اگر یک ربات Reachy Mini دارید، دیگر لازم نیست برای یاد دادن مهارت‌های جدید به او، ساعت‌ها با کدهای پایتون کلنجار بروید. طبق گزارش Hugging Face در ۳ ژوئن ۲۰۲۶، این ربات اکنون می‌تواند از طریق پروتکل بافتار مدل (Model Context Protocol یا MCP) — که شبیه به یک تبدیل جهانی است و به ابزارهای مختلف اجازه می‌دهد بدون نیاز به دفترچه راهنما با هم حرف بزنند — از ابزارهای ابری استفاده کند.
این تحول، تکه گمشده‌ای در مسیر توسعه این ربات است. همان‌طور که در تحلیل قبلی ما درباره‌ی زیرساخت‌های گفتاری Reachy Mini اشاره کردیم، تمرکز بر پردازش‌های محلی برای سرعت و ایمنی حیاتی است. اما کارهای دیجیتالی مثل بررسی آب‌وهوا یا جست‌وجوی وب، بهتر است در فضای ابری مدیریت شوند. این یعنی شما می‌توانید قابلیت‌های جدید را اضافه کنید، بدون اینکه پایداری هسته‌ی اصلی ربات را به خطر بیندازید.
به نقل از مستندات این به‌روزرسانی، کاربران اکنون می‌توانند ابزارها را مستقیماً از Hugging Face Spaces نصب کنند. برای مثال، اجرای یک دستور ساده در محیط خط فرمان (CLI)، ابزار pollen-robotics/reachy-mini-weather-tool را به فهرست توانایی‌های ربات اضافه می‌کند.
سیستم جدید سه نوع ابزار را مدیریت می‌کند:
- ابزارهای داخلی (Built-in)
- ابزارهای سفارشی محلی (Local Custom)
- ابزارهای راه دور MCP
مدیریت این قابلیت‌ها از طریق پروفایل‌ها و فایل tools.txt انجام می‌شود. همچنین برای جلوگیری از تداخل دستورات ابری با دستورات حیاتی مثل move_head (حرکت سر)، از نام‌گذاری‌های مجزا یا Namespacing استفاده شده است. این سیستم از مدل‌های OpenAI، Gemini و Hugging Face پشتیبانی می‌کند.
این تغییر، ربات را به یک پلتفرم «بزن و برو» (Plug-and-Play) تبدیل می‌کند. شما دیگر نیازی ندارید برای همکاری در خلق رفتارهای جدید، فایل‌های خام پایتون را به اشتراک بگذارید. هرچه جامعه کاربران ابزارهای بیشتری در Spaces منتشر کنند، کارایی ربات بدون نیاز به آپدیت‌های نرم‌افزاری سنگین، بیشتر می‌شود. در واقع این همان استفاده از ابزار (Tool Use) است؛ مثل یک چاقوی سوئیسی که می‌توانید تیغه‌های جدید را بدون تغییر دادن دسته‌ی آن، به بدنه اضافه کنید.
گام بعدی شما
- در هاب Hugging Face دسته‌بندی
reachy-mini-toolرا جست‌وجو کنید تا ابزارهای آماده را بیابید. - اگر توسعه‌دهنده هستید، سعی کنید اولین «فضای ابزاری» (Tool Space) خود را برای کنترل ربات طراحی کنید.
- بررسی کنید کدام مدل‌های زبانی (LLM) در اجرای دستورات MCP سرعت پاسخ‌دهی بیشتری دارند.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو