كيف يبني MCP طبقة أدوات وكلاء الذكاء الاصطناعي

يشهد تطور الذكاء الاصطناعي التوليدي تحولًا مهمًا. ركزت التطبيقات المبكرة بصورة أساسية على توليد النصوص، والأسئلة والأجوبة القائمة على المعرفة، ومعالجة المحتوى. أما وكلاء الذكاء الاصطناعي من الجيل الجديد، فقد بدأوا في تولي مهام أكثر تعقيدًا، مثل الاستعلام من قواعد البيانات الخارجية، واستدعاء أنظمة الأعمال، وتحليل المعلومات في الوقت الفعلي، وتنفيذ سير العمل، وإتمام إجراءات محددة بتفويض من المستخدم. ويعني هذا التحول أن المنافسة بين تطبيقات الذكاء الاصطناعي لم تعد تعتمد فقط على قدرة النماذج على توليد إجابات دقيقة، بل تعتمد أيضًا على قدرتها على الوصول بفاعلية إلى المعلومات الخارجية وتحويل قدرات الاستدلال إلى إجراءات قابلة للتنفيذ.

ومع ذلك، ظلت هناك منذ فترة طويلة عوائق اتصال بين قدرات النماذج والأنظمة الخارجية. فعادةً ما تمتلك التطبيقات المختلفة واجهات بيانات وأساليب استدعاء أدوات وآليات مصادقة وأنظمة لإدارة الصلاحيات خاصة بها. وإذا أراد المطورون تمكين مساعد ذكاء اصطناعي من الاتصال بمصادر بيانات وأنظمة أعمال متعددة في الوقت نفسه، فإنهم غالبًا ما يحتاجون إلى كتابة تعليمات برمجية منفصلة للتكامل والمحافظة باستمرار على التوافق مع الواجهات المختلفة. ومع استمرار نمو عدد الأدوات وتطبيقات النماذج، يخلق نهج التكامل الفردي هذا تكاليف كبيرة للتطوير والصيانة، كما يصعب إعادة استخدام قدرات وكلاء الذكاء الاصطناعي عبر المنصات المختلفة.

حظي بروتوكول سياق النموذج (MCP) بالاهتمام في هذا السياق. وهو بروتوكول مفتوح صُمم لتوحيد طريقة اتصال تطبيقات الذكاء الاصطناعي بمصادر البيانات والأدوات والسياق الخارجية. لا يقوم MCP بتدريب النماذج ولا يحدد كيفية استدلال تطبيقات الذكاء الاصطناعي. بل يوفر آلية اتصال موحدة نسبيًا تتيح لتطبيقات الذكاء الاصطناعي اكتشاف القدرات التي توفرها الأنظمة الخارجية واستخدامها. وتكمن أهميته في توفير طبقة اتصال مشتركة لمنظومة الوكلاء، بما يسمح للنماذج بالانتقال من بيئات المحادثة المغلقة نسبيًا إلى بيئات التطبيقات التي يمكنها التعاون فيها مع أنظمة البرمجيات الواقعية.

النقاط الرئيسية

• يعالج MCP توحيد الاتصال: إذ يقلل الحاجة إلى تطوير واجهات مخصصة بين تطبيقات الذكاء الاصطناعي والأدوات الخارجية المختلفة واحدة تلو الأخرى، لكنه لا يتعامل مع استدلال النموذج أو قرارات الأعمال

• يستخدم MCP بنية المضيف والعميل والخادم: ينسق تطبيق الذكاء الاصطناعي الاتصالات، ويتولى العميل اتصالات البروتوكول، ويوفر الخادم للتطبيق البيانات أو الأدوات أو قوالب المطالبات

• تشكل الأدوات والموارد والمطالبات قدراته الأساسية: فهي تدعم، على التوالي، استدعاء العمليات الخارجية، والوصول إلى البيانات السياقية، وقوالب التفاعل القابلة لإعادة الاستخدام

• يسهل MCP انتقال الوكلاء من معالجة المعلومات إلى تنفيذ المهام: لكن قدرة الأدوات على إتمام المهام بأمان ودقة تظل معتمدة على تصميم الصلاحيات وجودة البيانات وسير عمل التنفيذ

• لا يؤدي توحيد الاتصال إلى بناء الثقة تلقائيًا: فالمصادقة والتفويض وتأكيد المستخدم والتسجيل وضوابط المخاطر تظل مكونات أساسية لعمليات النشر في العالم الواقعي

لماذا يحتاج وكلاء الذكاء الاصطناعي إلى بروتوكول اتصال موحد؟

لا تمتلك نماذج الذكاء الاصطناعي بطبيعتها القدرة على الوصول إلى أنظمة البرمجيات الخارجية. يمكن للنموذج توليد تحليل استنادًا إلى بيانات تدريبه وسياقه الحالي. ومع ذلك، إذا احتاج إلى الاستعلام عن الرصيد الفوري لحساب، أو قراءة أحدث السجلات في قاعدة بيانات، أو إرسال إجراء إلى خدمة خارجية، فيجب أن يتم ذلك عبر الواجهات المتاحة في طبقة التطبيق. ويتحمل النموذج مسؤولية فهم المهمة وتوليد نية الاستدعاء، بينما تصل الأدوات الخارجية إلى البيانات أو تنفذ العمليات. لذا يلزم وجود آلية اتصال واضحة بينهما.

من دون معيار موحد للاتصال، قد يستخدم كل تطبيق ذكاء اصطناعي أسلوب تكامل مختلفًا. فقد يتصل تطبيق بقاعدة بيانات عبر استدعاءات دوال مخصصة، بينما يتصل آخر بنظام أعمال عبر API مخصص. وقد تتطلب بعض التطبيقات إضافات أو برمجيات وسيطة إضافية. وحتى عندما تستدعي التطبيقات المختلفة الخدمة الخارجية نفسها في النهاية، قد تظل بحاجة إلى الحفاظ على مجموعات متعددة من منطق تكامل الواجهات. وتجعل هذه البنية المجزأة تكامل الأدوات أكثر تعقيدًا وتزيد عبء التوافق عند ترقية الأنظمة.

تكمن قيمة MCP في نقل الاتصال من تنفيذ خاص بتطبيق معين إلى طبقة بروتوكول أكثر شمولًا. يمكن للخدمات الخارجية عرض بياناتها أو وظائفها عبر خوادم MCP، بينما يمكن لتطبيقات الذكاء الاصطناعي التي تدعم MCP الاتصال بهذه الخدمات عبر العملاء. ولا يحتاج المطورون إلى إعادة تصميم آلية اتصال مستقلة تمامًا لكل تطبيق نموذج، بل يمكنهم إعادة استخدام تطبيقات الخوادم القائمة وفق مواصفات البروتوكول.

قد يؤدي هذا التوحيد إلى تأثيرات شبكية. فمع دعم المزيد من تطبيقات الذكاء الاصطناعي للبروتوكول نفسه، يمكن للخدمات الخارجية الوصول إلى نطاق أوسع من بيئات التطبيقات. ومع توفير المزيد من الخدمات لواجهات MCP، تستطيع تطبيقات الذكاء الاصطناعي الوصول إلى تنوع أكبر من الأدوات ومصادر البيانات. وبذلك، يمكن لمطوري الأدوات ومنصات النماذج والمستخدمين النهائيين تكوين منظومة يعزز فيها كل طرف الآخر. ومع ذلك، لا يمكن للتوحيد إلا خفض تكاليف الاتصال، ولا يضمن أن جميع الأدوات تتمتع بالمستوى نفسه من جودة البيانات أو الاستقرار أو الأمان.

ينبغي أيضًا التمييز بين MCP ووكلاء الذكاء الاصطناعي أنفسهم. فـMCP ليس إطارًا للوكلاء أو محركًا لاتخاذ القرارات المستقلة. وهو يعالج في المقام الأول كيفية نقل السياق والأدوات بين مكونات البرمجيات المختلفة. أما كيفية فهم الوكيل للأهداف، وتقسيم المهام، واختيار الأدوات، وتقييم النتائج، وتحديد ما إذا كان ينبغي مواصلة التنفيذ، فلا تزال تعتمد على قدرات النموذج وتصميم التطبيق وآليات التحكم في سير العمل. يوفر MCP الاتصال للوكلاء، لكنه لا يحل محل منطق التخطيط والتنفيذ لديهم.

بنية MCP: كيف يعمل المضيفون والعملاء والخوادم معًا؟

يستخدم MCP بنية تجمع بين العملاء والخوادم. ويشمل المشاركون الرئيسيون فيه المضيفين والعملاء والخوادم. المضيف هو تطبيق يوفر قدرات الذكاء الاصطناعي، مثل مساعد سطح المكتب أو بيئة التطوير أو أي تطبيق آخر للوكلاء. والعميل هو مكون داخل المضيف ينشئ اتصالات مع خوادم MCP. ويوفر الخادم بيانات أو أدوات أو قوالب تفاعل خارجية للعميل. وتشكل هذه العناصر الثلاثة معًا مسار الاتصال بين تطبيقات الذكاء الاصطناعي والأنظمة الخارجية.

ينسق المضيف عمومًا العملية الكاملة. فهو يتلقى مدخلات المستخدم، ويوفر السياق المناسب للنموذج، ويدير عميل MCP واحدًا أو أكثر بناءً على احتياجات النموذج. ويمكن لتطبيق ذكاء اصطناعي الاتصال في الوقت نفسه بخوادم MCP متعددة، مثل أنظمة الملفات ومستودعات التعليمات البرمجية وقواعد البيانات وخدمات بيانات السوق. ويحافظ مكون العميل المقابل على كل اتصال، ما يسمح للتطبيق باستخدام قدرات خدمات مختلفة ضمن بيئة تفاعل موحدة.

يتولى العميل مسؤولية اتصال البروتوكول وإدارة الاتصال. ويجب أن يفهم القدرات التي يوفرها الخادم، ويرسل الطلبات وفق هياكل الرسائل التي يحددها MCP، ويتلقى النتائج المقابلة. والعميل ليس هو النموذج؛ بل هو مكون داخل المضيف يتولى اتصال البروتوكول. قد يقرر النموذج استخدام أداة معينة وفقًا للسياق، لكن التفاعل الفعلي مع البروتوكول يكتمله العميل والخادم.

يوفر الخادم القدرات الخارجية. ويمكنه الاتصال بقاعدة بيانات، أو تغليف مجموعة من واجهات API، أو توفير نقطة وصول موحدة لنظام أعمال معين. ولا يحتاج الخادم بالضرورة إلى قدرات استدلال متقدمة بالذكاء الاصطناعي. وتتمثل مهمته الأساسية في عرض وظائف الأنظمة الخارجية وفق متطلبات البروتوكول، بحيث يمكن للعملاء المتوافقين اكتشاف هذه القدرات واستخدامها.

تفصل هذه البنية بين استدلال النموذج وتنسيق التطبيق والوصول إلى الأنظمة الخارجية. ولا يحتاج النموذج إلى فهم التنفيذ الداخلي لكل قاعدة بيانات أو API للأعمال، كما لا يحتاج المضيف إلى تصميم طريقة اتصال مختلفة تمامًا لكل خدمة. ما دام جميع المشاركين يلتزمون بمتطلبات البروتوكول، تصبح الأدوات أسهل في إعادة الاستخدام والصيانة.

من منظور التنفيذ التقني، تستخدم طبقة بيانات MCP بروتوكول JSON-RPC لتبادل الرسائل، وتحدد الطلبات والاستجابات والإشعارات ووصف القدرات ذات الصلة. وتنشئ طبقة النقل قنوات الاتصال وتنقل الرسائل. ويمكن لبيئات النشر المختلفة استخدام أساليب نقل مناسبة لسيناريوهاتها، مثل الاتصال المحلي بين العمليات أو اتصالات HTTP عن بُعد. وبالنسبة إلى عمليات النشر المؤسسية، تكتسب أساليب الاتصال وآليات المصادقة والتفويض أهمية متساوية، لأن الأدوات الخارجية قد تصل إلى بيانات حساسة أو حتى تمتلك صلاحية تنفيذ عمليات أعمال حقيقية.

الأدوات والموارد والمطالبات: القدرات الأساسية الثلاث لـMCP

تتمثل إحدى أهم خصائص تصميم MCP في تقسيم القدرات التي توفرها الأنظمة الخارجية إلى أنواع مختلفة. لا تمثل الأدوات والموارد والمطالبات ثلاثة أنواع مختلفة من النماذج، بل ثلاثة أنواع من واجهات السياق والوظائف. وهي تقابل تنفيذ العمليات والوصول إلى البيانات وقوالب التفاعل على التوالي، ما يتيح لتطبيقات الذكاء الاصطناعي اختيار القدرات المناسبة وفقًا للمهمة.

الأدوات: تمكين النماذج من استدعاء العمليات الخارجية

الأدوات هي قدرات MCP الأكثر ارتباطًا بتنفيذ المهام. يمكن للخادم عرض وظائف محددة عبر واجهات الأدوات، مثل الاستعلام من قواعد البيانات، واستدعاء واجهات API الخارجية، وحساب البيانات، والبحث في السجلات، أو إرسال عملية. وعادةً ما تحمل الأدوات أسماء واضحة وأوصافًا لغرضها وهياكل لمعلمات الإدخال. ويمكن للعملاء اكتشاف الأدوات المتاحة وبدء الاستدعاءات عند الحاجة.

على سبيل المثال، قد يحتاج وكيل للأبحاث المالية إلى الاستعلام عن بيانات السوق لأصل ما، أو الحصول على الأسعار التاريخية، أو قراءة سجلات معاملات حساب محدد. ويمكن للخدمة المعنية تغليف هذه القدرات كأدوات مختلفة. يختار النموذج الاستدعاء المناسب بناءً على مهمة المستخدم، ويرسل عميل MCP الطلب إلى الخادم المقابل. وبعد أن ينفذ الخادم العملية، يعيد النتيجة، ويوفر التطبيق النتيجة للنموذج لإجراء مزيد من التحليل.

لا تقتصر أهمية الأدوات على منح النماذج إمكانية الوصول إلى وظائف إضافية، بل إنها تمنح استدعاءات الأدوات بنية واضحة نسبيًا. وبالمقارنة مع الاعتماد الكامل على النماذج لتوليد تعليمات بلغة طبيعية، تستطيع واجهات الأدوات المنظمة تحديد أنواع المعلمات وحدود الاستدعاء، ما يقلل بعض أنواع العمليات الملتبسة. ومع ذلك، لا تعني المعلمات المنسقة بشكل صحيح أن العملية آمنة بالضرورة. فلا يزال تنفيذ الأدوات يتطلب التحقق من الصلاحيات والتحقق من المدخلات وتأكيد المستخدم عند الحاجة.

الموارد: توفير السياق الخارجي للنماذج

تُستخدم الموارد أساسًا لتوفير بيانات أو محتوى قابل للقراءة لتطبيقات الذكاء الاصطناعي. ويمكن أن تمثل ملفات أو سجلات قواعد بيانات أو مستندات أو معلومات أعمال أو موارد خارجية أخرى. وبينما تركز الأدوات على تنفيذ العمليات، تركز الموارد على توفير السياق الذي تحتاجه النماذج لإتمام المهام.

على سبيل المثال، يمكن لوكيل تطوير قراءة ملفات المشروع وهياكل التعليمات البرمجية، ويمكن لمساعد مؤسسي الوصول إلى المستندات في قاعدة معرفية داخلية، ويمكن لأداة أبحاث مالية قراءة سجلات بيانات مصرح بها. ويستخدم النموذج هذا المحتوى لفهم المهمة الحالية وتوليد تحليل بناءً على سؤال المستخدم.

يمكن للموارد تقليل اعتماد النموذج على معرفة التدريب الثابتة وتمكينه من العمل مع البيانات الخارجية. ومع ذلك، لا يعني الوصول إلى البيانات أن البيانات موثوقة بطبيعتها. فقد يكون المحتوى الخارجي قديمًا أو يتضمن أخطاء أو يحتوي على تعليمات ضارة. ويتعين على التطبيقات تحديد كيفية معالجة المحتوى بناءً على مصدره وصلاحيات الوصول إليه وطبيعته. ولا ينبغي لها التعامل مع جميع النصوص المسترجعة باعتبارها تعليمات موثوقة.

المطالبات: توفير قوالب تفاعل قابلة لإعادة الاستخدام

المطالبات هي نوع آخر من القدرات التي يدعمها MCP. وهي تُستخدم أساسًا لتوفير قوالب مطالبات وهياكل تفاعل قابلة لإعادة الاستخدام. ويمكن للخادم توفير قوالب لسيناريوهات أعمال محددة، لمساعدة تطبيقات الذكاء الاصطناعي على تنظيم المدخلات وسياق المهام بصورة أكثر اتساقًا.

على سبيل المثال، يمكن لنظام مؤسسي توفير قالب لإنشاء ملخصات الاجتماعات، بينما يمكن لخدمة تحليل البيانات توفير بنية مطالبة لشرح نتائج الاستعلام. وعند الحاجة، يسترجع التطبيق القالب ويجمعه مع مدخلات المستخدم والبيانات الفعلية لتنظيم المهمة. ويقلل ذلك الحاجة إلى كتابة محتوى المطالبات بصورة متكررة، ويجعل أساليب التفاعل لسيناريوهات الأعمال المحددة أسهل في إعادة الاستخدام.

ومع ذلك، لا تمثل المطالبات سير عمل كاملًا. فهي يمكن أن تساعد في تنظيم مدخلات النموذج، لكنها لا تستطيع ضمان دقة مخرجات النموذج بصورة مستقلة أو استبدال قواعد الأعمال وضوابط الصلاحيات. وعند استخدام القدرات الثلاث معًا، يمكن لـMCP دعم العملية بصورة أكثر شمولًا، بدءًا من الحصول على السياق وحتى استدعاء الأدوات الخارجية.

كيف يغير MCP طريقة عمل وكلاء الذكاء الاصطناعي؟

تتمحور مساعدات الذكاء الاصطناعي التقليدية عمومًا حول مدخلات المستخدم ومخرجات النموذج، حيث تحدث معظم التفاعلات داخل نافذة دردشة. ويمكن للوكلاء استدعاء أدوات خارجية إلى جانب استدلال النموذج وتنفيذ مهام متعددة الخطوات وفق أهداف المستخدم. ويوفر MCP طريقة موحدة لربط هذه الأدوات، ما يسهل على الوكلاء دمج خدمات مختلفة في سير عمل المهمة نفسه.

يمكن تقسيم سير عمل الوكيل النموذجي إلى عدة مراحل. أولًا، يتلقى التطبيق هدف المستخدم ويقدمه إلى النموذج لتفسيره. ثم يحدد النموذج البيانات أو الأدوات اللازمة للمهمة. ويستعلم المضيف عن القدرات المتاحة عبر عميل MCP المعني ويوفر معلومات الأداة المناسبة للنموذج. وينشئ النموذج طلب استدعاء، ويرسل العميل الطلب إلى الخادم. وينفذ الخادم العملية ويعيد النتيجة. وأخيرًا، يواصل النموذج تحليله استنادًا إلى البيانات التي أعادتها الأداة، ويجري استدعاءً آخر عند الحاجة إلى أن تكتمل المهمة أو يصبح تدخل المستخدم مطلوبًا.

يتيح هذا النموذج للوكلاء تقسيم المهام المعقدة إلى خطوات متعددة قابلة للتنفيذ. فعلى سبيل المثال، عندما يطلب مستخدم تحليل مشروع، قد يستعلم الوكيل أولًا عن معلومات المشروع، ثم يسترجع بيانات السوق، ويستدعي أداة حساب لإجراء مقارنة، ثم ينشئ تقريرًا منظمًا. ويمكن دعم كل خطوة من خلال خدمة خارجية مختلفة، بينما يوفر MCP طريقة متسقة نسبيًا لاتصال هذه الخدمات بتطبيقات الذكاء الاصطناعي.

قد يغير MCP أيضًا طريقة تحويل خدمات البرمجيات إلى منتجات. في السابق، كان مقدمو الخدمات يصممون واجهات الويب وإجراءات التشغيل وواجهات API بصورة عامة حول المستخدمين البشريين. ومع تحوّل الوكلاء تدريجيًا إلى نقطة دخول جديدة لاستخدام البرمجيات، تحتاج قدرات الخدمة أيضًا إلى أن تكون مفهومة وقابلة للاستدعاء من الآلات. ويمكن لخادم MCP أن يعمل كواجهة قدرات لتطبيقات الذكاء الاصطناعي، ما يتيح للخدمات الخارجية توفير وظائف للوكلاء بطريقة منظمة.

ومع ذلك، فإن القدرة على استدعاء الأدوات لا تعني أن الوكيل يستطيع تنفيذ المهام باستقلالية كاملة ومن دون قيود. بالنسبة إلى العمليات منخفضة المخاطر، مثل قراءة البيانات العامة أو تنظيم الملفات، قد يكون مستوى الأتمتة مرتفعًا نسبيًا. أما العمليات التي تتعلق بأموال الحسابات أو تحويلات الأصول أو إرسال الأوامر أو المعلومات الحساسة، فتتطلب تصميمًا أكثر صرامة للصلاحيات وإجراءات تأكيد. وينبغي أن يتوافق مستوى استقلالية الوكيل مع مخاطر المهمة، بدلًا من السعي ببساطة إلى تقليل التدخل البشري.

حدود أمان MCP: كلما اتسع الاتصال، زادت أهمية إدارة الصلاحيات

يقلل MCP الحواجز أمام اتصال تطبيقات الذكاء الاصطناعي بالخدمات الخارجية، لكنه يتيح أيضًا للنماذج الوصول إلى مزيد من البيانات وواجهات العمليات. ومع توسع الاتصال، تواجه الأنظمة مخاطر تتجاوز مخرجات النموذج غير الصحيحة، بما في ذلك الوصول غير المصرح به إلى البيانات، واستدعاءات الأدوات غير المقصودة، وحقن المحتوى الضار، وتسرب بيانات الاعتماد، وإساءة استخدام الخدمات الخارجية.

تتطلب المصادقة وإدارة الصلاحيات اهتمامًا خاصًا. فعندما ينشئ عميل MCP اتصالًا بخادم، يجب عليه التحقق من هدف الاتصال وصلاحيات الوصول إليه. وبالنسبة إلى الخدمات عن بُعد، تكتسب المصادقة ونطاق التفويض وإدارة بيانات الاعتماد أهمية خاصة. ولا ينبغي للتطبيقات عرض جميع الأدوات على النموذج افتراضيًا. بل ينبغي لها تكوين القدرات المتاحة بناءً على هوية المستخدم ومتطلبات المهمة ومستوى المخاطر. ويجب الفصل بوضوح بين صلاحيات القراءة فقط وصلاحيات تنفيذ العمليات المالية، ولا ينبغي أن تعتمد العمليات الحساسة على النموذج وحده لتحديد ما إذا كان يجب تنفيذها.

يجب أيضًا معالجة حقن المطالبات والسياق الضار. فقد يقرأ الوكيل محتوى من صفحات الويب أو المستندات أو سجلات قواعد البيانات أو خدمات الأطراف الثالثة. وقد يحتوي هذا المحتوى على تعليمات ضارة تهدف إلى تغيير سلوك النموذج. وإذا لم يتمكن النظام من التمييز بين البيانات الخارجية والتعليمات الموثوقة، فقد يدفعه المحتوى غير الموثوق إلى استدعاء الأدوات أو الكشف عن المعلومات. لذلك، تحتاج التطبيقات إلى عزل المحتوى الخارجي ووضع علامات عليه، وتجنب ترقية النصوص من مصادر البيانات مباشرةً إلى تعليمات عالية الأولوية.

يمكن أن تصبح الأدوات نفسها أيضًا مسارات للهجوم. فقد يوفر خادم ضار أو مهيأ على نحو غير صحيح أدوات ذات صلاحيات مفرطة أو يصل إلى موارد تتجاوز النطاق المتوقع عند تنفيذ عملية. ويتعين على المطورين مراجعة مصدر الخادم وتنفيذ التعليمات البرمجية ونطاق الصلاحيات وممارسات التعامل مع البيانات، وإنشاء آليات للتحديث والمراقبة أثناء النشر. وبالنسبة إلى خوادم MCP التابعة لأطراف ثالثة، لا يكفي الالتزام بالبروتوكول وحده لافتراض أنها آمنة وموثوقة.

بالنسبة إلى التطبيقات التي تشمل أصولًا مالية، ينبغي أن تغطي ضوابط المخاطر أيضًا تأكيد المعاملات وصلاحيات الأموال والتدقيق التشغيلي. يمكن للنماذج مساعدة المستخدمين في الاستعلام عن معلومات السوق أو تنظيم بيانات الأصول أو إنشاء خطط للتداول. ومع ذلك، قبل إرسال أمر أو تحويل أموال أو تنفيذ عملية لا رجعة فيها، يجب أن ينشئ النظام آليات تأكيد بناءً على مخاطر الأعمال. ويتعين على النظام تسجيل من بدأ العملية بوضوح، والأدوات التي استدعاها النموذج، والمعلمات التي استخدمها، وما كانت نتيجة التنفيذ النهائية.

لذلك، لا يمكن ضمان أمان MCP بالبروتوكول وحده. فتحدد مواصفات البروتوكول وتنفيذ العميل وموثوقية الخادم وتفويض الهوية وضوابط المخاطر على مستوى التطبيق مستوى الأمان النهائي معًا. يوفر الاتصال الموحد حدودًا تقنية أوضح، لكن عمليات النشر في العالم الواقعي لا تزال تتطلب مراجعات أمنية مستمرة وإدارة للمساءلة.

القيمة طويلة الأجل لـMCP: من معيار للواجهات إلى بنية تحتية لمنظومة الوكلاء

لا تقتصر القيمة طويلة الأجل لـMCP على تقليل كمية تعليمات تكامل الواجهات البرمجية التي يحتاج المطورون إلى كتابتها. فقد يساعد أيضًا في إنشاء أشكال جديدة من التعاون بين تطبيقات الذكاء الاصطناعي وخدمات البرمجيات. ومع توفير المزيد من الأدوات ومصادر البيانات للقدرات عبر بروتوكول موحد، قد يتمكن الوكلاء من إتمام المهام عبر تطبيقات وأنظمة أعمال مختلفة بدلًا من الاقتصار على وظائف منتج واحد.

قد يؤثر هذا التغيير أيضًا في طريقة تنافس مقدمي خدمات البرمجيات. ففي الماضي، كان مقدمو الخدمات يجذبون العملاء أساسًا عبر واجهات المستخدم وتصميم الميزات ومنظومات API. وفي المستقبل، قد تصبح القدرة على أن يكتشفها وكلاء الذكاء الاصطناعي ويفهموها ويستدعوها بموثوقية جزءًا مهمًا من قدرات الخدمة. ويتعين على مقدمي الخدمات النظر في كيفية وصف وظائف الأدوات وتقييد صلاحيات الوصول وتوفير هياكل بيانات موثوقة وضمان قدرة الأدوات على العمل بأمان في السيناريوهات المؤتمتة.

بالنسبة إلى المطورين، يمكن لـMCP خفض تكاليف التكامل عبر تطبيقات النماذج المختلفة، لكنه لن يجعل جميع الأدوات متوافقة تلقائيًا. فقد تظل إصدارات البروتوكول والقدرات المدعومة وأساليب النقل وآليات المصادقة وجودة التنفيذ مختلفة. وسيعتمد التطور المستمر للمنظومة على استقرار المواصفات وجودة الأدوات واعتماد المطورين وقابلية التشغيل البيني عبر المنصات المختلفة.

بالنسبة إلى المؤسسات، تعتمد قيمة MCP على قدرته على معالجة مشكلات الأعمال الحقيقية. فقد يؤدي ربط قواعد المعرفة الداخلية وأنظمة إدارة العملاء ومنصات التحليلات وأدوات الأعمال بالوكلاء إلى تحسين استرجاع المعلومات والتعاون بين الأنظمة. ومع ذلك، يجب على المؤسسات أيضًا معالجة صلاحيات البيانات وحماية الخصوصية ومتطلبات الامتثال ومسؤوليات التدقيق. وكلما أصبح الاتصال التقني أكثر سهولة، زادت أهمية توضيح البيانات التي يمكن الوصول إليها والعمليات التي يمكن تنفيذها والجهة المسؤولة عند وقوع أخطاء.

من منظور أوسع للصناعة، يمثل MCP اتجاهًا تتوسع فيه تطبيقات الذكاء الاصطناعي من قدرات نموذج واحد نحو التعاون على مستوى الأنظمة. توفر النماذج الفهم والاستدلال، وتوفر الأدوات قدرات العمل الخارجية، وتوفر البروتوكولات الاتصال، بينما تتولى التطبيقات التنسيق والتحكم. وفي المستقبل، قد لا تقتصر المنافسة داخل منظومة الوكلاء على طبقة النماذج، بل تشمل أيضًا جودة الأدوات والبنية التحتية وآليات الأمان وشبكات الخدمات وغيرها من المجالات.

الصلة بين MCP ومنظومة Gate للذكاء الاصطناعي

تكمن القيمة الأساسية لـMCP في توفير طريقة موحدة لاتصال تطبيقات الذكاء الاصطناعي بالأدوات والخدمات الخارجية. وتعتمد صناعة العملات الرقمية نفسها بدرجة كبيرة على الأدوات والبيانات. إذ تتوزع بيانات السوق ومعلومات الأصول والمحافظ والبيانات على البلوكشين وخدمات التداول ووظائف الدفع عبر أنظمة مختلفة. وإذا كان لوكلاء الذكاء الاصطناعي المشاركة في هذه السيناريوهات، فهم يحتاجون إلى وصول مستقر للبيانات وقدرات لاستدعاء الأدوات. لذلك، يمثل الجمع بين MCP وصناعة العملات الرقمية أحد الاتجاهات التي يمكن أن يتطور فيها وكلاء الذكاء الاصطناعي من مساعدين للمعلومات إلى طبقات تنسيق للأدوات المالية.

يمثل Gate for AI Agent تطبيقًا محددًا لهذا الاتجاه. وفقًا للتعريف الرسمي من Gate، تجمع بنيته بين Gate Skills وCLI وMCP وأدوات أخرى لتزويد وكلاء الذكاء الاصطناعي بقدرات متعلقة بالتداول وبيانات السوق والمحافظ والأخبار والتحليل على البلوكشين. وتفصل بنيته بين طبقات التطبيق والقدرات والبروتوكول والبنية التحتية. ويتموضع MCP وCLI في طبقة اتصال البروتوكول، بينما تُستخدم Skills لتنظيم القدرات ذات الصلة وتنسيقها. ويساعد هذا النهج الطبقي في توضيح كيفية اتصال الوكلاء بخدمات العملات الرقمية عبر واجهات موحدة، وكيف يمكن للأدوات المختلفة العمل معًا لدعم مهام أكثر تعقيدًا.

يوفر Gate.AI نقطة دخول لتفاعل المستخدمين مع الذكاء الاصطناعي، وتشمل قدراته الأساسية MCP وSkills. ويمكن للمستخدمين إرسال أسئلة أو مهام بلغة طبيعية، ويمكن لتطبيق الذكاء الاصطناعي معالجة الطلبات المعنية باستخدام القدرات المتاحة. وبالنسبة إلى المستخدمين، لا تقتصر أهمية هذه المنتجات على إضافة واجهة دردشة أخرى، بل إنها تجعل الوصول إلى معلومات السوق وتحليل الأصول وبعض وظائف الأعمال أسهل من خلال أسلوب تفاعل موحد.

ومع ذلك، فإن ربط وكلاء الذكاء الاصطناعي بقدرات التداول والمحافظ يعني أيضًا ضرورة التعامل بجدية مع حدود الصلاحيات. وينبغي للمستخدمين فهم البيانات التي يمكن للوكيل الوصول إليها، والعمليات التي يمكنه تنفيذها، وكيفية إدارة التفويض، وما إذا كانت المهام التي تتعلق بالأموال والتداول تتطلب تأكيدًا إضافيًا. يقلل التفاعل باللغة الطبيعية عوائق استخدام هذه الوظائف، لكنه لا يمكن أن يحل محل تقدير المستخدم لظروف التداول والمخاطر ونتائج التنفيذ النهائية.

من المهم توضيح أن MCP بروتوكول مفتوح، بينما يعد استخدام Gate لـMCP وأدوات الوكلاء تطبيقًا محددًا ضمن منظومتها. ولا تتشابه صلاحيات الأدوات ونطاق الخدمات وآليات التنفيذ عبر المنصات المختلفة. وعند استخدام الميزات ذات الصلة، ينبغي للمستخدمين الرجوع إلى القدرات التي يدعمها المنتج فعليًا وتعليمات التفويض الخاصة به وإفصاحاته عن المخاطر.

على المدى الطويل، لن يعتمد تطور وكلاء الذكاء الاصطناعي فقط على قدرات الاستدلال لدى النماذج، بل أيضًا على قدرتهم على الاتصال بالخدمات الخارجية بموثوقية وإتمام المهام ضمن صلاحيات محددة بوضوح. يوفر MCP أساسًا موحدًا لهذا الاتصال، بينما يوضح Gate for AI Agent التطبيقات المحتملة لهذا الاتجاه التقني في أدوات سوق العملات الرقمية والبيانات وسيناريوهات التداول.

الأسئلة الشائعة

ما هو MCP؟

MCP (بروتوكول سياق النموذج) هو بروتوكول مفتوح يُستخدم لتوحيد الاتصالات بين تطبيقات الذكاء الاصطناعي ومصادر البيانات والأدوات والسياق الخارجية. ويساعد تطبيقات الذكاء الاصطناعي على اكتشاف الخدمات الخارجية واستخدامها بطريقة متسقة نسبيًا، لكنه لا يتعامل مع تدريب النماذج أو اتخاذ القرارات المستقلة.

كيف يختلف MCP عن API؟

يحدد API عادةً الواجهة التي توفرها خدمة معينة خارجيًا، بينما يعمل MCP على توحيد طريقة اتصال تطبيقات الذكاء الاصطناعي وتفاعلها مع قدرات الخدمات الخارجية. ويمكن لخادم MCP استدعاء واجهات API القائمة داخليًا ثم عرض الأدوات أو البيانات لتطبيقات الذكاء الاصطناعي عبر بروتوكول موحد.

ما مسؤوليات المضيف والعميل والخادم في MCP؟

المضيف هو التطبيق الذي يوفر قدرات الذكاء الاصطناعي وينسق المهام. وينشئ العميل اتصالًا بالبروتوكول مع خادم MCP. ويوفر الخادم أدوات أو موارد أو قوالب مطالبات للعميل. وتتعامل هذه العناصر معًا مع الاتصال بين تطبيق الذكاء الاصطناعي والخدمات الخارجية.

ما الفرق بين الأدوات والموارد والمطالبات؟

تُستخدم الأدوات لاستدعاء العمليات الخارجية، وتوفر الموارد البيانات والسياق، بينما توفر المطالبات قوالب مطالبات قابلة لإعادة الاستخدام. وهي تدعم التنفيذ واسترجاع المعلومات وتنظيم التفاعل، على التوالي.

هل يعني MCP أن وكلاء الذكاء الاصطناعي يمكنهم تنفيذ المهام باستقلالية كاملة؟

لا. يوفر MCP الاتصال بالأدوات، لكن مستوى استقلالية الوكيل يعتمد على النموذج وتصميم التطبيق وتكوين الصلاحيات وضوابط المخاطر. ولا يزال ينبغي إنشاء آليات مناسبة للتفويض والتأكيد للعمليات التي تتضمن أموالًا أو تداولًا أو بيانات حساسة.

هل يقتصر MCP على Claude من Anthropic؟

لا. MCP بروتوكول مفتوح صُمم لتوحيد الاتصالات بين تطبيقات الذكاء الاصطناعي المختلفة والأدوات الخارجية. ويعتمد دعم MCP على تنفيذ التطبيق والأداة المحددين.

ماذا يعني MCP لصناعة العملات الرقمية؟

تشمل صناعة العملات الرقمية نطاقًا واسعًا من الخدمات، بما في ذلك بيانات السوق والمحافظ والتداول والتحليل على البلوكشين والمدفوعات. ويمكن لـMCP توفير طريقة موحدة لاتصال وكلاء الذكاء الاصطناعي بهذه القدرات الخارجية، ما يسهل عليهم إجراء استعلامات المعلومات وسير عمل الأعمال عبر أدوات متعددة.