تصور کنید پیش از آنکه حتی یک کلمه بنویسید، ۴۰٪ از حافظهٔ فعال هوش مصنوعی شما صرف خواندن لیست ابزارها شود. این دقیقاً همان بن‌بستی است که توسعه‌دهندگان هنگام مقیاس‌بندی ابزارهای هوش مصنوعی با آن مواجه می‌شوند.
مدیریت صدها مهارت در یک پروتکل زمینهٔ مدل (Model Context Protocol - MCP) — که شبیه به یک دفترچه راهنمای جامع برای مدل است تا بداند چه ابزاری را کجا صدا بزند — باعث ایجاد یک دیوار مقیاس‌پذیری می‌شود. این پروتکل در واقع همان چارچوبی است که بار کاری ادغام هوش مصنوعی را از روش‌های سنتی و ضرب‌دری به رویکردی جمعی و سازمان‌یافته تغییر داد. در این وضعیت، توضیحات ابزارها برای تصاحب فضای محدود پنجرهٔ زمینه (Context Window) — یعنی همان میز کاری که مدل متون جاری را روی آن نگه می‌دارد — با یکدیگر رقابت می‌کنند. همان‌طور که در تحلیل‌های قبلی ما درباره‌ی بهینه‌سازی توکن‌ها دیدیم، مدیریت این فضا کلید بهره‌وری مدل است.
بر اساس گزارش فنی منتشر شده در ۲۵ ژوئیه ۲۰۲۶ در وب‌سایت dev.to، پروژه CHROMATIC-MCP توانست سربار زمینه را از ۱۲ هزار توکن به کمتر از ۲ هزار توکن کاهش دهد. تیم سازنده دریافتند که توضیحات ابزارها، برخلاف باور رایج، مهم‌ترین محرک برای تصمیم مدل جهت فراخوانی یک ابزار هستند.
اصلاحات معماری
برای حفظ کارایی و کاهش هزینه، این تیم از سه الگوی مشخص استفاده کرد:
- کشف دو لایه‌ای: سرور در ابتدا تنها ۱۰ ابزار منتخب را نمایش می‌دهد. کاربران برای دسترسی به بقیه کتابخانه باید از ابزار
discover_skillsاستفاده کنند تا مدل با لیست انبوه تعاریف دچار سردرگمی نشود. - مهندسی توضیحات: تغییر توصیفات از حالت مبهم (مثلاً «تحلیل شخصیت») به ساختارهای دقیق شامل عبارات اسمی و فرمت‌های ورودی، نرخ فراخوانی ابزارها را ۳ تا ۴ برابر افزایش داد.
- الگوی اجرای محلی: برای ۵۰ مهارت رایگان، سرور صرفاً یک سند راهنمای
SKILL.mdرا بازمی‌گرداند. سپس مدل محلی کلاینت (مانند Ollama یا ChatGLM) وظیفه اجرا را بر عهده می‌گیرد؛ این یعنی هزینه محاسباتی صفر برای سرور و حریم خصوصی کامل برای کاربر.
صورت‌حساب و نظارت
به نقل از مستندات این پروژه، پلتفرم به جای شارژ بر اساس توکن، از مدل پرداخت «به‌ازای هر تسک» (از ۱.۲۹ تا ۶.۹۹ ین) استفاده می‌کند. در این روش، پرداخت تنها پس از تایید موفقیت‌آمیز بودن تسک در گیت اعتبارسنجی رخ می‌دهد و اگر خروجی مدل بی‌معنی باشد یا سیستم دچار Timeout شود، هزینه‌ای از کاربر گرفته نمی‌شود.
برای نظارت، تیم از لاگ‌های ساختاریافته JSONL برای ردیابی تأخیر (Latency) در سطح P95 استفاده می‌کند که در حال حاضر زیر ۲ ثانیه است. تحلیل پارتو هفتگی نشان می‌دهد که ۲۰٪ از ابزارها، ۸۰٪ ترافیک کل (به‌طور متوسط ۵۰۰ درخواست روزانه عمدتاً از آمریکا) را به خود اختصاص می‌دهند.
این تغییر رویکرد ثابت می‌کند که آیندهٔ کتابخانه‌های عظیم ابزار، در گروی مکانیسم‌های «کشف» است، نه لیست‌های جامع. با انتقال اجرا به لبه، سرور از یک موتور محاسباتی به یک لایه پیشرفتهٔ مسیریابی و ارکستراسیون تبدیل می‌شود.
گام بعدی شما
- اگر در حال توسعه ابزارهای MCP هستید، ابتدا با مجموعه‌ای کوچک (۲۰ ابزار) شروع کنید تا مهندسی توضیحات را بهینه کنید.
- برای کاهش هزینه‌ها، الگوهای اجرای محلی (Local Execution) را جایگزین پردازش‌های سروری کنید.
- مدل پرداخت مبتنی بر نتیجه (Completion Certificate) را برای افزایش اعتماد کاربران آزمایش کنید.
اما اثر این معماری بر مدل‌های زبان کوچک در لبه حتی جذاب‌تر است — به بررسی ما دربارهy بهینه‌سازی‌های Ollama مراجعه کنید.
گفتگو