиотека WordPress. В make.com (https://www.make.com/en/register?pc=horosheff) удобно начать с триггера, который ловит новое изображение, а дальше уже вести по цепочке обработку и публикацию. Зачем так рано думать про «куда ведём»? Потому что иначе получится сценарий, который красиво анализирует фото, но не умеет превращать это в контент, и вы опять возвращаетесь к ручному труду.

Типичная ошибка на этом шаге: брать фото «как есть» и не фиксировать метаданные, например источник, автора, дату, категорию. Потом вы будете гадать, откуда пришла эта тарелка борща и кто за неё отвечает. Проверка простая: сделайте тестовый прогон с одним фото и убедитесь, что в make.com вы видите не только файл, но и полезные поля, которые можно прокинуть дальше, хотя бы имя файла и ссылку на него. Если уже здесь пусто, дальше будет грустно, иногда прям очень.

Шаг 2. Подключаем Z-Image и учим сценарий «видеть» блюдо

Дальше подключаем Z-Image как инструмент обработки и анализа изображений. Смысл шага в том, чтобы не хранить картинку ради картинки, а извлечь из неё полезную информацию: распознать блюдо, предположить ингредиенты, подсказать стиль подачи, иногда даже поймать «это точно десерт, а не суп». Зачем это нужно кулинарному сайту? Чтобы ускорить разметку и подготовку карточки рецепта, а ещё, если захотите, чтобы чат-бот потом отвечал на вопросы по контенту, используя эти же данные.

Типичная ошибка: отправлять в Z-Image слишком тяжёлые изображения или кривые форматы, и потом удивляться задержкам или ошибкам обработки. Я обычно заранее делаю нормализацию: уменьшаю размер, привожу к стандарту, складываю в понятную папку. Проверка: берёте 2-3 фото разных типов (домашнее при плохом свете, студийное, фото с телефона «на бегу») и смотрите, что Z-Image возвращает стабильно, а что плывёт. Если на плохом свете модель путает пасту с омлетом, это не трагедия, просто нужно аккуратнее строить логику подсказок и не делать «публикацию без человека».

Шаг 3. Превращаем распознавание в структуру рецепта: теги, ингредиенты, черновик

Теперь собираем из результата Z-Image структуру, пригодную для CMS. Это момент, когда ai агенты и mcp перестают быть красивыми словами и становятся полезной сборкой: «название блюда», «примерный список ингредиентов», «категория», «теги», «короткое описание». В make.com вы просто маппите поля из ответа Z-Image в вашу схему. Зачем? Чтобы WordPress получал не кашу текста, а подготовленные куски, которые редактору остаётся только проверить и поправить по вкусу.

Типичная ошибка: пытаться сделать идеальный рецепт из одного фото. Фото не знает, сколько граммов соли вы насыпали, и это нормально. Поэтому лучше строить «черновик + подсказки», а не «автопубликацию навсегда». Проверка: отправьте одно и то же фото два раза и сравните, насколько стабильно формируются теги и категории. Если каждый раз новые формулировки, добавьте нормализацию: словарь тегов, ограничение списка категорий, простую логику «если похоже на суп, то не десерт», звучит смешно, но работает.

Шаг 4. Подключаем WordPress: создаём запись и аккуратно приклеиваем фото

Когда структура готова, подключаем вашу CMS, чаще всего это WordPress, и создаём новую запись в статусе «черновик». Make.com позволяет отправлять данные в WordPress через готовые модули или через API, если хочется гибкости. Зачем статус черновика? Чтобы не выпускать в мир текст, который ещё не прошёл человеческий взгляд. В кулинарке это важно: ошибся в ингредиенте, и кто-то реально испортит ужин, а потом будет помнить вас очень долго.

Типичная ошибка: загрузить фото в медиа, но не назначить его «изображением записи» или потерять привязку по URL. В итоге у вас есть пост без картинки, а картинка живёт отдельной жизнью, как кот в соседнем подъезде. Проверка: после каждого теста открывайте черновик в админке WordPress и смотрите три вещи: прикрепилось ли фото, подставились ли теги, и не развалилась ли разметка текста. Если в редакторе всё выглядит прилично, значит связка держится.

https://kv-ai.ru/obuchenie-po-make

Шаг 5. Добавляем мозги: MCP сервер, который связывает логику, инструменты и доступы

Вот здесь появляется то, ради чего многие и затевают всю историю: mcp сервер ии агент, который делает агента «с руками». MCP хорошо подходит, когда вам нужно не просто один сценарий, а управляемая система: доступы, инструменты, правила, и возможность расширять функциональность без переписывания всего. Вы можете вынести в MCP часть логики: нормализацию тегов, проверку дублей, правила по категориям, согласование терминов. И уже make.com будет не «местом, где всё намотано на один модуль», а оркестратором, который дергает MCP по нужным поводам.

Типичная ошибка: пытаться засунуть в MCP вообще всё, включая то, что проще сделать в make.com. В итоге получается тяжёлая конструкция, которую страшно трогать. Проверка тут практичная: добавьте одно новое правило, например «если блюдо распознано как выпечка, добавь тег ‘духовка’», и посмотрите, насколько быстро вы смогли это внедрить и протестировать. Если правка занимает полдня и вы боитесь нажимать «Run once», значит архитектура переусложнена. Если хотите готовую инфраструктуру без героизма, присмотритесь к MCP сервис автоматизации «ВСЁ ПОДКЛЮЧЕНО», он как раз про то, чтобы mcp агент жил в понятной экосистеме и не разваливался от первого «а давайте ещё вот так».

Шаг 6. Делать не только контент: уведомления редактору и быстрые ответы пользователям

Когда черновик создан, важно, чтобы команда узнала об этом без походов в админку «на всякий случай». Подключаем уведомления: Telegram, почта, рабочий чат. Make.com тут очень удобен: можно отправлять редактору ссылку на черновик, превью фото и список предполагаемых ингредиентов. Зачем? Чтобы человек быстро принял или поправил рецепт, а не откладывал «на потом», которое обычно наступает никогда.

Типичная ошибка: завалить редактора сообщениями на каждый чих. Через день это начнут игнорировать, через неделю выключат. Проверка: настройте фильтры, чтобы уведомление уходило только если распознавание прошло уверенно или если сценарий добавил новый рецепт, а не обновил старый. Маленький кейс из жизни: у знакомого кулинарного проекта редактор и автор работали вдвоём, и за 3 дня они настроили уведомления в Telegram так, что редактор вечером за 20 минут проходился по черновикам, вместо того чтобы выискивать их по админке. Никакой магии, просто правильно поставленный «дзынь».

Шаг 7. Полируем качество: антидубли, персонализация и контроль вовлеченности

На последнем шаге вы делаете систему не просто рабочей, а приятной. Антидубли: если человек загрузил одно и то же фото дважды, mcp агент должен это заметить и не плодить одинаковые рецепты. Персонализация: если у вас есть предпочтения пользователей, можно предлагать похожие рецепты, опираясь на категории и теги, которые вытащил Z-Image. А ещё можно смотреть на вовлеченность: у кулинарных сайтов визуал реально решает, и если картинки стали появляться стабильно, вы почти наверняка увидите рост реакции, те самые около 30% вовлеченности, о которых любят говорить исследования.

Типичная ошибка: пытаться «умнеть» до того, как стабильно работает базовая цепочка. Я бы сначала довёл до автоматизма: фото пришло, распознано, черновик создан, уведомление ушло, редактор доволен. Проверка: прогоните 20 фото подряд и посмотрите, сколько из них прошли без ручной починки сценария. Мини-кейс: интернет-магазин с разделом рецептов для своей продукции делал всё руками, менеджер тратил вечер на публикации. Они за неделю собрали связку make.com плюс Z-Image плюс mcp сервер, и менеджер стал тратить время только на правку текста и тон, а не на механическую загрузку и теги. По ощущениям у них высвободилась примерно половина времени на контентные задачи, что совпадает с типичной картиной автоматизации публикаций.

Подводные камни, о которые обычно спотыкаются

Первый и самый частый: входные данные. Фото могут быть огромные, с водяными знаками, пересланные десять раз, сжатые мессенджерами до состояния «угадай, что на тарелке». Z-Image может ошибаться, и это ожидаемо, но ошибки начинают бесить, когда у вас нет правил обработки. Поэтому заранее продумайте нормализацию изображений и минимальные требования к качеству. Это не занудство, это защита вашего времени, потому что чинить хаос потом дороже.

Второй: доступы и безопасность. Make.com, WordPress и внешние сервисы должны дружить через токены и ключи, а их любят терять, пересылать в чат и хранить в заметках, которые потом улетают вместе со старым телефоном. Если у вас команда, ограничивайте права и разделяйте доступы по ролям, иначе одна случайная правка может положить сценарий на выходных. И да, тестируйте на черновиках, не на боевом сайте, потому что «случайно опубликовали 40 рецептов без текста» звучит смешно только тем, кто не ваш главред.

Третий: переусложнение архитектуры. Хочется, чтобы ии агент mcp делал всё: и писал рецепт, и выбирал фото, и отвечал в чате, и сам себя обновлял. Но реальность такая: лучше собрать прочную основу и расширять её постепенно. Когда у вас есть стабильный mcp агент, вы спокойно добавляете новые инструменты, и ai агенты и mcp начинают работать как конструктор, а не как «проект века», который никто не трогает, потому что страшно.

Где обучение реально экономит время, а не только «вдохновляет»

Если вы делаете кулинарный проект в одиночку или маленькой командой, обучение особенно полезно на этапе, когда надо правильно связать make.com, CMS и внешние инструменты типа Z-Image, не утонув в настройках. Больше всего экономит время нормальная обратная связь: когда вам показывают, где вы переусложнили, где забыли про проверки, и как разрулить типовые ошибки интеграций. Иногда достаточно одного созвона или ревью сценария, чтобы перестать наступать на одни и те же грабли, причём грабли у всех одинаковые, просто окрашены в разные цвета.

Если вам ближе формат «беру и внедряю по готовому», удобны Блюпринты по make.com, там обычно быстрее старт. А если хочется системно прокачаться, посмотреть связки с нейросетями и тем же MCP, то вот вариант: Обучение по Автоматизации, CursorAI, маркетингу и make.com. Я бы ещё отдельно отметил, что когда вы строите mcp сервер ии агент не «на коленке», а в нормальной среде, жить становится спокойнее, и тут логично посмотреть на MCP сервис автоматизации «ВСЁ ПОДКЛЮЧЕНО», особенно если не хочется собирать инфраструктуру по кускам и потом её же обслуживать.

Хотите научиться автоматизации рабочих процессов с помощью сервиса make.com и нейросетей ? Подпишитесь на наш Telegram-канал

FAQ

Вопрос: Чем mcp агент отличается от обычного сценария в make.com?

Ответ: Сценарий в make.com отлично оркестрирует шаги интеграции, но mcp агент удобен, когда вам нужен управляемый «слой» логики и инструментов: правила, проверка дублей, единые словари тегов, доступы, расширяемость. Часто они работают вместе: make.com запускает цепочку, а MCP выполняет умные куски и держит порядок.

Вопрос: Реально ли сделать ии агент mcp без программирования?

Ответ: Базовую связку сделать реально, особенно если опираться на визуальные сценарии make.com и готовые интеграции. Но чем больше логики, тем важнее понимать, где хранить правила, как проверять ошибки и как устроены API. Обычно люди стартуют без кода, а потом добавляют минимум технической грамотности, чтобы не зависеть от случайностей.

Вопрос: Z-Image точно распознает блюда и ингредиенты по фото?

Ответ: Z-Image помогает извлекать смысл из изображений, но это не волшебная «сканирую граммовки» штука. На студийных фото точность выше, на бытовых ниже, и это нормально. Лучший подход: делать черновики, подсказки, теги, а финальную редактуру оставлять человеку.

Вопрос: Как понять, что связка make.com, Z-Image и WordPress работает стабильно?

Ответ: Делайте серию тестов: 10-20 фото разного качества, подряд, с повторениями. Смотрите, создаются ли черновики без ручных вмешательств, корректно ли прикрепляется изображение записи, не пляшут ли теги, и есть ли понятные логи ошибок. Стабильность это не «один раз получилось», а «20 раз подряд не сломалось».

Вопрос: Можно ли подключить чат-бота, чтобы он отвечал по рецептам с учётом распознанных фото?

Ответ: Да, если вы сохраняете результаты распознавания как структуру в CMS или базе: теги, категории, описания, связи с рецептами. Тогда бот может доставать эти данные и отвечать. Главное не обещать пользователю точность уровня шеф-повара, лучше честно формулировать подсказки и давать ссылку на рецепт.

Вопрос: Где чаще всего ломается mcp сервер ии агент в реальных проектах?

Ответ: Обычно ломается на доступах и изменениях: истёк токен, сменился URL, обновился плагин WordPress, кто-то поменял структуру полей. Ещё частая боль это отсутствие проверок на дубли и плохие входные данные. Поэтому полезно иметь мониторинг, логи и понятные правила обработки ошибок.

Вопрос: Если я хочу «побыстрее и без боли», куда смотреть по готовой инфраструктуре?

Ответ: Если задача не только собрать, но и нормально поддерживать агента, имеет смысл использовать готовую среду и сервисы, где MCP уже упакован. В таком формате часто выбирают MCP сервис автоматизации «ВСЁ ПОДКЛЮЧЕНО», а сценарии в make.com остаются понятной верхней частью, которую удобно менять под задачи.