MCP و اکوسیستم ایجنت‌ها

در ۱۴۰۳-۱۴۰۴ یه تحول ساکت در دنیای AI ایجنت‌ها اتفاق افتاد: پروتکل MCP (Model Context Protocol) به یه زبان مشترک بین ایجنت‌ها و ابزارها تبدیل شد. این مقاله توضیح می‌ده MCP چرا مهمه، چطور اکوسیستم ایجنت‌ها رو تغییر داده، و چه چیزی برای توسعه‌دهنده و کاربر ایرانی معنی داره.

مشکل قبل از MCP

یه ایجنت AI که می‌خواست با ابزارهای مختلف کار کنه — مثلاً به GitHub دسترسی داشته باشه، دیتابیس رو بخونه، ایمیل بزنه — باید هر بار از صفر integration می‌نوشت. هر ابزار یه API مخصوص به خودش داشت، هر مدل زبانی روش خاص خودش برای فراخوانی ابزار. نتیجه: یه جزیرهٔ تکنولوژی بود که نه قابل استفادهٔ مجدد بود نه قابل ترکیب.

Anthropic در نوامبر ۲۰۲۴ MCP رو به عنوان یه استاندارد اوپن‌سورس منتشر کرد. ایده ساده بود: بذار یه زبان مشترک وجود داشته باشه که هر AI agent بتونه با هر ابزاری با همون پروتکل ارتباط برقرار کنه.

MCP چیست؟ (خلاصه فنی)

MCP یه پروتکل ارتباطیه که روی JSON-RPC ساخته شده. سه مفهوم اصلی داره:

Resources — داده‌هایی که ابزار در اختیار مدل می‌ذاره. مثلاً یه MCP server برای Git می‌تونه محتوای فایل‌ها، تاریخچهٔ commit‌ها، یا diff رو به عنوان resource ارائه بده.

Tools — توابعی که مدل می‌تونه فراخوانی کنه. مثلاً create_branch, run_tests, query_database.

Prompts — قالب‌های از پیش ساخته که کاربر می‌تونه انتخاب کنه. مثل «خلاصهٔ PR آخر رو برام بنویس».

ارتباط بین مدل و MCP server از طریق stdio (برای server‌های محلی) یا HTTP+SSE (برای server‌های remote) برقرار می‌شه.

چرا اکوسیستم؟

قبل از MCP، integration‌ها یک‌طرفه بودن: تیم Claude یه integration با GitHub می‌ساخت، تیم دیگه‌ای یه integration با Jira. بعد از MCP، هر توسعه‌دهنده‌ای می‌تونه یه MCP server بسازه که با همهٔ کلاینت‌های سازگار کار کنه — Claude Desktop، Cursor، Zed، AiraCode، و هر چیز دیگه‌ای که پروتکل رو پیاده می‌کنه.

این شبیه به چیزیه که USB برای سخت‌افزار کرد: به‌جای اینکه هر دستگاه کانکتور خاص خودش داشته باشه، یه استاندارد همه رو به هم وصل کرد.

اکوسیستم MCP Server‌ها در ۱۴۰۴

تا اواخر ۱۴۰۴، صدها MCP server در گیتهاب موجوده. مهم‌ترین دسته‌ها:

ابزارهای توسعه:

• filesystem — خواندن و نوشتن فایل محلی
• git — کار با مخزن Git
• github — مدیریت issue، PR، و repo
• postgres/sqlite — کوئری مستقیم دیتابیس

سرویس‌های بهره‌وری:

• brave-search — جستجوی وب در real-time
• fetch — دریافت محتوای URL
• Google Drive، Notion، Slack — ادغام با ابزارهای کاری

ابزارهای خاص:

• puppeteer/playwright — کنترل مرورگر
• docker — مدیریت container
• aws/gcp — کار با زیرساخت ابری

چطور MCP ایجنت‌ها رو تغییر داد؟

قبل از MCP، ایجنت‌های AI در یه «حباب» کار می‌کردن: می‌تونستن متن تولید کنن، ولی برای «انجام کار واقعی» نیاز به integration دستی داشتن.

با MCP، یه ایجنت می‌تونه در یه مکالمه: ۱. مخزن GitHub رو بررسی کنه ۲. تست‌ها رو اجرا کنه ۳. داده‌های دیتابیس رو بخونه ۴. یه issue جدید بسازه

همه بدون اینکه توسعه‌دهنده یه خط integration code بنویسه — فقط MCP server‌های موجود رو وصل می‌کنی.

معماری چند ایجنت با MCP

یه تحول مهم‌تر که داره شکل می‌گیره: multi-agent orchestration روی MCP. تصور کن:

• یه ایجنت «ارکستراتور» وظیفه رو تقسیم می‌کنه
• ایجنت‌های «worker» هر کدوم یه MCP server مخصوص دارن (کد، تست، داکیومنت)
• نتایج از طریق همون پروتکل جمع می‌شن

پروژه‌هایی مثل LangGraph و CrewAI دارن این معماری رو با MCP ترکیب می‌کنن. نتیجه: ایجنت‌هایی که واقعاً «کار» می‌کنن، نه فقط متن تولید می‌کنن.

MCP از دید کاربر ایرانی

برای کاربر ایرانی، MCP چند معنی عملی داره:

اگه توسعه‌دهنده هستی: می‌تونی MCP server برای سرویس‌های ایرانی بسازی — یه سرور برای دیجی‌کالا API، یه سرور برای سرویس‌های ابری ایرانی. هر ابزار AI سازگار با MCP می‌تونه ازش استفاده کنه.

اگه کاربر AiraCode هستی: AiraCode از MCP پشتیبانی می‌کنه — می‌تونی MCP server‌های custom به پروژه‌ات وصل کنی. یعنی ایجنت کدنویسی‌ات می‌تونه با دیتابیس، API، یا ابزارهای اختصاصی شرکتت ارتباط داشته باشه.

در سطح فلسفی: MCP داره ایجنت‌ها رو از «قفس متن» در می‌آره. یه ایجنت با MCP می‌تونه اثر واقعی در دنیای دیجیتال بذاره — کد کامیت کنه، ایمیل بزنه، سرویس deploy کنه.

محدودیت‌ها و نکات احتیاط

MCP هنوز جوانه. چند مشکل واقعی:

• امنیت — یه MCP server با دسترسی filesystem می‌تونه هر فایلی رو بخونه. باید دسترسی‌ها دقیق تنظیم بشه.
• Prompt injection — یه ابزار مخرب می‌تونه سعی کنه ایجنت رو دستکاری کنه. این یه ریسک جدیه.
• Latency — هر فراخوانی ابزار یه round-trip به MCP server داره. برای ایجنت‌های پیچیده، این delay مهم می‌شه.
• استانداردسازی ناقص — هنوز همهٔ کلاینت‌ها همهٔ feature‌های MCP رو پشتیبانی نمی‌کنن.

آینده: MCP به عنوان لایهٔ اتصال AI

پیش‌بینی من اینه که MCP داره تبدیل به «TCP/IP ایجنت‌ها» می‌شه — یه لایهٔ زیرساختی که روش اکوسیستم کامل‌تری می‌شه ساخت. همون‌طور که TCP/IP باعث شد هر کامپیوتری بتونه با هر کامپیوتر دیگه‌ای حرف بزنه، MCP داره این رو برای ایجنت‌ها می‌کنه.

شرکت‌های بزرگ مثل Microsoft، Google، و تیم‌های فریم‌ورک‌های ایجنت دارن support اضافه می‌کنن. این نشونهٔ خوبیه که MCP یه استاندارد گذراست نه یه ترند.

همچنین بخوان

• MCP چیست؟
• ایجنت هوش مصنوعی چیست؟
• شناخت پیوسته در هوش مصنوعی
• LangGraph و سیستم‌های چند ایجنت
• CrewAI — تیم ایجنت‌های همکار