Dice MCP Server: ChatGPT тепер шукає роботу в IT

Кожен інженер, який хоча б раз огортав сторонній пошуковий API у незграбний конструктор ключових слів, знає цей біль: користувачі вводять речення, фільтри вимагають булевих операторів, а показники релевантності дрейфують убік цілий квартал. 16 червня Dice тихо зробив те, про що більшість корпоративних платформ досі сперечаються в дизайн-документах. Компанія запустила в продакшн сервер Model Context Protocol, підключила його до своєї бази вакансій і передала доступ ChatGPT та Claude.

Це невелике оголошення в стрічці новин. Але це великий сигнал для всіх, хто будує AI-орієнтовану інфраструктуру у 2026 році.

Що сталося

Dice, маркетплейс для IT-кар'єри, що належить DHI Group (NYSE: DHX), оголосив про запуск свого MCP server — LLM-конектора, який дозволяє AI-асистентам на кшталт ChatGPT і Claude безпосередньо звертатися до бази вакансій Dice. За даними Stock Titan, продукт вже працює, перебуває на етапі раннього впровадження й отримує позитивні відгуки від IT-фахівців, які проводять пошук через Claude та ChatGPT замість веб-інтерфейсу Dice.

Концепція проста. Кандидати описують, що хочуть, природною мовою. AI-асистент перетворює це на структуровані запити до каталогу Dice. MCP server підтримує понад дюжину фільтрів, зокрема місцезнаходження, тип робочого місця, тип зайнятості та спонсорство візи. Він також обробляє повторювані пошуки й автоматичний моніторинг нових вакансій — саме на цю частину варто звернути увагу більшості читачів-інженерів.

Пол Фарнсворт, президент Dice, охарактеризував це як неминучу еволюцію. «Оскільки AI стає стандартною частиною роботи IT-фахівців, пошук роботи теж повинен розвиватися», — сказав він в оголошенні, додавши, що пошук природною мовою та AI-асистовані робочі процеси тепер є базовою вимогою для з'єднання кандидатів і роботодавців. Один із користувачів Dice, процитований у релізі, висловився ще прямолінійніше: підключення Claude або ChatGPT до Dice через MCP «справді прискорює процес пошуку роботи».

Компанія розташована в Сентенніалі, штат Колорадо. Реліз вийшов через Business Wire о 9:00 ранку. Цінова політика не розкривалась. Метрики використання — теж. Просто: продукт працює, люди ним користуються, архітектура — MCP.

Технічна анатомія

Для читачів, які ще не налаштовували подібне, MCP — це відкритий протокол, що дозволяє мовній моделі виявляти та викликати інструменти, які надає зовнішній сервер. Anthropic опублікував початкову специфікацію, Claude має підтримку першого класу, а OpenAI та інші прийняли той самий інтерфейс. Повна специфікація розміщена на modelcontextprotocol.io, і наразі це найближче до спільного стандарту для агентних інтеграцій, що є в індустрії.

Архітектурно Dice вирішив проблему перекладу запитів. При традиційній інтеграції ви або будуєте чатбот поверх власного пошукового API, або сподіваєтеся, що LLM із веб-переглядом якось потрапить на ваш сайт і правильно розбере фільтри. Обидва підходи мають свої точки відмови, які я спостерігав у компаніях з iGaming та фінтех-сектору. Чатбот перетворюється на паралельний продукт, за яким ніхто не стежить. Агент перегляду блокується вашим же CDN або вигадує значення фільтрів, яких не існує.

MCP перевертає відповідальність. Dice надає типізований набір інструментів (пошук за фільтрами, налаштування повторюваного моніторингу, отримання вакансій), а модель на іншому кінці — чи то Claude, чи то ChatGPT — відповідає за перетворення природної мови на структурований виклик. Dice ніколи не бачить промпт користувача. Він бачить коректно сформований виклик інструменту. Це набагато зручніша поверхня для тестування, обмеження частоти запитів і спостереження.

Набір із понад дюжини фільтрів тут важливий. Місцезнаходження, тип робочого місця, тип зайнятості та спонсорство візи вказані явно. Кожен із них — окреме, перелічуване поле. Саме таку схему MCP і винагороджує. Складнощі починаються — і саме там я хотів би бачити внутрішні метрики Dice — з повторюваними пошуками та автоматичним моніторингом. Це передбачає постійний стан на кожного користувача, розмежування автентифікації та якусь форму опитування або зворотного надсилання в контекст асистента. Нічого з цього не дається безкоштовно.

Моя думка: сам запуск є прямолінійним, але операційний хвіст — це те, де команди недооцінюють обсяг роботи. Повторювані агентні пошуки означають, що агент може атакувати ваші ендпоінти за розкладом cron. Планування потужностей змінюється.

Хто постраждає

Три групи мають уважно прочитати це оголошення, а четверта — запанікувати.

Перша група — це всі інші маркетплейси та агрегатори із пошуковими продуктами. Дошки оголошень про роботу, оголошення про нерухомість, платформи продажу вживаних авто, каталоги B2B-закупівель, туристичні агрегатори. Крок Dice створює прецедент: якщо конкурент запускає MCP server, а ви — ні, AI-асистент, за який кінцевий користувач вже платить $20 на місяць, просто не покаже ваш інвентар. Виявлення переміщується вгору по стеку — до реєстру інструментів моделі. Сайти, які покладаються на SEO та прямий трафік за URL, незабаром дізнаються, що відбувається, коли користувач перестає відкривати вкладки.

Друга група — постачальники рекрутингових та HR-tech рішень, які побудували свою перевагу на полірованому UI та функціях збережених пошуків. Якщо кандидати можуть підключити Claude для автоматичного моніторингу безпосередньо проти вихідної бази даних, цінність стороннього агрегаторського дашборду обвалюється. Неприємний висновок: значна частина mid-market SaaS у цьому сегменті вже була комодитизована, а MCP щойно дав власникам вихідних даних спосіб обійти їх повністю.

Третя група — внутрішні платформні команди великих роботодавців. Якщо кандидати можуть надсилати точні, насичені фільтрами запити через асистента, рівень шуму серед заявок змінюється. Теоретично — краще підібрані кандидати на кожну вакансію. На практиці — більший обсяг автоматичних щоденних перевірок. Системи відстеження кандидатів мають бути готові це поглинути.

Четверта група, якій варто запанікувати, — це всі, хто запускає тонку GPT-обгортку, що просто скрейпить публічні вакансії. Ця бізнес-модель мала, мабуть, ще дванадцять місяців злітно-посадкової смуги. MCP server-и, запущені платформами-першоджерелами, закривають цей шлях.

Для IT-фахівців, які читають це як кандидати, а не як розробники, практичний висновок простіший. Якщо ви шукаєте роботу найближчі 90 днів, підключення асистента до Dice через MCP — це вже задокументований робочий процес із позитивними відгуками користувачів.

План дій для AI-розробки

Якщо ви будуєте або підтримуєте будь-який продукт із пошуковою поверхнею, ось чеклист на цей тиждень.

По-перше, перевірте, чи можна ваші дані верхівки воронки надати як MCP-інструменти. Не всі потрібно. Визначте запити, які чітко відповідають перелічуваним фільтрам, і починайте з них. Dice вибрав місцезнаходження, тип робочого місця, тип зайнятості, спонсорство візи. Це очевидний вибір. У вас буде інакше, але шаблон той самий.

По-друге, ставтеся до MCP-ендпоінтів як до нового класу трафіку з власним обмеженням частоти запитів, моделлю автентифікації та спостережуваністю. Агенти поводяться інакше, ніж люди. Вони повторюють запити наполегливіше, гірше виконують пакетну обробку й працюють за розкладом. Якщо ваш поточний API розрахований на користувачів браузера, він отримає сюрприз.

По-третє, визначте свою позицію щодо агентних операцій запису. Запуск Dice виглядає переважно як читання з повторюваним моніторингом. Наступний очевидний крок, на який оголошення не претендує, — дозволити асистенту надсилати заявки. Це вже значно серйозніше питання відповідності. Не допустіть, щоб це з'явилося випадково.

По-четверте, інструментуйте воронку. Якщо MCP-трафік починає конвертуватися краще, ніж веб-трафік, — це стратегічний сигнал щодо напрямку інвестицій. Якщо конвертується гірше — у вас є проблема з якістю схем або описів інструментів. У будь-якому випадку вам потрібні ці дані.

По-п'яте, прочитайте документацію OpenAI та гайди Anthropic з MCP, перш ніж ваш архітектор складе специфікацію. Протокол ще достатньо молодий, і конвенції ще формуються. Будувати на основі публікації в блозі за минулий квартал — це рецепт для переробки.

Ключові висновки

• Dice запустив продакшн MCP server, який дозволяє ChatGPT і Claude безпосередньо запитувати базу вакансій природною мовою з підтримкою понад дюжини фільтрів.
• Архітектура переносить переклад запитів із платформи на модель, спрощуючи поверхню Dice і зміщуючи планування потужностей у бік агентних патернів трафіку.
• Повторювані пошуки й автоматичний моніторинг — це операційно найдорожчі функції. Командам, які копіюють цей патерн, потрібно планувати постійний стан і поведінку агентного опитування.
• Маркетплейси, агрегатори та стартапи на тонких GPT-обгортках, що залежали від ролі рівня виявлення, найбільш вразливі. Платформи-першоджерела тепер мають прямий зв'язок з асистентом.
• Дія на цей тиждень: перевірте свою пошукову поверхню на наявність MCP-придатних ендпоінтів, ставтеся до агентного трафіку як до окремого класу й інструментуйте конверсію MCP окремо від веб-трафіку.