پرش به محتوای اصلی
پرش به محتوای مقاله

پروتکل MCP: اتصال زنده مدل‌های زبانی به APIهای تجاری در .NET

·۲ تیر ۱۴۰۵۲ دقیقه مطالعه
راهنما
راهنمای کامل مبتدیان برای ساخت سرور MCP در سی‌شارپ دات‌نت
راهنمای کامل مبتدیان برای ساخت سرور MCP در سی‌شارپ دات‌نت
اشتراک‌گذاری
واقعاً چه چیز جدید است؟

معرفی متدولوژی پیاده‌سازی MCP در محیط دات‌نت ۹؛ این اولین راهنمای عملی برای تبدیل کدهای سی‌شارپ به ابزارهای قابل فراخوانی مستقیم توسط Claude است.

تصور کنید برنامه‌نویسی هستید که می‌خواهد Claude دسترسی مستقیم به پایگاه داده‌های محلی شرکت داشته باشد، بدون آنکه هر بار داده‌ها را دستی کپی کند. این دقیقا همان جایی است که پروتکل زمینهٔ مدل (Model Context Protocol یا MCP) وارد عمل می‌شود تا فاصله میان مدل‌های زبانی و داده‌های دنیای واقعی را پر کند.

بر اساس مستندات منتشرشده در ۲۳ ژوئن ۲۰۲۶، اکنون می‌توان یک اپلیکیشن کنسول .NET 9 را به عنوان پلی میان یک مدل زبانی بزرگ (LLM) — که شبیه کتابخانه‌داری است که میلیاردها صفحه را خوانده و حالا با همان لحن جواب می‌دهد — و داده‌های خصوصی تجاری به کار گرفت. این سازوکار به Claude Desktop اجازه می‌دهد تا به‌صورت پویا توابعی را در محیط سی‌شارپ (#C) فراخوانی کند.

همان‌طور که در تحلیل‌های قبلی ما درباره‌ی استفاده از ابزار (Tool Use) اشاره کردیم، مدل‌های استاندارد تنها به داده‌های آموزشی خود محدودند و نمی‌توانند به‌طور پیش‌فرض با APIهای محلی شما تعامل کنند. MCP این مشکل را با ارائه یک «پلاگین جهانی» حل می‌کند؛ شبیه به یک درگاه USB برای هوش مصنوعی که به جای ساخت اد监管ت‌های جداگانه برای هر ابزار، از یک پروتکل استاندارد استفاده می‌کند. این رویکرد در واقع بخشی از تلاش شرکت انتروپیک است تا از طریق معرفی استاندارد جدیدی برای اتصال مدل‌ها به ابزارهای خارجی، یکپارچگی در اکوسیستم هوش مصنوعی ایجاد کند.

طبق گزارش وب‌سایت dev.to، برای پیاده‌سازی این سرور از پشته‌ فناوری زیر استفاده شده است:

  • .NET 9 Console App: محیط اجرای اصلی برنامه
  • ModelContextProtocol NuGet SDK: کتابخانه رسمی برای پیاده‌سازی پروتکل
  • Microsoft.Extensions.Hosting: برای مدیریت چرخه حیات برنامه و تزریق وابستگی
  • Claude Desktop: کلاینت محلی برای تست یکپارچه‌سازی

این سرور از طریق انتقال stdio و JSON-RPC عمل می‌کند؛ یعنی ارتباطات به‌جای یک سرور HTTP پیچیده، از طریق لوله‌های ورودی و خروجی استاندارد صورت می‌گیرد. یک نکته فنی حیاتی این است که چون پروتکل برای ارتباط از stdout استفاده می‌کند، هرگونه دستور چاپ (print) برای دیباگ باید به stderr هدایت شود، وگرنه اتصال مدل قطع خواهد شد.

برای توسعه‌دهندگان، این تغییر یعنی انتقال بار کاری از مهندسی پرامپت (Prompt Engineering) — که هنر سؤال درست پرسیدن است — به کدنویسی ساختاریافته. استفاده از ویژگی‌های [McpServerTool] و [Description] به توسعه‌دهنده اجازه می‌دهد دقیقاً تعریف کند که هوش مصنوعی ابزار را چگونه ببیند. ویژگی Description حیاتی‌ترین بخش است، زیرا سیگنال اصلی برای Claude است تا تصمیم بگیرد از کد سی‌شارپ استفاده کند یا به دانش داخلی خود تکیه کند. در واقع، دقت در این تعاریفات همان چیزی است که باعث می‌شود شکاف‌های بازیابی داده و حدس‌های اشتباه عامل‌های کدنویس در پروژه‌های بزرگ کاهش یابد.

در نهایت، توسعه‌دهندگان باید سرور خود را در فایل claude_desktop_config.json ثبت کنند تا مدل در جلسات زنده، فایل اجرایی دات‌نت را به عنوان یک تامین‌کننده ابزار معتبر بشناساند.

گام بعدی شما

  • بررسی مستندات SDK پروتکل MCP در NuGet برای شروع پیاده‌سازی
  • تعریف دقیق توصیفات (Description) برای توابع حساس جهت کاهش خطای فراخوانی مدل
  • آزمایش خروجی‌های دیباگ در stderr برای جلوگیری از اختلال در ارتباط مدل و سرور

اما این تنها بخشی از معماری جدید است؛ برای درک بهتر نحوه مدیریت حافظه در این مدل‌ها، به تحلیل ما درباره‌ی پنجرهٔ زمینه مراجعه کنید.

چرا این موضوع مهم است؟

این پروتکل با استانداردسازی دسترسی به داده‌ها، وابستگی توسعه‌دهندگان به APIهای اختصاصی هر شرکت را کاهش می‌دهد. اعتبار این رویکرد در پذیرش آن توسط Anthropic است که امکان ایجاد اکوسیستم‌های ابزاری متقاطع را فراهم می‌کند.

تأثیر برای ایران

توسعه‌دهندگان ایرانی می‌توانند با استفاده از این پروتکل، ابزارهای محلی خود را بدون نیاز به میزبانی ابری پیچیده به مدل‌های زبانی متصل کنند، هرچند دسترسی به کلاینت Claude Desktop همچنان نیازمند ابزارهای تغییر IP است.

·نگاه ما
تحریریه دات‌هوش

جایگزینی مهندسی پرامپت با تعاریف کد-محور (Attribute-based)، نقطه عطفی در توسعه عامل‌های هوش مصنوعی است. این رویکرد باعث می‌شود تعامل مدل با داده‌ها از حالت «تلاش برای متقاعد کردن مدل» به «تعریف دقیق قراردادهای فنی» تغییر کند و در نتیجه قابلیت پیش‌بینی رفتار سیستم در مقیاس سازمانی به‌شد کمک کند.

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.