الخطوة التالية في أتمتة الذكاء الاصطناعي: بروتوكول سياق النموذج (MCP)

تتمتع أنواع مختلفة من نماذج الذكاء الاصطناعي، بدءاً من النماذج اللغوية الكبيرة وصولاً إلى أنظمة الرؤية الحاسوبية، بالقدرة على دعم مجموعة واسعة من المهام، بما في ذلك توليد النصوص، وتحليل الصور، واكتشاف الأنماط، وإجراء التنبؤات. ومع ذلك، فإن ربط هذه النماذج بأنظمة الكمبيوتر الواقعية بطريقة سلسة وقابلة للتوسع تطلب عادةً جهود تكامل معقدة.

على الرغم من أن النموذج قد يعمل بشكل جيد بمفرده، إلا أن نشره في بيئات عملية يتطلب غالباً الوصول إلى أدوات خارجية، أو بيانات حية، أو سياق خاص بالمجال. وعادةً ما يتضمن ربط هذه العناصر معاً كتابة تعليمات برمجية مخصصة، وإعدادات يدوية، وقابلية محدودة لإعادة الاستخدام.

في الآونة الأخيرة، بدأ مفهوم بروتوكول سياق النموذج (MCP) يحظى باهتمام كبير في مجتمع الذكاء الاصطناعي. بروتوكول MCP هو معيار مفتوح يسمح لأنظمة الذكاء الاصطناعي بتبادل المعلومات مع الأدوات والملفات وقواعد البيانات باستخدام تنسيق مشترك ومنظم. وبدلاً من بناء تكاملات لكل حالة استخدام، يمكن للمطورين استخدام MCP لتبسيط كيفية وصول النماذج إلى السياق الذي تحتاجه والتفاعل معه.

يمكنك التفكير في MCP كـ "محول عالمي". تماماً كما يتيح لك محول السفر توصيل أجهزتك بمنافذ طاقة مختلفة حول العالم، يتيح MCP لنماذج AI الاتصال بأنظمة وأدوات ومصادر بيانات متنوعة دون الحاجة إلى إعداد مخصص لكل منها.

في هذه المقالة، سنلقي نظرة فاحصة على ماهية MCP، وكيفية عمله، والدور الذي يلعبه في جعل الذكاء الاصطناعي أكثر فعالية في التطبيقات الواقعية. كما سنستكشف بعض الأمثلة الواقعية للأماكن التي يُستخدم فيها MCP.

Link to this sectionما هو بروتوكول سياق النموذج؟#

بروتوكول سياق النموذج (MCP) هو معيار مفتوح أنشأته شركة Anthropic، وهي شركة أبحاث وسلامة ذكاء اصطناعي معروفة ببناء نماذج لغوية متقدمة. فهو يمنح نماذج الذكاء الاصطناعي طريقة واضحة للاتصال بالأدوات أو الملفات أو قواعد البيانات.

تعتمد معظم مساعدي الذكاء الاصطناعي اليوم على النماذج اللغوية الكبيرة للإجابة على الأسئلة أو إكمال المهام. ومع ذلك، غالباً ما تحتاج هذه النماذج إلى بيانات إضافية لتقديم استجابات جيدة. وبدون نظام مشترك، يجب بناء كل اتصال من الصفر.

على سبيل المثال، قد يحتاج برنامج دردشة آلي مصمم للمساعدة في الدعم الفني إلى سحب معلومات من نظام التذاكر الداخلي للشركة. وبدون MCP، سيتطلب ذلك تكاملاً مخصصاً، مما يجعل الإعداد مستهلكاً للوقت ويصعب صيانته.

يحل MCP هذه المشكلة من خلال العمل كمنفذ مشترك لجميع الأدوات والنماذج. إنه لا ينتمي إلى أي شركة أو نموذج واحد، بل هو مفهوم جديد لكيفية اتصال أنظمة الذكاء الاصطناعي بالبيانات والخدمات الخارجية.

الشكل 1. MCP أشبه بمنفذ مشترك لجميع الأدوات والنماذج.

يمكن لأي مطور استخدام MCP لبناء مساعدين يعملون بمعلومات حية. وهذا يقلل من وقت الإعداد ويتجنب الارتباك عند التبديل بين الأدوات أو المنصات.

Link to this sectionنشأة واعتماد بروتوكول سياق النموذج#

قدمت شركة Anthropic فكرة بروتوكول سياق النموذج (MCP) في نوفمبر 2024. بدأ كمشروع مفتوح المصدر لتحسين كيفية تفاعل النماذج اللغوية مع الأدوات والبيانات.

منذ ذلك الحين، حظي MCP باهتمام كبير. بدأ الأمر مع مطورين يبنون أدوات داخلية لأغراض مثل البحث في المستندات والمساعدة في البرمجة. وسرعان ما نما ذلك الاهتمام المبكر، مع بدء شركات أكبر في استخدام MCP في أنظمتها الإنتاجية.

الشكل 2. MCP مقابل تكامل الذكاء الاصطناعي التقليدي.

بحلول أوائل عام 2025، بدأ دعم MCP ينتشر عبر صناعة التكنولوجيا. وأعلنت OpenAI وGoogle DeepMind، وهما مختبران رائدان لأبحاث الذكاء الاصطناعي، أن أنظمتهما ستعمل مع هذا البروتوكول.

في الوقت نفسه تقريباً، أصدرت Microsoft أدوات لمساعدة المطورين على استخدام MCP بسهولة أكبر، بما في ذلك دعم منتجاتها الشهيرة مثل Copilot Studio، الذي يساعد الشركات على بناء مساعدين يعملون بالذكاء الاصطناعي، وVisual Studio Code، وهو محرر تعليمات برمجية مستخدم على نطاق واسع.

Link to this sectionالمكونات الرئيسية لبروتوكول سياق النموذج#

في قلب MCP توجد ثلاثة أجزاء رئيسية: العملاء، والخوادم، ومجموعة مشتركة من القواعد تسمى البروتوكول. تخيل الأمر كمحادثة بين طرفين: أحدهما يطلب معلومات والآخر يقدمها.

في هذا الإعداد، يلعب نظام الذكاء الاصطناعي دور العميل. عندما يحتاج إلى شيء ما، مثل ملف، أو إدخال في قاعدة بيانات، أو أداة لتنفيذ إجراء، فإنه يرسل طلباً. من الجانب الآخر، يتلقى الخادم هذا الطلب، ويجلب المعلومات المطلوبة من المكان الصحيح، ويرسلها مرة أخرى بطريقة يمكن للذكاء الاصطناعي فهمها.

يعني هذا الهيكل أن المطورين لا يحتاجون إلى بناء اتصال مخصص كلما أرادوا من نموذج ذكاء اصطناعي العمل مع أداة جديدة أو مصدر بيانات جديد. يساعد MCP في توحيد العملية، مما يجعل كل شيء أسرع وأبسط وأكثر موثوقية.

Link to this sectionنظرة عامة على كيفية عمل MCP#

فيما يلي جولة توضيحية لكيفية ربط MCP لمساعد الذكاء الاصطناعي بالبيانات أو الأدوات الخارجية:

• يتحقق المساعد مما يعرفه: عندما يسأل المستخدم شيئاً ما، يتحقق المساعد أولاً مما إذا كان لديه الإجابة بالفعل. إذا لم يكن لديه، فإنه يقرر الحصول على المساعدة من نظام آخر.
• يبني المساعد طلباً: بصفته عميل MCP، ينشئ المساعد طلباً. يتضمن هذا الطلب ما هي البيانات التي يحتاجها ولماذا.
• يصل الطلب إلى الخادم: يتم إرسال الطلب إلى خادم متصل بأداة أو تطبيق أو قاعدة بيانات. يمكن للخادم فهم الطلب والتعامل معه باستخدام قواعد MCP.
• يقوم الخادم بالعمل: قد يبحث الخادم عن بيانات، أو يشغل استعلاماً، أو يحدث ملفاً، أو ينفذ إجراءً آخر في الأداة المتصلة - أياً كان ما طلبه المساعد.
• يرد الخادم: يتم حزم البيانات بتنسيق MCP وإرسالها مرة أخرى إلى المساعد. يساعد هذا النموذج على فهمها على الفور.
• يجيب المساعد: باستخدام السياق المحدث، يستخدم المساعد المعلومات الجديدة لإكمال رده. يحصل المستخدم على إجابة دقيقة وذات صلة وتستند إلى بيانات في الوقت الفعلي.

الشكل 3. كيفية عمل MCP في تطبيقات الذكاء الاصطناعي.

Link to this sectionاستكشاف التطبيقات الواقعية لـ MCP#

في الوقت الحاضر، يُستخدم MCP بالفعل عبر مجموعة متنوعة من الأدوات والمنصات التي تعتمد على سياق الوقت الفعلي. فيما يلي بعض الأمثلة على كيفية استخدام الشركات لهذا البروتوكول لربط النماذج اللغوية بالأنظمة الحية والبيانات المهيكلة:

• تطوير البرمجيات: يكون مساعدو البرمجة أكثر فائدة عندما يعرفون ما تعمل عليه. تستخدم أدوات مثل Zed (محرر تعليمات برمجية سريع وتعاوني) وReplit (منصة عبر الإنترنت لكتابة وتشغيل التعليمات البرمجية) تقنية MCP حتى يتمكن مساعدوهم من قراءة الملفات المفتوحة ومتابعة تغييراتك أثناء البرمجة.
• مساعدو المؤسسات: تستخدم العديد من الشركات أدوات داخلية مثل الويكي، أو مكاتب المساعدة، أو أنظمة إدارة علاقات العملاء (CRM). تستخدم شركات مثل Apollo (منصة لفرق المبيعات) تقنية MCP للسماح لمساعديهم بالعثور على المعلومات عبر هذه الأنظمة - دون الحاجة إلى جعل المستخدمين ينتقلون بين التطبيقات.
• الوكلاء متعدد الأدوات: تشمل بعض المهام أنظمة متعددة. باستخدام MCP، يمكن للمساعدين البحث في المستندات وإرسال تحديثات أو رسائل بسلاسة.
• مساعدو سطح المكتب: يحتاج المساعدون الذين يعملون على جهاز الكمبيوتر الخاص بك أحياناً إلى الوصول إلى الملفات المحلية. يستخدم تطبيق سطح المكتب Claude، الذي بنته Anthropic كجزء من عائلة مساعدي الذكاء الاصطناعي الخاصة بها، تقنية MCP للتعامل مع هذه الطلبات بأمان، مع الاحتفاظ ببياناتك على جهازك بدلاً من إرسالها إلى السحابة.

الشكل 4. مثال على كيفية تعامل MCP مع البيانات عبر أنظمة متعددة.

Link to this sectionاستخدام MCP لدفع تطبيقات الرؤية الحاسوبية#

بعد ذلك، دعونا نلقي نظرة فاحصة على فرع من فروع الذكاء الاصطناعي حيث بدأ MCP في الظهور للتو: الرؤية الحاسوبية.

في حين أن نماذج الرؤية الحاسوبية مثل Ultralytics YOLO11 رائعة في تحديد الأنماط والكائنات في الصور، فإن رؤاها يمكن أن تصبح أكثر تأثيراً عند دمجها مع السياق الصحيح.

في التطبيقات الواقعية، خاصة في الرعاية الصحية، فإن إضافة سياق مثل التاريخ المرضي، أو نتائج المختبر، أو الملاحظات السريرية يمكن أن يعزز بشكل كبير من فائدة تنبؤات النموذج، مما يؤدي إلى نتائج أكثر استنارة وذات مغزى.

هنا يأتي دور بروتوكول سياق النموذج (MCP). وعلى الرغم من أنه غير مستخدم على نطاق واسع بعد ولا يزال نهجاً نامياً يستكشفه الباحثون والمهندسون، إلا أنه يظهر الكثير من الإمكانات.

Link to this sectionتعزيز التصوير الطبي باستخدام الذكاء الاصطناعي المدرك للسياق وMCP#

على سبيل المثال، في تشخيص اعتلال الشبكية السكري، وهي حالة يمكن أن تسبب فقدان البصر لدى مرضى السكري، يمكن لمساعد الذكاء الاصطناعي استخدام MCP لتنسيق أدوات متخصصة متعددة. قد يبدأ بجلب سجلات المرضى من قاعدة بيانات وتقييم مخاطر الإصابة بالسكري باستخدام نموذج تنبؤي.

بعد ذلك، يقوم نموذج رؤية حاسوبية بتحليل صور الشبكية بحثاً عن علامات التلف، مثل النزيف أو التورم، التي تشير إلى وجود أو شدة الاعتلال. وأخيراً، يمكن للمساعد البحث عن تجارب سريرية ذات صلة بناءً على ملف تعريف المريض.

يُمكّن MCP كل هذه الأدوات من التواصل من خلال بروتوكول مشترك، مما يسمح للمساعد بجمع تحليل الصور والبيانات المهيكلة في سير عمل واحد سلس.

الشكل 5. صورة شبكية معالجة بواسطة مساعد ذكاء اصطناعي يستخدم MCP.

يتم الوصول إلى كل أداة من خلال خادم MCP، مما يمكن المساعد من إرسال طلبات مهيكلة وتلقي استجابات موحدة. وهذا يلغي الحاجة إلى تكاملات مخصصة ويمكن المساعد من الجمع بين تحليل الصور وبيانات المرضى المهمة في سير عمل واحد سلس وفعال. على الرغم من أن MCP لا يزال جديداً، إلا أن هناك الكثير من الأبحاث والعمل الجاري الذي يهدف إلى جعل حالات الاستخدام هذه ممكنة عملياً.

Link to this sectionإيجابيات وسلبيات بروتوكول سياق النموذج#

فيما يلي بعض المزايا الرئيسية التي يقدمها MCP:

• اتصال متسق وموحد: يضمن البروتوكول هياكل طلب/استجابة موحدة، مما يجعل تصحيح الأخطاء وتسجيل البيانات أكثر قابلية للإدارة.
• تحسين النمطية: تصبح الأنظمة أكثر نمطية، مما يسمح للمكونات المختلفة (النماذج، الأدوات، قواعد البيانات) بالتطور بشكل مستقل.
• تسهيل الاستقلالية في الذكاء الاصطناعي الوكيل: يمكن لـ وكلاء الذكاء الاصطناعي التفكير والتصرف عبر أدوات متعددة دون سير عمل محدد بشرياً، مما يتيح سلوكاً أكثر مرونة واستقلالية.

من ناحية أخرى، إليك بعض القيود التي يجب وضعها في الاعتبار فيما يتعلق بـ MCP:

• تعقيد الإعداد الأولي: يتطلب إعداد خوادم ومضيفين متوافقين مع MCP للأنظمة الحالية جهداً هندسياً وربما إعادة التفكير في البنيات الحالية.
• عبء الأداء: يمكن أن تؤدي إضافة طبقة بروتوكول إلى حدوث زمن انتقال، خاصة إذا كانت الأدوات موزعة أو يتم الوصول إليها عبر الشبكات.
• منحنى التعلم: تحتاج فرق التطوير إلى فهم بنية MCP (المضيفون، العملاء، الخوادم) وكيفية التصميم لها، وهو ما قد يبطئ من وتيرة الاعتماد.

Link to this sectionأبرز النقاط#

تصبح نماذج الذكاء الاصطناعي أكثر قدرة، لكنها لا تزال تعتمد على الوصول إلى البيانات الصحيحة. يوفر بروتوكول سياق النموذج (MCP) للمطورين طريقة متسقة وموحدة لإنشاء تلك الاتصالات. وبدلاً من بناء كل تكامل من الصفر، يمكن للفرق اتباع تنسيق مشترك يعمل عبر أدوات وأنظمة مختلفة.

مع تزايد الاعتماد عليه، يمتلك MCP القدرة على أن يصبح جزءاً قياسياً من كيفية تصميم ونشر مساعدي الذكاء الاصطناعي. إنه يساعد في تبسيط الإعداد، وتحسين تدفق البيانات، وإضفاء الهيكلية على تفاعلات النماذج الواقعية.

انضم إلى مجتمعنا المتنامي. قم بزيارة مستودع GitHub الخاص بنا لمعرفة المزيد عن الذكاء الاصطناعي واستكشاف خيارات الترخيص لدينا للبدء في استخدام Vision AI. هل تريد معرفة كيفية استخدامه في الحياة الواقعية؟ تحقق من تطبيقات الذكاء الاصطناعي في الرعاية الصحية والرؤية الحاسوبية في تجارة التجزئة على صفحة الحلول الخاصة بنا.