اگر این روزها کمی در حوزه هوش مصنوعی و توسعه نرمافزار فعالیت کنید، حتماً به اصطلاح MCP یا Model Context Protocol برخوردهاید. این پروتکل که اواخر سال ۲۰۲۴ توسط Anthropic بهصورت متنباز معرفی شد، در کمتر از دو سال به یکی از پرکاربردترین استانداردهای دنیای هوش مصنوعی تبدیل شده است. اگر تا امروز فکر میکردید MCP فقط یک ابزار تخصصی برای برنامهنویسهاست، باید بگوییم اشتباه میکردید؛ امروز این پروتکل ستون فقرات بسیاری از دستیارهای هوشمند و ابزارهای خودکارسازی است که مدلهای زبانی بزرگ مثل کلود یا مدلهای دیگر را به دادهها و سرویسهای واقعی متصل میکند.
در این مطلب سعی میکنیم بدون پیچیدهکردن موضوع، توضیح دهیم MCP سرور دقیقاً چه کاری انجام میدهد، چرا اهمیت پیدا کرده و آخرین تغییراتی که در نسخه جدید این پروتکل رخ داده چه معنایی برای توسعهدهندگان دارد.
MCP سرور دقیقاً چیست؟
به زبان ساده، مدلهای زبانی بهتنهایی فقط میتوانند بر اساس دادههایی که در زمان آموزش دیدهاند پاسخ بدهند. آنها نه به فایلهای شما دسترسی دارند، نه به دیتابیس شرکتتان، نه به تقویم گوگل یا سیستم مدیریت پروژه. اینجاست که MCP وارد میدان میشود. این پروتکل یک زبان مشترک تعریف میکند که به کمک آن، یک برنامه هوش مصنوعی (که به آن Client میگویند) میتواند به یک سرور متصل شود و از قابلیتهای آن استفاده کند؛ قابلیتهایی مثل خواندن فایل، اجرای یک ابزار، یا گرفتن اطلاعات زنده از یک سرویس بیرونی.
خیلیها MCP را با یک پورت USB-C مقایسه میکنند؛ همانطور که این پورت به هر دستگاهی اجازه میدهد بدون نیاز به کابل و آداپتور اختصاصی به هر لپتاپی وصل شود، MCP هم به هر مدل هوش مصنوعی اجازه میدهد بدون نوشتن کد یکپارچهسازی مخصوص، به هر ابزار یا سرویسی که یک سرور MCP برایش نوشته شده وصل شود.
چرا این پروتکل اینقدر سریع رشد کرد؟
رشد MCP واقعاً چشمگیر بوده است. طبق گزارش رسمی تیم توسعه این پروتکل، فقط در کیتهای توسعه رسمی (SDK) پایتون و تایپاسکریپت، دانلودها از مرز یک میلیارد گذشته و ماهانه چیزی نزدیک به نیم میلیارد دانلود ثبت میشود. این رشد نشان میدهد MCP دیگر یک پروژه آزمایشی نیست، بلکه زیرساختی است که شرکتهای بزرگ و کوچک برای ساخت گردشکارهای هوشمند به آن تکیه میکنند.
دلیل اصلی این استقبال، ساده بودن مدل آن است. یک سرور MCP سه قابلیت اصلی را میتواند در اختیار مدل قرار دهد:
- ابزار (Tool): توابعی که مدل میتواند فراخوانی کند، مثل ارسال ایمیل یا جستوجو در دیتابیس
- منبع (Resource): دادههایی که مدل میتواند بخواند، مثل یک فایل یا رکورد
- پرامپت (Prompt): قالبهای آمادهای که سرور در اختیار مدل میگذارد
تغییرات مهم نسخه تازه پروتکل
پروتکل MCP از زمان معرفی چند بار بهروزرسانی شده، اما آخرین نسخه که در تاریخ ۲۸ جولای ۲۰۲۶ نهایی شد، بزرگترین تغییر تاریخ این پروژه بهحساب میآید. مهمترین تحول این نسخه، حذف مفهوم نشست یا Session در لایه پروتکل است. تا پیش از این، هر ارتباط بین کلاینت و سرور نیاز به یک شناسه نشست داشت که باید در تمام درخواستها حفظ میشد؛ همین موضوع باعث میشد راهاندازی سرورهای MCP در مقیاس سازمانی، پیچیده و پرهزینه باشد.
در نسخه جدید، پروتکل بهطور کامل بدونحالت یا Stateless شده است. این یعنی هر درخواست میتواند توسط هر نمونه از سرور، پشت یک Load Balancer معمولی پاسخ داده شود، بدون نیاز به نشستهای چسبنده یا زیرساخت پیچیده. تیم توسعهدهنده این ویژگی را بزرگترین تغییر از زمان اضافهشدن سیستم احراز هویت به پروتکل توصیف کرده است.
از دیگر ویژگیهای تازه این نسخه میتوان به این موارد اشاره کرد:
- MCP Apps: امکان ساخت رابطهای تعاملی HTML که در یک iframe ایزوله در برنامه میزبان نمایش داده میشوند
- Tasks: پشتیبانی رسمی از عملیات طولانیمدت که بهصورت یک افزونه جداگانه از هسته پروتکل ارائه شده
- سختگیری بیشتر در احراز هویت، هماهنگ با استانداردهای OAuth و OpenID Connect
- سیاست رسمی منسوخشدن ویژگیها، به این معنا که هر قابلیتی که منسوخ اعلام شود، حداقل تا دوازده ماه همچنان کار میکند
نکتهای که برای توسعهدهندگان و صاحبان کسبوکار مهم است این است که این نسخه تغییرات ناسازگار با نسخههای قبلی دارد؛ یعنی سرورهایی که با استاندارد جدید نوشته شدهاند، لزوماً با کلاینتهای قدیمی کار نمیکنند و برعکس. اگر روی یک سرور MCP فعال کار میکنید، بهتر است روند مهاجرت را در برنامه توسعه خود جدی بگیرید.
کاربردهای عملی MCP سرور در دنیای واقعی
فراتر از جنبه فنی، MCP در عمل کاربردهای ملموسی دارد. برای مثال، تیمهای طراحی از سرورهای MCP برای انتقال مستقیم خروجیهای تولیدشده توسط هوش مصنوعی به بوم فیگما استفاده میکنند تا بتوانند بلافاصله روی آنها ویرایش انجام دهند. در حوزه توسعه نرمافزار، سرورهای MCP به دستیارهای کدنویسی اجازه میدهند مستقیماً به مخازن گیتهاب، پایگاههای داده یا سیستمهای تیکتینگ وصل شوند و بدون واسطه، کار را انجام دهند. در سازمانها هم این پروتکل بهعنوان لایهای برای احراز هویت مدیریتشده استفاده میشود تا دسترسی هوش مصنوعی به دادههای حساس، کنترلشده و قابلردیابی باشد.
جمعبندی
MCP دیگر یک استاندارد نوپا نیست؛ به یک زیرساخت جدی برای اتصال هوش مصنوعی به دنیای واقعی تبدیل شده و نهادهایی مثل Agentic AI Foundation زیر نظر بنیاد لینوکس، مسیر توسعه آن را هدایت میکنند. اگر قصد دارید یک محصول یا سرویس مبتنی بر هوش مصنوعی بسازید که نیاز به اتصال به دادهها یا ابزارهای بیرونی دارد، آشنایی با MCP و ساخت یا استفاده از یک سرور مناسب، امروز دیگر یک انتخاب لوکس نیست بلکه یک ضرورت است.
