صعود MCP: هل هو الشيء الكبير التالي في الذكاء الاصطناعي؟

فهم MCP

إذا لم تكن على دراية بـ MCP، فمن المحتمل أنك صادفت مصطلح ‘الوكيل’ (أو الوكيل الذكي). وقد أدت الزيادة في شعبية Manus، وهي شركة صينية ناشئة، في أوائل عام 2025 إلى طرح هذا المفهوم في المقدمة.

يكمن مفتاح جاذبية Agent في قدرته على أداء المهام بفعالية. على عكس نماذج اللغة الكبيرة (LLMs) السابقة التي كانت تعمل في المقام الأول كواجهات محادثة، تم تصميم Agents لتنفيذ المهام بنشاط، والاستفادة من الأدوات ومصادر البيانات الخارجية. نماذج LLMs التقليدية محدودة ببيانات التدريب الخاصة بها وتتطلب عمليات معقدة للوصول إلى الموارد الخارجية.

MCP ضروري لتحقيق رؤية Agent، مما يسمح لـ LLMs بالتفاعل بسلاسة مع الأدوات الخارجية التي تدعم بروتوكول MCP. وهذا يمكنهم من أداء مهام أكثر تحديدًا وتعقيدًا.

حاليًا، أطلقت العديد من التطبيقات، بما في ذلك Amap وWeChat Read، خوادم MCP رسمية. يمكّن هذا المطورين من إنشاء تطبيقات الذكاء الاصطناعي عن طريق تحديد LLM المفضل ودمجه مع خوادم MCP مثل Amap أو WeChat Read. يتيح ذلك لـ LLM أداء مهام مثل استعلامات الخرائط واسترجاع المعلومات من الكتب.

بدأت موجة MCP في فبراير 2024 واكتسبت زخمًا سريعًا في جميع أنحاء العالم.

أعلنت الشركات الكبرى مثل OpenAI وGoogle وMeta وAlibaba وTencent وByteDance وBaidu عن دعمها لبروتوكول MCP وأطلقت منصات MCP الخاصة بها، ودعت المطورين ومقدمي خدمات التطبيقات للانضمام.

MCP: توحيد النظام البيئي للذكاء الاصطناعي

كان مفهوم ‘التطبيقات الفائقة’ موضوعًا ساخنًا في مجال الذكاء الاصطناعي في عام 2024، مع توقعات بانتشار سريع لتطبيقات الذكاء الاصطناعي. ومع ذلك، ظل النظام البيئي للابتكار في مجال الذكاء الاصطناعي مجزأً.

يمكن مقارنة ظهور MCP بتوحيد الصين تحت حكم تشين شي هوانغ، الذي قام بتوحيد أنظمة الكتابة والنقل والقياس. وقد سهل هذا التوحيد إلى حد كبير النشاط الاقتصادي والتجارة.

يعتقد العديد من المحللين في السوق أن اعتماد MCP وبروتوكولات مماثلة سيمهد الطريق لزيادة كبيرة في تطبيقات الذكاء الاصطناعي في عام 2025.

في الأساس، يعمل MCP كـ ‘مكون إضافي فائق’ للذكاء الاصطناعي، مما يتيح التكامل السلس مع مختلف الأدوات ومصادر البيانات الخارجية.

الأساس التقني لـ MCP

تم تقديم MCP، أو Model Context Protocol، لأول مرة بواسطة Anthropic في نوفمبر 2024.

بصفته معيارًا مفتوحًا، يسمح MCP لتطبيقات الذكاء الاصطناعي بالاتصال بمصادر البيانات والأدوات الخارجية.

فكر في MCP على أنه محول عالمي لـ LLMs، يحدد ‘واجهة USB’ قياسية.

تتيح هذه الواجهة للمطورين إنشاء تطبيقات بطريقة أكثر توحيدًا وتنظيمًا، والاتصال بمختلف مصادر البيانات وسير العمل.

التغلب على الحواجز التي تعترض تطوير تطبيقات الذكاء الاصطناعي

قبل ظهور MCP، كان تطوير تطبيقات الذكاء الاصطناعي عملية صعبة ومعقدة.

على سبيل المثال، يتطلب تطوير مساعد سفر يعمل بالذكاء الاصطناعي أن يقوم LLM بمهام مثل الوصول إلى الخرائط والبحث عن أدلة السفر وإنشاء مسارات مخصصة بناءً على تفضيلات المستخدم.

لتمكين LLM من الاستعلام عن الخرائط والبحث عن الأدلة، واجه المطورون التحديات التالية:

• قام كل مزود للذكاء الاصطناعي (OpenAI، Anthropic، إلخ) بتنفيذ استدعاء الوظائف بشكل مختلف. يتطلب التبديل بين LLMs من المطورين إعادة كتابة كود التكيف، وإنشاء ‘دليل مستخدم’ بشكل أساسي لـ LLM لاستخدام الأدوات الخارجية. خلاف ذلك، ستنخفض دقة إخراج النموذج بشكل كبير.
• أدى الافتقار إلى معيار موحد لتفاعل LLM مع العالم الخارجي إلى انخفاض قابلية إعادة استخدام التعليمات البرمجية، مما أعاق تطوير النظام البيئي لتطبيق الذكاء الاصطناعي.

وفقًا لتشن زي تشيان، خبير تكنولوجيا الخوارزميات في Alibaba Cloud ModelScope، ‘قبل MCP، كان المطورون بحاجة إلى فهم LLMs وإجراء تطوير ثانوي لتضمين الأدوات الخارجية في تطبيقاتهم. إذا كان أداء الأدوات ضعيفًا، كان على المطورين التحقيق فيما إذا كانت المشكلة تتعلق بالتطبيق نفسه أم بالأدوات’.

تعتبر Manus، الشركة الناشئة في مجال الذكاء الاصطناعي المذكورة أعلاه، مثالًا رئيسيًا. في تقييم سابق، وجد أن Manus بحاجة إلى استدعاء أكثر من عشر أدوات لكتابة مقال إخباري بسيط، بما في ذلك فتح متصفح وتصفح صفحات الويب ونسخها وكتابتها والتحقق منها وتسليم النتيجة النهائية.

إذا اختارت Manus استدعاء أدوات خارجية في كل خطوة، فستحتاج إلى كتابة ‘وظيفة’ لترتيب كيفية تشغيل الأدوات الخارجية. نتيجة لذلك، غالبًا ما كانت Manus تنهي المهام بسبب التحميل الزائد وتستهلك كميات كبيرة من الرموز المميزة.

فوائد MCP

مع MCP، لم يعد المطورون بحاجة إلى أن يكونوا مسؤولين عن أداء الأدوات الخارجية. بدلًا من ذلك، يمكنهم التركيز على صيانة التطبيق وتصحيح الأخطاء فيه، مما يقلل بشكل كبير من حجم عمل التطوير.

يمكن للخوادم الفردية داخل النظام البيئي، مثل Alipay وAmap، الحفاظ على خدمات MCP الخاصة بها والتحديث إلى أحدث الإصدارات وانتظار اتصال المطورين.

قيود وتحديات MCP

على الرغم من إمكاناته، لا يزال نظام MCP البيئي في مراحله الأولى ويواجه العديد من التحديات.

يجادل بعض المطورين بأن MCP هو طبقة غير ضرورية من التعقيد، مما يشير إلى أن واجهات برمجة التطبيقات هي حل أبسط. يمكن لـ LLMs بالفعل استدعاء واجهات برمجة التطبيقات من خلال بروتوكولات مختلفة، مما يجعل MCP يبدو زائدًا عن الحاجة.

حاليًا، يتم تحديد معظم خدمات MCP التي تطلقها الشركات الكبرى من قبل الشركات نفسها، وتحديد الوظائف التي يمكن لـ LLMs استدعاؤها وكيفية جدولتها. ومع ذلك، يثير هذا مخاوف من أن الشركات قد لا توفر الوصول إلى معلوماتها الأكثر أهمية وفي الوقت الفعلي.

علاوة على ذلك، إذا لم يتم إطلاق خوادم MCP رسميًا أو صيانتها جيدًا، فقد تكون سلامة واستقرار اتصالات MCP مشكوكًا فيهما.

شارك Tang Shuang، وهو مطور مستقل، مثالًا لخادم MCP للخريطة مع أقل من 20 أداة. تطلبت خمس من هذه الأدوات خطوط الطول والعرض، بينما تتطلب أداة الطقس معرفًا إداريًا دون تقديم تعليمات حول كيفية الحصول على هذه المعرفات. كان الحل الوحيد هو عودة المستخدمين إلى النظام البيئي لمزود الخدمة واتباع الخطوات للحصول على المعلومات والأذونات.

في حين أن شعبية MCP واضحة، إلا أن الديناميكيات الأساسية معقدة. على الرغم من أن بائعي LLM على استعداد لتقديم خدمات MCP، إلا أنهم يحتفظون بالسيطرة ويترددون في إفادة الأنظمة البيئية الأخرى. إذا لم تتم صيانة الخدمات بشكل صحيح، فقد يواجه المطورون زيادة في حجم العمل، مما يقوض الغرض من النظام البيئي.

انتصار المصادر المفتوحة

لماذا يكتسب MCP زخمًا الآن؟

في البداية، لم يحظ MCP باهتمام كبير بعد إطلاقه بواسطة Anthropic. عدد محدود فقط من التطبيقات، مثل Anthropic’s Claude Desktop، تدعم بروتوكول MCP. يفتقر المطورون إلى نظام بيئي موحد لتطوير الذكاء الاصطناعي وعملوا في الغالب بمعزل عن الآخرين.

أدى اعتماد MCP من قبل المطورين تدريجيًا إلى تقديمه إلى الواجهة. بدءًا من فبراير 2025، أعلنت العديد من تطبيقات برمجة الذكاء الاصطناعي الشائعة، بما في ذلك Cursor وVSCode وCline، عن دعمها لبروتوكول MCP، مما رفع مستوى ظهوره بشكل كبير.

بعد اعتماد مجتمع المطورين، كان دمج MCP بواسطة موردي LLM هو العامل الرئيسي في اعتماده على نطاق واسع.

كان إعلان OpenAI عن دعم MCP في 27 مارس، يليه Google، خطوة حاسمة.

أعرب Sundar Pichai، الرئيس التنفيذي لشركة Google، عن تردده تجاه MCP على X، قائلًا: ‘أن تكون MCP أو لا تكون MCP، هذا هو السؤال’. ومع ذلك، بعد أربعة أيام فقط من نشر هذه التغريدة، أعلنت Google أيضًا عن دعمها لـ MCP.

يسلط الاعتماد السريع لـ MCP من قبل اللاعبين الرئيسيين في صناعة الذكاء الاصطناعي الضوء على إمكاناته لتغيير الطريقة التي يتم بها تطوير تطبيقات الذكاء الاصطناعي ونشرها.

المسار إلى الأمام لـ MCP

مع استمرار تطور النظام البيئي لـ MCP، سيكون من الضروري معالجة القيود والتحديات الحالية. وهذا يشمل:

• التوحيد القياسي: تطوير بروتوكول MCP أكثر توحيدًا ومستقلًا عن البائعين الأفراد.
• الأمان: تنفيذ تدابير أمنية قوية لضمان سلامة وموثوقية اتصالات MCP.
• قابلية الصيانة: تشجيع تطوير وصيانة خوادم MCP عالية الجودة.
• إمكانية الوصول: جعل MCP أكثر سهولة للمطورين من جميع مستويات المهارة.

من خلال معالجة هذه التحديات، يمكن أن يطلق MCP حقبة جديدة من الابتكار في مجال الذكاء الاصطناعي، مما يتيح إنشاء تطبيقات ذكاء اصطناعي أكثر قوة وتعدد استخدامات وسهولة في الاستخدام.

في الختام، في حين أن MCP لا يزال في مراحله الأولى، فإن إمكاناته لتغيير مشهد الذكاء الاصطناعي لا يمكن إنكارها. من خلال تعزيز نظام بيئي أكثر انفتاحًا وتوحيدًا وتعاونيًا، يمكن أن يمهد MCP الطريق لمستقبل يكون فيه الذكاء الاصطناعي أكثر سهولة وفائدة للجميع.