مع انتقال وكلاء الذكاء الاصطناعي من مجرد روبوتات دردشة بسيطة إلى عمال مستقلين، أصبحوا يعتمدون بشكل متزايد على Model Context Protocol (MCP) للتفاعل مع الأدوات والبيانات الخارجية. ومع ذلك، تأتي هذه القدرة مع تكلفة مالية وتكلفة في الأداء غير ظاهرة، تسعى Okta الآن إلى حلها.

فهم "ضريبة الأدوات" في تنسيق الذكاء الاصطناعي (AI Orchestration)

عندما يتفاعل وكيل الذكاء الاصطناعي مع بيئة ما عبر خادم MCP، تتطلب كل عملية استدعاء للنموذج (model call) أن يفهم الوكيل قدراته المتاحة. وللقيام بذلك، يجب على النظام تمرير القائمة الكاملة لمخططات الأدوات (tool schemas)، وأسمائها، وأوصافها، ومعاييرها (parameters) إلى سياق المطالبة (prompt context).

وقد حددت Okta هذه الظاهرة باسم "ضريبة الأدوات". ومع نمو عدد الأدوات المتكاملة، يتوسع العبء الإضافي للمطالبة (prompt overhead) بشكل أسي. ويؤدي هذا إلى زيادة كبيرة في استهلاك الرموز (tokens)، مما يضخم التكاليف التشغيلية مباشرة ويزيد من زمن الاستجابة (latency) لكل خطوة استدلال يتخذها الوكيل. وبالنسبة لعمليات النشر على مستوى المؤسسات التي تدير مئات الأدوات، يمكن أن يصبح هذا العبء عائقًا رئيسيًا لكل من الميزانية والأداء.

حل مشكلة العبء الإضافي باستخدام MCP المحدد بالهوية (Identity-Scoped MCP)

للتخفيف من عدم الكفاءة هذا، تقدم Okta قوائم أدوات MCP محددة بالهوية (identity-scoped). فبدلاً من بث كل أداة متاحة لكل طلب نموذج، يستخدم نهج Okta إدارة الهوية والوصول (IAM) لتصفية مجموعة الأدوات ديناميكيًا.

من خلال تطبيق التحديد القائم على الهوية، يوفر خادم MCP فقط تعريفات الأدوات المحددة التي يُصرح للمستخدم أو الوكيل المصادق عليه باستخدامها. فإذا كان الوكيل يعمل نيابة عن موظف مبتدئ، فإنه يتلقى مجموعة فرعية فقط من إجمالي مخطط الأدوات؛ أما إذا كان يعمل نيابة عن مسؤول (administrator)، فإنه يتلقى المجموعة الكاملة. يضمن ذلك عدم ازدحام نافذة سياق النموذج (context window) بأوصاف أدوات غير ذات صلة أو غير مصرح بها، مما يقلل بشكل فعال من عدد الرموز (tokens) المطلوبة لكل عملية استدعاء استدلال (inference call).

لماذا يهم هذا النظام البيئي للذكاء الاصطناعي

يمثل هذا التطور تحولاً حاسماً من الذكاء الاصطناعي "المتمحور حول القدرات" إلى الذكاء الاصطناعي "المتمحور حول الحوكمة". ومع توجه المطورين نحو سير عمل وكلاء (agentic workflows) أكثر تعقيدًا، يدرك القطاع أنه لا يمكن تحقيق التوسع من خلال المطالبات القائمة على القوة الغاشمة (brute-force prompting).

تعالج استراتيجية Okta اثنين من أهم العقبات في اعتماد الذكاء الاصطناعي في المؤسسات: تحسين التكلفة والأمن. فمن خلال ربط إتاحة الأدوات بالهوية، لا تكتفي Okta بتقليل "ضريبة الأدوات" فحسب، بل تفرض أيضًا مبدأ الحد الأدنى من الامتيازات (principle of least privilege) على مستوى البروتوكول. يضمن ذلك عدم تمكن وكيل الذكاء الاصطناعي عن غير قصد من اكتشاف أو محاولة استدعاء وظيفة حساسة — مثل أداة حذف قاعدة البيانات — لمجرد أن مخطط تلك الأداة كان موجودًا في سياق المطالبة.

النقاط الرئيسية

  • تقليل هدر الرموز (Tokens): يحد MCP المحدد بالهوية من مخططات الأدوات المرسلة إلى نماذج اللغة الكبيرة (LLMs)، مما يقلل مباشرة من "ضريبة الأدوات" ويخفض تكاليف الاستدلال.
  • أمن معزز: من خلال تصفية الأدوات بناءً على هوية المستخدم، تفرض Okta ضوابط وصول صارمة، مما يمنع الوكلاء من الوصول إلى وظائف غير مصرح بها.
  • سير عمل وكلاء قابل للتوسع: يسمح التحديد للمؤسسات بنشر مكتبات ضخمة من الأدوات دون الزيادة الخطية في زمن الاستجابة والعبء الإضافي للمطالبات الذي يُلاحظ عادةً في تطبيقات MCP واسعة النطاق.

الخلاصة: من خلال ربط إتاحة الأدوات بالهوية، تعمل Okta على تقليص تضخم الرموز (token bloat) الذي أعاق عمليات نشر وكلاء الذكاء الاصطناعي واسعة النطاق مع تشديد الأمن في الوقت ذاته. تدفع هذه الخطوة الصناعة نحو ذكاء اصطناعي متمحور حول الحوكمة، حيث يتم دمج التكلفة والسرعة والتحكم في الوصول داخل البروتوكول نفسه بدلاً من إضافتها لاحقًا كعنصر خارجي.