در سال‌های اخیر، حوزه هوش مصنوعی شاهد پیشرفت‌های سریع فناوری بوده است و اصطلاحات جدیدی مانند MoE، یادگیری تقویتی، Agentها، استفاده از کامپیوتر و A2A را به وجود آورده است. برای کاربران عادی که فاقد پیشینه فنی هستند، این اصطلاحات و مفاهیم فناوری می‌توانند طاقت‌فرسا باشند و منجر به بار شناختی قابل توجهی شوند. در نتیجه، تعامل آنها با هوش مصنوعی اغلب محدود به تبادلات ساده پرسش و پاسخ در جعبه‌های چت است.
MCP یا Model Context Protocol یکی از این مفاهیم فنی است. در طول سال گذشته، Agentهای هوش مصنوعی به سرعت تکامل یافته‌اند و پروتکل‌های MCP به عنوان یک قابلیت زیربنایی حیاتی برای پشتیبانی از اتوماسیون وظایف پیچیده ظاهر شده‌اند. با این حال، انقلاب فعلی MCP هنوز به نظر می‌رسد که قلمرو انحصاری توسعه‌دهندگان است، با مستندات پروتکل مبهم، ثبت ابزار پیچیده و موانع زیاد برای پیکربندی شخصی‌سازی شده. در نتیجه، اکثر کاربران عادی فقط می‌توانند از دور مشاهده کنند و دستیابی به تجربه عملی واقعی برای آنها دشوار است.
با این حال، این وضعیت در حال تغییر است. در 23 آوریل، Nano AI، یکی از شرکت‌های تابعه 360، از راه‌اندازی “MCP Toolbox“ طراحی شده برای کاربران فردی خبر داد. این محصول برای کاربران عادی بدون پیشینه فنی طراحی شده است و به همه این امکان را می‌دهد که با حداقل هزینه یادگیری، بر نحوه استفاده از هوش مصنوعی پیشرفته مسلط شوند.
این محصول نه تنها به طور کامل از پروتکل MCP پشتیبانی می‌کند، بلکه می‌تواند وظایف Agent را بر اساس زیرساخت‌های مختلف مدل بزرگ اجرا کند. علاوه بر این، دارای قابلیت‌های قدرتمندی مانند فراخوانی خودکار ابزارهای خارجی، دسترسی به پایگاه‌های دانش هوش مصنوعی و پشتیبانی از جریان‌های کاری تعریف شده توسط کاربر است. از همه مهم‌تر، آستانه عملیاتی به طور قابل توجهی کاهش یافته است، به طوری که نیازی به مهارت‌های کدنویسی نیست و می‌توان به سادگی با باز کردن یک جعبه چت از آن استفاده کرد.
در حال حاضر، Super Agent آزمایش عمومی را آغاز کرده است. به نظر می‌رسد Nano AI از مدل‌ها تا پروتکل‌ها، اکوسیستم‌های ابزار و تنظیم وظایف شخصی‌سازی شده، به دنبال نوآوری در سطح محصول است که Agentهای هوش مصنوعی را واقعاً وارد زندگی روزمره همه می‌کند.
بنابراین، “MCP Toolbox“ Nano AI چقدر خوب است؟ برای پاسخ به این سوال، تیم Machine Heart، با کسب صلاحیت‌های تست داخلی، مجموعه‌ای از آزمایش‌ها را انجام داد.
تجربه عملی با جعبه ابزار: MCP ساده شده
استفاده از “MCP Toolbox“ Nano AI مانع بسیار کمی برای ورود دارد. کاربران فقط باید برنامه Nano AI را دانلود و نصب کنند و سپس بدون هیچ پیکربندی اضافی، ثبت‌نام کرده و وارد شوند.
با ورود به صفحه “Agent“ به‌روزرسانی‌شده، می‌توانیم ببینیم که Nano AI Agentهای موجود را به چندین دسته گسترده از جمله تحقیقات عمیق، کار و بهره‌وری و دستیاران زندگی تقسیم کرده است. در عین حال، دسترسی به جعبه ابزار و یک مربع مطالعه موردی را نیز فراهم می‌کند.
با ورود به جعبه ابزار، می‌توانیم ببینیم که Nano AI از قبل بیش از 100 سرور MCP را پیکربندی کرده است (این تعداد در طول نگارش این مقاله از 120 به 132 افزایش یافته است)، از جمله ده‌ها ابزار MCP توسعه‌یافته توسط خود Nano AI و صدها ابزار MCP شخص ثالث، که سناریوهای مختلفی مانند همکاری اداری، آکادمیک، خدمات زندگی، موتورهای جستجو، امور مالی، سرگرمی‌های رسانه‌ای و جمع‌آوری داده‌ها را پوشش می‌دهد و آن را به بزرگترین اکوسیستم MCP در چین تبدیل می‌کند. علاوه بر این، Nano AI از کاربران در پیکربندی سرورهای MCP خودشان نیز پشتیبانی می‌کند. در ادامه، به جای “MCP Server“ از اصطلاح “ابزار“ استفاده خواهیم کرد و دلیل این امر به طور مفصل توضیح داده خواهد شد.
ابتدا، برنامه‌ای را آزمایش می‌کنیم که برای خوانندگان Machine Heart جذاب‌تر است: جستجو و سازماندهی یافته‌های تحقیقاتی اخیر در arXiv مربوط به یک موضوع تحقیقاتی خاص.
بیایید ابتدا جعبه ابزار را جستجو کنیم و متوجه شویم که ابزارهای از پیش تعیین‌شده Nano AI از قبل شامل “جستجوی arXiv“ هستند، بنابراین نیازی به پیکربندی آن نداریم. با نگاهی به گذشته، می‌توانیم ببینیم که Nano AI از قبل Agentهای زیادی دارد که از بازیابی مقاله arXiv پشتیبانی می‌کنند. “جستجوی مقاله حرفه‌ای“ را به عنوان اولین قدم خود انتخاب خواهیم کرد. می‌توانیم ببینیم که این Agent با چهار ابزار پیکربندی شده است: Nano AI Super Search، جستجوی arXiv، گوگل اسکولار و جستجوی آکادمیک، که کاملاً نیازهای ما را برآورده می‌کند. یک اعلان بنویسید و اجرا کنید:
یافته‌های تحقیقاتی مربوط به یادگیری تقویتی در arXiv را در ماه گذشته بازیابی کنید، آنها را بر اساس تحقیقات نظری، پیشرفت‌های فناوری و برنامه‌ها طبقه‌بندی کنید و یک تفسیر ساده از پیشرفت مهم ارائه دهید.
فرایند کاری “جستجوی مقاله حرفه‌ای“ به شرح زیر است:
این وظیفه بسیار ساده است. Agent فقط یک بار ابزار “جستجوی arXiv“ را فراخوانی کرد و بنابراین کار را در کمتر از نیم دقیقه به پایان رساند و دو نتیجه تحقیقاتی نماینده را در هر یک از سه دسته انتخاب کرد.
در مرحله بعد، Agent برنامه‌ریز دوچرخه‌سواری را با استفاده از دستور زیر امتحان کنید: “آیا مسیرهای دوچرخه‌سواری خوبی در نزدیکی پل Guanyin در چونگ‌کینگ وجود دارد؟”
می‌بینیم که این Agent از سه ابزار استفاده کرده است: نقشه‌های amapmcpserver-cloud_آب و هوا (برای پرس و جو از آب و هوا) و نقشه‌ها_جهت_دوچرخه‌سواری (برای تنظیم مسیرها) و gen_html (برای تولید صفحات وب)، در مجموع 362 ثانیه اجرا می‌شود و در نهایت صفحه وب پویا نشان داده شده در بالا را به دست می‌آورد. همچنین می‌توانید از طریق این لینک به آن دسترسی داشته باشید: . بله، می‌توانید صفحه وب تولید شده را به صورت عمومی به اشتراک بگذارید!
در مرحله بعد، بیایید دشواری را افزایش دهیم. این بار نیاز ما این است که “شبکه را جستجو کنید، روندهای فعلی مد زنانه را تجزیه و تحلیل کنید و یک گزارش تجزیه و تحلیل عناصر مد زنانه را منتشر کنید.” این بار مستقیماً از “Agent تحقیقات عمیق“ Nano AI استفاده خواهیم کرد، که می‌تواند با توجه به نیازهای خاص کاربر، ابزارهای مناسبی را انتخاب کند، از جمله سرورهای MCP و مرورگر داخلی برای انجام وظایف مختلف استفاده از کامپیوتر. البته، بنابراین، Agent تحقیقات عمیق اغلب برای اجرای یک کار زمان بسیار بیشتری طول می‌کشد، تا ده‌ها دقیقه.
هنگام اجرای وظیفه، Agent تحقیقات عمیق ابتدا مراحل اجرایی را با توجه به الزامات وظیفه برنامه‌ریزی می‌کند و سپس مراحل را گام به گام طبق برنامه اجرا می‌کند.
مراحل اجرایی تولید شده توسط Agent تحقیقات عمیق برای این کار خاص در شکل زیر نشان داده شده است.
ابتدا، محتوای مربوط به روندهای فعلی مد زنانه را در چندین وب سایت جستجو کرد، سپس محتوای جستجو شده را تجزیه و تحلیل کرد و نتایج را به تصویر کشید. در نهایت، گزارش نهایی را ارائه داد.
در این فرآیند، ابزار جستجوی محلی aiso_do_search را سه بار، ابزار جمع‌آوری داده 360_crawl را یک بار، ابزار sandbox کد ابری cloud-sandbox را نه بار، ابزار خلاصه summary را یک بار و ابزار تولید صفحه وب gen_html را یک بار فراخوانی کرد.
در پایان، یک گزارش عمیق 30 صفحه‌ای به دست آوردیم که شش بخش اصلی را پوشش می‌دهد: تجزیه و تحلیل موضوع سبک محبوب، روندهای رنگ محبوب، تجزیه و تحلیل سبک‌ها و عناصر محبوب، ارزیابی جامع عناصر محبوب، روندهای پارچه و فناوری و پیشنهادات و برنامه‌های کاربردی مطابقت، که بسیار فراتر از وظیفه اولیه یک جمله‌ای ما است.
چند صفحه از محتوای استخراج شده از گزارش
ویدیوی زیر کل فرآیند تکمیل وظیفه توسط Agent تحقیقات عمیق Nano AI را نشان می‌دهد:
با سرعت 4 برابر پخش شد
نه تنها این، Nano AI یک صفحه وب پویا نیز تولید کرده است که می‌تواندنتایج تجزیه و تحلیل به دست آمده را به طور واضح‌تری نمایش دهد:
علاوه بر این، با توجه به اینکه گوگل اخیراً گزارش مالی سه ماهه اول خود را منتشر کرده است، می‌توانیم از Agent “مدیر ارشد بینش صنعت“ Nano AI نیز بخواهیم که به ما در تفسیر آن کمک کند.
نسخه صفحه وب آن از طریق آدرس قابل دسترسی است: ، و کل فرآیند کاری را می‌توان در ویدیوی زیر مشاهده کرد:
بیایید سعی کنیم از Nano AI برای نوشتن یک نقد فیلم مناسب برای ارسال در Xiaohongshu برای سریال تلویزیونی اخیراً محبوب “زندگی خوب“ استفاده کنیم و ربات مرورگر از پیش تعیین‌شده Xiaohongshu می‌تواند کار را به خوبی انجام دهد.
مراقب باشید! محتوا حاوی اسپویلر خواهد بود.
ویدیوی زیر کل فرآیند کار Nano AI را نشان می‌دهد.
می‌توانیم ببینیم که در این فرآیند، Nano AI از دو ابزار مربوط به Xiaohongshu استفاده کرده است، از جمله collect_relate_info_redbook برای جمع‌آوری اطلاعات در Xiaohongshu و red_book_generate برای تولید محتوای Xiaohongshu؛ علاوه بر این، از browser_automation_task نیز استفاده کرده است - این ابزار می‌تواند مرورگر داخلی را در برنامه Nano AI باز کند تا وظایف را انجام دهد. با دستورالعمل‌های مناسب، می‌توانید از این ابزار برای انجام وظایفی مانند رزرو بلیط قطار، ارسال در Weibo و یادداشت‌برداری در یک جمله نیز استفاده کنید.
در نهایت، در Nano AI، کاربران می‌توانند به راحتی MCP خود را پیکربندی کنند. به عنوان مثال، در اینجا، ما با تنظیم چند پارامتر، با موفقیت ابزاری را برای پرس و جو و تجزیه و تحلیل یادداشت‌های Obsidian پیکربندی کردیم.
سپس، فقط یک Agent را پیکربندی کنید که ابزار را فراخوانی کند و می‌توانیم به طور هوشمندانه یادداشت‌های جمع‌آوری‌شده خود را در Nano AI بازیابی و تجزیه و تحلیل کنیم. ویدیوی زیر یک مثال را نشان می‌دهد:
موارد فوق فقط نوک کوه یخی از قابلیت‌های Nano AI هستند. با MCP Toolbox، کارهای بسیار دیگری وجود دارد که کاربران می‌توانند انجام دهند، مانند جمع‌آوری و جستجوی اطلاعات، تولید تصاویر و محتوای ویدیویی، اجازه دادن به هوش مصنوعی برای سازماندهی یادداشت‌های قطعه‌ای flomo شما و قرار دادن نتایج در فضای کاری Notion، تجزیه و تحلیل سهام، یافتن مقرون‌به‌صرفه‌ترین مسیر پرواز برای سفر به پرتغال، مشخص کردن برنامه‌های سفر یا تناسب اندام، ایجاد گزارش‌های شرکت، مدیریت مخازن ذخیره‌سازی ابری یا فایل‌های محلی… تنها محدودیت تخیل شماست!
پنهان کردن MCP در جعبه ابزار: Nano AI چگونه این کار را انجام می‌دهد
MCP یا Model Context Protocol برای اولین بار توسط Anthropic در نوامبر 2024 منتشر شد. می‌توان گفت که یک “پل“ مهم است که مدل‌های بزرگ را به دنیای واقعی متصل می‌کند - به مدل‌ها اجازه می‌دهد نه تنها به سوالات پاسخ دهند، بلکه ابزارها را فراخوانی کنند، داده‌ها را به دست آورند و وظایف را مانند انسان‌ها انجام دهند. امسال، با پذیرش این پروتکل توسط شرکت‌های بیشتر و بیشتر، به یک استاندارد بالفعل در استفاده LLM از ابزارها تبدیل شده است و پتانسیل Agentهای هوش مصنوعی را بیشتر آزاد می‌کند.
با این حال، برای اکثر کاربران، برچسب‌های معمولی پروتکل MCP عبارتند از “پیچیدگی”، “آستانه فنی بالا” و “اختصاصی توسعه‌دهنده”. چگونه این قابلیت، که در اصل متعلق به مهندسان حرفه‌ای بود، را به هر فرد عادی تحویل دهیم؟
در پاسخ به این مشکل واقعی، پاسخ 360 این است: دیگر به شما یاد ندهید که MCP را درک کنید، بلکه مستقیماً آن را در مجموعه‌ای از جعبه ابزار “قابل مشاهده، قابل کلیک و نتیجه‌قابل پیش‌بینی” کپسوله کنید.
1. از ساده‌سازی مفهوم تا کاهش ابعاد تعامل
تیم Nano AI ابتدا ترجمه مفاهیم را انجام داد: کاربران نیازی به درک اینکه سرور MCP یا کلید API چیست ندارند، آنها فقط باید بدانند که این یک “ابزار“ یا “مهارت“ قابل استفاده است - به همین دلیل است که قبلاً از اصطلاح “ابزار” استفاده کردیم. بسته‌بندی رابط پروتکل در اصل مبهم به برچسب‌های ابزار آسان برای درک مانند “جستجو”، “نوشتن” و “تجزیه و تحلیل داده‌ها” آستانه شناختی کاربر را تا حد زیادی کاهش می‌دهد و به کاربران این امکان را می‌دهد تا به طور مستقیم‌تری معنای سرور MCP به اصطلاح برای مدل‌های بزرگ هوش مصنوعی را درک کنند. این فلسفه طراحی جعبه ابزار Nano AI است. پشت این، کپسوله کردن مجدد پروتکل MCP و بازسازی مهندسی لایه رابط است.
آنچه کاربران در رابط می‌بینند، انتخاب و کشیدن ساده است، اما در واقعیت، زمان‌بندی بیش از 100 سرور MCP است که توسط خود Nano AI توسعه یافته یا یکپارچه‌سازی با دقت انتخاب شده است. این ابزارها سناریوهایی مانند اداری، آکادمیک، مالی، موتورهای جستجو، جمع‌آوری وب و پردازش تصویر را پوشش می‌دهند. کاربران می‌توانند به مدل‌های بزرگ اجازه دهند تا به طور خودکار این “مغزهای خارجی” را فراخوانی کنند تا زنجیره‌های وظایف پیچیده را بدون نوشتن یک خط کد کامل کنند.
Nano AI حتی کلیدهای API داخلی برای چندین ابزار MCP مانند Firecrawl، Brava Search و AutoNavi Maps دارد.
2. شکستن “آخرین مایل“ بین مدل‌ها و ابزارها
در گذشته، حتی اگر مدل‌های بزرگ قابلیت‌های درک زبان قدرتمندی داشتند، همچنان در اثر جزیره‌ای “فراخوانی ابزار” به دام افتاده بودند. رویکرد Nano AI استفاده از پروتکل MCP به عنوان یک زبان واسطه است که اساساً مکانیسم همکاری “مدل بزرگ + ابزار” را از بین می‌برد.
این نه تنها مشکل فراخوانی را حل می‌کند، بلکه مرز قابلیت واقعی مدل را نیز تا حد زیادی گسترش می‌دهد. به عنوان مثال، کاربران فقط باید به Agent بگویند “به من کمک کنید یک گزارش تجزیه و تحلیل قیمت سهام NVIDIA ایجاد کنم”، و Agent می‌تواند به طور خودکار مراحل وظیفه را تجزیه کند، موتورهای جستجو را بسیج کند، محتوای صفحه را جمع‌آوری کند، نمودارهای تجزیه و تحلیل ایجاد کند و یک گزارش با ساختار واضح ارائه دهد. در طول این دوره، ممکن است 5 تا 7 ابزار فراخوانی شوند، اما کاربر فقط یک صفحه نتیجه را می‌بیند.
این دقیقاً تجسم قابلیت “ترکیب ابزار” MCP است: به Agentها اجازه می‌دهد تا به طور مستقل منابع را زمان‌بندی کنند، فرایندها را برنامه‌ریزی کنند و در طول عملیات، بازخورد آزمون و خطا و خود بهینه‌سازی را انجام دهند و یک مسیر حل مسئله بسیار انسان‌نما ایجاد کنند.
3. عملیات محلی، ایمن و قابل اعتماد: صیقل دادن عمیق پشته فناوری
برخلاف بسیاری از “بدن‌های هوشمند ابری“، Nano AI یک مسیر دشوارتر اما امیدوارکننده‌تر را انتخاب کرد: استقرار مشتریان MCP به صورت محلی، و کنترل بیشتری به کاربران داد.
این حداقل سه مزیت کلیدی را به همراه دارد:
- آزادی فراخوانی: بدن‌های هوشمند محلی می‌توانند به سیستم فایل کاربر دسترسی داشته باشند، مرورگر را فراخوانی کنند و پایگاه داده را بازیابی کنند تا به پردازش وظایف شخصی‌سازی شده واقعی دست یابند.
- شکستن موانع: در پاسخ به نیازهای منحصر به فرد هوش مصنوعی، 360 یک مرورگر هوش مصنوعی اختصاصی برای Nano AI ایجاد کرده و آن را با پلتفرم‌های اصلی در چین تطبیق داده است. این می‌تواند دیوارهای ورود، تأیید ماشین و انسان و تداخل جریان اطلاعات را بشکند و به طور خودکار عملیاتی مانند ورود و تأیید لغزشی را کامل کند.
- ضمانت Sandbox: بر اساس انباشت فناوری امنیتی 360، Nano AI در آینده نیز یک sandbox زمان اجرا محلی را معرفی خواهد کرد، که می‌تواند در زمان واقعی، نظارت، هشدارهای اولیه و محدود کردن سوء استفاده احتمالی مدل بزرگ از فایل‌های محلی را برای اطمینان از امنیت داده انجام دهد.
این کل سیستم نه تنها به کاربران اجازه می‌دهد تا از آن “استفاده کنند”، بلکه “به طور ایمن، کارآمد و مقیاس‌پذیر از آن استفاده کنند.”
4. مواجهه با کاربران انبوه: ساخت یک اکوسیستم MCP واقعاً باز
Nano AI نه تنها ابزارهای MCP را کپسوله می‌کند، بلکه در باز کردن یک اکوسیستم مهارت باز نیز پیشگام شده است. در حال حاضر، این پلتفرم با حجم بازدید ماهانه بیش از 400 میلیون، بیش از 100 ابزار MCP با کیفیت بالا را به صورت آنلاین دارد و سرورهای MCP شخص ثالث بیشتری در حال ورود هستند. کاربران می‌توانند آزادانه مهارت‌های ابزار را بارگذاری، استفاده مجدد و ترکیب کنند تا Agent هوش مصنوعی خود را ایجاد کنند.
برای کاربران عادی، این به معنای این است که دیگر”استفاده از هوش مصنوعی تعیین شده توسط دیگران” نیست، بلکه می‌تواند یک دستیار هوش مصنوعی شخصی‌سازی‌شده را با توجه به نیازهای خود بسازد. تجزیه و تحلیل مقاله، تولید داده، نظارت بر روند، ساخت صفحه وب، پیش‌بینی سهام… تا زمانی که تقاضا وجود داشته باشد، ابزارهایی وجود دارند که می‌توانند در ترکیب استفاده شوند و وظایفی وجود دارند که می‌توانند به طور خودکار اجرا شوند.
برای کل صنعت، این به معنای این است که فناوری Agent از “سیستم بسته” به مرحله “شبکه زیست‌محیطی” در حال حرکت است. ابزارها، مدل‌ها و وظایف دیگر منزوی نخواهند شد، بلکه توسط MCP به عنوان یک زبان مشترک مرتبط خواهند شد و یک الگوی همکاری هوشمند بی‌سابقه ایجاد می‌کنند.
موانع فنی شکسته شده‌اند: بدن‌های هوشمند به انتهای C می‌روند
زمانی، آستانه استفاده از بدن‌های هوشمند هنوز در چهارچوب در توسعه‌دهندگان بالا بود. اکنون، با راه‌اندازی “MCP Toolbox“ Nano AI، MCP، یک پروتکل که به عنوان زیرساخت اتوماسیون هوش مصنوعی شناخته می‌شود، برای اولین بار به شکلی تقریباً “احمق‌وار” وارد دید کاربران عادی شده است. همانطور که Zhou Hongyi، رئیس گروه 360، در جلسه به اشتراک‌گذاری قبل از انتشار گفت: “کاربران نیازی به دانستن اینکه سرور MCP به طور خودکار در Agent فراخوانی می‌شود ندارند.” Nano AI با جعبه ابزار در حال شکستن موانع فنی MCP است و به بدن‌های هوشمند اجازه می‌دهد تا بیشتر به انتهای C فرو روند.
تبدیل MCP به یک “جعبه ابزار” آسان به نظر می‌رسد، اما انجام آن دشوار است. این نه تنها توانایی ادغام فناوری را آزمایش می‌کند، بلکه “همدلی” تفکر محصول و درک کاربر را نیز آزمایش می‌کند. کاری که Nano AI انجام می‌دهد این است که پیچیدگی را در هسته کپسوله می‌کند و به کاربران آزادی می‌دهد - به طوری که هر فرد عادی می‌تواند مانند توسعه‌دهندگان اجازه “فراخوانی دنیای هوش مصنوعی” را داشته باشد.
این فرایند یک ساختار رابط بصری ساده نیست، بلکه یک تغییر الگوی عمیق در کاربرد هوش مصنوعی است: بدن‌های هوشمند دیگر فقط مدل‌هایی نیستند که می‌توانند صحبت کنند و پاسخ دهند، بلکه شرکای واقعی با توانایی زمان‌بندی قابلیت‌ها، فراخوانی ابزارها و تکمیل وظایف هستند.
از آن زمان، MCP واقعاً شروع به حرکت به سمت کاربران C-end کرده است، که ممکن است یک نقطه شروع تاریخی باشد که ارزش به خاطر سپردن را دارد.