ToolJet با پروتکل MCP اپلیکیشن‌های اعتبارسنجی وام را خودکار کرد

تصور کنید یک تحلیلگر اعتباری بانکی به‌جای جابه‌جایی میان ده‌ها پنجره و فایل PDF، تمام داده‌های لازم برای تایید یک وام را در یک صفحه ببیند. در ۵ اکتبر ۲۰۲۶، شرکت ToolJet نشان داد که چگونه پروتکل زمینهٔ مدل (Model Context Protocol یا MCP) — که شبیه به یک مترجم جهانی است و اجازه می‌دهد مدل‌های هوش مصنوعی مستقیماً با ابزارهای نرم‌افزاری حرفه‌ای صحبت کنند — می‌تواند یک اپلیکیشن کامل برای اعتبارسنجی وام‌های کسب‌وکارهای کوچک (SME) را تنها با یک پرامپت جامع بسازد.

ابزارهای داخلی بانک‌ها معمولاً از گسستگی رنج می‌برند؛ جایی که نسبت‌های مالی، فایل‌های PDF پشتیبان و ارزیابی‌های ریسک در سیلوهای جداگانه زندگی می‌کنند. این وضعیت باعث ایجاد بار شناختی (Cognitive Load) شدیدی برای تحلیلگران می‌شود که مجبورند برای تأیید شواهد، مدام بین رکوردها جابه‌جا شوند. طبق گزارش ToolJet، رویکرد جدید آن‌ها با استفاده از MCP، شکاف بین یک عامل (Agent) کدنویس و محیط کاری زنده را پر می‌کند تا جداول، پرس‌وجوها و اجزای رابط کاربری را به‌عنوان یک واحد یکپارچه تولید کند.

معماری اعتبارسنجی خودکار

این اپلیکیشن بر پایه یک مدل تصمیم‌گیر تخصصی به نام Jev از شرکت TypeSafe بنا شده است. Jev به‌جای جایگزینی انسان، به‌عنوان یک مشاور پیشرفته عمل می‌کند که برای هر درخواست وام، ۵ نقطه داده مشخص را بازمی‌گرداند:

• باند ریسک (Risk Band): یک سطح ریسک دسته‌بندی شده برای وام.
• امتیاز توان پرداخت (Affordability Score): یک مقدار عددی که نشان‌دهنده ظرفیت وام‌گیرنده برای بازپرداخت است.
• سیگنال ارجاع به کمیته اعتباری (Refer-to-Credit-Committee Signal): یک محرک مبتنی بر درصد برای پرونده‌های با ریسک بالا.
• سیگنال تقلب (Fraud Signal): یک امتیاز احتمالی که نشان‌دهنده ناهنجاری‌های احتمالی است.
• دغدغه اصلی (Main Concern): یک خلاصه به زبان طبیعی از اصلی‌ترین عامل ریسک.

مدل Jev این خروجی‌ها را با فرمت‌های خاصی ارائه می‌دهد تا به تحلیلگر کمک کند. خروجی‌های مربوط به «انتخاب» شامل سطوح اطمینان (Confidence Levels) هستند، در حالی که خروجی‌های «سیگنال» به‌صورت درصد نمایش داده می‌شوند. توان پرداخت نیز به‌عنوان یک امتیاز مشخص ارائه می‌شود. این ساختار به تحلیلگر اجازه می‌دهد نه تنها توصیه AI را ببیند، بلکه احتمال و میزان اطمینان پشت منطق هوش مصنوعی را نیز درک کند.

جریان عملیاتی سه صفحه‌ای

اپلیکیشن تولید شده برای حفظ یک سلسله‌مراتب تمیز، در سه ناحیه عملکردی مجزا سازماندهی شده است. صفحه Pipeline به‌عنوان صف کاری عمل می‌کند و به کاربران اجازه می‌دهد پرونده‌های در انتظار را بر اساس بخش صنعتی، باند ریسک تعیین‌شده توسط AI، مبلغ وام و زمان انتظار فیلتر کنند. هنگامی که یک ردیف انتخاب می‌شود، جریان اعتبارسنجی بدون ترک رکورد فعال می‌گردد. برای اطمینان از به‌روز بودن داده‌ها، اپلیکیشن به‌گونه‌ای طراحی شده است که به محض بارگذاری Pipeline، برای هر درخواست در انتظاری که هنوز ارزیابی ندارد، به‌طور خودکار یک ارزیابی (Backfill) انجام دهد.

جزئیات و مکانیسم‌های اعتبارسنجی

صفحه Underwrite هسته اصلی عملیات است. این صفحه نسبت‌های مالی، ارزیابی AI مدل Jev و مدارک پشتیبان ذخیره‌شده در Amazon S3 را در یک صفحه جمع می‌کند. این چیدمان مانع از آن می‌شود که بازبین هنگام جابه‌جایی بین نسبت‌ها و PDFها، پرونده را ترک کند.

• بررسی شواهد: این صفحه نسبت‌های مالی و ارزیابی Jev را با اسناد متصل به S3 جفت می‌کند. بازبین بدون خروج از پرونده، از نسبت‌ها به مدارک منتقل می‌شود.
• فرم تصمیم‌گیری: تحلیلگران باید پیش از ذخیره، یک باند نهایی را تعیین کرده و دلیل اجباری برای آن ارائه دهند.
• مسیریابی خودکار: سیستم به‌طور خودکار هر درخواستی بالای ۱۵۰,۰۰۰ پوند یا پرونده‌هایی با امتیاز ارجاع به کمیته بالای ۶۰٪ را به مسیر ذخیره‌سازی «کمیته اعتباری» هدایت می‌کند. سایر موارد از مسیر ذخیره‌سازی استاندارد تحلیلگر پیروی می‌کنند.
• جریان پس از تصمیم: پس از ذخیره، درخواست به وضعیت «تصمیم‌گرفته‌شده» (Decided) تغییر می‌کند و کاربر به صفحه Pipeline بازگردانده می‌شود.

بررسی پورتفولیو و تحلیل‌ها

در نهایت، صفحه Portfolio Review یک حسابرسی سطح بالا ارائه می‌دهد. این بخش باند ریسک اولیه Jev را با تصمیم نهایی تحلیلگر مقایسه می‌کند تا دقت مدل ردیابی شود و همچنین تاییدات را بر اساس بخش صنعتی از طریق یک نمودار میله‌ای بصری‌سازی می‌کند.

در حین توسعه، یک اصلاح خاص روی نمودار بخش‌ها اعمال شد. در نسخه اولیه، برچسب‌های پوندی در لبه راست به دلیل تنگ بودن کانتینر قطع می‌شدند. عریض کردن فضای موجود، نمایش نمودار میله‌ای را اصلاح کرد و تضمین نمود که تمام مقادیر مالی به‌طور کامل قابل مشاهده باشند.

پیاده‌سازی فنی و مدل داده

طبق راهنمای فنی dev.to، عامل هوش مصنوعی یک بک‌اند پیچیده شامل ۵ جدول مشخص ایجاد می‌کند:

1. la_applications: ذخیره رکوردهای اصلی درخواست.
2. la_financials: نگهداری نسبت‌ها و ارقام خام هر پرونده.
3. la_directors: نگهداری اطلاعات مدیران مرتبط.
4. lu_decisions: ذخیره تصمیمات نهایی انسانی.
5. lu_ai_assessments: کش کردن نتایج Jev برای جلوگیری از فراخوانی‌های تکراری API و منحصر کردن نتایج AI برای هر درخواست.

این ساختار تضمین می‌کند که تصمیمات تغییرپذیر انسانی از ارزیابی‌های کش‌شده AI جدا بمانند. فرآیند ساخت منجر به یک چیدمان متراکم و تمیز با استفاده از تم سفارشی "Oat & Olive Credit" شد که با استفاده محدود از رنگ، ردیف‌های فشرده و سلسله‌مراتب واضح شناخته می‌شود. معیارهای نهایی تولید عبارت بودند از:

• صفحات: ۳
• جداول ToolJet DB + PostgreSQL: ۵
• پرس‌وجوها (Queries): ۲۲
• اجزا (Components): ۳۴
• فایل‌های کد برای نگهداری: ۰
• چرخه‌های اصلاح (Repair cycles): ۱

تنظیمات ToolJet MCP و یکپارچه‌سازی

برای پیاده‌سازی این سیستم، ToolJet MCP عامل کدنویس را به فضای کاری ToolJet متصل می‌کند. این امر به عامل اجازه می‌دهد تا جداول، پرس‌وجوها و اجزا را به‌طور خودکار ایجاد کند. فرآیند با افزودن منبع داده TypeSafe به فضای کاری و نام‌گذاری آن به عنوان typesafe آغاز می‌شود؛ این نام دقیقاً همان چیزی است که پرامپت ساخت به آن اشاره می‌کند.

در زمان ساخت، ToolJet MCP ساختار اپلیکیشن را مدیریت می‌کند. در زمان اجرا، اپلیکیشن Jev را از طریق منبع داده typesafe و با استفاده از عملیات evaluate فراخوانی می‌کند تا پاسخ‌های تایپ‌شده را در کنار رکورد نمایش دهد. این امر تضمین می‌کند که نتیجه تولید شده توسط عامل، یک اپلیکیشن ساختاریافته است که در آن داده‌ها، پرس‌وجوها و رابط کاربری در یک سیستم در حال اجرا ادغام شده‌اند.

حاکمیت سازمانی و چرخه حیات

برای رعایت الزامات انطباق بانکی، اپلیکیشن از یک چرخه حیات چندمحیطی استفاده می‌کند. سازندگان در محیط Development کار می‌کنند، سپس برای تست با داده‌های غیرزنده به Staging ارتقا می‌یابند و در نهایت در Production منتشر می‌شوند. این جداسازی تضمین می‌کند که کلیدهای API و اعتبارنامه‌های پایگاه داده — که به‌عنوان ثابت‌های رمزنگاری‌شده فضای کاری مدیریت می‌شوند — هرگز به مرورگر نرسند.

مدیریت محیط و اسرار (Secrets)

ToolJet هر اپلیکیشن را به محیط‌های مجزا با تنظیمات منبع داده خاص خود تقسیم می‌کند. این موضوع برای اپلیکیشن‌های وام SME حیاتی است تا از تست روی داده‌های مالی واقعی جلوگیری شود.

• تنظیمات چندمحیطی: اپلیکیشن‌ها از Development به Staging (جایی که اپلیکیشن‌ها و پرس‌وجوها قابل ویرایش نیستند) و سپس به Production منتقل می‌شوند.
• منابع داده هر محیط: ToolJet به‌طور خودکار اپلیکیشن را بر اساس محیط هدف به پایگاه داده یا API صحیح متصل می‌کند.
• ثابت‌های فضای کاری (Workspace Constants): مقادیر قابل استفاده مجدد مانند URLهای API یک بار در هر فضای کاری با مقادیر متفاوت برای هر محیط ذخیره می‌شوند. تمام ثابت‌ها و اسرار پیش از ذخیره‌سازی رمزنگاری می‌شوند.
• ثابت‌های سری (Secret constants): این‌ها باعث می‌شوند کلیدهای API و اعتبارنامه‌های پایگاه داده در رابط کاربری ماسک شوند و فقط در سمت سرور حل شوند.
• تاریخچه نسخه‌ها: سیستم از «پیش‌نویس‌ها» برای کارهای در جریان و «نسخه‌های ذخیره شده» به‌عنوان نقاط بازگشت ثابت برای ارتقا، انتشار یا بازگشت (Rollback) استفاده می‌کند.

کنترل دسترسی و گروه‌های کاربری

دسترسی‌ها توسط کنترل‌های مبتنی بر نقش (RBAC) مدیریت می‌شوند. سیستم چهار گروه مجزا را برای شبیه‌سازی ساختار وام‌دهی تجاری ایجاد می‌کند:

• Lending - Underwriters: می‌توانند بررسی پورتفولیو را باز کنند و تصمیمات استاندارد را ذخیره کنند.
• Lending - Credit Committee: می‌توانند بررسی پورتفولیو را باز کرده و مسیر ذخیره‌سازی کمیته را اجرا کنند. فقط کمیته اعتباری و مدیران می‌توانند ذخیره کمیته را اجرا کنند.
• Lending - Relationship Managers: از طریق فیلترهای سمت سرور محدود شده‌اند تا فقط متقاضیان خودشان را ببینند.
• Lending - Risk: می‌توانند صفحه بررسی پورتفولیو را برای نظارت باز کنند.

اگرچه این گروه‌ها ایجاد شدند، اما قوانین در حین ساخت اولیه با ورود به عنوان عضو گروه تست نشدند. مدیران کنترل می‌کنند که هر گروه یا نقش کدام محیط‌ها را باز کند، که این مورد با مجوزهای Edit یا View اپلیکیشن ترکیب می‌شود.

ویژگی‌های سازمانی برای انطباق (Compliance)

برای بانک‌ها، بانک‌های چالش‌گر (Challenger Banks) و وام‌دهندگان غیربانکی در حوزه وام‌های تجاری و تامین مالی دارایی، ToolJet حاکمیت را در لایه پلتفرم فراهم می‌کند:

• SSO و SCIM: پشتیبانی از SAML، OIDC یا LDAP برای تامین کاربر خودکار.
• کنترل دسترسی مبتنی بر نقش: مجوزهای محدود شده به اپلیکیشن، منبع داده و هر پرس‌وجوی مجزا.
• لاگ‌های حسابرسی (Audit logs): ردیابی هر ورود، ویرایش و تصمیم تایید برای بررسی‌های انطباقی.
• استقرار Air-gapped: میزبانی شخصی روی Docker یا Kubernetes برای نگه داشتن داده‌ها در شبکه داخلی.
• ویرایش چندنفره (Multiplayer editing): نسخه‌بندی و همگام‌سازی با Git برای چندین سازنده که روی یک اپلیکیشن کار می‌کنند.
• هوش مصنوعی خصوصی (Private AI): اجرای ویژگی‌های ToolJet AI در محیط اختصاصی سازمان.

تحلیل تحریریه

این تغییر نشان‌دهنده گذار از «هوش مصنوعی به‌عنوان یک چت‌بات» به «هوش مصنوعی به‌عنوان یک معمار اپلیکیشن» است. ToolJet با استفاده از MCP برای تولید محیط زمان-اجرا (Runtime) به‌جای تولید صرف کد، بدهی فنی (Technical Debt) معمول مرتبط با نرم‌افزارهای تولید شده توسط AI را کاهش می‌دهد. کاربر با یک کد استاتیک که نتواند آن را نگهداری کند رها نمی‌شود، بلکه یک اپلیکیشن بصری دریافت می‌کند که می‌تواند به ویرایش آن ادامه دهد. مسیر برای تولید توسط AI و سپس ویرایش بصری و کدنویسی سفارشی در موارد خاص باز می‌ماند.

برای بخش مالی، ارزش واقعی در اجرای «انسان در حلقه» (Human-in-the-Loop یا HITL) است. با الزام به ارائه دلیل مکتوب برای هر تصمیم و خودکارسازی مسیریابی وام‌های با ارزش بالا به کمیته، سیستم از AI برای افزایش کارایی استفاده می‌کند بدون اینکه پاسخگویی مورد نیاز رگولاتورهای بانکی را فدا کند. این امر به‌ویژه برای بانک‌های چالش‌گر و وام‌دهندگان غیربانکی در تامین مالی دارایی مفید است.

برای گسترش بیشتر این قابلیت، تیم‌ها می‌توانند ToolJet Workflows را برای ایجاد یک لایه اعلان ادغام کنند. برای مثال، یک گردش‌کار می‌تواند هنگام ذخیره تصمیم فعال شود، یک پیام Slack به مدیر ارسال کند، یک ایمیل Gmail برای مالک درخواست بفرستد و نتیجه را در جدول lu_decisions بنویسد.

نتایج نهایی

این اپلیکیشن اعتبارسنجی وام SME نشان می‌دهد که چگونه یک تیم اعتباری می‌تواند از بررسی صف تا تصمیم نهایی را در داخل ToolJet بدون تقسیم داده‌ها، بررسی‌ها و صفحات انجام دهد. ارزش عملی در «پرامپت جامع» نهفته است که اجازه می‌دهد کل ساختار — از منبع داده typesafe تا لینک‌های اسناد S3 — با تغییر سیاست‌های اعتبارسنجی بازتولید و تطبیق یابد. تیم به‌جای کپی کردن یک پرونده در مکان‌های مختلف، یک اپلیکیشن قابل ویرایش واحد برای درخواست‌ها، ارزیابی‌ها و تصمیمات در اختیار دارد.

سوالات متداول

ToolJet MCP چیست؟
یک مسیر ساخت است که پرامپت را به یک اپلیکیشن ساختاریافته ToolJet تبدیل می‌کند. این پروتکل تضمین می‌کند که صف، صفحه بررسی، نمای پورتفولیو و قوانین تصمیم‌گیری به‌جای یک کد خام، به‌عنوان یک اپلیکیشن در حال اجرا در کنار هم قرار گیرند.

آیا Jev به‌صورت زنده متصل است و خودش تصمیم می‌گیرد؟
خیر. Jev مدل تصمیم‌گیر TypeSafe است که هر درخواست را امتیازدهی کرده و نتیجه‌ای را پیشنهاد می‌دهد، در حالی که تحلیلگر انسان تصمیم نهایی را می‌گیرد. صفحه بررسی، نسبت‌ها، مدارک و فیلد دلیل را برای نظارت انسانی حفظ می‌کند.

Jev برای هر درخواست چه مواردی را بازمی‌گرداند؟
یک باند ریسک، امتیاز توان پرداخت، مقدار ارجاع به کمیته اعتباری، سیگنال تقلب و دغدغه اصلی. همچنین سطوح اطمینان برای انتخاب‌ها و درصد برای سیگنال‌ها ارائه می‌دهد.

چگونه اپلیکیشن را از روی پرامپت و منابع داده موجود بازتولید کنم؟
از پرامپت جامع به‌عنوان مشخصات ساخت استفاده کنید. اپلیکیشن را به PostgreSQL برای درخواست‌ها و امور مالی، ToolJet DB برای تصمیمات و ارزیابی‌های کش‌شده، و S3 برای PDFهای پشتیبان متصل کنید.

آیا چندین نفر می‌توانند روی یک اپلیکیشن کار کنند؟
بله. از طریق گروه‌ها و دسترسی به صفحات، تحلیلگران، کمیته اعتباری، تیم ریسک و مدیران ارتباطات می‌توانند به‌طور همزمان از اپلیکیشن استفاده کنند در حالی که در صفحاتی می‌مانند که متناسب با نقش آن‌هاست.

بعد از اینکه عامل AI کارش را تمام کرد، چه اتفاقی برای اپلیکیشن می‌افتد؟
به‌عنوان یک اپلیکیشن ToolJet در محیط Runtime باقی می‌ماند. اتصالات داده، گردش‌کارها، کنترل دسترسی، حسابرسی و مدیریت چرخه حیات با اپلیکیشن می‌مانند. این یعنی شما ساختی دارید که می‌توانید آن را ویرایش کنید، به‌جای کدی که باید به‌طور جداگانه اداره شود.