MCP چیست؟ پروتکلی که ایجنت را به ابزارهای شما وصل می‌کند

یک ایجنت هوش مصنوعی می‌تواند متن خوبی بنویسد و تحلیل درستی ارائه دهد — اما تا وقتی به فهرست مشتریان، نرم‌افزار حسابداری و تقویم شما دسترسی نداشته باشد، بیشتر یک مشاور پرحرف است تا یک همکار.

مشکل قدیمی همین‌جا بود: هر بار که می‌خواستید یک مدل زبانی را به یک سامانهٔ تازه وصل کنید، باید یک اتصال اختصاصی می‌نوشتید. اتصال به اکسل یک کد جدا می‌خواست، اتصال به نرم‌افزار حسابداری یک کد جدا، و اگر فردا ابزار هوش مصنوعی‌تان را عوض می‌کردید، باید همهٔ آن اتصال‌ها را از نو می‌نوشتید. MCP دقیقاً برای پایان‌دادن به همین چرخه ساخته شد.

MCP چیست؟

MCP یا Model Context Protocol یک استاندارد باز است که شرکت آنتروپیک در نوامبر ۲۰۲۴ منتشر کرد و مشخص می‌کند یک اپلیکیشن هوش مصنوعی چگونه باید با ابزارها، داده‌ها و سرویس‌های بیرونی گفت‌وگو کند. به‌جای اینکه هر ابزار زبان خودش را داشته باشد، همه از یک زبان مشترک استفاده می‌کنند.

ساده‌ترین تشبیه این است: نقش MCP برای هوش مصنوعی چیزی شبیه نقش USB-C برای سخت‌افزار است. پیش از USB-C هر دستگاه کابل خودش را داشت؛ بعد از آن، یک درگاه استاندارد جای ده‌ها کابل را گرفت. MCP همان کار را برای اتصال مدل‌های هوش مصنوعی به سامانه‌ها انجام می‌دهد.

نکتهٔ مهم این است که MCP یک مدل هوش مصنوعی نیست و جایگزین آن هم نمی‌شود. MCP فقط قرارداد گفت‌وگو است — تعیین می‌کند پیام‌ها چه شکلی داشته باشند، نه اینکه مدل چطور فکر کند. اگر هنوز تفاوت مدل زبانی با ایجنت برایتان روشن نیست، پیشنهاد می‌کنیم ابتدا تفاوت مدل زبانی و ایجنت را بخوانید.

MCP چه مشکلی را حل می‌کند؟

فرض کنید سه ایجنت دارید — فروش، مالی و پشتیبانی — و هرکدام باید به چهار سامانه وصل شوند. بدون استاندارد مشترک، شما ۱۲ اتصال جداگانه دارید که باید جداگانه نوشته، تست و نگه‌داری شوند. این همان چیزی است که در مهندسی نرم‌افزار به آن «مسئلهٔ M در N» می‌گویند.

با MCP این عدد به ۷ کاهش پیدا می‌کند: هر ایجنت یک‌بار زبان MCP را می‌فهمد و هر ابزار یک‌بار آن را عرضه می‌کند. تفاوت واقعی وقتی خودش را نشان می‌دهد که ابزار پنجم اضافه شود — در حالت اول سه اتصال تازه لازم است، در حالت دوم فقط یکی.

MCP چطور کار می‌کند؟

سه نقش در MCP وجود دارد و تفکیک آن‌ها کلید فهم کل ماجراست:

• میزبان (Host) — اپلیکیشن هوش مصنوعی که کاربر با آن کار می‌کند؛ مثلاً وب‌اپ وکر یا ویرایشگر VSCode.
• کلاینت (Client) — میزبان برای هر سرور یک کلاینت جداگانه می‌سازد که ارتباط با آن سرور را نگه می‌دارد.
• سرور (Server) — برنامه‌ای که ابزارها و داده‌ها را عرضه می‌کند. می‌تواند روی همان دستگاه اجرا شود یا روی یک سرور راه‌دور.

گفت‌وگوی میان کلاینت و سرور با JSON-RPC 2.0 انجام می‌شود و دو مسیر انتقال دارد: stdio برای سرورهایی که روی همان دستگاه اجرا می‌شوند، و Streamable HTTP برای سرورهای راه‌دور. برای سرور راه‌دور، استاندارد استفاده از OAuth را توصیه می‌کند.

جریان کار در عمل چنین است: کلاینت با درخواست server/discover می‌پرسد «چه چیزی داری؟»، سپس با tools/list فهرست ابزارها را می‌گیرد. توضیح هر ابزار به‌صورت زبان طبیعی در اختیار مدل قرار می‌گیرد؛ مدل تصمیم می‌گیرد کدام را لازم دارد، کلاینت tools/call را می‌فرستد و نتیجه به گفت‌وگو برمی‌گردد.

در نسخهٔ 2026-07-28 پروتکل، MCP کاملاً بدون حالت (stateless) شد؛ یعنی هر درخواست تمام اطلاعات لازم را خودش حمل می‌کند و دیگر خبری از دست‌دادن اولیهٔ اتصال نیست. این تغییر، اجرای سرورهای MCP پشت زیرساخت‌های معمولی وب را ساده‌تر کرد.

یک سرور MCP دقیقاً چه چیزی عرضه می‌کند؟

هر سرور می‌تواند سه چیز ارائه دهد. تفکیک این سه، مهم‌ترین بخش طراحی درست یک اتصال است:

۱. ابزارها (Tools)

کارهایی که ایجنت می‌تواند انجام دهد و معمولاً اثر بیرونی دارند: ثبت یک رکورد، ارسال یک درخواست، اجرای یک محاسبه. هر ابزار یک شِمای ورودی مشخص دارد تا مدل بداند چه پارامترهایی لازم است.

۲. منابع (Resources)

داده‌هایی که ایجنت می‌تواند بخواند و حالت فقط‌خواندنی دارند: محتوای یک فایل، شِمای یک پایگاه داده، یا خروجی یک گزارش. منابع زمینه فراهم می‌کنند، نه عمل.

۳. پرامپت‌ها (Prompts)

قالب‌های آمادهٔ گفت‌وگو که سرور در اختیار میزبان می‌گذارد؛ مثلاً یک قالب استاندارد برای «خلاصه‌کردن این پرونده». اگر می‌خواهید از همین ایده در کار روزمره استفاده کنید، راهنمای پرامپت‌نویسی فارسی نقطهٔ شروع خوبی است.

تفاوت MCP با RAG و اتصال مستقیم به API چیست؟

این سه مفهوم اغلب با هم اشتباه گرفته می‌شوند، در حالی که هر کدام مسئلهٔ متفاوتی را حل می‌کنند و در عمل معمولاً کنار هم استفاده می‌شوند:

به بیان کوتاه: RAG به ایجنت می‌گوید «چه می‌دانی»، و MCP به او می‌گوید «چه می‌توانی بکنی». برای فهم دقیق‌تر سمت دانش، RAG چیست را ببینید.

پیش از آنکه بپرسید «چطور ایجنت را به این سامانه وصل کنم؟»، بپرسید «این ایجنت باید چه کاری را تمام کند؟» ابزار درست از دل کار بیرون می‌آید، نه برعکس.

قاعدهٔ طلایی

MCP برای یک سازمان ایرانی چه معنایی دارد؟

بخش زیادی از سامانه‌هایی که سازمان‌های ایرانی استفاده می‌کنند — نرم‌افزار حسابداری داخلی، انبار، CRM بومی یا یک وب‌سرویس اختصاصی — هیچ‌وقت در فهرست اتصال‌های آمادهٔ ابزارهای خارجی نخواهند بود. اینجا دقیقاً جایی است که یک پروتکل باز ارزش عملی پیدا می‌کند: شما می‌توانید خودتان یک سرور MCP برای سامانهٔ داخلی‌تان بنویسید و هر ایجنتی که این زبان را بفهمد، بتواند با آن کار کند.

در وکر این مسیر از بخش «ابزارها و اتصال‌ها» در دسترس است. در کنار اتصال‌های آماده، گزینه‌ای با عنوان «سرور MCP اختصاصی» وجود دارد که توضیحش صریح است: سرور MCP دلخواه شما — داخل شبکهٔ سازمان یا روی اینترنت — و هر ابزاری که آن سرور تعریف کرده باشد در اختیار ایجنت قرار می‌گیرد.

این موضوع در کنار دو قابلیت دیگر معنا پیدا می‌کند: با Agent Studio می‌توانید ایجنت اختصاصی سازمان را بسازید، و با استقرار on-premise کل مسیر می‌تواند داخل زیرساخت خودتان بماند. برای تیم‌های فنی هم Wokr Code روی VSCode همان منطق «ایجنت + ابزار» را به محیط توسعه می‌آورد؛ اگر این سمت ماجرا برایتان جذاب است، هوش مصنوعی برای برنامه‌نویسی را ببینید.

پیش از باز کردن هر اتصالی، یک نکته را جدی بگیرید: سرور MCP دری است که به داده‌های شما باز می‌شود. دربارهٔ اینکه چه چیزی باید و چه چیزی نباید در اختیار مدل قرار بگیرد، امنیت داده در هوش مصنوعی سازمانی را بخوانید.

محدودیت‌ها و اشتباه‌های رایج

MCP مسئلهٔ اتصال را استاندارد می‌کند، اما معجزه نمی‌کند. چند نکته که در عمل بیشتر از همه دردسر می‌سازند:

• MCP کیفیت ایجنت را بالا نمی‌برد. اگر مدل تصمیم‌های بدی می‌گیرد، دسترسی بیشتر فقط دامنهٔ اشتباه را بزرگ‌تر می‌کند.
• توضیح بد ابزار، ابزار بی‌استفاده است. مدل از روی توضیح تصمیم می‌گیرد؛ توضیح مبهم یعنی ابزاری که یا صدا زده نمی‌شود یا اشتباه صدا زده می‌شود.
• ابزار زیاد، تمرکز کم. عرضهٔ ده‌ها ابزار به یک ایجنت معمولاً نتیجه را بدتر می‌کند. کمتر و دقیق‌تر بهتر جواب می‌دهد.
• دسترسی نوشتن را دست‌کم نگیرید. ابزاری که رکورد ثبت می‌کند با ابزاری که فقط می‌خواند تفاوت جدی دارد؛ برای دستهٔ اول تأیید انسانی بگذارید.
• پروتکل هنوز در حال تغییر است. در نسخهٔ 2026-07-28 برخی قابلیت‌های قدیمی از جمله sampling و logging منسوخ اعلام شدند؛ اگر سرور می‌نویسید، نسخه را دنبال کنید.

پرسش‌های پرتکرار

MCP چیست به زبان ساده؟

یک زبان مشترک استاندارد که به اپلیکیشن‌های هوش مصنوعی اجازه می‌دهد بدون کد اختصاصی، به ابزارها و داده‌های بیرونی وصل شوند و با آن‌ها کار کنند.

آیا برای استفاده از MCP باید برنامه‌نویس باشم؟

برای استفاده نه. اتصال‌های آماده را از رابط کاربری فعال می‌کنید. برای ساختن یک سرور MCP تازه برای سامانهٔ داخلی سازمان، بله — به تیم فنی نیاز دارید.

تفاوت MCP با افزونه یا پلاگین چیست؟

افزونه معمولاً مختص یک محصول است و بیرون از آن کار نمی‌کند. سرور MCP یک‌بار نوشته می‌شود و هر میزبانی که پروتکل را پشتیبانی کند می‌تواند از آن استفاده کند.

آیا MCP داده‌های من را جایی می‌فرستد؟

خود پروتکل تعیین نمی‌کند داده کجا برود؛ این به معماری شما بستگی دارد. اگر سرور MCP داخل شبکهٔ سازمان اجرا شود، داده از همان شبکه خارج نمی‌شود.

آیا وکر از سرور MCP اختصاصی پشتیبانی می‌کند؟

بله. در بخش «ابزارها و اتصال‌ها» گزینهٔ «سرور MCP اختصاصی» با وضعیت «آمادهٔ اتصال» وجود دارد و می‌توانید سرور خودتان را — داخل شبکه یا روی اینترنت — به آن معرفی کنید.

جمع‌بندی

MCP پاسخ صنعت به یک مسئلهٔ ساده اما پرهزینه است: اتصال هوش مصنوعی به ابزارها نباید هر بار از صفر نوشته شود. با یک پروتکل مشترک، افزودن ابزار تازه به‌جای یک پروژه، تبدیل به یک پیکربندی می‌شود.

اگر تازه در این مسیر هستید، لازم نیست از سرور اختصاصی شروع کنید. ابتدا با مفهوم ایجنت هوش مصنوعی و ابزارهای داخلی آماده کار کنید، یک کار واقعی را تا فایل نهایی پیش ببرید، و تنها وقتی سراغ MCP بروید که یک سامانهٔ داخلی مشخص را لازم داشتید.

پلن رایگان وکر ۱٬۰۰۰ توکن در هر ساعت می‌دهد و برای شروع کارت بانکی نمی‌خواهد. برای دیدن اتصال‌ها، Agent Studio و گزینهٔ استقرار روی زیرساخت سازمان، صفحهٔ نسخهٔ سازمانی وکر را ببینید.