توضیحی روشن از اینکه ایجنتهای هوش مصنوعی چگونه از پاسخ دادن به سؤالها به تحویل اپلیکیشنهای کارآمد میرسند: Model Context Protocol واقعاً چه کاری انجام میدهد، توکنهای با دسترسی محدود چطور ایجنتها را ایمن نگه میدارند، ایجنت دقیقاً چه حلقهای را برای ساختن، اعتبارسنجی و انتشار یک اپ طی میکند، و چه چیزی پلتفرمهای agent-native را از پلتفرمهای وصلهشده جدا میکند.
بنیانگذاران، توسعهدهندگان و مدیرانی که میخواهند ایجنتهایی را بفهمند یا به کار بگیرند که نرمافزار واقعی میسازند و نگه میدارند، نه اینکه فقط گفتوگو کنند.
- یک مدل ذهنی به زبان ساده از MCP و اینکه چرا همه آزمایشگاههای بزرگ هوش مصنوعی آن را پذیرفتند
- تصویری صادقانه از مدل امنیتی: توکن محدود چه اجازههایی میدهد و چه اجازههایی نمیدهد
- حلقه ششمرحلهای که ایجنت از بریف اولیه تا اپلیکیشن منتشرشده طی میکند
ایجنت هوش مصنوعی که به سؤالها پاسخ میدهد ابزار مفیدی است. اما ایجنتی که یک اپلیکیشن کارآمد میسازد، آن را به پایگاه داده وصل میکند و روی یک دامنه واقعی منتشر میکند، از اساس ابزار دیگری است. پل میان این دو، یک استاندارد کوچک و عمداً خستهکننده به نام MCP است، بهعلاوه یک مدل دسترسی که کل ماجرا را به اندازه کافی ایمن میکند. اینجا میبینید که این سازوکار واقعاً چطور کار میکند، بدون واژههای پرزرقوبرق.
MCP یا Model Context Protocol یک استاندارد باز است که به ایجنت هوش مصنوعی اجازه میدهد از ابزارهای بیرونی استفاده کند. هر سرویس فهرستی از کارهایی را که میتواند انجام دهد منتشر میکند، مثل ساختن اپ، ویرایش فایل یا اجرای اعتبارسنجی، و هر ایجنتی که MCP را پشتیبانی کند میتواند آن فهرست را بخواند و آن کارها را فراخوانی کند. اغلب آن را USB-C دنیای هوش مصنوعی مینامند: یک رابط واحد که با همه مدلها و سرویسها کار میکند، به جای یک کابل اختصاصی برای هر جفت.
یک مدل زبانی بهتنهایی فقط میتواند متن تولید کند. دست ندارد: نمیتواند به پایگاه داده دست بزند، API صدا بزند یا وبسایتی منتشر کند. Anthropic در اواخر ۲۰۲۴ استاندارد MCP را بهصورت باز منتشر کرد تا به شکلی استاندارد به مدل دست بدهد، و سرعت پذیرش آن غیرعادی بود. ظرف دو سال همه آزمایشگاههای بزرگ هوش مصنوعی از آن پشتیبانی کردند، رجیستری عمومی از چند هزار سرور گذشت و SDKها ماهانه دهها میلیون بار دانلود میشدند.
دلیل فراگیر شدنش اقتصادی است، نه فنی. پیش از یک پروتکل مشترک، اتصال N مدل به M سرویس یعنی ساختن و نگهداری N ضرب در M یکپارچهسازی سفارشی. با یک استاندارد واحد، سرویس فقط یک سرور MCP عرضه میکند و بلافاصله با هر ایجنت توانمندی کار میکند، و ایجنت از روزی که این پروتکل را حرف بزند به همه سرویسها دسترسی پیدا میکند. همین محاسبه USB را جلو برد و به همان نتیجه هم رسید: رابط استاندارد برنده شد.
اولین واکنش عاقلانه به ماشینی که میتواند نرمافزار بسازد و منتشر کند نگرانی است، و پاسخ صادقانه این است که امنیت کاملاً به مدل دسترسی بستگی دارد. سازوکاری که این ماجرا را قابل کنترل میکند توکن با دامنه محدود است، و ارزش دارد آن را دقیق بفهمید، چون همین توکن مرز میان واگذاری حسابشده و بیاحتیاطی است.
وقتی یک ایجنت را به یک پلتفرم وصل میکنید، حسابتان را تحویل او نمیدهید. یک توکن میسازید، یعنی کلیدی با مجوزهای مشخص و محدود، و ایجنت دقیقاً داخل همان حصار کار میکند. هر کاری که انجام دهد به همان توکن نسبت داده میشود، و کشیدن خط حصار با شماست.
بنیانگذاری میخواهد ایجنت فرم ثبتنام اپ رزرو او را درست کند. توکنی میسازد که فقط به همان یک اپ محدود است، با مجوز ویرایش و اعتبارسنجی اما بدون انتشار. ایجنت تغییر را اعمال و اعتبارسنجی را اجرا میکند؛ بنیانگذار تفاوتها را بازبینی میکند، خودش منتشر میکند و بعد توکن را باطل میکند. کل سطح ریسک: یک اپ، دو مجوز، بیست دقیقه. واگذاری با حصار یعنی همین.
ایجنتی که نرمافزار واقعی میسازد همه چیز را در یک تولید قهرمانانه بیرون نمیدهد. حلقهای را اجرا میکند که خیلی شبیه شیوه کار یک مهندس دقیق است، فقط از چند روز به چند دقیقه فشرده شده است.
مدل همیشه میتواند کدی تولید کند که درست به نظر برسد. آنچه نرمافزار ساختهشده توسط ایجنت را قابل اعتماد میکند، بررسی بعد از هر تغییر است: دروازهای واقعی که میگوید این کار میکند یا دقیقاً این قسمت خراب شد. بدون آن، ایجنتها با اعتمادبهنفس به سمت وضعیتهای خراب میلغزند. با آن، اشتباهها داخل حلقه گرفته میشوند، و این دقیقاً همان روشی است که مهندسان خوب انسانی با آن از تحویل خطا جلوگیری میکنند.
خیلی از محصولات یک سرور MCP را به رابطی چسباندهاند که برای آدمهایی طراحی شده که روی دکمهها کلیک میکنند. از نظر فنی کار میکند، اما با پلتفرمی که برای ایجنتها ساخته شده یکی نیست. سه نشانه این دو را از هم جدا میکند.
آزمون تقارن سریعترین فیلتر است: در یک پلتفرم agent-native، ایجنتی با توکنِ درست محدودشده میتواند تقریباً هر کاری را انجام دهد که یک انسان از طریق رابط انجام میدهد، از ساختن اپلیکیشن و تغییر فایلهایش تا اعتبارسنجی، نسخهبندی و انتشار. اگر مسیر ایجنت یک درِ فرعی باریک با نصف قابلیتها باشد، آن پلتفرم اتوماسیون را یک قابلیت نمایشی میداند و در همان ماه اول استفاده جدی، سقفش را حس خواهید کرد.
وقتی تبدیل یک نیاز توصیفشده به نرمافزار کارآمد دیگر نیازمند انسانی نباشد که در یک ابزار ساخت کلیک بزند، اقتصاد نرمافزارهای کوچک عوض میشود. تیم عملیات میتواند همان روزی که میتواند ابزار داخلیاش را توصیف کند صاحبش شود، نه فصلی بعد از پیروزی در جنگ اولویتبندی. بنیانگذار میتواند شب یک بریف خام به ایجنت بدهد و صبح یک نسخه اول کارآمد را بازبینی کند. کسبوکار میتواند از پس نرمافزاری بربیاید که دقیقاً به شکل یک جریان کاری بریده شده، چون بریدنش دیگر بیشتر از ارزش آن جریان کاری هزینه ندارد.
هیچکدام از اینها قضاوت انسانی را حذف نمیکند. هنوز کسی تصمیم میگیرد چه چیزی ارزش ساختن دارد، خروجی را بازبینی میکند و مسئولیت نتیجه را میپذیرد. آنچه عوض میشود هزینه فاصله میان یک توصیف روشن و یک محصول کارآمد است. آن فاصله قبلاً با هفتهها و فاکتورها اندازهگیری میشد. حالا با چند دقیقه و یک بازبینی اندازهگیری میشود، و کسبوکارهایی که این را زود درونی کنند، بهسادگی نرمافزار بیشتری خواهند داشت، متناسبتر با شیوه کارشان، نسبت به آنهایی که صبر میکنند.
Model Context Protocol یک استاندارد باز است که به ایجنتهای هوش مصنوعی اجازه میدهد ابزارهای یک سرویس را کشف و فراخوانی کنند، مثل ساختن اپ، ویرایش فایل یا اجرای بررسی، به طوری که هر ایجنت توانمند بتواند با هر سرویسی که سرور MCP منتشر میکند کار کند.
بله، وقتی پلتفرم ابزارهای واقعی با دروازه اعتبارسنجی در اختیارش بگذارد: ایجنت پروژه را میسازد، مدل داده و صفحهها را بنا میکند، بعد از هر تغییر اعتبارسنجی میکند، آنچه بررسی میگیرد را رفع میکند و منتشر میکند. بخش قابل اتکا همان حلقه همراه با راستیآزمایی است، نه یک تولید غولآسای یکباره.
توکن محدودی که زیر آن کار میکند. شما آن را به اپلیکیشنها و عملیات مشخص محدود میکنید، هر فراخوانی ثبت میشود و میتوانید در لحظه باطلش کنید. ایجنتی که برای یک اپ فقط توکن ویرایش و اعتبارسنجی دارد، نمیتواند پروژههای دیگر را حذف کند یا بدون شما منتشر کند.
آزمون تقارن را اجرا کنید: با یک توکنِ درست محدودشده، آیا ایجنت میتواند تقریباً هر کاری را انجام دهد که یک انسان میتواند، یعنی ساختن، ویرایش، اعتبارسنجی، نسخهبندی و انتشار؟ اگر مسیر ایجنت زیرمجموعه باریکی از رابط انسانی باشد، اتوماسیون یک فکر بعدی بوده و خیلی زود به سقفش میخورید.