2GIS تطلق خادم MCP بـ6 أدوات للاستعلامات الجغرافية لوكلاء الذكاء الاصطناعي

أطلقت 2GIS خادم MCP يمنح وكلاء الذكاء الاصطناعي وصولاً مباشراً إلى الخدمات الجغرافية في منصة API التابعة للشركة. يضم الخادم ست أدوات: البحث عن الأماكن والمنشآت، والترميز الجغرافي المباشر والعكسي، وبناء المسارات، والإيزوكرونات، والخرائط الثابتة. ومع الإصدار نشر الفريق على Habr تحليلاً هندسياً بعنوان «كيف علّمنا LLM ألا تختلق العناوين». يتناول التحليل البنية الداخلية للخادم والمشكلات التي كان لا بد من حلها قبل الانتقال إلى بيئة الإنتاج.

لا تزال التفاصيل التقنية في الجزء المفتوح من المنشور قليلة، إذ يقع الجزء التقني الرئيسي خلف رابط القراءة الإضافية (under the cut). لذلك يقتصر ما يلي على ما ورد في الإعلان، مع سياق يوضح الحاجة إلى مثل هذه الخوادم.

ماذا يحصل الوكيل عليه

MCP (Model Context Protocol) بروتوكول مفتوح لربط الأدوات والبيانات الخارجية بالنماذج اللغوية. قدّمته Anthropic في أواخر عام 2024، وصار أحد الأساليب القياسية لمنح الوكيل وصولاً إلى الخدمات دون كتابة طبقة ربط خاصة لكل عميل. واختارت 2GIS هذا المسار لواجهات API الجغرافية الخاصة بها.

أبرز معطيات الإصدار:

• الأدوات: 6، وكل منها مبني فوق واجهة API المقابلة في منصة 2GIS.
• البحث: الأماكن والمنشآت.
• الترميز الجغرافي: مباشر (من العنوان إلى الإحداثيات) وعكسي (من الإحداثيات إلى العنوان).
• المسارات: بناء مسارات بين النقاط.
• الإيزوكرونات: المناطق التي يمكن بلوغها خلال زمن محدد.
• التصوير: خرائط ثابتة.
• الربط: موصوف في الوثائق على docs.2gis.com.

تعكس هذه المجموعة سيناريو نموذجياً: يعثر الوكيل على منشأة، ويحصل على إحداثياتها، ويبني مساراً إليها، ويقدّر منطقة الوصول، ثم يعرض على المستخدم صورة.

لماذا تربك الجغرافيا نماذج LLM

يجيب النموذج الذي لا يملك أدوات عن سؤال مثل «أين أقرب صيدلية في شارع كذا» اعتماداً على إحصاءات النصوص، لا على بيانات فعلية. فالعناوين وساعات العمل وأسماء المنشآت تتقادم بسرعة، وتتكرر أسماء المواقع الجغرافية نفسها في مدن مختلفة. والإحداثيات أرقام، وخطأ في الخانة الخامسة يعني فناءً آخر. وكل ذلك يدفع النموذج إلى إجابات واثقة لكنها مختلقة.

يؤدي الاتصال بخدمة جغرافية حية إلى نقل مصدر الحقيقة من أوزان النموذج إلى API. لكن المشكلات لا تختفي، بل تنتقل. فعلى الوكيل أن يحدد أي أداة من الأدوات الست يستدعي، وأن يمرر المعاملات بالصيغة الصحيحة، وألا يفقد النتيجة بين الخطوات. وتكمن الصعوبة في عقود الأدوات: فأسماؤها وأوصافها ومخططات وسائطها وصيغة إجاباتها تؤثر مباشرة في صحة استدعاء النموذج لها. ويقول المؤلفون إن مقالتهم تدور حول هذا تحديداً: الأخطاء عند تقاطع LLM مع الجغرافيا، وما اضطروا إلى إصلاحه قبل الإطلاق في بيئة الإنتاج.

من يستفيد عملياً

لم يعد المطورون الذين يبنون وكلاء بمنطق جغرافي (خدمات التوصيل، والتجزئة، والعقارات، والسياحة، والمساعدات الداخلية) بحاجة إلى كتابة أغلفة فوق واجهات API الخرائط. يكفي ربط خادم MCP الجاهز بعميل متوافق، ثم اختبار أداء النموذج في السيناريوهات المطلوبة.

أما من يبني خادم MCP خاصاً به أو أدوات لـfunction calling، فالقيمة الأساسية بالنسبة إليه في المقالة نفسها. وفيما يلي ما يستحق الفحص من الآن:

• كيف يختار النموذج الأداة حين يمكن حل الطلب بطريقتين، مثل البحث والترميز الجغرافي.
• ماذا يحدث عند غموض العنوان أو خلو نتائج البحث: هل يبلغ الوكيل بذلك بصدق أم يستبدل بها إجابة تبدو معقولة.
• إلى أي حد تناسب صيغة إجابة الأداة النموذج، لا الإنسان وحده.

ويدل ظهور مثل هذا الخادم لدى لاعب كبير في سوق الخرائط على اتجاه السوق. فبيانات الشركة تصبح متاحة للوكلاء عبر بروتوكول موحّد، لا عبر واجهة ويب. وبالنسبة إلى الخدمات الجغرافية، هذه قناة إضافية لتوزيع API.