توسعهدهندگان سیستمهای نهفته اکنون میتوانند بدون ترک محیط ترمینال، به Claude Code دستور دهند تا کدهای C/C++ را کامپایل کرده، فایلهای باینری را روی دستگاهها فلش کند و خروجیهای دیباگ را تحلیل نماید. در ۲۴ ژوئیه ۲۰۲۶، شرکت Arm سرور رسمی MCP را منتشر کرد که ابزارهای هوش مصنوعی عاملمحور (Agentic AI) را مستقیماً به زنجیره ابزارهای توسعه ARM متصل میکند و در واقع یک تولیدکننده کد را به یک دستیار کامل برای لایههای سختافزاری تبدیل میکند.
این چرخش راهبردی در حالی رخ میدهد که پروتکل زمینه مدل (Model Context Protocol یا MCP) — که توسط Anthropic در نوامبر ۲۰۲۴ معرفی شد و شبیه به یک مترجم است که به هوش مصنوعی اجازه میدهد با نرمافزارهای مختلف در دنیای واقعی صحبت کند — از خواندن ساده فایلها به عملیات حساس سختافزاری رسیده است. این قابلیتها در راستای چشمانداز Anthropic برای توسعه ابزارهای همکار است که پیشتر در قالب سرویس Claude Cowork برای کاربران مشترک Max عرضه شد تا تعاملات هوش مصنوعی با محیطهای کاری گستردهتر شود. همانطور که در تحلیل قبلی ما دربارهی محدودیتهای سختافزاری گجتهای پوشیدنی اشاره کردیم، تمرکز هوش مصنوعی تا پیش از این بیشتر بر لایه مصرفکننده بود، اما اکنون این بهروزرسانی لایه مهندسی حرفهای را هدف قرار داده است تا شکاف بین استدلال سطح بالای AI و دنیای سختگیرانه فریمور (Firmware) را پر کند.
اکوسیستم و زمینه
طبق گزارشهای منتشرشده، سرور MCP شرکت Arm بخشی از گسترش کلان هوش مصنوعی عاملمحور است. اکنون بیش از ۱۷۶ پیادهسازی از این پروتکل در اکوسیستم وجود دارد. این اقدام Arm سیگنالی است مبنی بر اینکه توسعه سختافزار، که پیشتر مدیریتی دستی و متکی به رابطهای گرافیکی بود، اکنون به یک شهروند درجهیک در دنیای AI تبدیل شده است.
بنیاد Agentic AI تحت نظارت بنیاد لینوکس، اکنون مدیریت MCP را بر عهده دارد که نشاندهنده پذیرش این استاندارد در سطح سازمانی است. دادههای اخیر نشان میدهد که ماهانه ۹۷ میلیون بار دانلود SDK رخ داده و بیش از ۱۹,۸۰۰ سرور در ریجستریها فهرست شدهاند؛ همچنین ۸۰٪ از شرکتهای Fortune 500 در حال آزمایش ابزارهای سازگار با MCP در محیط داخلی خود هستند.
جزئیات فنی
بر اساس مستندات dev.to، Arm MCP Server از این استاندارد باز برای خودکارسازی چرخه «ویرایش، کامپایل، فلش و تست» استفاده میکند. این سرور چندین وظیفه حیاتی در سطح پایین را مدیریت میکند:
- کامپایل متقاطع (Cross-compilation): کامپایل کدهای C/C++ برای پردازندههای هدف ARM مانند Cortex-M4.
- فلش کردن باینری: استقرار فایلهای باینری از طریق OpenOCD یا J-Link.
- تحلیل دیباگ: تجزیه خروجیهای عیبیابی و بازرسی در سطح رگیستر (Register).
برای راهاندازی، کاربران میتوانند دستور claude mcp add arm-server --type stdio --command "npx @arm/mcp-server" را اجرا کنند یا یک فایل پیکربندی مانند arm-mcp-config.json را معرفی نمایند. در این فایل، مسیر Toolchain (مثلاً /usr/bin/arm-none-eabi-)، مدل هدف (مانند cortex-m4) و تنظیمات برد (مانند stm32f4discovery.cfg) تعریف میشود.
پس از پیکربندی، توسعهدهندگان میتوانند از پرامپتهای زبان طبیعی استفاده کنند. برای مثال، درخواست «کد main.c را برای STM32F4 با بهینهسازی -O2 کامپایل کن، فلش کن و هرگونه Hard Fault را گزارش بده»، باعث میشود AI بدون نیاز به جابهجایی بین پنجرهها، کل زنجیره ابزار را اجرا کرده و نتایج را گزارش دهد.
این یکپارچگی با حذف نیاز به جابهجایی بین چت AI، محیط IDE و ابزار فلش، جریان کاری را تغییر میدهد. برای کاربر این به معنای موارد زیر است:
- نمونهسازی سریع: تکرار سریع الگوریتمهای نهفته بدون ترک ویرایشگر.
- CI/CD فریمور: خودکارسازی بیلدهای شبانه و تستهای اولیه برای اهداف ARM.
- عیبیابی پیشرفته: سپردن تحلیل Crash Dumpها به Claude، دریافت پیشنهاد اصلاح و اجرای مجدد تست.
- آموزش: possibility برای توسعهدهندگان تازهکار تا هر مرحله از کامپایل و فلش را از AI یاد بگیرند.
با این حال، این ابزار جایگزین کامل تشخیصهای فیزیکی نیست. سیستم همچنان به نصب محلی Toolchain نیاز دارد و نمیتواند جایگزین تحلیلگر منطقی (Logic Analyzer) یا اسیلوسکوپ برای عیبیابی سیگنالهای عمیق شود. این ابزار در واقع ۸۰٪ از کارهای تکراری را بهینه میکند، نه تحلیلهای الکتریکی پیچیده را.
توسعهدهندگان باید لیست پیادهسازیهای MCP را دنبال کنند؛ چرا که گوگل نیز در ژوئیه ۲۰۲۶ پشتیبانی از Gemini API Managed Agents را اضافه کرد که نشاندهنده رقابت برای دادن «دستهای» بیشتر به عاملهای هوش مصنوعی در دنیای فیزیکی است.
گام بعدی شما
- اگر توسعهدهنده ARM هستید، سرور MCP را نصب کنید تا چرخه تست و خطا را از حالت دستی خارج کنید.
- بررسی کنید که آیا زنجیره ابزارهای محلی شما با پیکربندیهای
arm-mcp-config.jsonسازگار است یا خیر. - سایر سرورهای MCP را برای اتصال Claude به دیتابیسها یا APIهای داخلی سازمان خود بسنجید.
اما تأثیر این دسترسی مستقیم بر امنیت سیستمهای نهفته و احتمال تزریق کدهای مخرب در لایههای سختافزاری، بحثی است که در تحلیلهای آینده به آن خواهیم پرداخت. در همین راستا، Anthropic بر اهمیت دقت در شناسایی آسیبها تأکید کرده و از طریق پنلهای چندعاملی، نرخ خطای شناسایی漏洞های امنیتی را کاهش داده است تا ابزارهای Agentic AI ایمنتر عمل کنند.
گفتگو