أطلقت Habr AI دليلاً حول ChatGPT و Claude و mcp للمبتدئين

إذا كنت لا تزال تنظر إلى ChatGPT بوصفه مرادفًا لكل الذكاء الاصطناعي، فإن المادة الجديدة من Habr AI يمكن أن تسد الفجوات الأساسية دفعة واحدة. هذه ليست مقدمة نظرية عن الشبكات العصبية، بل دليل عملي لمن يسمع كلمات مثل «prompt» أو «tokens» أو «خادم mcp» ولا يفهم جيدًا كيف يرتبط كل ذلك بالعمل الحقيقي. الفكرة الرئيسية في المقال بسيطة: لقد أصبحت مساعدات AI بالفعل أداة عمل عادية، لكن استخدامها بفعالية لا يكون ممكنًا إلا إذا كنت تفهم حدودها وتكلفتها وطريقة التفاعل معها.

يخصص القسم الكبير الأول لشرح ما الذي ينبغي اعتباره أصلًا مساعدًا من AI. الحديث هنا ليس عن «عقل كوني» أسطوري، بل عن نماذج لغوية كبيرة تستطيع كتابة النصوص وتحريرها، والمساعدة في البرمجة، وتحليل المستندات، والترجمة، والبحث عن المعلومات، وتوليد الأفكار. كما يشرح المقال بشكل منفصل الفرق بين النماذج المحلية والنماذج السحابية.

فالتشغيل المحلي عبر حلول مثل Ollama يمنحك التحكم والخصوصية والاستقلال عن الإنترنت، لكنه يتطلب عتادًا قويًا ويظل في معظم الحالات أدنى من النماذج السحابية الرائدة من حيث الجودة. أما السيناريو السحابي، فعلى العكس، فيمنح وصولًا سريعًا إلى أفضل النماذج من دون إعداد بنية تحتية، لكنه يفرض عليك القبول بإرسال البيانات إلى المزود وبالقيود المدفوعة. ويتمثل القسم المهم الثاني في نظرة عامة على السوق.

وتذكر المادة ChatGPT من OpenAI وClaude من Anthropic وGemini من Google وGrok من xAI وCopilot من Microsoft. أما منطق الاختيار فيقدَّم بصورة عملية للغاية: يُعرض ChatGPT كأداة عامة، وClaude كخيار قوي للمستندات الطويلة والبرمجة المعقدة، وGemini كامتداد طبيعي لـ Google Workspace، وCopilot كطبقة مريحة داخل منظومة Microsoft. وبالتوازي مع ذلك، يشرح الكاتب لماذا ينبغي الدفع أصلًا ما دامت هناك نسخ مجانية.

والجواب المختصر هو أن الوصول المجاني مناسب للتعرّف الأولي، لكن العمل الكامل يبدأ عادة عندما تتاح النماذج الأعلى، والحدود الأكبر، والعمل مع الملفات، والوظائف البحثية، وAPI. والاشتراك مناسب للاستخدام الشخصي، أما API فهو مطلوب بالدرجة الأولى لمن يدمج النموذج داخل منتج أو عملية أتمتة. وهناك قسم مفيد آخر مخصص لـ tokens ونافذة السياق ولماذا تتدهور جودة الحوار الطويل بسرعة لدى كثيرين.

ويجري شرح tokens هنا من دون تعقيد أكاديمي: فهي الوحدات الأساسية للنص التي يتعامل معها النموذج، وهي التي تحدد تكلفة الطلبات وسعة السياق. وبالنسبة للمستخدمين الناطقين بالروسية، هناك تفصيل مهم غالبًا ما يجري تجاهله في المراجعات التسويقية: فالنص الروسي عادة «يستهلك» tokens أكثر من الإنجليزية، ما يعني أنه يملأ نافذة النموذج بسرعة أكبر وقد يكون أكثر كلفة عبر API. ومن هنا تأتي توصيات عملية: لا تجعل المحادثة لا نهائية، وانقل القرارات الأساسية إلى ملفات منفصلة، وابدأ جلسة جديدة عندما يبدأ الوكيل في فقدان الخيط، ولا تحاول أن تجعل النموذج يكتب تطبيقًا كاملًا من قاعدة البيانات إلى النشر بأمر واحد.

أما الجزء الأكثر عملية في المادة فهو المتعلق بوكلاء AI. وهنا يقدَّم تمييز واضح بين نموذج عادي لا يستطيع إلا الرد بالنص، ووكيل يحصل على وصول إلى الملفات والطرفية والمتصفح والبريد الإلكتروني وقاعدة البيانات أو IDE. وعلى هذه الخلفية يصبح فهم عملاء desktop ووكلاء CLI وامتدادات IDE مثل Cursor أو Copilot أسهل: فالقيمة لا تكمن فقط في جودة الإجابة، بل أيضًا في القدرة على العمل داخل بيئة المستخدم.

ومع ذلك، لا يضفي المقال طابعًا رومانسيًا على الاستقلالية. فهو يتحدث بصراحة عن الهلوسات، وعن خطر دخول مهام API المكلفة في حلقات متكررة، وعن ضرورة إجراء commits قبل التجارب، وتقسيم المهام إلى مهام فرعية، والتحقق من كل نتيجة عبر الاختبارات وgit diff والمراجعة اليدوية. وبالنسبة للمطورين، فهذه على الأرجح هي الفقرة الأكثر فائدة في النص كله.

كما يجري التركيز بشكل خاص على mcp بوصفه بروتوكولًا يحول AI من محاور معزول إلى واجهة للأنظمة الخارجية. ويُشرح المعنى من خلال استعارة بسيطة: إذا أصبح USB-C منفذًا موحدًا للأجهزة، فإن mcp يصبح الطريقة الموحدة لربط النماذج بالملفات وقواعد البيانات وGitHub وSlack وNotion والبريد والبحث وغيرها من الأدوات. ولهذا السبب تحديدًا بدأ الموضوع يتجاوز حدود الدردشات وprompts ويصطدم بالبنية التحتية.

وبالنسبة إلى الأعمال، فهذا يعني الانتقال من «الدردشة مع نموذج» إلى سيناريوهات أتمتة حقيقية، حيث يستطيع المساعد العثور على تقرير، والدخول إلى قاعدة بيانات، وإنشاء مهمة، أو إعداد رسالة بريد من دون نسخ البيانات يدويًا بين الأنظمة. وخلاصة القول إن مقال Habr AI مفيد ليس لأنه يعد بالسحر، بل لأنه يزيل التوقعات الزائفة. فهو يعرض AI كطبقة عمل طبيعية لها تسعيرها وحدودها ومخاطرها وقواعد تشغيلها.

والخلاصة الرئيسية بسيطة: الذين سيفوزون ليسوا من فتحوا دردشة فحسب، بل من تعلموا صياغة المهمة، وإبقاء السياق تحت السيطرة، والتحقق من النتيجة، وربط النموذج بالأدوات الحقيقية عبر الوكلاء وmcp.