MCP و AI Agent: الإطار الجديد لتطبيقات الذكاء الاصطناعي

١. مفهوم MC

في مجال الذكاء الاصطناعي، غالباً ما تفتقر روبوتات الدردشة التقليدية إلى الطابع الشخصي والإنسانية. لحل هذه المشكلة، قام المطورون بإدخال مفهوم "الشخصية"، لمنح الذكاء الاصطناعي أدواراً وطبائع معينة. ومع ذلك، حتى مع وجود "شخصيات" غنية، لا يزال الذكاء الاصطناعي مجرد مستجيب سلبي، غير قادر على تنفيذ المهام المعقدة بشكل استباقي.

لتصبح الذكاء الاصطناعي منفذًا نشطًا للمهام، تم إنشاء مشروع Auto-GPT مفتوح المصدر. يسمح للمطورين بتعريف أدوات ودوال للذكاء الاصطناعي، مما يمكنه من تنفيذ المهام تلقائيًا وفقًا للقواعد المحددة مسبقًا. ومع ذلك، لا يزال Auto-GPT يواجه مشاكل في عدم توحيد تنسيق استدعاء الأدوات وسوء التوافق عبر المنصات.

لحل هذه التحديات، ظهرت بروتوكولات سياق النموذج (MCP). يهدف MCP إلى تبسيط التفاعل بين الذكاء الاصطناعي والأدوات الخارجية، من خلال توفير معيار اتصالات موحد، مما يمكّن الذكاء الاصطناعي من استدعاء مجموعة متنوعة من الخدمات الخارجية بسهولة. هذا يقلل بشكل كبير من صعوبة ووقت التطوير، مما يسمح لنماذج الذكاء الاصطناعي بالتفاعل بشكل أسرع وأكثر كفاءة مع الأدوات الخارجية.

اثنان، دمج MCP مع وكيل الذكاء الاصطناعي

MCP و AI Agent يكملان بعضهما البعض. يركز AI Agent على عمليات blockchain، تنفيذ العقود الذكية وإدارة الأصول المشفرة، مع التأكيد على حماية الخصوصية وتكامل التطبيقات اللامركزية. بينما يركز MCP على تبسيط التفاعل بين AI Agent والأنظمة الخارجية، من خلال توفير بروتوكولات موحدة وإدارة السياق، وتعزيز التشغيل البيني عبر المنصات.

توفر MCP معيارًا موحدًا لتفاعل وكيل الذكاء الاصطناعي مع الأدوات الخارجية (مثل بيانات blockchain، والعقود الذكية، والخدمات الخارجية، وغيرها). وهذا يحل مشكلة تجزئة الواجهات في التطوير التقليدي، مما يمكّن وكيل الذكاء الاصطناعي من الاتصال بسلاسة مع بيانات وأدوات متعددة السلاسل، مما يعزز بشكل كبير من قدرته على التنفيذ الذاتي. على سبيل المثال، يمكن لوكلاء الذكاء الاصطناعي من نوع DeFi الحصول على بيانات السوق في الوقت الفعلي وتحسين محفظة الاستثمار تلقائيًا من خلال MCP.

بالإضافة إلى ذلك، يفتح MCP اتجاهًا جديدًا لوكلاء الذكاء الاصطناعي: التعاون بين عدة وكلاء ذكاء اصطناعي. من خلال MCP، يمكن لوكلاء الذكاء الاصطناعي تقسيم المهام حسب الوظائف، والتعاون في إكمال مهام تحليل البيانات على السلسلة، وتوقعات السوق، وإدارة المخاطر، مما يعزز الكفاءة والموثوقية العامة. في مجال أتمتة المعاملات على السلسلة، يمكن لـ MCP ربط أنواع مختلفة من وكلاء المعاملات وإدارة المخاطر، وحل المشكلات مثل انزلاق الأسعار، وتآكل المعاملات، وMEV، لتحقيق إدارة أصول على السلسلة أكثر أمانًا وكفاءة.

ثلاثة، المشاريع ذات الصلة

1. DeMCP

DeMCP هو شبكة مركزية لا مركزية لـ MCP، توفر خدمات MCP مفتوحة المصدر تم تطويرها ذاتيًا لوكلاء الذكاء الاصطناعي، وتوفر منصة نشر لمشاركة العوائد التجارية للمطورين، وتحقق الوصول الشامل إلى نماذج اللغة الكبيرة السائدة. يمكن للمطورين الحصول على الخدمات من خلال دعم العملات المستقرة.

2. مظلم

DARK هو شبكة MCP المبنية على بيئة التنفيذ الموثوقة (TEE) على سولانا. التطبيق الأول لها قيد التطوير، ويهدف إلى توفير قدرة تكامل أدوات فعالة لوكلاء الذكاء الاصطناعي من خلال TEE وبروتوكول MCP، مما يسمح للمطورين بالوصول بسرعة إلى أدوات متعددة وخدمات خارجية.

3. Cookie.fun

Cookie.fun هو منصة تركز على AI Agent في نظام Web3 البيئي، تقدم مؤشرات وأدوات تحليل AI Agent. تعرض المنصة تأثير العقل لـ AI Agent، وقدرته على المتابعة الذكية، وتفاعل المستخدم، وبيانات السلسلة، وغيرها من المؤشرات التي تساعد المستخدمين على تقييم أداء مختلف AI Agents.

4. سكاي آي

SkyAI هو مشروع بنية تحتية للبيانات Web3 مبني على BNB Chain، يهدف إلى بناء بنية تحتية أصلية للذكاء الاصطناعي على blockchain من خلال توسيع MCP. يوفر هذا المنصة بروتوكول بيانات قابل للتوسع وقابل للتشغيل المتبادل لتطبيقات الذكاء الاصطناعي القائمة على Web3، مما يبسط عملية التطوير ويعزز التطبيق الفعلي للذكاء الاصطناعي في بيئة blockchain.

أربعة، التنمية المستقبلية

أظهر بروتوكول MCP إمكانيات هائلة في تعزيز كفاءة تبادل البيانات، وتقليل تكاليف التطوير، وزيادة الأمان وحماية الخصوصية، خاصة في مشاهد التمويل اللامركزي. ومع ذلك، فإن معظم المشاريع القائمة على MCP لا تزال في مرحلة إثبات المفهوم ولم تطلق بعد منتجات ناضجة، مما أدى إلى انخفاض أسعار رموزها. وهذا يعكس أزمة ثقة السوق في مشاريع MCP، والتي تنبع أساسًا من طول دورة تطوير المنتج وافتقارها إلى تطبيقات عملية.

في المستقبل، من المتوقع أن يحقق بروتوكول MCP تطبيقات أوسع في مجالات DeFi و DAO. يمكن لوكلاء الذكاء الاصطناعي من خلال بروتوكول MCP الحصول على بيانات السلسلة في الوقت الحقيقي، وتنفيذ المعاملات الآلية، مما يعزز كفاءة و دقة تحليل السوق. من المتوقع أن يوفر الطابع اللامركزي لبروتوكول MCP منصة تشغيل شفافة وقابلة للتتبع لنماذج الذكاء الاصطناعي، مما يعزز عملية لامركزية الأصول وتحوّل الأصول.

ومع ذلك، لا يزال يتعين معالجة العديد من التحديات في مجالات التكامل التكنولوجي، والأمان، وتجربة المستخدم لتحقيق هذه الرؤية. مع نضوج التكنولوجيا وتوسع مجالات التطبيق، من المتوقع أن يصبح بروتوكول MCP محركًا مهمًا لدفع الجيل التالي من وكلاء الذكاء الاصطناعي، ولكن لا يزال يجب التغلب على العديد من العقبات لتحقيق كامل إمكاناته.