تصور کنید آرشیو عظیمی از تصاویر ماهواره‌ای، توالی‌های ژنومیک و مدل‌های اقلیمی وجود دارد که اکنون به یک منبع ساختاریافته و ماشین‌خوان تبدیل شده است. طبق اعلام AWS در ۲۸ جولای ۲۰۲۶، این رویارویی با داده‌های حجیم حالا از طریق یک سرور جدید مبتنی بر پروتکل زمینهٔ مدل (MCP) ممکن شده است. با این ابزار، عامل‌های هوش مصنوعی اکنون می‌توانند بیش از ۱۷۰ مجموعه دادهٔ عمومی را تنها با استفاده از زبان طبیعی مورد پرس‌وجو قرار دهند.
این تحول در زمانی رخ می‌دهد که پروتکل زمینهٔ مدل (MCP) — یک استاندارد باز که در نوامبر ۲۰۲۴ توسط Anthropic معرفی شد — با سرعتی خیره‌کننده در صنعت پذیرفته شده است. این استاندارد در واقع راهکاری برای یکپارچه‌سازی مدل‌های زبانی با ابزارهای خارجی است تا تعامل میان مدل و داده‌ها تسهیل شود. تا ژوئن ۲۰۲۶، تعداد سرورهای فعال با این پروتکل از ۱۳,۰۰۰ مورد گذشت که نشان‌دهنده تغییر جهت صنعت به سوی استانداردسازی نحوه تعامل عامل‌های هوش مصنوعی با مخازن دادهٔ خارجی است. تصور کنید محققی است که دیگر نیازی ندارد برای یافتن آرشیوهای خاص، ساعت‌ها در کنسول‌های پیچیده وب گشت‌وگذار کند؛ او صرفاً از عامل خود درخواست لیست فایل‌های مورد نظر را می‌کند.
بر اساس پست وبلاگی AWS، این سرور دسترسی «فقط‌خواندنی» به سجل داده‌های باز (Registry of Open Data) را فراهم می‌کند؛ سیستمی که از سال ۲۰۱۸ میزبان پتابایت‌ها دادهٔ رایگان و عمومی بوده است. جزئیات فنی این پیاده‌سازی شامل موارد زیر است:
- رابط زبان طبیعی: عامل‌ها می‌توانند درخواست‌های بسیار دقیق ارسال کنند؛ برای مثال: «تصاویر ماهواره‌ای حوضه آمازون مربوط به سال ۲۰۲۳».
- مسیریابی مستقیم: سرور به‌جای تحمیل مراحل دستی دانلود، مستقیماً مسیرهای S3 یا لیست دقیق فایل‌ها را بازمی‌گرداند.
- یکپارچه‌سازی متن‌باز: این سرور هم‌اکنون به‌صورت یک یکپارچه‌سازی MCP متن‌باز در دسترس عموم قرار دارد.
اگرچه داده‌ها همچنان رایگان باقی مانده‌اند، اما AWS جزئیات خاصی دربارهٔ قیمت‌گذاری یا معیارهای پذیرش استفاده از این سرور MCP افشا نکرده است. این اقدام در واقع یک پاسخ استراتژیک به جنگ گسترده‌تر هوش مصنوعی در فضای ابری است؛ چراکه Google نیز پیش‌تر در ۸ جولای ۲۰۲۶، سرور MCP اختصاصی خود را برای گوگل‌کلاود (Google Cloud) عرضه کرده بود. این رقابت در حالی شدت می‌گیرد که سایر بازیگران نیز به دنبال حذف زیرساخت‌های پیچیده هستند، همان‌طور که پلتفرم X نیز با عرضه سرورهای میزبانی‌شده MCP تلاش کرد اتصال عامل‌ها به داده‌ها را ساده‌تر کند.
با تبدیل شدن به اولین شرکت از میان «سه غول» ارائه‌دهنده خدمات ابری که سجل داده‌های عمومی خود را از طریق MCP باز می‌کند، AWS به‌طور مؤثری موانع ورود به جریان‌های کاری علمیِ عامل‌محور (Agentic Workflows) را کاهش داده است. اثر ثانویه این اتفاق، گذار از «جست‌وجوی داده» به «دستور دادن به عامل برای بازیابی داده» است که سرعت تحلیل‌های پیشرانِ هوش مصنوعی را به شدت افزایش می‌دهد.
ناظران اکنون باید منتظر باشند تا ببینند آیا Microsoft Azure نیز طی ۶۰ روز آینده سرور MCP مشابهی را برای مجموعه داده‌های باز خود (Azure Open Datasets) عرضه می‌کند یا خیر. علاوه بر این، باید بررسی کرد که آیا AWS در آینده حجم پرس‌وجوها را منتشر می‌کند تا کارآمدی این مدل کشف داده‌های «عامل-محور» را به اثبات برساند.
گام بعدی شما
- اگر از عامل‌های هوشمند برای تحلیل داده استفاده می‌کنید، سرور MCP آمازون را به ابزارهای خود متصل کنید.
- بررسی کنید که کدام‌یک از ۱۷۰ مجموعه دادهٔ عمومی با پروژهٔ پژوهشی شما سازگار است.
- منتظر واکنش مایکروسافت باشید؛ پیش‌بینی می‌شود Azure طی ۶۰ روز آینده نسخهٔ مشابهی را عرضه کند.
ama داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو