إعادة إرسال العنوان الأصلي 'معيار USB-C للذكاء الصناعي: فهم MC'

خلال سنواتي في التحالف، رأيت مؤسسين لا يحصى يبنون أدواتهم المتخصصة الخاصة وتكاملات البيانات المدمجة في وكلاء الذكاء الاصطناعي الخاصة بهم وسير العمل. ومع ذلك، تكون هذه الخوارزميات والتشكيلات والمجموعات البيانية الفريدة محجوزة وراء التكاملات المخصصة التي قليل من الناس سيستخدمونها.

هذا تغير بسرعة مع ظهور بروتوكول سياق النموذج. تم تحديد MCP على أنه بروتوكول مفتوح يقيس كيفية تواصل التطبيقات وتوفير السياق لـ LLMs. إحدى التشبيهات التي أعجبتني حقًا هي أن "MCPs for AI applications are like USB-C for hardware"؛ وهذا موحد وقابل للتوصيل ومتعدد الاستخدامات ومحوري.

لماذا MCP؟

مثل Claude و OpenAI و LLAMA، يعتبر LLMs قوية بشكل لا يصدق، لكنها مقيدة بالمعلومات التي يمكنها الوصول إليها في الوقت الحالي. وهذا يعني أن لديها عادةً قطع في المعرفة، ولا يمكنها تصفح الويب بشكل مستقل، وليس لديها وصول مباشر إلى ملفاتك الشخصية أو الأدوات المتخصصة بدون بعض شكل من التكامل.

على وجه الخصوص، كان المطورون يواجهون ثلاث تحديات رئيسية عند ربط LLMs بالبيانات الخارجية والأدوات:

1. تعقيد التكامل: بناء تكاملات منفصلة لكل منصة ذكاء اصطناعي (كلود، تشات جي بي تي، الخ) يتطلب تكرار الجهد والحفاظ على عدة قواعد بيانات
2. تشظيع الأدوات: كل وظيفة أداة (مثل الوصول إلى الملفات، وصلات واجهة برمجة التطبيقات، إلخ) تحتاج إلى رمز تكامل متخصص خاص بها ونموذج إذن
3. التوزيع المحدود: كانت الأدوات المتخصصة مقيدة بمنصات محددة، مما يقيد نطاقها وتأثيرها

تحل MCP هذه المشاكل من خلال توفير وسيلة موحدة لأي LLM للوصول بأمان إلى الأدوات الخارجية ومصادر البيانات من خلال بروتوكول مشترك. الآن بعد أن فهمنا ما يفعله MCP، دعونا نلقي نظرة على ما يقوم الناس ببنائه باستخدامه.

ما الذي يقوم به الناس بـ MC؟

نظام MC البيئي ينفجر حاليًا بالابتكار. إليك بعض الأمثلة الأخيرة التي وجدتها على Twitter عن المطورين يعرضون أعمالهم.

• الرسوم التوضيحية بقوة الذكاء الاصطناعي: تكامل MCP الذي يتيح لكلود التحكم في ChatGPT-4o، مما يولد تلقائيًا لوحات قصة كاملة بأسلوب جيبلي دون أي تدخل بشري.
• تكامل صوت ElevenLabs: خادم MCP الذي يمنح كلاود وكورسور إمكانية الوصول إلى منصة الصوت الذكية الخاصة بهم من خلال تعليمات نصية بسيطة. الاندماج قوي بما فيه الكفاية لإنشاء وكلاء صوتيين يمكنهم إجراء مكالمات هاتفية صادرة. يظهر هذا كيف يمكن لـ MCP توسيع أدوات الذكاء الاصطناعي الحالية إلى مجال الصوت.
• تلقائي المتصفح مع Playwright: خادم MCP الذي يسمح لوكلاء الذكاء الاصطناعي بالتحكم في متصفحات الويب دون الحاجة إلى لقطات الشاشة أو نماذج الرؤية. يخلق هذا احتمالات جديدة لأتمتة الويب من خلال منح LLMs التحكم المباشر في تفاعلات المتصفح بطريقة موحدة.
• التكامل الشخصي مع واتساب: خادم يتصل بحسابات WhatsApp الشخصية، مما يتيح لكلود البحث في الرسائل وجهات الاتصال، وإرسال رسائل جديدة.
• أداة البحث في Airbnb: أداة بحث عن شقق Airbnb تُبرز بساطة MC وقوتها في إنشاء تطبيقات عملية تتفاعل مع خدمات الويب.
• نظام التحكم في الروبوت: وحدة تحكم MCP لروبوت. يعمل المثال على سد الفجوة بين LLMs والأجهزة الفعلية، مما يظهر الإمكانيات المحتملة لـ MCP في تطبيقات الإنترنت للأشياء والروبوتات.
• خرائط Google والبحث المحلي: بربط كلود ببيانات خرائط جوجل، إنشاء نظام يمكنه العثور على الشركات المحلية مثل محلات القهوة وتوصيتها. يمكّن هذا التمديد مساعدي الذكاء الاصطناعي من الخدمات المعتمدة على الموقع.
• تكامل بلوكشين: يقدم مشروع Lyra MCP قدرات MCP إلى StoryProtocol ومنصات web3 الأخرى. يتيح هذا التفاعل مع بيانات البلوكشين والعقود الذكية، مما يفتح آفاقًا جديدة لتطبيقات مركزية محسنة بواسطة الذكاء الاصطناعي.

ما يجعل هذه الأمثلة مقنعة بشكل خاص هو تنوعها. في وقت قصير فقط منذ إطلاقها، قام المطورون بإنشاء تكاملات تمتد عبر إنتاج وسائط إبداعية، منصات الاتصال، التحكم في الأجهزة، خدمات الموقع، وتكنولوجيا البلوكشين. تتبع جميع هذه التطبيقات المتنوعة نفس البروتوكول الموحد، مما يظهر تنوع MCP وإمكانيتها لتصبح معيارًا عالميًا لتكامل أدوات الذكاء الاصطناعي.

للحصول على مجموعة شاملة من خوادم MC، تحقق منمستودع خوادم MCP الرسمي على GitHub. مع تنصيح حذر، قبل استخدام أي خادم MC، كن حذرًا بشأن ما تقوم بتشغيله ومنح الأذونات له.

الوعد مقابل الضجة

مع أي تكنولوجيا جديدة، يستحق السؤال: هل تعتبر MC حقًا محورية، أم مجرد أداة مبالغ فيها أخرى ستتلاشى؟

بعد مشاهدة العديد من الشركات الناشئة في هذا المجال، أعتقد أن MC تمثل نقطة تحول حقيقية لتطوير الذكاء الاصطناعي. على عكس العديد من الاتجاهات التي تعد بالثورة ولكنها تقدم تغييرًا تدريجيًا، MC هو زيادة في الإنتاجية تحل مشكلة أساسية في البنية التحتية التي كانت تعيق النظام بأكمله.

ما يجعله قيمًا بشكل خاص هو أنه لا يحاول استبدال النماذج الحالية للذكاء الاصطناعي أو منافستها، بل إنه يجعلها جميعًا أكثر فائدة عن طريق ربطها بأدوات خارجية والبيانات التي تحتاج إليها.

ومع ذلك، هناك مخاوف شرعية حول الأمان والتوحيد. كما هو الحال مع أي بروتوكول في أيامه الأولى، من المحتمل أن نرى آلام النمو بينما تعمل المجتمع على تحديد أفضل الممارسات حول التدقيق، والأذونات، والمصادقة، والتحقق من الخادم. يحتاج المطور إلى الثقة في وظائف هذه الخوادم MCP ولا ينبغي أن يثق فيها بشكل أعمى، خاصة وأنها أصبحت وفيرة.هذا المقاليناقش بعض الثغرات الأخيرة التي تم كشفها بواسطة blindy باستخدام خوادم MCP التي لم يتم فحصها بعناية، حتى لو كنت تقوم بتشغيلها محليًا.

مستقبل الذكاء الاصطناعي هو سياقي

أقوى تطبيقات الذكاء الاصطناعي لن تكون نماذج منفصلة ولكن تكون نظمًا بيئية من القدرات المتخصصة المتصلة من خلال بروتوكولات موحدة مثل MC. بالنسبة للشركات الناشئة، تمثل MC فرصة لبناء مكونات متخصصة تندرج ضمن هذه البيئات المتزايدة. إنها فرصة للتسلح بمعرفتك وقدراتك الفريدة بينما تستفيد من الاستثمارات الضخمة في نماذج الأساس.

نتوقع في المستقبل أن يصبح MC جزءًا أساسيًا من البنية التحتية للذكاء الاصطناعي، تمامًا كما أصبح HTTP للويب. مع نضوج البروتوكول ونمو الاعتماد، من المرجح أن نرى سوقًا كاملًا من خوادم MC المتخصصة تظهر، مما يسمح لأنظمة الذكاء الاصطناعي بالوصول إلى أي قدرة أو مصدر بيانات تتخيله.

الملحق

بالنسبة لأولئك الذين يهتمون بفهم كيف يعمل MC بالفعل تحت السطح، يقدم الملحق التالي تفكيكًا تقنيًا لبنيته، وسير عمله، وتنفيذه.

تحت غطاء MC

بشكل مماثل لكيفية قيام بروتوكول نقل النص الفائق (HTTP) بتوحيد الطريقة التي يصل بها الويب إلى مصادر البيانات الخارجية والمعلومات، يقوم بروتوكول تنسيق النماذج الفائق (MCP) بذلك بالنسبة لإطارات الذكاء الاصطناعي، مما يخلق لغة مشتركة تسمح لأنظمة الذكاء الاصطناعي المختلفة بالتواصل بسلاسة. لذا دعونا نستكشف كيف يفعل ذلك.

هندسة وتدفق MCP

الهندسة المعمارية الرئيسية تتبع نموذج العميل والخادم مع أربعة مكونات رئيسية تعمل معًا:

• MCP المضيفون: تطبيقات AI للمكتب مثل Claude أو ChatGPT، بيئات تطوير مثل cursorAI أو VSCode، أو أدوات AI أخرى تحتاج إلى الوصول إلى البيانات الخارجية والقدرات
• عملاء MCP: معالجي البروتوكول المدمجة داخل المضيفين الذين يحافظون على اتصالات من نوع واحد مع خوادم MCP
• خوادم MC: برامج خفيفة تعرض وظائف محددة من خلال البروتوكول الموحد
• مصادر البيانات: ملفاتك، قواعد البيانات، واجهات برمجة التطبيقات، والخدمات التي يمكن لخوادم MCPS الوصول إليها بأمان

لذا الآن بعد مناقشة العناصر، دعونا نلقي نظرة على كيفية تفاعلها في سير عمل نموذجي:

1. تفاعل المستخدم: يبدأ بطلب المستخدم سؤالًا أو طلبًا في منفذ إم سي بي، على سبيل المثال، سطح المكتب كلود.
2. تحليل LLM: يحلل LLM الطلب ويحدد أنه يحتاج إلى معلومات خارجية أو أدوات لتقديم استجابة كاملة
3. اكتشاف الأدوات: يقوم عميل MCP بالاستعلام عن خوادم MCP المتصلة لاكتشاف الأدوات المتاحة
4. اختيار الأدوات: يقرر LLM الأدوات التي يجب استخدامها استنادًا إلى الطلب والقدرات المتاحة
5. طلب إذن: يطلب المضيف إذن المستخدم لتنفيذ الأداة المحددة الحاسمة للشفافية والأمان.
6. تنفيذ الأداة: عند الموافقة، يرسل عميل MC الطلب إلى الخادم MC المناسب، الذي ينفذ العملية بوصوله المتخصص إلى مصادر البيانات
7. معالجة النتائج: يقوم الخادم بإرجاع النتائج إلى العميل، الذي يقوم بتنسيقها لـ LLM
8. توليد الرد: يدمج LLM المعلومات الخارجية في رد شامل
9. عرض المستخدم: أخيرًا، يتم عرض الاستجابة للمستخدم النهائي

ما يجعل هذه البنية قوية هو أن كل خادم MCP متخصص في نطاق معين ولكنه يستخدم بروتوكول اتصال موحد. لذلك بدلاً من إعادة بناء التكاملات لكل منصة، يمكن للمطورين التركيز فقط على تطوير الأدوات مرة واحدة لبيئتهم الكاملة للذكاء الاصطناعي.

كيفية بناء الخادم الأول لـ MC

الآن دعونا نلقي نظرة على كيف يمكن للشخص تنفيذ خادم MCP بسيط في بضعة أسطر من الشيفرة باستخدام MCP SDK.

في هذا المثال البسيط، نريد توسيع قدرة Claude Desktop على الإجابة على أسئلة مثل "ما هي بعض المقاهي بالقرب من سنترال بارك؟" من خرائط Google. يمكنك توسيع هذا بسهولة للحصول على تقييمات أو تقييمات. ولكن الآن، دعنا نركز على أداة MCP العثور_على_الأماكن_القريبة التي ستسمح لـ Claude بالحصول على هذه المعلومات مباشرة من خرائط Google وعرض النتائج بطريقة محادثة.

كما يمكنك أن ترى، الكود بسيط حقًا. 1) يقوم بتحويل الاستعلام إلى بحث في واجهة برمجة تطبيقات خرائط Google و 2) يعيد أعلى النتائج في تنسيق منظم. وبالتالي يتم تمرير المعلومات إلى LLM لاتخاذ قرارات أخرى.

الآن نحتاج إلى إبلاغ Claude Desktop عن هذه الأداة، لذا سنقوم بتسجيلها في ملف تكوينه كما يلي.

• نظام التشغيل macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
• نوافذ: %APPDATA%\Claude\claude_desktop_config.json

وفورًا، لقد انتهيت. الآن لديك مجرد تمديد لـ Claude للعثور على مواقع في الوقت الحقيقي من خرائط Google.

إخلاء المسؤولية:

1. يتم إعادة طبع هذه المقالة من [ X. إعادة توجيه العنوان الأصلي 'معيار USB-C للذكاء الاصطناعي: فهم MCP'. جميع حقوق النشر تنتمي إلى الكاتب الأصلي [@Drmelseidy]. إذا كان هناك اعتراضات على هذا النشر مرجع, يرجى الاتصال ببوابة تعلمالفريق، وسوف يتولى التعامل معها بسرعة.

2. إخلاء المسؤولية عن الضرر: الآراء والآراء المعبر عنها في هذه المقالة هي فقط تلك التي يعبر عنها الكاتب ولا تشكل أي نصيحة استثمارية.

3. تتم ترجمة المقال إلى لغات أخرى من قبل فريق Gate Learn. ما لم يرد غير ذلك، يُحظر نسخ أو توزيع أو نسخ المقالات المترجمة.