MCP مقابل API: لماذا تفشل واجهات برمجة التطبيقات (APIs) التقليدية مع وكلاء الذكاء الاصطناعي

واجهات برمجة التطبيقات التقليدية تجعل وكلاء الذكاء الاصطناعي (AI agents) لديك بطيئين ومكلفين.

لقد قضيت سنوات في بناء تطبيقات الويب باستخدام REST و GraphQL. أعرف كيفية التعامل مع الحالة (state) وتحسين حمولات البيانات (payloads). لكن البناء من أجل وكلاء الذكاء الاصطناعي أمر مختلف تماماً.

غالبًا ما نعامل النماذج اللغوية الكبيرة (LLMs) مثل المطورين البشر؛ نعطيهم نقطة نهاية API (endpoint) ونتوقع منهم العمل. هذا خطأ.

يغير بروتوكول سياق النموذج (Model Context Protocol - MCP) هذا الأمر. إنه معيار مفتوح للاتصال بالذكاء الاصطناعي. إذا كنت تكتب كود ربط مخصص (glue code) لتوصيل الـ LLMs بأدواتك، فأنت تخلق ديونًا تقنية (technical debt).

لماذا تفشل الـ APIs التقليدية مع وكلاء الذكاء الاصطناعي:

  • مشكلة N x M: إذا كان لديك 5 أطر عمل للذكاء الاصطناعي و5 أدوات مؤسسية، فيجب عليك كتابة 25 موصلاً مخصصاً. يحول MCP هذا إلى بنية N + M؛ حيث تستخدم كل أداة خادم MCP واحد، ويستخدم كل وكيل عميل MCP واحد.
  • الثبات مقابل الديناميكية: تتطلب واجهات REST APIs مسارات محددة مسبقاً (hardcoded paths). بينما يحتاج وكلاء الذكاء الاصطناعي إلى اكتشاف الأدوات أثناء وقت التشغيل (runtime). يسمح MCP للوكلاء برؤية القدرات المتاحة فوراً من خلال الاكتشاف الديناميكي.
  • هدر الرموز (Token Waste): غالباً ما تعيد الـ APIs التقليدية حمولات JSON ضخمة. الحمولات الكبيرة تهدر الأموال وتزيد من زمن الاستجابة (latency)، كما أنها تسبب "تآكل السياق" (context rot) حيث يفقد النموذج تركيزه. يعيد MCP بيانات محسنة لنوافذ الـ LLM.
  • عدم حفظ الحالة (Statelessness): واجهة REST هي stateless. أما وكلاء الذكاء الاصطناعي فيعملون في حلقة مستمرة من التفكير والعمل. يستخدم MCP جلسات تحفظ الحالة (stateful sessions) للحفاظ على السياق حياً دون الحاجة لإعادة إرسال بيانات ضخمة.

يستخدم MCP ثلاثة أجزاء أساسية:

  • الأدوات (Tools): الإجراءات التي يتخذها النموذج، مثل تشغيل استعلام SQL.
  • الموارد (Resources): بيانات للقراءة فقط مثل ملفات السجلات (log files) أو المستندات.
  • المطالبات (Prompts): قوالب توجه تفكير النموذج.

لا يحل MCP محل قاعدة البيانات الخاصة بك أو الواجهة الخلفية (backend) لديك. سيظل خادم MCP الخاص بك يستدعي الـ APIs الموجودة لديك بالفعل. يقوم MCP باستبدال الكود الهش الذي تكتبه لتوصيل تلك الخدمات بـ LLM.

توقف عن كتابة وظائف مخصصة لتحويل JSON إلى نصوص (stringify JSON) لاستدعاءات الـ LLM الخاصة بك. ابنِ بنية تحتية قابلة للتوسع لمستقبل الأنظمة الوكيلية (agentic future).

ما هي أفكارك؟ هل تستخدم MCP بالفعل أم لا تزال تعتمد على استدعاء الوظائف المخصص (custom function calling)؟

المصدر: https://dev.to/chaudharidevam/mcp-vs-api-why-traditional-apis-are-failing-ai-agents-28m8

مجتمع تعليمي اختياري: https://t.me/GyaanSetuAi