به‌روزرسانی مهم پروتکل MCP؛

شاهراه اتصال هوش مصنوعی بازطراحی شد

|
۱۴۰۵/۰۴/۳۰
|
۲۰:۰۰:۰۲
| کد خبر: ۲۳۶۸۵۱۷
هوش مصنوعی
برنا – گروه علمی و فناوری: نسخه جدید پروتکل MCP با حذف پیچیدگی‌های فنی، هزینه راه‌اندازی سرویس‌های هوش مصنوعی در مقیاس بزرگ را کاهش می‌دهد.

پروتکل Model Context Protocol (MCP) که به یکی از مهم‌ترین استاندارد‌های تعامل‌پذیری (Interoperability) در حوزه هوش مصنوعی تبدیل شده هفته آینده به‌روزرسانی مهمی دریافت خواهد کرد. این تغییر اگرچه برای کاربران نهایی چندان محسوس نخواهد بود، اما می‌تواند توسعه و استقرار سامانه‌های هوش مصنوعی در مقیاس بزرگ را به‌طور قابل توجهی تسهیل کند.

به گزارش تک کرانچ، MCP یکی از اجزای بنیادی زیرساخت هوش مصنوعی محسوب می‌شود و به مدل‌های هوش مصنوعی اجازه می‌دهد به‌صورت ایمن به منابع داده و سرویس‌های خارجی متصل شوند. به بیان ساده این پروتکل نقش یک لوله‌کشی استاندارد را ایفا می‌کند که امکان دسترسی چت‌بات‌ها و عامل‌های هوش مصنوعی به ابزار‌هایی مانند تقویم، پایگاه‌های داده، نرم‌افزار‌های داخلی سازمان و سایر سرویس‌ها را بدون نیاز به توسعه اتصال اختصاصی برای هر ابزار فراهم می‌کند.

انتشار مشخصات نسخه جدید

اگرچه مشخصات رسمی نسخه جدید این پروتکل از ماه مه به‌صورت عمومی منتشر شده بود اما شرکت نوپای Arcade روز دوشنبه توضیحات دقیق‌تری درباره تغییرات آن ارائه کرد.

Arcade که حدود دو سال از تاسیسش می‌گذرد فعالیت خود را بر توسعه زیرساخت‌های موردنیاز برای عملکرد واقعی عامل‌های هوش مصنوعی در سازمان‌ها متمرکز کرده است. این شرکت ابزار‌هایی توسعه می‌دهد که به عامل‌های هوش مصنوعی اجازه می‌دهد به‌صورت امن به سرویس‌هایی مانند Gmail، Slack و Salesforce متصل شوند و عملیات مختلف را در این پلتفرم‌ها انجام دهند.

این استارتاپ در ماه ژوئن موفق شد ۶۰ میلیون دلار سرمایه جذب کند، سرمایه‌گذاری‌ای که بر این فرض استوار بود که شکست بسیاری از عامل‌های هوش مصنوعی نه به دلیل ضعف مدل‌های زبانی بلکه به علت آماده نبودن زیرساخت‌های فنی موردنیاز برای اجرای آنها رخ می‌دهد.

مشکل اصلی مدیریت Session ID

مهم‌ترین تغییر نسخه جدید MCP به نحوه مدیریت Session ID یا شناسه نشست مربوط می‌شود. در نسخه فعلی زمانی که یک کلاینت MCP مانند Claude برای نخستین بار به یک سرور متصل می‌شود ابتدا پیام معرفی (Hello) ارسال می‌کند و اطلاعاتی مانند نسخه پروتکل و قابلیت‌های خود را اعلام می‌کند. سرور نیز ضمن معرفی قابلیت‌های خود یک شناسه نشست در اختیار کلاینت قرار می‌دهد. پس از آن کلاینت باید این شناسه را در تمام درخواست‌های بعدی ارسال کند تا سرور تشخیص دهد همه درخواست‌ها به یک نشست واحد تعلق دارند. اگر شناسه منقضی شود کلاینت باید شناسه جدید دریافت کرده و ارتباط را ادامه دهد.

این روش در محیط‌های کوچک مشکلی ایجاد نمی‌کند اما زمانی که یک سرویس میلیون‌ها کاربر داشته باشد، شرایط متفاوت می‌شود. در زیرساخت‌های سازمانی بزرگ، درخواست‌های کاربران از طریق Load Balancer میان ده‌ها یا حتی صد‌ها سرور توزیع می‌شود. در چنین شرایطی هر سرور باید از شناسه نشستی که ممکن است توسط سرور دیگری صادر شده باشد اطلاع داشته باشد.

به گفته نیت باربتینی بنیان‌گذار Arcade این وضعیت اگرچه غیرممکن نیست، اما پیچیدگی زیادی ایجاد می‌کند و عملا برخلاف سازوکار طبیعی توزیع بار در مراکز داده عمل می‌کند.

در واقع معماری فعلی MCP بر این فرض استوار است که یک سرور مشخص وضعیت هر کاربر را به خاطر می‌سپارد در حالی که در زیرساخت‌های مدرن درخواست‌های متوالی ممکن است هر بار به سرور متفاوتی ارسال شوند، سرور‌هایی که به‌طور پیش‌فرض اطلاعات نشست‌های یکدیگر را در اختیار ندارند.

همین مسئله تاکنون یکی از مهم‌ترین موانع راه‌اندازی سرور‌های MCP در مقیاس بزرگ بوده و به اعتقاد کارشناسان، یکی از دلایل اصلی کند بودن عرضه یکپارچه‌سازی‌های گسترده و رسمی مبتنی بر MCP توسط شرکت‌های بزرگ با وجود افزایش توجه به عامل‌های هوش مصنوعی (AI Agents) در سال جاری محسوب می‌شود.

حرکت به سمت معماری Stateless

در نسخه جدید MCP رویکردی Stateless یا بدون نگهداری وضعیت نشست در سمت سرور را برای مدیریت Session ID اتخاذ می‌کند. این روش شباهت زیادی به نحوه عملکرد بسیاری از وب‌سایت‌ها و سرویس‌های اینترنتی امروزی دارد.

این تغییر باعث می‌شود وابستگی سرور‌ها به ذخیره و همگام‌سازی اطلاعات نشست کاهش یابد و در نتیجه نگهداری زیرساخت‌ها ساده‌تر، توسعه‌پذیری آسان‌تر و هزینه اجرای سرویس‌ها در مقیاس بزرگ کمتر شود.

گامی مهم در تکامل زیرساخت هوش مصنوعی

کارشناسان معتقدند این به‌روزرسانی نشان می‌دهد که پیشرفت هوش مصنوعی تنها به توسعه مدل‌های قدرتمندتر محدود نمی‌شود، بلکه استاندارد‌ها و زیرساخت‌های فنی نیز نقش تعیین‌کننده‌ای در گسترش کاربرد‌های عملی این فناوری دارند.

اگرچه رقابت در آموزش مدل‌های هوش مصنوعی با سرعت بالایی ادامه دارد، اما توسعه استاندارد‌های زیرساختی مانند MCP همچنان نیازمند اجماع فنی و فرآیند‌های استانداردسازی است، روندی که آهسته‌تر پیش می‌رود، اما برای شکل‌گیری یک اکوسیستم پایدار و قابل اعتماد هوش مصنوعی، اهمیت اساسی دارد.

انتهای پیام/

نظر شما
captcha
پیشنهاد سردبیر