العنوان: "USB-C" للذكاء الاصطناعي: اصنع بروتوكول MCP الخاص بك

قامت Anthropic بجعل Model Context Protocol (MCP) مفتوح المصدر، وهو معيار للملحقات (plug-in) يتيح لأي وكيل ذكاء اصطناعي (AI agent) التواصل مع قواعد البيانات، وأدوات المراقبة، ومستودعات الأكواد، وغيرها من خلال واجهة واحدة موحدة. يمكن للمطورين الآن استبدال مجموعة من الموصلات المخصصة بخادم MCP واحد، والسماح لكل عميل متوافق بالوصول إلى البيانات نفسها على الفور.

لماذا يحتاج مطورو تطبيقات الذكاء الاصطناعي إلى "USB-C" مشترك

إن بناء سير عمل مدعوم بالذكاء الاصطناعي اليوم يشبه حياكة أكواد مخصصة معاً. هل تريد من Claude، أو نص Python برمجي، أو محرر طرف ثالث أن يقرأ من PostgreSQL، أو يستعلم من لوحة تحكم Datadog، أو يفتح مشكلة (issue) في GitHub؟ ستحتاج إلى كتابة طبقة تكامل جديدة في كل مرة. ويتضخم هذا الجهد مع نمو مجموعة التقنيات (stack)، وتصبح "أكواد الربط" (glue code) صعبة الصيانة والاختبار والتأمين.

يوقف MCP هذه الدورة. فهو يحدد بروتوكولاً واحداً لعرض الموارد (resources) (بيانات للقراءة فقط مثل السجلات أو مواصفات API)، والأدوات (tools) (الإجراءات التي يمكن للوكيل استدعاؤها، مثل تشغيل SQL أو إنشاء تذاكر دعم)، والمطالبات (prompts) (قوالب توجه كيفية استخدام الذكاء الاصطناعي للبيانات). يتعامل أي عميل متوافق مع الخدمات المتباينة كما لو كانت متصلة بنفس المنفذ.

كيف يتم هيكلة البروتوكول

  • MCP Hosts – التطبيقات التي تدمج ذكاءً اصطناعياً، مثل Claude Desktop أو محرر مساعد للأكواد.
  • MCP Clients – طبقات خفيفة داخل المضيف (host) تتولى عملية المصافحة (handshake) وتوجيه الطلبات.
  • MCP Servers – برامج خفيفة الوزن تعرض مصدراً معيناً للبيانات أو خدمة ما، مثل ملف SQLite، أو مساحة عمل Slack، أو نقطة نهاية (endpoint) للمراقبة.

عندما يتصل الذكاء الاصطناعي، يكتشف العميل كتالوج الموارد والأدوات والمطالبات الخاص بالخادم. ثم يقوم الوكيل بإصدار استدعاءات تبدو متطابقة سواء كانت الخدمة الأساسية قاعدة بيانات علاقية أو نظام تذاكر. يقوم الخادم بترجمة هذه الاستدعاءات إلى لغة API أو لغة استعلام مناسبة ويعيد النتائج بتنسيق يمكن للوكيل استهلاكه.

سير عمل ملموس

تخيل مطوراً يربط خادم PostgreSQL ونقطة نهاية مراقبة Datadog بمساعد ذكاء اصطناعي عبر MCP. يطلب المطور من المساعد تحديد طفرات الأخطاء الأخيرة، وسحب سجلات المستخدمين المقابلة من قاعدة البيانات، واقتراح إصلاح للكود. يقوم الذكاء الاصطناعي بما يلي:

  1. يستعلم من Datadog من خلال أداة المراقبة التي يوفرها MCP ويسحب السجلات ذات الصلة.
  2. ينفذ استعلام SQL على خادم PostgreSQL باستخدام أداة قاعدة البيانات التي يوفرها MCP.
  3. ينشئ تصحيحاً (patch) من مطالبة تصف الهيكل النموذجي للإصلاح لنمط الخطأ الملحوظ.

تحدث الخطوات الثلاث جميعها من خلال البروتوكول نفسه، دون أن يضطر المطور لكتابة محولات (adapters) منفصلة لكل خدمة.

بناء خادم MCP

يوضح التنفيذ المرجعي من Anthropic أنه يمكن كتابة الخادم بلغات مألوفة مثل TypeScript أو Python. وتتلخص العملية في:

  1. التصريح عن الموارد التي سيعرضها الخادم (مثل مجموعة من الجداول، أو مجموعة من ملفات السجلات).
  2. تحديد الأدوات التي قد يستدعيها الذكاء الاصطناعي (تنفيذ SQL، أو HTTP POST، أو كتابة ملف).
  3. توفير أي قوالب للمطالبات تساعد الذكاء الاصطناعي في تنسيق طلباته.

بمجرد تشغيل الخادم، يكتشفه أي عميل متوافق مع MCP تلقائياً، مما يجعل مصدر البيانات الجديد قابلاً للاستخدام الفوري عبر أدوات الذكاء الاصطناعي في المؤسسة.

الخلاصة

يوفر Model Context Protocol "USB-C" واحداً لوكلاء الذكاء الاصطناعي، محولاً شبكة متشابكة من الموصلات المخصصة إلى نظام بيئي يعمل بمجرد التوصيل (plug-and-play). يمكن للفرق التي سئمت من كتابة أكواد الربط تجربة MCP اليوم ورؤية هذا الاختصار العملي في الواقع.