Katika mandhari ya sasa ya akili bandia (AI), dhana moja inazalisha msisimko mkubwa: MCP, au Itifaki ya Mfumo wa Kielelezo. Cha kushangaza, umakini unaozunguka mfumo huu wa itifaki umefunika hata matoleo ya hivi karibuni ya mifumo kutoka OpenAI, na kuwa kitovu cha mijadala ya tasnia.
Kuongezeka kwa umaarufu wa teknolojia ya Agent, iliyochochewa na kupanda kwa Manus, kumeongeza shauku ya watengenezaji wa kimataifa. MCP, iliyoandaliwa kama ‘itifaki iliyounganishwa’ ya utumiaji wa zana ya Agent, imepata umaarufu haraka, na kupata msaada kutoka kwa wachezaji wakuu wa AI kama OpenAI na Google ndani ya miezi miwili tu. Kupanda huku kwa kasi kumeibadilisha MCP kutoka kuwa vipimo vya kiufundi visivyojulikana sana na kuwa kiwango cha msingi ndani ya mfumo wa ikolojia wa AI, na kuashiria ‘tukio la ajabu’ katika uwanja wa miundombinu ya AI.
Walakini, msisimko wa awali unapopungua, maswali muhimu yanaibuka: Je, MCP inatumika kweli ulimwenguni pote? Je, matarajio ya uwezo wake yamekuwa makubwa mno?
Utafiti huu unaangazia asili ya MCP, unafafanua nguvu na mapungufu yake ya msingi, unafafanua dhana potofu zilizoenea, na unachunguza mwelekeo wake wa baadaye unaowezekana. Lengo si kupuuzilia mbali thamani ya asili ya MCP, bali kukuza uelewa wa msingi zaidi wa jukumu na mipaka yake. Ni kupitia uwazi kama huo tu ndipo uwezo wake unaweza kutambuliwa kikamilifu.
Kufunua MCP: Itifaki Iliyounganishwa ya Utumiaji wa Zana
Kufafanua MCP
MCP ni itifaki ya kiufundi iliyo wazi iliyoundwa ili kuweka sanifu njia ambazo Mifumo Mikuu ya Lugha (LLMs) inaingiliana na zana na huduma za nje. Fikiria kama mkalimani wa ulimwengu wote ndani ya ulimwengu wa AI, kuwezesha mifumo ya AI ‘kuzungumza’ na safu pana ya zana za nje. Inatoa lugha na muundo wa kawaida kwa LLMs kuomba na kutumia utendaji unaotolewa na programu na huduma tofauti.
Haja ya MCP
Kabla ya ujio wa MCP, utumiaji wa zana ya AI ulikuwa ukikabiliwa na changamoto mbili muhimu:
- Mgawanyiko wa Kiolesura: Kila LLM iliajiri fomati tofauti za maagizo, huku kila API ya zana ilikuwa na miundo yake ya data ya kipekee. Watengenezaji walilazimika kuandika msimbo wa uunganisho wa kawaida kwa kila mchanganyiko, na kusababisha mchakato mgumu na usiofaa wa maendeleo.
- Ufanisi mdogo wa Maendeleo: Mbinu hii ya ‘tafsiri ya moja kwa moja’ ilithibitisha kuwa ya gharama kubwa na ngumu kupima. Ilikuwa sawa na kumwajiri mkalimani aliyejitolea kwa kila mteja wa kigeni, ikizuia tija na wepesi.
MCP inashughulikia mambo haya kwa kutoa mfumo sanifu kwa LLMs kuingiliana na zana za nje, kurahisisha mchakato wa maendeleo na kuwezesha kuongezeka kwa kiwango kikubwa zaidi.
Kuelewa Utendaji wa MCP
Usanifu wa kiufundi wa MCP unaweza kufikiriwa kama mfumo unaojumuisha vipengele vitatu vya msingi: Mwenyeji wa MCP, Mteja wa MCP, na Seva ya MCP. Vipengele hivi hufanya kazi kwa ushirikiano ili kuwezesha mawasiliano yasiyo na mshono kati ya mifumo ya AI na ulimwengu wa nje.
Ili kuelewa jukumu la MCP, fikiria mazingira ya kisasa ya biashara. Katika mfano huu:
- Watumiaji huwakilisha watendaji wakuu, wanaohusika na kuelewa mahitaji ya watumiaji na kufanya maamuzi ya mwisho.
- Mifumo Mikuu ya Lugha (LLMs) (kama vile Claude au GPT) huelewa maagizo ya utendaji, hupanga hatua za kazi, huamua lini itatumia huduma za nje, na kuunganisha taarifa ili kutoa majibu.
- Mifumo ya Agent hufanya kazi kama wasaidizi wa kibinafsi au makatibu wa utendaji, wakifanya kazi kama walivyoagizwa.
- MCP hufanya kazi kama jukwaa sanifu la mawasiliano au mfumo wa ufikiaji wa huduma ya biashara unaotumiwa na makatibu. Haifanyi maamuzi bali hufuata maagizo, ikiwasiliana na watoa huduma mbalimbali katika muundo na itifaki iliyounganishwa.
Kabla ya MCP, mwingiliano wa AI na zana za nje ulikuwa sawa na enzi ya viwango vya mawasiliano vya machafuko. Kila wakati katibu (Agent) alihitaji kuwasiliana na idara tofauti au muuzaji wa nje, ilibidi atumie kifaa au programu tofauti ya mawasiliano. Hii ilihitaji ujuzi wa mifumo mbalimbali, na kusababisha ufanisi mdogo. Watengenezaji walilazimika kuandika misimbo tofauti ya uunganisho kwa kila zana, na kusababisha kupoteza muda na uwezo mdogo wa upanuzi.
MCP inarahisisha mchakato huu kwa kutoa jukwaa la mawasiliano lililounganishwa, kuruhusu makatibu kuwasiliana na idara yoyote au mtoa huduma kwa kutumia mfumo na itifaki sawa ya mawasiliano. Watengenezaji wanahitaji tu kutekeleza kiolesura cha MCP mara moja, kuwezesha mifumo ya AI kuingiliana na zana zote zinazounga mkono itifaki.
MCP: Kisanduku cha Zana Kilichojengwa kwa Simu ya Kazi
Ni muhimu kuelewa kwamba MCP si mbadala wa Simu ya Kazi ya jadi; badala yake, ni sehemu ya ziada ambayo huongeza uwezo wake.
Simu ya Kazi ndiyo njia kuu ambayo LLMs huwasiliana na zana au APIs za nje. Ni uwezo wa kimsingi wa LLMs, kuwawezesha kutambua wakati zana inahitajika na aina gani ya zana inahitajika.
MCP hufanya kazi kama mfumo wa uainishaji wa zana, kutoa mfumo uliopangwa wa kupanga na kufikia zana mbalimbali. Kwa hivyo, MCP haibadilishi Simu ya Kazi bali hufanya kazi kwa kushirikiana na Agents ili kukamilisha kazi ngumu.
Mchakato kamili wa utumiaji wa zana unahusisha mchanganyiko wa ‘Simu ya Kazi + Agent + Mfumo wa MCP.’
Kimsingi, LLM inaeleza hitaji la kupiga simu kwa zana maalum kupitia Simu ya Kazi. Agent hufuata maagizo ya kutekeleza utumiaji wa zana, huku MCP ikitoa vipimo sanifu vya utumiaji wa zana.
Fikiria mfano ufuatao: bosi (mtumiaji) anataka kahawa. Katika ofisi (Mwenyeji wa MCP), meneja wa ofisi (LLM) anamwagiza katibu (Agent) kununua Americano (Simu ya Kazi). Katibu hukagua orodha ya wasambazaji na kugundua kuwa msambazaji wa kahawa ya Americano ameunganishwa na Meituan au mfumo wa ununuzi wa pamoja wa kampuni (umeunda Seva ya MCP). Kisha katibu hupata mtoaji katika mfumo wa ununuzi (Mteja wa MCP) na kuweka agizo.
Hapo awali, bila MCP, wakati LLM ilitoa Simu ya Kazi, Agent ingetafsiri na kuunganisha moja kwa moja na API ili kutumia zana. Kila API ilihitaji modi tofauti ya utumiaji na orodha ya zana iliyofafanuliwa na modi ya utumiaji kwa Agent kutafsiri. Na MCP, APIs nyingi zinaweza kuagizwa moja kwa moja kupitia Mteja wa MCP wa muuzaji, kuokoa Agent muda na juhudi. Walakini, Simu ya Kazi ya LLM inabaki bila kubadilika, bado katika fomati {tool: ‘nunua kahawa’, ‘aina’: ‘Americano’}.
Kwa kutofautisha kati ya Simu ya Kazi na MCP, inakuwa wazi kuwa MCP haiamui zana gani ya kutumia, wala haishughulikii upangaji wa kazi au nia ya mtumiaji. Vipengele hivi vinaangukia chini ya mamlaka ya safu ya Agent. MCP inatoa tu kiolesura cha zana kilichounganishwa, na kuwa itifaki sanifu inayotambulika ndani ya tasnia.
Changamoto za Maendeleo za MCP na Mandhari ya Soko
Kitendawili cha Maendeleo
Tangu Februari, jumuiya ya maendeleo ya AI imeshuhudia ‘kukimbilia kwa dhahabu ya MCP.’ Kutokuwepo kwa duka rasmi la programu, maelfu ya zana zimeunganishwa kwa hiari na itifaki ya MCP ndani ya miezi mitatu.
Ukuaji huu wa haraka umeisukuma MCP katika tasnia lakini pia umeonyesha pengo kati ya matarajio na ukweli. Watengenezaji awali waliona MCP kama ‘ufunguo wa ulimwengu wote’ lakini wamegundua kuwa ni zaidi ya ‘wrench maalum,’ inayofanya vizuri katika matukio fulani lakini ikithibitisha kuwa haifai sana katika zingine.
Washiriki wa MCP wanaweza kuainishwa kama programu za mteja wa ndani, programu za mteja wa wingu, na watengenezaji wa seva ya MCP. Programu za ndani ni sawa na wasaidizi wa AI wa ndani, wakati programu za mteja wa wingu zinafanana na matoleo ya wavuti ya ChatGPT. Watengenezaji wa seva ya MCP ndio watoaji halisi wa zana, ambao wanahitaji kupakia upya APIs zao ili kuendana na sheria za MCP.
Kuibuka kwa MCP hapo awali kulikaribishwa na programu za mteja wa ndani, lakini programu za mteja wa wingu na watengenezaji wa seva ya MCP walikabiliwa na changamoto.
MCP ilitoka kwa programu ya Anthropic’s Claude Desktop, iliyoundwa awali kama itifaki ya kiolesura ya kutumia faili na kazi za ndani, iliyokita mizizi katika mahitaji ya upande wa mteja.
Kwa watumiaji wa mteja wa ndani, MCP iliwakilisha mapinduzi, ikitoa sanduku la zana linaloweza kupanuliwa bila kikomo ambalo liliwaruhusu watumiaji kupanua uwezo wa wasaidizi wao wa AI kila wakati.
Programu za mteja wa ndani kama vile Cursor na Claude Desktop zimetumia MCP kuwezesha watumiaji kuongeza zana kiotomatiki kulingana na mahitaji ya mtu binafsi, kufikia upanuzi usio na kikomo wa uwezo wa msaidizi wa AI.
MCP inashughulikia jambo kuu la maumivu katika maendeleo ya mteja wa ndani: jinsi ya kuwezesha programu za AI kuingiliana bila mshono na mazingira ya ndani na zana za nje bila kukuza violesura tofauti kwa kila zana. Itifaki hii iliyounganishwa inapunguza sana gharama za ujumuishaji, ikiwapa biashara ndogo ndogo na watengenezaji wa kibinafsi njia ya mkato ya kujenga programu za AI zilizojaa vipengele na rasilimali ndogo.
Walakini, rufaa ya MCP inapungua wakati wa kuzingatia maendeleo ya upande wa seva (Seva ya MCP) na wateja wa wingu. Matoleo ya mapema ya MCP yaliajiri utaratibu wa kiungo mara mbili kwa seva za wingu (za mbali), kwa kutumia muunganisho mrefu wa SSE kwa kusukuma ujumbe wa unidirectional kutoka kwa seva hadi kwa mteja na muunganisho mfupi wa HTTP kwa kutuma ujumbe.
Mbinu hii ilifanya kazi vizuri kwa maoni ya wakati unaofaa ya mtumiaji na uingiliaji kati lakini iliunda mfululizo wa changamoto za uhandisi katika mazingira ya upande wa seva.
Kwanza, kutekeleza kiolesura cha MCP kunawakilisha mzigo wa ziada wa kazi kwa watoa huduma wakubwa wa biashara, bila kuzaa faida zinazolingana. Huduma hizi mara nyingi zina mifumo ya API iliyoiva, na kutoa safu ya ziada ya upatanishi wa MCP inaweza tu kuongeza gharama za matengenezo bila kuunda thamani kubwa. Programu nyingi za kiwango cha biashara hupendelea mifumo iliyofungwa, inayodhibitiwa ya utumiaji wa zana kuliko mfumo ikolojia wazi wa MCP.
Zaidi ya hayo, ili kushughulikia utumiaji wa upatanishi wa juu, huduma za MCP mara nyingi zinahitaji kupimwa kwa usanifu wa seva nyingi. Muundo wa muunganisho wa mara mbili wa MCP unaanzisha utata wa kushughulikia mashine mtambuka. Muunganisho mrefu unapowekwa kwenye seva moja, na ombi linaelekezwa kwa seva nyingine, utaratibu wa ziada wa foleni ya matangazo unahitajika ili kuratibu muunganisho huu uliosambazwa, na kuongeza kwa kiasi kikubwa ugumu wa utekelezaji na gharama za matengenezo.
Pili, MCP ina mapungufu katika uwanja wa programu za wingu. AI Agents za wingu (Agents za upande wa seva) kwa kawaida huendesha huduma zisizo na hali, huchakata kazi baada ya kukubaliwa na kutoa rasilimali baada ya kukamilika. Kutumia Mteja wa MCP upande wa seva kunahitaji kuundwa kwa muda mfupi wa kiungo cha SSE, kutuma ombi la utumiaji wa zana, kupokea matokeo kutoka kwa SSE, na kisha kufunga kiungo cha SSE, ambayo ni mbinu isiyofaa ambayo huongeza utata na kupunguza utendaji. Ombi moja la RPC linapaswa kutosha katika hali hii.
Katika mazoezi, programu za wingu zinazotumia MCP mara nyingi hutegemea zana zilizowekwa tayari na hazitumii uwezo wa saini wa MCP wa ugunduzi wa zana otomatiki na upakiaji rahisi.
Njia ya mwingiliano wa data ya mazingira ya wingu hupunguza uwezo wa kutumia zana kwa uhuru kama MCP ilivyokusudiwa. Inahitaji mchakato sanifu sana wa kutumia zana maalum, zilizosimbiwa kwa bidii, ikitoa ubadilikaji.
Timu ya MCP imeonyesha mwitikio kwa maoni ya watumiaji. Baada ya kupokea maoni kutoka kwa watengenezaji wa upande wa seva, MCP ilisasisha itifaki yake mnamo Machi 26, ikibadilisha usafirishaji wa asili wa SSE na usafirishaji wa HTTP unaoweza kutiririka. Itifaki mpya inasaidia hali zisizo na hali ambazo zinahitaji tu maombi moja ya utumiaji wa zana na mahitaji ya kusukuma ya wakati halisi ambayo hapo awali yalifikiwa kupitia viungo viwili vya HTTP + SSE.
Maboresho haya yanaonyesha kuwa masuala ya sasa ya MCP yanatokana na mapungufu ya muundo wa awali lakini hayawezi kushindwa.
Usumbufu wa Soko
Changamoto nyingine inayokabili MCP ni utumiaji mdogo wa utekelezaji mwingi sokoni.
Soko la sasa la MCP linapitia mzunguko wa kawaida wa msisimko wa teknolojia. Sawa na machafuko ya Duka la Programu la mapema, chini ya 20% ya maelfu ya zana za MCP zinazopatikana kwa sasa zina thamani ya vitendo. Utekelezaji mwingi una masuala makubwa, kuanzia makosa rahisi ya usanidi hadi kutoweza kutumika kabisa. Baadhi hufanywa haraka sokoni bila majaribio ya kutosha, wakati zingine ni bidhaa za majaribio ambazo hazikusudiwa kutumiwa kivitendo.
Suala la kimsingi zaidi ni kwamba utekelezaji mwingi wa MCP hauwezi kuhitajika na soko. Zana nyingi zinazotolewa kupitia MCP ni APIs zilizopakuliwa upya tu ambazo zilikuwa tayari zinapatikana na kutumika kabla ya kuibuka kwa MCP, na kuongeza thamani ndogo ya kipekee.
Kwa mfano, huduma kadhaa za utafutaji zinatolewa kupitia MCP, lakini ubora wao unatofautiana sana. Huduma zingine zinaweza kuwa zisizo sahihi au polepole, na kuzifanya zisizohitajika kuliko suluhisho zilizopo.
Zaidi ya hayo, MCP haina mfumo thabiti wa tathmini, na kuifanya iwe vigumu kwa Agents kuchagua zana inayofaa zaidi kulingana na metrics za kuaminika. Mchakato huu usiofaa wa uteuzi unapoteza rasilimali za kompyuta, huongeza muda wa kukamilisha kazi, na hupunguza uzoefu wa mtumiaji.
Ukosefu wa mfumo wa tathmini hufanya iwe vigumu kwa mawakala kuchagua zana inayofaa zaidi. Huduma nyingi za MCP zinapotoa zana zilizo na majina na maelezo sawa, wakala anaweza kushindwa kuchagua chaguo bora, na kusababisha ishara zilizopotea na kupungua kwa ufanisi.
Programu zilizofanikiwa zaidi za AI mara nyingi huchukua mbinu tofauti, kutoa zana sahihi zaidi badala ya idadi kubwa ya zana. Manus, kwa mfano, alichagua kujenga programu za ndani badala ya kupitisha itifaki ya MCP, licha ya kuwepo kwake. Manus alitanguliza usahihi wa simu na utulivu kuliko kuunganishwa na mfumo ikolojia wa MCP.
Wahahariri wa msimbo kama vile Cursor wana kazi za maendeleo zilizojengwa ndani, na kufanya zana nyingi za nje za MCP kuwa za ziada.
Hali ya sasa ya machafuko ya soko la MCP sio lazima ishara ya kushindwa lakini badala yake ni hatua muhimu ya ukuaji kwa mfumo wowote wa teknolojia unaoibuka. Historia inaonyesha kwamba upanuzi huu wa awali utabadilika polepole kupitia njia za uteuzi wa soko, na kuacha nyuma vitu vya thamani zaidi.
Mchakato huu utaruhusu tasnia kujifunza kutoka kwa changamoto za sasa na kuunda mfumo thabiti zaidi, wa kuaminika wa MCP. Sawa na jinsi Bubble ya dot-com ilisababisha ubunifu unaobadilisha mchezo katika e-commerce na media ya kijamii, mwelekeo wa MCP unaweza kusababisha mfumo ikolojia wa zana uliorahisishwa na wenye thamani zaidi.
Mtazamo wazi wa timu ya MCP kuelekea maoni ya watumiaji unatia moyo, na tasnia inahitaji zana bora za kutathmini na kuhakikisha ubora wa huduma za MCP, ambayo itasaidia kufanya mfumo ikolojia utumike zaidi.
MCP Ni Nzuri, Sio Kinga
Masuala yaliyotajwa hapo juu yanatokana na mapungufu na upungufu wa MCP, kuonyesha kile inachoweza kufikia kwa kweli. Walakini, ukosoaji mwingine unatoka kwa matarajio yasiyo ya kweli.
Ukosoaji mmoja wa hivi majuzi unaeleza MCP kama itifaki yenye kasoro kwa sababu haiamuru mifumo ya mwingiliano kati ya LLMs na MCP.
Wengine wanatarajia MCP kuboresha kiotomatiki ufanyaji maamuzi wa mfumo wa AI au kuongeza ufanisi wa upangaji wa kazi. Matarajio haya yanachanganya zana na wasanii.
Suala hilo linatokana na kutolingana kwa utambuzi - kutarajia itifaki ya mawasiliano kufanya kazi za mfumo mzuri. Hii ni kama kulaumu USB kwa kutohariri picha au kukosoa viwango vya 5G kwa kutokuandika msimbo. MCP kimsingi ni ‘tundu la zana’ sanifu, kuhakikisha utangamano wa plagi badala ya kuamuru ni kifaa gani cha kutumia au jinsi gani.
Ufanisi wa utumiaji wa zana ya Agent unategemea mambo kama ustadi wa uteuzi wa zana, ujuzi wa upangaji wa kazi, na uelewa wa muktadha, hakuna hata moja ambayo iko chini ya mamlaka ya MCP. MCP inahakikisha tu kiolesura cha zana sanifu, sio jinsi zana hizo zitachaguliwa na kuunganishwa.
Mara nyingi tunatafuta risasi za fedha katika teknolojia, suluhisho zinazotumika ulimwenguni pote. Kama kanuni ya uhandisi wa programu ya ‘hakuna risasi ya fedha,’ matumizi ya zana ya AI hayana suluhisho la kichawi. Mfumo thabiti wa AI unahitaji vipengele vilivyoundwa: LLMs kwa uelewa na uzalishaji, mifumo ya Agent ya kupanga na kutekeleza, na MCP ililenga violesura vya zana vilivyounganishwa.
MCP inaonyesha muundo mzuri wa itifaki - kulenga tatizo moja na kulitatu vizuri, badala ya yote. Kizuizi chake kinasaidia maendeleo katika ujumuishaji wa zana za upande wa mteja.
Mashirika kama vile Qwen ya Alibaba, ‘Xinxiang’ ya Baidu, na Kouzi Space ya ByteDance yanakumbatia itifaki ya MCP, yakijaribu kuanzisha mifumo ikolojia bora ya ndani ya MCP.
Walakini, kuna tofauti muhimu katika upelekaji: Baidu na ByteDance wana nguvu zaidi. Baidu anajaribu mbinu ya C-end, kuunganisha mifumo kadhaa ya AI na zana za nje kupitia ‘Xinxiang’ (Kokone) kwa kutumia itifaki ya MCP, hasa kwa vifaa vya mkononi, kuunganishwa katika maisha ya kila siku ya mtumiaji na kuhimiza kupitishwa.
Kouzi Space ya ByteDance ina programu-jalizi 60+ za upanuzi wa MCP. Inapatikana kupitia ukurasa wa wavuti, pia ilizindua IDE ya asili ya AI, Trae, ambayo inasaidia MCP, haswa kulenga matukio ya tija.
Alibaba aliunganisha itifaki ya MCP katika bidhaa kama vile Alipay, kuwezesha utumiaji wa zana ya AI ya kubofya mara moja, na kufungua chanzo kielelezo cha Qwen3, ambacho kinaunga mkono itifaki ya MCP, na kuimarisha uwezo wake wa Agent.
Watengenezaji wa Tencent Cloud walitoa kifurushi cha maendeleo cha AI ambacho kinasaidia huduma za upangishaji wa programu-jalizi za MCP. Injini kubwa ya maarifa ya mfumo ya Tencent Cloud inawawezesha watumiaji kupiga simu programu-jalizi za MCP. Wakala mwerevu wa maendeleo ya programu ya Ufundi iliyozinduliwa na CodeBuddy ya Tencent Cloud inaambatana na mfumo ikolojia wazi wa MCP. Zaidi ya hayo, Ramani za Tencent na Hifadhi ya Wingu ya Tencent zimetoa SEVA yao ya MCP.
Matumizi ya zana ya AI yanaweza kubadilika kutoka kwa operesheni ya moja kwa moja, ya zana moja hadi ushirikiano wa kitaalamu wa Agent, kama vile mitindo ya programu ilivyobadilika kutoka lugha ya kusanyiko hadi mwelekeo wa kitu.
Katika dhana hii, MCP inaweza kuwa sehemu ya miundombinu ya msingi, badala ya kiolesura cha mtumiaji au msanidi programu. Mpango kamili zaidi unaweza kuhitaji usanifu kama Agent kwa Agents (A2A) ili kuimarisha upangaji wa kazi na ufanisi wa uteuzi wa zana kwa kuongeza viwango vya uchukuaji.
Kwa kurudisha MCP kwenye jukumu lake la ‘itifaki,’ tunaweza kutambua uwezo wake wa kweli wa kuendesha usawa wa tasnia - hii inaweza kuwa wakati wa ‘kuondoa mafumbo’ unaothaminiwa zaidi katika mageuzi ya teknolojia.