MarkTechPost→ المصدر

كيف تبني نظامًا بنمط MCP لوكلاء الذكاء الاصطناعي الأذكياء

بنى الفريق نظامًا متكاملًا لوكلاء MCP يشمل اكتشاف الأدوات والتوجيه والتنفيذ. ويضم النظام البحث على الويب وتنفيذ شيفرات Python وتحميل مجموعات البيانات، ويعمل وفق المخطط التالي: discover → route → plan → execute.

معالج بواسطة الذكاء الاصطناعي من MarkTechPost؛ بتحرير Hamidun News
كيف تبني نظامًا بنمط MCP لوكلاء الذكاء الاصطناعي الأذكياء
المصدر: MarkTechPost. كولاج: Hamidun News.
◐ استمع للمقال

أعدّ مطوّرو MarkTechPost دليلًا كاملًا لبناء نظام وكلاء ذكاء اصطناعي بنمط MCP. وهذا ليس مجرد وكيل واحد، بل منظومة متكاملة تضم اكتشاف الأدوات والتوجيه الذكي وتخطيط المهام وتنفيذها. ويعمل الناتج كآلية واحدة متماسكة، يتولى فيها كل جزء مرحلة بعينها.

خادم أدوات معياري

في قلب النظام يقع خادم معياري يوفّر للوكيل كل ما يحتاجه. ويعمل الخادم كمحور مركزي يحصل الوكيل عبره على الأدوات. وكل أداة موصوفة بتعريفات منظّمة، وبذلك يعرف الوكيل ما يستطيع فعله، وما المعاملات التي عليه تمريرها، وما النتيجة التي ينتظرها.

يدعم النظام عدة أنواع من الأدوات. فالبحث على الويب (Web search) يتيح البحث عن المعلومات في الإنترنت. أما الاسترجاع المحلي (local retrieval) فيعمل مع المستندات وقواعد المعرفة المخزّنة على الخادم. ويساعد تحميل مجموعات البيانات في العمل على بيانات التحليل. ويتيح تنفيذ Python (Python execution) تشغيل الشيفرات مباشرة على الخادم. وتستخدم جميع الأدوات واجهة واحدة متطابقة، ما يسمح للوكيل بالتنقل بينها دون إعادة تدريب.

أربع مراحل عمل

تسير العملية وفق مخطط صارم من أربع مراحل:

  • اكتشاف الأدوات — يمسح الوكيل الخادم ليتعرّف على الإمكانات المتاحة
  • التوجيه — يقرر النظام أي أداة تناسب المهمة
  • التخطيط — يضع الوكيل خطة تنفيذ خطوة بخطوة
  • التنفيذ — تنفيذ الخطة مع مراقبة النتائج

المرحلة الأولى هي اكتشاف الأدوات. يمسح الوكيل الخادم ليعرف الإمكانات المتاحة له. وفي المرحلة الثانية، مرحلة التوجيه، يحلّل النظام المهمة ويختار الأداة المناسبة أو مجموعة من الأدوات. المرحلة الثالثة هي التخطيط: يضع الوكيل خطة من خطوات متتالية، لأن معظم المهام تتطلب أكثر من خطوة. أما المرحلة الرابعة فهي التنفيذ، إذ ينفّذ الوكيل الخطة ويتحقق من نتائج كل خطوة.

الحقن الديناميكي للسياق

الفكرة الأساسية هي عدم تمرير السياق كله دفعة واحدة. فبدلًا من ذلك، تُضاف إلى ذاكرة الوكيل في كل مرحلة المعلومات التي يحتاجها الآن بالضبط. ففي مرحلة اكتشاف الأدوات لا يرى الوكيل سوى قائمة الإمكانات المتاحة. وفي مرحلة التخطيط يرى الهدف والأدوات، لكنه لا يرى السياق الكامل للنظام. وفي مرحلة التنفيذ يرى نتائج الخطوات السابقة.

يخفّف هذا النهج العبء عن النموذج ويجعل قراراته أكثر تركيزًا. فلا ينشغل الوكيل بمعلومات لا يحتاجها في اللحظة الراهنة. وتتحسّن النتائج وتنخفض تكلفة التشغيل.

ماذا يعني ذلك

تتيح العمارة بنمط MCP بناء وكلاء يعملون بكفاءة وموثوقية أعلى. وهذه ليست مجرد أداة جديدة، بل فئة جديدة من الأنظمة يتولى فيها كل مكوّن جزءًا محددًا من العمل. ويمكن إضافة أداة جديدة بمجرد تعريف بنيتها، وسيدرك النظام تلقائيًا متى يستخدمها.

ZK
Hamidun News
أخبار الذكاء الاصطناعي بدون ضوضاء. اختيار تحريري يومي من أكثر من 50 مصدر. منتج من جمال حميدون، رئيس الذكاء الاصطناعي في Alpina Digital.
✦ Autonomous AI Agents

Delegate Deep Research, Coding & Workflows to an AI Agent

Deploy autonomous multi-step execution with NomadNet Agent (agent.nomadnet.ai) — automated web research, data synthesis, code generation, and complex task orchestration.

Launch NomadNet Agent →NomadNet AI Platform
ما رأيك؟
جارٍ تحميل التعليقات…