در سال 2025 ، سرعتی که مفاهیم و عملکردهای جدید در زمینه هوش مصنوعی تولیدی ظاهر می شوند ، باعث می شود چندین دهه از زمان راه اندازی نسخه اول Chatgpt گذشته باشد. با این حال ، کمتر از سه سال گذشته است.
در اواخر سال 2024 ، انسان شناسی ، سازندگان کلود ، منتشر کرد پروتکل زمینه مدل (MCP) به عنوان منبع باز اگرچه در ابتدا بدون توجه به آن رفت ، اما امروز تقریباً در تمام مقالات ، ابزارها یا ویژگی های مربوط به AI تولیدی وجود دارد. MCP در همه جا ذکر شده است.
MCP چیست؟
MCP (پروتکل زمینه مدل) یک مشخصات منبع باز است که توسط انسان شناسی تهیه شده است.
با توجه به مستندات رسمی خود ، MCP به عنوان “USB-C به La ia”: یک رابط یکپارچه که امکان اتصال مدل های زبان با ابزارهای خارجی را به روشی استاندارد فراهم می کند.
مزیت واقعی MCP در استاندارد سازی نهفته است.
از نظر فنی ، LLM که به عنوان مشتری عمل می کند می تواند به یک سرور MCP برای دسترسی به داده ها یا عملکردهای خارجی متصل شود.
اجزای استاندارد پروتکل MCP
پروتکل زمینه مدل (MCP) بر اساس سه مؤلفه اساسی است که به سرورها امکان افشای قابلیت های مشتری را می دهد:
-
بودجه: داده های ساختاری که زمینه دیگری را برای مدل فراهم می کنند. آنها ممکن است شامل محتوای پرونده ، سوابق پایگاه داده ، پاسخ های APIS ، از جمله دیگر باشند. منابع توسط برنامه کنترل می شوند و می توانند صریحاً توسط کاربر یا به طور خودکار توسط مشتری انتخاب شوند. اطلاعات بیشتر
-
اعلان: الگوهای قابل استفاده مجدد که تعامل مشترک با مدل را تعریف می کنند. آنها اجازه می دهند تا گردش کار استاندارد و به اشتراک بگذارند ، و می توانند استدلال های پویا را بپذیرند ، شامل زمینه منابع و راهنمایی فرایندهای خاص است. اطلاعات بیشتر
-
ابزار: توابع اجرایی که مدل می تواند برای انجام اقدامات از جمله تعامل با سیستم های خارجی ، محاسبه یا اجرای دستورات استفاده کند. ابزارها توسط مدل کنترل می شوند و می توانند با این کار کشف و به طور خودکار فراخوانی شوند.
“MCP یک ساختار مدولار را فراهم می کند که به وضوح ورود ، دانش و توانایی مدل را سازماندهی می کند.”
چرا مرتبط است؟
به لطف ساختار مدولار ، MCP اجازه می دهد:
- جدایی مسئولیت ها: هر بلوک یک هدف خاص دارد.
- وضوح متن بیشتر: مدل بهتر اهداف خود را درک می کند.
- عوامل پیشرفته تر: استفاده از حافظه ، ابزار و استدلال میانی را امکان پذیر می کند.
- مقیاس پذیری: این امکان را برای ساختن معماری های مدولار و پایدار فراهم می کند.
شما در حال نوشتن یک فوریت نیستید. شما در حال طراحی یک پروتکل هستید.
نمونه عملی
اگر از یک مدل سؤال کنید که استفاده فعلی از CPU رایانه شما چیست ، احتمالاً نمی دانید. به سیستم عامل شما دسترسی ندارد ، زیرا عملکرد اصلی آن تولید متن است نه با سخت افزار.
این جایی است که MCP وارد می شود: به مدل اجازه می دهد تا از طریق ابزارهای تعریف شده توسط سرور به اطلاعات خارجی دسترسی پیدا کند.
نحوه ساخت سرور MCP در 4 مرحله
می توانید با استفاده از پایتون و کتابخانه FastMCP یک سرور MCP ایجاد کنید.
1. ایجاد server.py
from typing import Dict
import psutil
from mcp.server.fastmcp import FastMCP
mcp = FastMCP("sys-monitor")
@mcp.tool()
def get_system_stats() -> Dict[str, float]:
cpu_percent = psutil.cpu_percent(interval=1)
virtual_mem = psutil.virtual_memory()
return {
"cpu_percent": cpu_percent,
"memory_total_gb": round(virtual_mem.total / (1024 ** 3), 2),
"memory_used_gb": round(virtual_mem.used / (1024 ** 3), 2),
"memory_percent": virtual_mem.percent
}
if __name__ == "__main__":
mcp.run()
2. ایجاد requirements.txt
psutil>=5.9.0
fastmcp>=0.1.0
3. ایجاد کنید Dockerfile
FROM python:3.12-slim
WORKDIR /app
COPY requirements.txt .
RUN pip install --no-cache-dir -r requirements.txt
COPY . .
EXPOSE 8000
CMD ["python", "server.py"]
4. ساخت تصویر Docker (اختیاری)
توجه: این پیکربندی استفاده از پردازنده ظرف را گزارش می کند ، نه سیستم میزبان. برای اهداف آموزشی ، هنوز هم معتبر است.
docker build -t cpusage .
سرور MCP را به یک مدل وصل کنید
این مثال استفاده می کند دسک تاپ، اما همچنین با Amazon Q CLI یا دیگران LLM که از MCP پشتیبانی می کنند ، سازگار است.
راهنمای رسمی ادغام را دنبال کنید.
اگر پرونده شما claude_desktop_config.json خالی است ، موارد زیر را اضافه کنید:
{
"mcpServers": {
"cpusage": {
"command": "docker",
"args": [
"run",
"-i",
"--rm",
"cpusage"
]
}
}
}
اگر می خواهید سرور را مستقیماً با پایتون اجرا کنید:
{
"mcpServers": {
"cpusage": {
"command": "python",
"args": ["ruta/al/server.py"]
}
}
}
همچنین می توانید جایگزین کنید
"python"از طرفuvیا یک دستور دیگر اگر از یک محیط مجازی استفاده می کنید.
اگر در حال حاضر سرورهای تعریف شده دیگری وجود دارند ، به سادگی بلوک مربوطه را اضافه کنید.
دسکتاپ Reiniciá Claude. list لیست!
تظاهرات
یک فیلم با نسخه ی نمایشی را اینجا تماشا کنید
چگونه از آن استفاده می کنم
من از MCP در پروژه های AWS استفاده می کنم که مدل ها را با بانکهای اطلاعاتی و ابزارهای سفارشی ادغام می کنند. این ساختار به من اجازه می دهد:
- ابزارهای موجود را تعریف کنید
- زمینه مداوم و به روز شده را ارائه دهید
- محدودیت های عملیاتی روشن را تعیین کنید
علاوه بر این ، با کمی خلاقیت ، به راحتی برای سایر سیستم عامل ها قابل حمل است.
پایان
MCP فقط یک روش متفاوت برای ساخت و سازها نیست: این راهی برای طراحی معماری شناختی عوامل شما است.
اگر در سال 2025 با Genai کار می کنید و هنوز MCP را کاوش نکرده اید ، اکنون زمان آن رسیده است.
