Это небольшое (буквально 20 строчек кода) расширение для 1С c HTTP-сервисом, который принимает на вход 1C-запрос и возвращает результат в виде таблицы с разделителями (TSV).

Изначально хотелось решить свою насущную проблему: как с LLM разбираться с задачами типа "Не проводится документ ... с ошибкой ...". Когда надо анализировать не только модуль проведения, а еще и с конкретными данными.

Получилось классно:

Побочным эффектом стало то, что теперь с помощью LLM агента можно получать любой анализ из базы. Особенно хорошо это работает с подключенным MCP по метаданным. В таком случае агент сначала читает метаданные и только потом генерирует запрос, что часто дает ваншотный результат. Строго говоря работает и без MCP, но дольше по времени и тратит сильно больше токенов. В 90% случаев первый запрос будет с ошибкой и следующим заходом LLMка пойдет вычитывать огромные xml'ки метаданных.

В состав приложенного архива входит:
1. Расширение АПРО_ВнешниеЗапросы.cfe c HTTP-сервисом, который принимает на вход 1C-запрос и возвращает результат в виде таблицы с разделителями
2. Файлы публикации базы - пример default.vrd для клиент-серверной базы и скрипт run-1с-web.ps1 с настройками publication.yaml для файловой базы
3. .claude - папка со скиллом LLM-агента для произвольных запросов к 1С через HTTP-сервис
 

Посмотрите приложенные слайды диалога в OpenCode с дешевой моделькой GLM 4.7. На них особенно хорошо видно, насколько эффективнее это работает с MCP по метаданным, чем без него! Все запросы с первого раза были синтаксически валидными. На обычном тарифе z.ai весь анализ выполняется за 1 минуту (на Сerebras - меньше 15 секунд :)) и всего 25к токенов (из них большая часть скил)!

Пример отчета из видео

На Инфостарт можно купить MCP для метаданных.

Прокачай своего AI-агента для 1С!
 

Узнать подробнее

Предупреждение: Вы должны понимать, что этим инструментом LLM'ка "сломать" в базе ничего не может, но "прочитает" ваши данные, включая персональные. Проблемы конфиденциальности - ваша ответственность. Можно использовать обработки анонимизации данных от 1С или навайбкодить свои.

1. Подробный SKILL, который минимизирует галлюцинации LLM. Даже через GLM 4.7 получаются хорошие запросы, с GPT 5.2 или Claude - вообще проблем нет.
2. Анализ метаданных через MCP до генерации запроса.
3. Валидация синтаксиса запроса, которую подсмотрел в публикации на Инфостарте. Это дает тот самый "Feedback loop", который позволяет агенту самому прийти к решению.
4. Не нужно заморачиваться сложной передачей параметров запроса - LLM'ка сама (через подсказку в SKILL) хардкодит условия прямо в текст запроса через примитивные типы данных.

Формат ответа сознательно сделан в TSV, чтобы минимизировать токены. Удобнее было бы в JSON, но объем ответов резко возрастает. Таблицы с разделителями LLM'ка хорошо понимаю (обучались на большом объеме логов в том числе).

Разберем на примере демо-базы 1С УНФ, но работать должно на любой современной 1Ске.

1. Подключаем расширение АПРО_ВнешниеЗапросы

2. Публикуем HTTP-сервис

   • Если база клиент-серверная, то в default.vrd добавляем блок:

   <httpServices publishExtensionsByDefault="true">
                   <service name="АПРО_ВЗ_HTTPЗапросы"
                       rootUrl="queries"
                       enable="true"
                       reuseSessions="autouse"
                       sessionMaxAge="20"
                       poolSize="10"
                       poolTimeout="5"/>
               </httpServices>   

   • Если база файловая, то можно публиковать сервис через автономный сервер ibsrv. Например, такой командой в PowerShell:

   & "C:\Program Files\1cv8\8.3.27.1786\bin\ibsrv.exe" --db-path="D:\1C_Bases\unf_demo_base" --config="D:\1C_Projects\unf_demo\publication.yaml" --http-address="any"

   где publication.yaml - файл публикации с таким содержимым:

   http:
             - base: /
               http-services:
                 service:
                   - name: АПРО_ВЗ_HTTPЗапросы
                     root: queries
                     publish: true

3. Можно протестировать работу любым HTTP-клиентом.

   • Для клиент-серверного варианта:

   # проверка что сервис работает
           curl --request GET \
           --url http://20.10.10.201/unf_demo/hs/queries/health \
           --header 'authorization: Basic YWRtaW46MTIz'

   • Для файлового варианта:

   # у автономного сервера 1С дефолтный порт 8314
           curl --request GET \
           --url http://localhost:8314/hs/queries/health \
           --header 'authorization: Basic YWRtaW46MTIz'

   • Пример полноценного запроса к базе:

   curl --request POST \
           --url http://20.10.10.201/unf_demo/hs/queries/query \
           --header 'authorization: Basic YWRtaW46MTIz' \
           --header 'content-type: application/json' \
           --data '{
           "query": "ВЫБРАТЬ
               ЧекККМ.Номер КАК Номер,
               ЧекККМ.Дата КАК Дата,
               ЧекККМ.Проведен КАК Проведен,
               ЧекККМ.Организация.Наименование КАК Организация
           ИЗ
               Документ.ЧекККМ КАК ЧекККМ
           ГДЕ
               ЧекККМ.Номер = \"ССНФ-000002\"
               И ЧекККМ.Дата >= ДАТАВРЕМЯ(2026, 1, 2)
               И ЧекККМ.Дата <= ДАТАВРЕМЯ(2026, 1, 3)"
           }'

   Не забывайте про Basic Auth в заголовках (под свое имя и пароль в базе 1С).

4. Самое главное - не забудьте подправить SKILL.md под свои данные:

   • свой url
   • свои логины/пароли

5. В каталоге своего проекта копируйте: .claude/skills/1c-queries/SKILL.md

Все! Можно общаться с данными 1С через LLM агента!

• Remote API for Testing (RAT) от БИАТЕХ и Koryakin Aleksey
• Модуль от Сбера
• simple-1c / Статья на Хабре
• Выполнение запросов 1С через REST API