AI Engineering Academy · درس

ما هو MCP ولماذا يهم

افهموا ما الذي يوحّده معيار Model Context Protocol، وكيف يختلف عن تكاملات استدعاء الدوال المخصصة، ولماذا أصبح اللغة المشتركة لربط أدوات الذكاء الاصطناعي.

الدرس 1 من 413 خطوة

ما هو MCP ولماذا يهم درس مجاني في AI Engineering Academy على CoddyKit. هذا هو الدرس 1 من أصل 4. يمكنك قراءة الدرس كاملاً أدناه مجاناً — ثم تمرن عليه مباشرة في المتصفح باستخدام محرر أكواد مدمج ومدرس ذكاء اصطناعي متاح 24/7. هذا الدرس جزء من مسار التعلم في AI Engineering Academy، وتقدمك يتزامن عبر الويب وتطبيق CoddyKit. تتضمن دورة AI Engineering Academy 4 دروس في المجموع.

مشكلة تكامل الأدوات

تحلّ كل المساعدات الذكية اليوم المشكلة نفسها بطريقة مختلفة: كيف تربطون LLM بقواعد بياناتكم وواجهات API والملفات والخدمات؟ من دون معيار موحّد، يكون كل تكامل حلًا مخصصًا لمرة واحدة؛ إذ يعمل استدعاء الدوال في OpenAI بطريقة مختلفة عن استخدام الأدوات في Anthropic، الذي يختلف بدوره عن Gemini. ويعيد المطورون بناء المحوّلات نفسها مرارًا.

ما هو Model Context Protocol؟

Model Context Protocol (MCP) هو معيار مفتوح أنشأته Anthropic، ويحدّد واجهة مشتركة لربط LLM بمصادر البيانات والأدوات الخارجية. فكّروا فيه على أنه USB لتكاملات الذكاء الاصطناعي؛ فبمجرد أن يطبّق أحد الأدوات أو مصادر البيانات مواصفات خادم MCP، يمكن لأي عميل ذكاء اصطناعي متوافق مع MCP استخدامه من دون تعليمات برمجية مخصصة. أُعلن عنه في نوفمبر 2024، وسرعان ما ازداد اعتماده في مختلف أنحاء القطاع.

بنية العميل والخادم

يستخدم MCP نموذج العميل والخادم: يتصل تطبيق ذكاء اصطناعي (أي العميل) بخادم واحد أو أكثر من خوادم MCP. يوفّر كل خادم إمكانات، منها الأدوات التي يمكن للنموذج استدعاؤها، والموارد التي يمكنه قراءتها، وقوالب الموجهات التي يمكنه استخدامها. ويدير العميل (مثل Claude Desktop أو تطبيق مخصص) الاتصالات ويوجّه استدعاءات الأدوات إلى الخادم الصحيح.

العميل: Claude Desktop أو إضافة VS Code أو تطبيقكم
الخادم: عملية تعرض أدوات عبر MCP، مثل محوّل قاعدة بيانات أو نظام ملفات أو خدمة بحث على الويب

البدائيات الثلاث لـ MCP

تعرض خوادم MCP ثلاثة أنواع من الإمكانات:

الأدوات: دوال يمكن للنموذج استدعاؤها لتنفيذ إجراءات، على نحو مشابه لاستدعاء الدوال. مثال: execute_query(sql).
الموارد: بيانات ثابتة أو ديناميكية يمكن للنموذج قراءتها، مثل الملفات أو صفوف قاعدة البيانات أو استجابات API. مثال: file:///config/settings.json.
الموجهات: قوالب موجهات قابلة لإعادة الاستخدام يمكن للمستخدم استدعاؤها باستخدام معاملات. مثال: موجه لمراجعة التعليمات البرمجية يقبل diff.

MCP مقابل استدعاء الدوال المباشر

عند استخدام استدعاء الدوال المباشر، تعرّفون الأدوات في تعليمة تطبيقكم البرمجية، فتكون مرتبطة ارتباطًا وثيقًا بواجهة API الخاصة بموفّر LLM. أما مع MCP، فتُعرَّف الأدوات في عملية خادم منفصلة يمكن لأي عميل الاتصال بها. ومن أهم الفروقات:

قابلية النقل: يعمل خادم MCP واحد مع Claude والتطبيقات المخصصة والعملاء المستقبليين
قابلية إعادة الاستخدام: شاركوا خوادم MCP بين الفرق والمشروعات
فصل المسؤوليات: يمكن صيانة خوادم الأدوات بصورة مستقلة عن تطبيق الذكاء الاصطناعي

نقل MCP: ‏stdio وHTTP/SSE

تتواصل خوادم MCP مع العملاء عبر آليتين للنقل. يُستخدم stdio للأدوات المحلية؛ إذ يشغّل العميل الخادم بوصفه عملية فرعية ويتواصل معه عبر stdin/stdout. ويُعدّ ذلك بسيطًا وآمنًا لأدوات المطورين. ويُستخدم HTTP + Server-Sent Events (SSE) للخوادم البعيدة التي يمكن الوصول إليها عبر الشبكة، وهو مناسب لأدوات الفرق المشتركة أو عمليات النشر في بيئة الإنتاج.

# Claude Desktop config (~/Library/Application Support/Claude/claude_desktop_config.json)
# Connecting to a local MCP server via stdio:

# {
#   "mcpServers": {
#     "my-database": {
#       "command": "python",
#       "args": ["/path/to/my_mcp_server.py"],
#       "env": {
#         "DATABASE_URL": "postgresql://localhost/mydb"
#       }
#     }
#   }
# }

منظومة MCP

منذ إطلاق MCP، ظهرت منظومة متنامية من الخوادم الجاهزة. وتدير Anthropic خوادم رسمية لعمليات التكامل الشائعة، بينما تغطي خوادم المجتمع مئات الخدمات. وبدلًا من بناء تكاملات أدوات مخصصة من الصفر، يمكنكم إضافة خادم MCP موجود.

رسمية: GitHub وGoogle Drive وSlack وPostgreSQL ونظام الملفات والبحث على الويب
من المجتمع: Jira وNotion وStripe وSnowflake وMongoDB وغيرها الكثير
مخصصة: ابنوا خادمكم الخاص للأدوات الداخلية الاحتكارية

MCP في سير عمل تطوير الذكاء الاصطناعي

يُحدث MCP تحولًا في مساعدات البرمجة بالذكاء الاصطناعي. فعند توصيل خادم MCP بقاعدة التعليمات البرمجية، يستطيع Claude Desktop قراءة الملفات وتشغيل الاختبارات والتحقق من سجل git والاستعلام عن قواعد البيانات وتصفّح الوثائق، وكل ذلك من نافذة محادثة واحدة. يتيح هذا تطويرًا وكيلًا حقيقيًا يفهم فيه الذكاء الاصطناعي بيئة التطوير الكاملة ويتصرف بناءً عليها.

نظرة عامة على MCP SDK

توفر Anthropic حزم SDK لإنشاء خوادم MCP باستخدام Python وTypeScript. وحزمة Python SDK هي mcp (تُثبَّت باستخدام pip install mcp). تعرّفون الأدوات باستخدام decorators، والموارد باستخدام أنماط URI، بينما تتولى حزمة SDK التفاوض على البروتوكول وتسلسل الرسائل وتفاصيل النقل نيابةً عنكم.

# Install
# pip install mcp

# Minimal MCP server skeleton
from mcp.server import Server
from mcp.server.stdio import stdio_server
from mcp import types

app = Server('my-first-mcp-server')

@app.list_tools()
async def list_tools():
    return [
        types.Tool(
            name='hello',
            description='Returns a greeting message.',
            inputSchema={
                'type': 'object',
                'properties': {
                    'name': {'type': 'string', 'description': 'Name to greet'}
                },
                'required': ['name']
            }
        )
    ]

@app.call_tool()
async def call_tool(name: str, arguments: dict):
    if name == 'hello':
        return [types.TextContent(type='text', text=f'Hello, {arguments["name"]}!')]

import asyncio
asyncio.run(stdio_server(app))

أهمية MCP للقطاع

يمثّل MCP تحولًا نحو توحيد أدوات الذكاء الاصطناعي. فكما وحّد REST واجهات API للويب، ووحّد LSP ميزات اللغات في بيئات التطوير المتكاملة، يوحّد MCP طريقة اتصال نماذج الذكاء الاصطناعي بالأدوات. ويعود ذلك بالنفع على المطورين (البناء مرة واحدة والاستخدام في كل مكان)، والمؤسسات (تدقيق طبقة تكامل واحدة والتحكم فيها)، والمنظومة (مكتبات أدوات مشتركة قابلة لإعادة الاستخدام).

اعتماد MCP واتجاهه المستقبلي

ازداد اعتماد MCP بسرعة منذ إطلاقه. وقد أعلنت مساعدات البرمجة الرئيسية (Cursor وWindsurf وVS Code Copilot)، ومنصات الذكاء الاصطناعي للمؤسسات، وموفرو الخدمات السحابية دعم MCP. ويواصل البروتوكول تطوره من خلال مقترحات لتحسينات المصادقة وأخذ العينات والبث. ويؤهلكم فهم MCP لبناء تكاملات ذكاء اصطناعي قابلة للتشغيل البيني وتعمل عبر المنظومة المتنامية.

تحقق سريع

اختبروا فهمكم لماهية MCP وسبب أهميته.

أجب عليها في الدرس التفاعلي

مراجعة الدرس

في هذا الدرس تعلّمتم ما يلي: MCP معيار مفتوح يحدّد واجهة عامة لربط LLM بالأدوات ومصادر البيانات الخارجية، وتعرض خوادم MCP ثلاث بدائيات: الأدوات والموارد والموجهات، وتوفر منظومة MCP خوادم جاهزة للخدمات الشائعة، ولذلك لا تضطرون إلى البدء من الصفر. بعد ذلك سنبني أول خادم MCP باستخدام Python ونوصله بـ Claude Desktop.

البدء مجانًا

تعلم Python مع معلم ذكاء اصطناعي — مجانًا

اكتب وقم بتشغيل أكوادك الفعلية في المتصفح، واحصل على مساعدة فورية من معلم ذكاء اصطناعي متاح 24/7، واستمر من حيث توقفت على الويب أو في التطبيق.

الدورات: 30
الدروس: 120

ابدأ التعلم مجانًا عرض الدورة الكاملة

الأسئلة الشائعة

هل درس «ما هو MCP ولماذا يهم» مجاني؟

نعم — نص درس «ما هو MCP ولماذا يهم» كامل متاح مجاناً هنا على الويب. لتمرينه بشكل تفاعلي (محرر أكواد مدمج ومدرس ذكاء اصطناعي متاح 24/7) وفتح باقي دورة AI Engineering Academy، انتقل إلى CoddyKit PRO. تتضمن دورة AI Engineering Academy 4 دروس في المجموع.

ماذا ستتعلم في «ما هو MCP ولماذا يهم»؟

افهموا ما الذي يوحّده معيار Model Context Protocol، وكيف يختلف عن تكاملات استدعاء الدوال المخصصة، ولماذا أصبح اللغة المشتركة لربط أدوات الذكاء الاصطناعي. تتمرن على AI Engineering Academy مع أكواد عملية تشغلها مباشرة في المتصفح، ومدرس ذكاء اصطناعي متاح 24/7 يجيب على أسئلتك أثناء عملك.

هل أحتاج إلى خبرة سابقة لأبدأ AI Engineering Academy؟

لا تُشترط خبرة سابقة. AI Engineering Academy على CoddyKit منظم للمبتدئين حتى المتقدمين، لذا يمكنك البدء من هنا أو من البداية والتقدم بسرعتك الخاصة. هذا هو الدرس 1 من أصل 4.

كم من الوقت يستغرق درس «ما هو MCP ولماذا يهم»؟

معظم دروس CoddyKit تستغرق حوالي 5–10 دقائق. كل منها موجز وتفاعلي، لذا تحرز تقدماً مستمراً وتستأنف من حيث توقفت عبر الويب والتطبيق.

هل يمكنني كتابة وتشغيل أكواد في درس AI Engineering Academy هذا؟

نعم. كل درس في AI Engineering Academy يتضمن محرر أكواد مدمج، لذا تكتب وتشغل أكواداً حقيقية مباشرة في متصفحك وتحصل على تعليقات فورية من الذكاء الاصطناعي — بدون إعداد محلي.

جميع الدروس في هذه الدورة

← العودة إلى AI Engineering Academy