MCP چیست و چگونه هوش مصنوعی را به ابزارهای کسب‌وکار وصل می‌کند؟

مدل‌های هوش مصنوعی می‌توانند متن بنویسند، داده تحلیل کنند و برای حل مسئله پیشنهاد بدهند؛ اما به‌تنهایی از موجودی فروشگاه، سفارش‌های امروز، مانده حساب، وضعیت سرور یا محتوای پنل شما خبر ندارند. برای اینکه یک دستیار هوشمند بتواند با ابزارهای واقعی کسب‌وکار کار کند، به مسیری استاندارد، امن و قابل‌کنترل نیاز است. MCP این مسیر را تعریف می‌کند.

در این راهنما، بدون ورود غیرضروری به جزئیات برنامه‌نویسی، بررسی می‌کنیم MCP چیست، اجزای آن چگونه با هم ارتباط دارند، چه تفاوتی با API و اتوماسیون دارد و یک MCP Gateway مانند وصلک چه مسئله‌ای را برای کسب‌وکارها حل می‌کند.

MCP چیست؟

MCP مخفف Model Context Protocol و یک استاندارد متن‌باز برای اتصال برنامه‌های هوش مصنوعی به سامانه‌های بیرونی است. این سامانه بیرونی می‌تواند پایگاه داده، فروشگاه اینترنتی، نرم‌افزار حسابداری، سرویس ابری، تقویم، فایل‌ها، ابزار مانیتورینگ یا هر سرویس دیگری باشد که اطلاعات یا عملیاتی را از طریق یک رابط مشخص ارائه می‌کند.

MCP را می‌توان یک زبان مشترک میان برنامه هوش مصنوعی و ابزارهای کسب‌وکار دانست؛ زبانی که مشخص می‌کند چه قابلیت‌هایی در دسترس‌اند، هر قابلیت چه ورودی‌ای می‌گیرد و نتیجه چگونه برگردانده می‌شود.

MCP خودش مدل هوش مصنوعی، پایگاه داده یا موتور اتوماسیون نیست. این پروتکل شیوه ارتباط را استاندارد می‌کند تا برنامه‌هایی مانند ChatGPT، Claude، ابزارهای توسعه و عامل‌های هوشمند بتوانند قابلیت‌های یک سرویس را کشف و در صورت داشتن مجوز از آن‌ها استفاده کنند.

چرا به یک استاندارد مشترک نیاز داریم؟

پیش از MCP، اتصال هر برنامه هوش مصنوعی به هر سرویس معمولاً به یک پیاده‌سازی اختصاصی نیاز داشت. اگر پنج ابزار هوش مصنوعی و ده سرویس سازمانی داشتید، نگهداری اتصال‌ها، مجوزها، خطاها و تغییرات API خیلی زود پیچیده می‌شد. استاندارد مشترک این وابستگی چندبه‌چند را کاهش می‌دهد.

• یک سرویس می‌تواند قابلیت‌های خود را یک‌بار با ساختار استاندارد ارائه کند.
• کلاینت هوش مصنوعی می‌تواند ابزارهای در دسترس را به‌صورت پویا کشف کند.
• ورودی و خروجی ابزارها با ساختار قابل‌اعتبارسنجی تعریف می‌شود.
• سطح دسترسی و مجوزدهی می‌تواند مستقل از متن گفت‌وگو کنترل شود.
• یکپارچه‌سازی برای توسعه‌دهنده، مدیر سیستم و کاربر نهایی قابل‌مدیریت‌تر می‌شود.

معماری MCP چگونه کار می‌کند؟

معماری اصلی MCP از سه نقش Host، Client و Server تشکیل می‌شود. دانستن تفاوت این سه نقش کمک می‌کند دقیق‌تر بفهمیم درخواست کاربر از کجا شروع می‌شود و در نهایت چگونه به یک عملیات واقعی در سرویس مقصد می‌رسد.

۱. MCP Host

Host همان برنامه‌ای است که کاربر در آن با هوش مصنوعی تعامل می‌کند؛ برای مثال یک دستیار گفت‌وگویی، محیط توسعه یا نرم‌افزار سازمانی مجهز به AI. Host گفت‌وگو، مدل، رابط کاربری و اتصال‌های MCP را مدیریت می‌کند.

۲. MCP Client

Client بخشی از Host است که ارتباط با یک MCP Server را برقرار و نگهداری می‌کند. معمولاً برای هر سرور MCP یک Client مجزا ساخته می‌شود. Client قابلیت‌های سرور را کشف می‌کند، درخواست اجرای ابزار را می‌فرستد و نتیجه را به Host برمی‌گرداند.

۳. MCP Server

Server برنامه‌ای است که داده‌ها و قابلیت‌ها را در قالب MCP ارائه می‌کند. این سرور ممکن است روی همان رایانه کاربر اجرا شود یا به‌صورت راه‌دور در اینترنت در دسترس باشد. برای نمونه، یک MCP Server فروشگاهی می‌تواند ابزارهایی برای خواندن سفارش‌ها، بررسی موجودی یا ویرایش محصول ارائه کند.

MCP Gateway کجای این معماری قرار می‌گیرد؟

Gateway یکی از سه نقش الزامی هسته پروتکل نیست؛ بلکه یک لایه معماری میان کلاینت‌های هوش مصنوعی و چندین سرویس مقصد است. این لایه می‌تواند اتصال‌ها را تجمیع کند، ابزارها را بر اساس مجوز کاربر نمایش دهد، عملیات حساس را برای تأیید نگه دارد، گزارش فعالیت بسازد و سیاست‌های امنیتی یکسانی را روی همه کانکتورها اعمال کند.

وصلک در این جایگاه عمل می‌کند: سرویس‌های مختلف کسب‌وکار از طریق کانکتورها به وصلک متصل می‌شوند و برنامه هوش مصنوعی از طریق یک اتصال کنترل‌شده به ابزارهای مجاز دسترسی پیدا می‌کند. به این ترتیب لازم نیست اطلاعات ورود هر سرویس مستقیماً در اختیار هر ابزار هوش مصنوعی قرار بگیرد.

MCP چه چیزهایی را در اختیار هوش مصنوعی قرار می‌دهد؟

در مدل اصلی MCP، سرورها سه نوع قابلیت محوری را ارائه می‌کنند: Tools، Resources و Prompts. هرکدام کاربرد متفاوتی دارد.

Tools؛ ابزارهای قابل اجرا

Tool یک تابع قابل اجراست. هوش مصنوعی می‌تواند نام ابزار، توضیح آن و ساختار ورودی موردنیاز را ببیند و در صورت تناسب با درخواست کاربر آن را فراخوانی کند. خواندن سفارش‌های امروز، ساخت پیش‌نویس نوشته، بررسی وضعیت سرور یا به‌روزرسانی یک رکورد نمونه‌هایی از Tool هستند.

Resources؛ منابع اطلاعاتی

Resource داده‌ای است که برای ایجاد زمینه در اختیار برنامه هوش مصنوعی قرار می‌گیرد؛ مانند محتوای یک فایل، طرح پایگاه داده، یک گزارش یا پاسخ API. منابع معمولاً برای خواندن و فهمیدن وضعیت استفاده می‌شوند، نه انجام یک عملیات تغییردهنده.

Prompts؛ الگوهای قابل استفاده مجدد

Prompt در MCP یک الگوی ساخت‌یافته برای تعامل با مدل است. برای مثال، یک سرویس می‌تواند الگوی استاندارد «گزارش فروش روزانه» یا «بررسی خطای سفارش» را همراه با ورودی‌های لازم ارائه کند تا تجربه‌ای تکرارپذیرتر ساخته شود.

اتصال محلی و راه‌دور چه تفاوتی دارند؟

MCP برای سناریوهای محلی و راه‌دور قابل استفاده است. در اتصال محلی، سرور معمولاً روی همان دستگاه اجرا می‌شود و از ورودی و خروجی استاندارد یا stdio استفاده می‌کند. در اتصال راه‌دور، ارتباط معمولاً از طریق Streamable HTTP برقرار می‌شود و سرور می‌تواند به چندین کلاینت خدمت بدهد.

• اتصال محلی برای ابزارهای توسعه، فایل‌های همان رایانه و فرایندهای شخصی مناسب است.
• اتصال راه‌دور برای سرویس‌های سازمانی، چندکاربره و همیشه‌در‌دسترس مناسب‌تر است.
• در اتصال راه‌دور باید احراز هویت، مجوزها، رمزنگاری ارتباط، محدودیت درخواست و ثبت رویدادها جدی گرفته شود.
• مستندات رسمی MCP برای دریافت توکن دسترسی در سناریوهای HTTP استفاده از OAuth را توصیه می‌کند.

یک مثال واقعی از فروشگاه اینترنتی

فرض کنید مدیر فروشگاه از دستیار هوش مصنوعی می‌پرسد: «سفارش‌های پرداخت‌شده امروز که هنوز ارسال نشده‌اند را همراه با مبلغ و زمان تحویل نشان بده.» جریان کار می‌تواند به شکل زیر باشد:

1. کاربر درخواست را در برنامه هوش مصنوعی می‌نویسد.
2. Host ابزارهای مجاز ارائه‌شده از طریق MCP را در اختیار مدل قرار می‌دهد.
3. مدل تشخیص می‌دهد که برای پاسخ به ابزار خواندن سفارش‌ها نیاز دارد.
4. MCP Client درخواست ساخت‌یافته را به سرور یا Gateway می‌فرستد.
5. Gateway هویت، سازمان، سطح دسترسی و پارامترهای درخواست را بررسی می‌کند.
6. کانکتور فروشگاه اطلاعات لازم را از سرویس مقصد دریافت می‌کند.
7. نتیجه ساخت‌یافته به برنامه هوش مصنوعی برمی‌گردد و به زبان قابل‌فهم برای کاربر نمایش داده می‌شود.

اگر کاربر بعد از مشاهده گزارش بخواهد وضعیت یکی از سفارش‌ها تغییر کند، موضوع از یک عملیات خواندنی به یک عملیات نوشتنی تبدیل می‌شود. در این مرحله می‌توان بر اساس سیاست سازمان، تأیید صریح کاربر یا تأیید داخل پنل را الزامی کرد.

تفاوت MCP با API، Webhook و اتوماسیون چیست؟

این فناوری‌ها جایگزین کامل یکدیگر نیستند و معمولاً در کنار هم استفاده می‌شوند. MCP اغلب روی APIهای موجود ساخته می‌شود و می‌تواند نتیجه رویدادها یا اتوماسیون‌ها را نیز در اختیار هوش مصنوعی قرار دهد.

• API قرارداد ارتباط مستقیم میان دو نرم‌افزار است و معمولاً عملیات خام سرویس را ارائه می‌کند.
• Webhook هنگام رخ‌دادن یک رویداد، اطلاعات را به مقصد از پیش تعیین‌شده ارسال می‌کند.
• اتوماسیون یک جریان مشخص و تکرارشونده را با قواعد از پیش تعریف‌شده اجرا می‌کند.
• MCP رابط استانداردی است که قابلیت‌ها را برای برنامه هوش مصنوعی قابل کشف و فراخوانی می‌کند.

برای مثال، API فروشگاه اطلاعات سفارش را فراهم می‌کند، Webhook ثبت سفارش جدید را خبر می‌دهد، اتوماسیون پیام پیگیری را سه ساعت بعد ارسال می‌کند و MCP به دستیار هوش مصنوعی اجازه می‌دهد با توجه به درخواست کاربر، سفارش مرتبط را پیدا و تحلیل کند.

امنیت در MCP چگونه باید مدیریت شود؟

استانداردبودن ارتباط به‌معنای امن‌بودن خودکار هر پیاده‌سازی نیست. امنیت به طراحی سرور، کلاینت، کانکتورها و سیاست‌های سازمان بستگی دارد. مشخصات رسمی MCP نیز بر اعتبارسنجی ورودی، کنترل دسترسی، محدودیت نرخ، پاک‌سازی خروجی، ثبت استفاده از ابزارها و تأیید عملیات حساس تأکید می‌کند.

• اطلاعات ورود اصلی سرویس‌ها را مستقیماً در گفت‌وگو وارد نکنید.
• برای اتصال‌های راه‌دور از OAuth و توکن‌های محدود و قابل لغو استفاده کنید.
• اصل حداقل دسترسی را رعایت کنید؛ هر عضو فقط ابزارهای لازم را ببیند.
• ابزارهای خواندنی، نوشتنی و عملیات حساس را از یکدیگر تفکیک کنید.
• برای حذف، بازپرداخت، تغییر تنظیمات یا ارسال عمومی تأیید انسانی بگیرید.
• همه فراخوانی‌های مهم را همراه با هویت کاربر و نتیجه عملیات ثبت کنید.
• ورودی ابزارها را مستقل از متن تولیدشده توسط مدل اعتبارسنجی کنید.
• برای درخواست‌ها محدودیت زمانی، محدودیت نرخ و مدیریت خطای مشخص داشته باشید.

یک اصل مهم این است که مدل نباید مرجع نهایی مجوز باشد. حتی اگر مدل تصمیم بگیرد ابزاری را فراخوانی کند، سرور باید دوباره بررسی کند که کاربر و سازمان واقعاً اجازه اجرای آن ابزار با آن پارامترها را دارند.

چرا اتصال مستقیم هر سرویس به هر ابزار هوش مصنوعی کافی نیست؟

در یک استفاده شخصی و محدود، اتصال مستقیم ممکن است ساده به نظر برسد. اما با افزایش تعداد سرویس‌ها، اعضا و ابزارهای هوش مصنوعی، مدیریت پراکنده اتصال‌ها مشکل‌ساز می‌شود: اعتبارنامه‌ها در چند محل نگهداری می‌شوند، لغو دسترسی دشوارتر می‌شود، سطح دسترسی‌ها یکسان نیست و گزارش متمرکزی از عملیات وجود ندارد.

MCP Gateway این پیچیدگی را در یک لایه کنترل مرکزی جمع می‌کند. سازمان می‌تواند اتصال سرویس‌ها را یک‌بار مدیریت کند و برای هر کاربر، عضو یا کلاینت هوش مصنوعی مشخص کند کدام ابزارها قابل مشاهده و کدام عملیات نیازمند تأیید هستند.

وصلک چه نقشی دارد؟

وصلک یک MCP Gateway برای متصل‌کردن کنترل‌شده ابزارهای هوش مصنوعی به سرویس‌های کسب‌وکار است. کانکتورها ارتباط با سرویس‌های مقصد را مدیریت می‌کنند و لایه دسترسی وصلک تعیین می‌کند هر اتصال هوش مصنوعی چه ابزارهایی را در اختیار داشته باشد.

• اتصال سرویس‌های مختلف از یک پنل مرکزی
• ارائه ابزارهای خواندنی، نوشتنی و اجرایی در قالب MCP
• تعریف دسترسی در سطح سازمان، عضو و ابزار
• امکان الزام تأیید برای عملیات حساس
• ثبت رویدادها و سوابق اجرا برای پیگیری و حسابرسی
• اتصال برنامه‌های هوش مصنوعی سازگار بدون واگذاری مستقیم رمز سرویس‌ها
• قابلیت توسعه کانکتور برای سامانه‌های عمومی یا نرم‌افزارهای داخلی

چند کاربرد عملی MCP در کسب‌وکار

• فروشگاه اینترنتی: بررسی سفارش، موجودی، مشتری، ارسال و پرداخت
• حسابداری: تهیه گزارش، کنترل اسناد و بررسی مغایرت‌ها
• مدیریت محتوا: ساخت پیش‌نویس، ویرایش و انتشار کنترل‌شده مطالب
• زیرساخت: مشاهده وضعیت سرور، سرویس، فضای دیسک و روتر
• بازاریابی: تحلیل داده‌های Analytics و Search Console
• پشتیبانی: یافتن سابقه مشتری و آماده‌سازی پاسخ بر اساس اطلاعات واقعی
• توسعه نرم‌افزار: بررسی مخزن، Issue، Pull Request و رخدادهای استقرار
• مدیریت: ساخت گزارش روزانه از چند سامانه بدون ورود جداگانه به هر پنل

MCP چه چیزی نیست؟

• MCP یک مدل هوش مصنوعی مستقل نیست.
• MCP جای API سرویس مقصد را نمی‌گیرد؛ معمولاً از همان API استفاده می‌کند.
• MCP به‌تنهایی مجوز نامحدود ایجاد نمی‌کند و همچنان به احراز هویت و سیاست دسترسی نیاز دارد.
• MCP تضمین نمی‌کند هر کلاینت از همه قابلیت‌های هر سرور پشتیبانی کند.
• MCP جای طراحی درست فرایند، کنترل انسانی و مانیتورینگ را نمی‌گیرد.

برای شروع چه مراحلی را طی کنیم؟

1. یک مسئله مشخص و قابل‌اندازه‌گیری انتخاب کنید؛ مثلاً گزارش سفارش‌های ارسال‌نشده.
2. سرویس‌های لازم را از طریق کانکتورهای معتبر متصل کنید.
3. ابزارهای موردنیاز را مشخص و دسترسی‌های اضافی را غیرفعال کنید.
4. در شروع فقط ابزارهای خواندنی را آزمایش کنید.
5. برای عملیات نوشتنی و حساس تأیید انسانی تعریف کنید.
6. اجرای ابزارها، خطاها و گزارش فعالیت را مرتب بررسی کنید.
7. پس از اطمینان از فرایند، دامنه استفاده را مرحله‌به‌مرحله گسترش دهید.

پرسش‌های متداول

آیا MCP همان API است؟

خیر. API عملیات و داده‌های یک سرویس را برای نرم‌افزارهای دیگر ارائه می‌کند. MCP یک لایه استاندارد برای معرفی و فراخوانی قابلیت‌ها توسط برنامه‌های هوش مصنوعی است و در بسیاری از موارد برای انجام عملیات واقعی از API سرویس مقصد استفاده می‌کند.

آیا MCP فقط برای برنامه‌نویسان است؟

پیاده‌سازی سرور و کانکتور به دانش فنی نیاز دارد، اما کاربر نهایی می‌تواند از طریق یک پنل و گفت‌وگوی عادی از ابزارهای از پیش آماده استفاده کند. هدف Gatewayهایی مانند وصلک کم‌کردن پیچیدگی فنی برای کسب‌وکار است.

آیا استفاده از MCP امن است؟

MCP امکانات لازم برای ساخت ارتباط کنترل‌شده را فراهم می‌کند، اما امنیت نهایی به پیاده‌سازی بستگی دارد. OAuth، حداقل دسترسی، تأیید عملیات حساس، ثبت رویداد، اعتبارسنجی ورودی و نگهداری امن اعتبارنامه‌ها اجزای ضروری یک استقرار قابل‌اعتماد هستند.

آیا می‌توان یک اتصال را با چند ابزار هوش مصنوعی استفاده کرد؟

هدف استاندارد MCP افزایش سازگاری میان کلاینت‌ها و سرورهاست. با این حال، نوع اتصال و مجموعه قابلیت‌های پشتیبانی‌شده در هر کلاینت ممکن است متفاوت باشد. پیش از استفاده عملی باید سازگاری، روش احراز هویت و سیاست دسترسی همان کلاینت بررسی شود.

MCP Gateway چیست؟

MCP Gateway لایه‌ای مرکزی برای تجمیع سرورها یا کانکتورها و اعمال سیاست‌های مشترک است. این لایه می‌تواند مدیریت هویت، مجوز ابزار، تأیید عملیات، حسابرسی، محدودیت مصرف و مانیتورینگ را برای چند سرویس و چند کلاینت یکپارچه کند.

جمع‌بندی

MCP فاصله میان توانایی زبانی هوش مصنوعی و سامانه‌های واقعی کسب‌وکار را کم می‌کند. به‌جای اینکه هر اتصال با قرارداد اختصاصی ساخته شود، ابزارها و داده‌ها از طریق یک روش استاندارد معرفی می‌شوند. اما ارزش واقعی زمانی ایجاد می‌شود که این اتصال با مجوز دقیق، تأیید انسانی، گزارش فعالیت و مدیریت امن اعتبارنامه‌ها همراه باشد.

وصلک کمک می‌کند هوش مصنوعی فقط درباره کسب‌وکار شما صحبت نکند؛ بلکه در محدوده‌ای که شما تعیین کرده‌اید، با ابزارهای واقعی آن کار کند.

برای مشاهده سرویس‌های قابل اتصال و شروع راه‌اندازی، فهرست کانکتورهای وصلک را بررسی کنید.

مشاهده کانکتورهای وصلک

منابع رسمی

این مطلب بر اساس مستندات رسمی Model Context Protocol، نسخه منتشرشده در ۲۸ ژوئیه ۲۰۲۶، تدوین و بازبینی شده است.

MCP چیست؟ — مستندات رسمی Model Context Protocol

مروری بر معماری MCP

ابزارها در مشخصات رسمی MCP

مجوزدهی و OAuth در MCP