پرش به محتوای اصلی
پرش به محتوای مقاله

درون معماری Tilde؛ پیاده‌سازی Agentهای امن از طریق پروتکل MCP

·۱۰ مرداد ۱۴۰۵۳ دقیقه مطالعه۲ بازدید
راهنما
نمایش نحوه ساخت یک عامل بازبینی کد با هوش مصنوعی
نمایش نحوه ساخت یک عامل بازبینی کد با هوش مصنوعی
اشتراک‌گذاری
واقعاً چه چیز جدید است؟

جایگزینی مدیریت دستی زیرساخت با یک فایل پیکربندی (`tilde-state.yaml`) برای استقرار سریع عامل‌ها در محیط‌های ایزوله.

یک مهندس نرم‌افزار را تصور کنید که به‌جای ساعت‌ها درگیر تنظیم سرور و دسترسی‌ها شود، تنها در چند دقیقه یک عامل بازبینی کدِ امن و مستقل را مستقر کند. این دقیقاً همان چیزی است که Tilde با معرفی SDK جدید خود به دست آورده است.

بیشتر کتابخانه‌های فعلی برای ساخت عامل‌ها با مشکل جابه‌جایی و ترکیب‌پذیری روبه‌رو هستند و توسعه‌دهنده را مجبور می‌کنند برای هر وظیفه جدید، کل زیرساخت را از ابتدا بسازد. طبق گزارش فنی وب‌سایت trytilde.ai، این پلتفرم در ۳۱ ژوئیه ۲۰۲۶ نسخه عمومی خود را عرضه کرد تا این تجربه تکه‌تکه را تغییر دهد. ساخت یک عامل پیچیده در این سامانه شبیه به چیدمان قطعات لگو است؛ شما فقط بخش‌هایی را انتخاب می‌کنید که واقعاً نیاز دارید.

همان‌طور که در تحلیل‌های پیشین ما درباره‌ی استانداردسازی ارتباطات مدل‌ها اشاره کردیم، یکپارچگی ابزارها کلید موفقیت است. Tilde قابلیت‌های خود را در سه بخش اصلی سازماندهی کرده است:

  • ابزارها (Tools): پشتیبانی از سرورهای پروتکل زمینهٔ مدل (Model Context Protocol یا MCP) — که مثل یک مترجم استاندارد، مدل را به داده‌های خارجی متصل می‌کند — ابزارهای مدیریت‌شده و پروکسی‌های HTTP برای ادغام با سرویس‌های ابری.
  • ChatKit: یکپارچگی بومی برای ارسال و دریافت پیام‌ها از طریق گیت‌هاب، اسلک یا APIهای مستقیم.
  • حافظه (Memory) — شبیه به یک دفترچه یادداشت دیجیتال که عامل می‌تواند اطلاعات مهم را در آن ذخیره و به‌روز کند — شامل ریجیستری مهارت‌ها و ویکی‌های دائمی.

برای نمایش این قابلیت‌ها، بر اساس مستندات این پلتفرم، یک عامل بازبینی کد با معماری امنیتی بالا طراحی شده است. این روند با تلاش‌های اخیر برای بهینه‌سازی تحلیل کد هم‌سو است؛ برای مثال، ابزار code-review-graph با تحلیل ساختاری توانست مصرف توکن‌های بازبینی کد را ۸۲ برابر کاهش دهد. این عامل با تگ‌های PR در گیت‌هاب فعال شده، کدها را در یک محیط ایزوله یا سندباکس (Sandbox) بررسی می‌کند و تغییرات را بدون افشای اعتبارنامه‌های حساس، تحلیل می‌نماید.

نمایش فرآیند بررسی کد توسط عامل هوش مصنوعی با تحلیل تغییرات و ارائه بازخورد

به نقل از گزارش trytilde.ai، این سامانه از یک فایل tilde-state.yaml برای تضمین قابلیت جابه‌جایی استفاده می‌کند. کاربران می‌توانند با وارد کردن این فایل در تنظیمات، زیرساخت مورد نیاز، هوک‌های گیت‌هاب و تنظیمات سندباکس Modal را فوراً پیکربندی کنند. این رویکرد یادآور راهکارهای مشابهی است که Agent-Up برای به اشتراک‌گذاری محیط‌های اجرای ایزوله در عامل‌های کدنویس به کار گرفته است. این SDK در حال حاضر با Vercel AI SDK سازگار است، هرچند پشتیبانی از زبان‌های دیگر در برنامه است.

برای یک توسعه‌دهنده معمولی، این تغییر نقطه تمرکز را از «چگونه مدل زبانی را به گیت‌هاب وصل کنم؟» به «چگونه منطق بازبینی کد را بهینه کنم؟» تغییر می‌دهد. با تبدیل زیرساخت به یک کالای آماده، Tilde بدهی فنی مربوط به نگهداری عامل‌ها را کاهش می‌دهد. پیامد ثانویه این روند، پایین آمدن سد ورود برای خودکارسازی کارهای تکراری مهندسی نرم‌افزار است.

گام بعدی شما

  • مستندات Tilde را برای بررسی نحوه پیاده‌سازی مدل‌های استدلالی مطالعه کنید.
  • عامل‌های خود را به فایل llms.txt پلتفرم متصل کنید تا فرآیند پذیرش خودکار را تجربه نمایید.
  • بررسی کنید که آیا پروتکل MCP می‌تواند جایگزین APIهای اختصاصی شما در سازمان شود یا خیر.

اما داستان سخت‌افزاری این تحولات حتی شگفت‌انگیزتر است؛ برای درک لایه‌ی محاسباتی این ابزارها، به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.

چرا این موضوع مهم است؟

این ابزار با کاهش هزینه‌ی استقرار، سرعت تولید عامل‌های کاربردی را افزایش می‌دهد. اعتبار این رویکرد از پذیرش پروتکل استاندارد MCP می‌آید که وابستگی مدل‌ها به پیاده‌سازی‌های خاص هر شرکت را می‌کاهد.

تأثیر برای ایران

به‌دلیل محدودیت‌های API و دسترسی به سرویس‌های ابری آمریکایی، استفاده از این SDK برای توسعه‌دهندگان ایرانی نیازمند زیرساخت‌های گذرگاه است، اما معماری آن برای پیاده‌سازی مدل‌های مشابه در محیط‌های داخلی الگوبرداری‌پذیر است.

·نگاه ما
تحریریه دات‌هوش

جایگاه Tilde در اکوسیستم، گذار از «کتابخانه‌های کدنویسی» به «پلتفرم‌های میزبان» برای عامل‌هاست. زمانی که زیرساخت (Plumbing) به یک کالای عمومی تبدیل شود، رقابت واقعی بر سر کیفیت «منطق استدلالی» عامل‌ها خواهد بود، نه توانایی اتصال آن‌ها به یک API. این رویکرد احتمالاً منجر به ظهور بازار گسترده‌تری از «قالب‌های آمادهٔ عامل» (Agent Templates) می‌شود.

منابع

این گزارش با خط‌لولهٔ خودکار دات‌هوش از منابع معتبر جهانی تدوین و زیر نظر تحریریه منتشر شده است. روش کار ما

گفتگو

پنج‌شنبه‌های هوش‌محور

بسته‌ی هفتگی دات‌هوش

۵ خبر، ۲ ابزار، ۱ پرامپت در هر شماره. به‌زودی راه‌اندازی می‌شود — هر پنج‌شنبه صبح.

خبر کلیدی
ابزار کاربردی
پرامپت حرفه‌ای
تحلیل پژوهش
به‌زودی
زاویه‌ی ایرانی
به‌زودی
تمرین این هفته
به‌زودی

راهنماهای دات‌هوش

راهنماهای کاربردیِ دات‌هوش برای کار با هوش مصنوعی — از همین‌جا شروع کنید:

دات‌هوش

راهنمای فارسی هوش مصنوعی — با نگاه به ایران

اخبار روزانه، معرفی ابزارها و مدل‌ها، و آموزشِ کار با هوش مصنوعی؛ همیشه با این پرسش که از ایران چه چیزی کار می‌کند و چه چیزی نه.