تاریخچهای کوتاه از سرور پروتکل زمینه مدل (MCP)
در نوامبر ۲۰۲۴، شرکت آنتروپیک استاندارد باز MCP را معرفی کرد که «به توسعهدهندگان امکان میدهد تا ارتباطات امن و دوسویه بین منابع داده خود و ابزارهای مبتنی بر هوش مصنوعی برقرار کنند.» با این حال، این استاندارد تا مارس ۲۰۲۵ چندان مورد توجه قرار نگرفت تا زمانی که مدیرعامل OpenAI و مدیرعامل گوگل موضوع MCP را برای بحث در X مطرح کردند. افزایش علاقه بازیگران کلیدی در حوزه فناوری همراه با ظهور هوش مصنوعی عاملمحور و عاملهای هوش مصنوعی باعث شده است که شرکتها و توسعهدهندگان بیشتری به آزمایش MCP و سرورهای MCP بپردازند.
سرورهای پروتکل زمینه مدل چه هستند؟
سرورهای MCP بخشی از پروتکل مدل کانتکست (MCP) هستند و به عنوان پل ارتباطی بین مدلهای مختلف هوش مصنوعی، ابزارها و منابع داده عمل میکنند. این سرورها ارتباط و تبادل داده را استاندارد میکنند و به هوش مصنوعی اجازه میدهند تا به ابزارها، پایگاههای داده و سرویسهای مختلف دسترسی داشته باشد.
میتوان سرورهای MCP را مانند کابلهای USB-C در دنیای هوش مصنوعی تصور کرد. قبل از ظهور USB-C، با کابلهای HDMI، تاندربولت و لایتنینگ و انواع آداپتورهای برق مواجه بودیم و هر دستگاه به کابل مخصوص به خود نیاز داشت. اکنون کابلهای USB-C اتصالات استانداردی برای طیف گستردهای از دستگاهها فراهم میکنند.
MCP نیز به همین شکل عمل میکند. قبل از MCP، توسعهدهندگان مجبور بودند برای هر مدل هوش مصنوعی و سرویس، اتصال سفارشی بسازند که هم وقتگیر بود و هم آنها را به مدلها یا ارائهدهندگان خاص محدود میکرد. اکنون MCP یک اتصال جهانی به تمام ابزارها، منابع و مدلهای هوش مصنوعی فراهم میکند.
سرورهای پروتکل زمینه مدل چگونه کار میکنند؟
ابتدا معماری MCP را بررسی میکنیم که شامل سه مولفه است: میزبان MCP، کلاینت MCP و سرور MCP.
-
میزبانهای MCP برنامههای LLM مانند Claude Desktop یا محیطهای توسعه یکپارچه (IDEs) هستند که اتصال را راهاندازی میکنند.
-
کلاینتهای MCP ارتباط بین سرورها و میزبانها را حفظ کرده و درخواستهای دادهای را ارسال میکنند.
-
سرورهای MCP درخواستهای کلاینت را با اجرای دستورات یا بازگرداندن دادهها در قالب استانداردی که کلاینت قادر به درک آن باشد، پاسخ میدهند.
میزبانهای MCP کلاینت MCP را راهاندازی میکنند و کلاینتها درخواست را به سرورهای MCP میفرستند. از آنجا، سرورهای MCP معمولاً سه قابلیت اصلی را فراهم میکنند: ابزارها، منابع و پرامپتها.
سه قابلیت اصلی سرورهای پروتکل زمینه مدل
-
ابزارها (Tools): اقداماتی که هوش مصنوعی میتواند با اجازه انجام دهد، مانند فراخوانی API، اجرای دستورات یا استخراج و تحلیل دادهها از یک اپلیکیشن.
-
منابع (Resources): فایلها و دادههایی که سرور در اختیار هوش مصنوعی قرار میدهد تا زمینهای فراهم شود. به عنوان مثال، یک منبع میتواند پایگاه دادهای از اطلاعات استفاده محصول باشد که سپس برای ایجاد یک گزارش تحلیل میشود.
-
پرامپتها (Prompts): قالبهای دستور تخصصی و قابل استفاده مجدد که به LLMها میگویند چگونه تعامل کنند یا رفتار داشته باشند. به عنوان مثال، هدایت سرور برای انجام بازبینی کد یا درخواست تحلیل امنیتی تخصصی.
پروتکل زمینه مدل در مقابل APIها
MCP و APIها هر دو امکان ارتباط را فراهم میکنند، اما اهداف متفاوتی دارند و مشکلات خاصی را حل میکنند.
| MCP | APIهای سنتی |
|---|---|
| هدف | لایه استاندارد برای این که مدلهای هوش مصنوعی به صورت خودکار ابزارها را کشف و استفاده کنند |
| تعامل | پویا، خودکار: هوش مصنوعی انتخاب میکند کدام ابزارها را بر اساس کار استفاده کند |
| استانداردسازی | پروتکل جهانی – یک بار ساخته میشود و با هر مدل سازگار با MCP کار میکند |
| امنیت | سرور MCP مدیریت احراز هویت و مجوزها را برای همه ابزارهای در دسترس به صورت مرکزی انجام میدهد |
| کشف | هوش مصنوعی ابزارهای در دسترس را از طریق قابلیتهای در معرض سرور MCP کشف میکند |
| یکپارچگی | یکپارچگی واحد در تمام مدلهای سازگار با MCP کار میکند (Claude، GPT، Gemini و غیره) |
APIهای سنتی کانالهای ارتباطی مستقیم بین برنامههای نرمافزاری هستند. آنها به دستورالعملهای صریح نیاز دارند زیرا هوش مصنوعی هیچ خودمختاری برای انتخاب اقدامات خود ندارد.
الگوی سنتی یکپارچهسازی API به این شکل است:
If condition A is true → Call endpoint X
If condition B is met → Call endpoint Y with parameters Z
If response contains error → Execute fallback logic
در این مدل، منطق تصمیمگیری از قبل بهصورت صریح و سختکدنویسیشده (hard-coded) تعریف میشود.
نقش سرورهای پروتکل زمینه مدل در تغییر این الگو
در سرورهای MCP، خود سرور تعامل را تسهیل میکند و راهی فراهم میکند تا هوش مصنوعی بتواند کانتکست و دادهها را به شکلی که برایش قابلمصرف باشد جمعآوری کند.
بهجای اینکه نحوه تعامل هوش مصنوعی با APIها بهصورت hard-code نوشته شود، سرورهای MCP ابزارهای در دسترس را ارائه میکنند و اجازه میدهند خود هوش مصنوعی تصمیم بگیرد از کدام ابزار استفاده کند.
الگوی MCP به این شکل است:
MCP Server exposes: [Tool A, Tool B, Tool C, Tool D]
AI receives task → Analyzes requirements → Selects appropriate tools → Executes in optimal sequence
تغییر بنیادین در منطق یکپارچهسازی
تغییر بنیادینی که MCP ایجاد میکند این است:
یکپارچهسازی سنتی API: «اگر کاربر X را پرسید، پس API مربوط به Y را فراخوانی کن.»
MCP: «اینها ابزارهای در دسترس هستند؛ خودت تشخیص بده چگونه به هدف برسی.»
نحوه راهاندازی یک سرور پروتکل زمینه مدل
راهاندازی یک سرور MCP شامل ایجاد یک سرویس نرمافزاری است که ابزارها، منابع و پرامپتها را از طریق پروتکل استاندارد پروتکل مدل کانتکست در اختیار مدلهای هوش مصنوعی قرار میدهد. چه از صفر شروع کنید و چه از پلتفرمی مانند پستمن استفاده کنید، فرایند از یک الگوی نسبتاً ثابت پیروی میکند.
مراحل کلی راهاندازی
میتوانید دستورالعملهای متنی زیر را مطالعه کنید و همزمان پیش بروید.
۱. راهاندازی محیط توسعه
پیش از شروع، مطمئن شوید پیشنیازهای زیر را دارید:
-
کد ادیتور: هر IDE سازگار با جاوااسکریپت (VS Code، Cursor، WebStorm و غیره)
-
محیط رانتایم: Node.js و TypeScript
-
کلاینت AI: اپلیکیشن Claude Desktop یا هر برنامه هوش مصنوعی سازگار با MCP
-
ابزارهای توسعه: دسترسی به ترمینال و مدیر بستهها (npm)
۲. تعریف ساختار سرور MCP
هر سرور MCP از سه مؤلفه اصلی تشکیل شده است:
توابع کمکی
بخشی که در آن APIهای خارجی را فراخوانی میکنید و دادههایی را که مدلهای هوش مصنوعی استفاده خواهند کرد قالببندی میکنید. این قسمت منطق اصلی یکپارچهسازی با ابزارها و سرویسهای شما را مدیریت میکند.
Server instance (نمونه سرور)
جایی که متادیتای سرور را تعریف میکنید، از جمله قابلیتها، منابع و ابزارها.
server.tool Methods
بخشی که مشخص میکنید هوش مصنوعی از چه ابزارهایی میتواند استفاده کند، چگونه آنها را فراخوانی کند و چه پارامترهایی را میپذیرند. هر ابزار مانند یک ابزار تخصصی در جعبهابزار یک مکانیک عمل میکند.
۳. اتصال به کلاد دسکتاپ
فایل تنظیمات کلاد دسکتاپ را باز کنید:
مک:
~/Library/Application Support/Claude/claude_desktop_config.json
ویندوز:
%AppData%\Claude\claude_desktop_config.json
پیکربندی زیر را اضافه کنید (مسیر را متناسب با ریپازیتوری خود تغییر دهید):
{
“mcpServers”: {
“weather”: {
“command”: “node”,
“args”: [
“/absolute/path/to/your/mcp-weather-server/build/index.js”
]
}
}
}
سپس کلاد دسکتاپ را ریاستارت کنید.
بهدنبال آیکون چکش در کلاد دسکتاپ بگردید؛ این آیکون نشان میدهد ابزارهای MCP در دسترس هستند.
۴. تست پیادهسازی
از کلاد این سؤالات را بپرسید:
“?What’s the weather like in San Francisco right now”
“?Are there any weather alerts in Texas today”
“?What’s the forecast for Chicago this weekend”
راهاندازی سرور MCP با پستمن
پستمن با استفاده از MCP generator و شبکه API عمومی خود، فرایند ساخت سرور MCP را بهشکل چشمگیری ساده میکند و به شما اجازه میدهد در عرض چند دقیقه یک سرور MCP بسازید.
مرحله ۱: دسترسی به Public API Network
-
پستمن را باز کنید و به بخش Public API Network بروید.
-
روی View all public APIs کلیک کنید تا یکپارچهسازیهای موجود را مرور کنید.
-
عبارت MCP Generator را جستوجو کنید تا به ابزار ساخت سرور دسترسی پیدا کنید.
مرحله ۲: انتخاب APIها برای سرور
-
در شبکه پستمن بیش از ۱۰۰,۰۰۰ API عمومی در دسترس است؛ آنها را مرور کنید.
-
API موردنظر خود را انتخاب کنید (برای مثال CoinGecko برای دادههای رمزارزی).
-
Endpointهایی را که میخواهید بهعنوان ابزار MCP در دسترس قرار دهید انتخاب کنید.
-
روی Add requests کلیک کنید تا آنها را به سرور خود اضافه کنید.
مرحله ۳: تولید سرور
-
روی Generate کلیک کنید تا سرور MCP شما ساخته شود.
-
چند لحظه صبر کنید تا Postman کد سرور را تولید کند.
-
روی Download کلیک کنید تا پکیج سرور تولیدشده را ذخیره کنید.
-
فایل دانلودشده را از حالت فشرده خارج (Unzip) کنید.
آنچه پستمن برای شما تولید میکند:
-
کد کامل سرور MCP بههمراه تمام ابزارهای انتخابشده
-
Helper functionها برای احراز هویت API و قالببندی دادهها
-
فایلهای پیکربندی (package.json، tsconfig.json)
-
مستندات (فایل README شامل دستورالعملهای راهاندازی)
مرحله ۴: نصب
ترمینال خود را باز کنید و به پوشه سرور بروید، سپس آن را در Cursor باز کنید:
مرحله ۵: تست در MCP Client پستمن
پیش از اتصال به اپلیکیشن هوش مصنوعی خود، سرور را در پستمن تست کنید:
ایجاد یک اتصال MCP جدید
-
به workspace خود بروید.
-
روی New → MCP کلیک کنید.
-
گزینه Connect to MCP server را انتخاب کنید.
تست ابزارهای در دسترس
-
تمام ابزارهایی که سرور شما ارائه میدهد مشاهده کنید.
-
یک ابزار را انتخاب کنید و پارامترهای آزمایشی وارد کنید.
-
روی Run کلیک کنید تا اجرا شود.
-
دادههای پاسخ را بررسی و تأیید کنید.
سرورهای MCP بهعنوان اتصالدهنده
سرورهای MCP بهعنوان واسطهای میان مدلهای هوش مصنوعی و سیستمهای خارجی شما عمل میکنند و به حل مشکلات چندپارگی که با توسعه اپلیکیشنهای مبتنی بر هوش مصنوعی همراه است کمک میکنند.
قدرت سرورهای MCP در سادگی آنها نهفته است: کافی است ابزارها، منابع و پرامپتهای خود را یکبار ارائه کنید و هر مدل هوش مصنوعی سازگار با MCP میتواند بهصورت هوشمند از آنها استفاده کند. چه در حال ساخت یک سرور هواشناسی سفارشی از صفر باشید و چه در عرض چند دقیقه با استفاده از Postman یک سرور دادههای رمزارزی ایجاد کنید، در هر صورت در حال ساخت زیرساختی قابلاستفاده مجدد هستید که وابستگی به فروشنده (vendor lock-in) را از بین میبرد و هزینههای نگهداری را کاهش میدهد.
