اگر توسعه‌دهنده سرورهای هوش مصنوعی هستید، باید بدانید که استانداردهای پذیرش اکنون از «صرفاً کار کردن» به «کار کردن با کیفیت» تغییر کرده است. این یعنی دیگر کافی نیست که سرور شما پاسخ دهد؛ باید بدانید چقدر دقیق و بهینه پاسخ می‌دهد.
پروتکل زمینه مدل (Model Context Protocol یا MCP) — که شبیه به یک مترجم استاندارد است تا مدل‌های مختلف بتوانند با هر نوع داده‌ای در دنیای واقعی صحبت کنند — در ۲۸ جولای ۲۰۲۶ بازبینی نهایی خود را منتشر کرد. طبق اعلام رسمی، چرخه حیات این پروتکل اکنون به درخواست‌های بدون وضعیت (Stateless) تغییر یافته است. این تغییرات ساختاری باعث شده تا بسیاری از توسعه‌دهندگان با چالش‌های جدیدی روبرو شوند، چنان‌که پیش‌بینی شده بود برخی سرورها با حذف مکانیزم نشست‌ها دچار اختلال شوند. این چرخش راهبردی توسعه‌دهندگان را مجبور می‌کند تا در نحوه مدیریت وضعیت و تداوم اتصال سرورهای خود بازنگری کنند.
همان‌طور که در تحلیل قبلی ما درباره‌ی استانداردهای امنیتی مایکروسافت در MCP اشاره کردیم، اکوسیستم اکنون از بررسی‌های سادهٔ «قانونی بودن» به سمت بنچمارک‌های کیفی حرکت می‌کند. به گزارش وب‌سایت dev.to، در حالی که مجموعه‌های رسمی فقط تایید می‌کنند که یک سرور طبق قانون است، ابزار جدید mcpscore عملکرد واقعی آن را می‌سنجد؛ درست مثل ابزار Lighthouse که کیفیت صفحات وب را ارزیابی می‌کند. این نیاز به ابزارهای سنجش دقیق‌تر پس از آن پدیدار شد که در بررسی‌های قبلی مشخص شد یک‌سوم سرورهای محبوب MCP در آزمون‌های کاربردپذیری شکست خورده‌اند.
توسعه‌دهندگان می‌توانند با اجرای دستور uvx mcpscore [url]، امتیازی بین ۰ تا ۱۰۰ دریافت کنند که بر اساس ۷۲ قانون قطعی محاسبه شده است. این ابزار چهار حوزه کلیدی را بازرسی می‌کند:
- پروتکل: بررسی صحت انتقال داده و مذاکره درباره نسخه.
- کیفیت ابزارها: تحلیل طرح‌واره‌های (Schemas) ورودی/خروجی، نام‌ها و توضیحات.
- امنیت و احراز هویت: وضعیت TLS، مدیریت خطاهای ایمن و پشتیبانی از OAuth.
- آمادگی: سازگاری دقیق با چرخه حیات نسخه ۲۸ جولای ۲۰۲۶.
mcpscore از سرورهای محلی در هر زبانی از طریق stdio پشتیبانی می‌کند و سرورهای تولیدی دارای توکن را نیز می‌پذیرد. این ابزار کاملاً read-only است؛ یعنی رفتار سرور را می‌سنجد و لیست ابزارها را می‌گیرد بدون اینکه هیچ دستوری را اجرا کند تا هیچ اثر جانبی ایجاد نشود. برای تیم‌هایی که پایداری را اولویت می‌دانند، این ابزار از طریق GitHub Action با نام mcp-box/mcpscore-action@v1 مستقیماً به CI متصل می‌شود و می‌تواند درخواست‌های ادغام (PR) را در صورت امتیاز پایین (مثلاً زیر ۹۰) رد کند.
این تغییر در شیوه توسعه، MCP را به سمت مدل «کیفیت مستمر» می‌برد. با کمی‌سازی دقت توضیحات ابزارها، نرخ توهم (Hallucination) — یعنی وقتی مدل با اطمینان چیزی می‌گوید که وجود ندارد، شبیه دوستی که خاطره‌ای را اشتباه تعریف می‌کند — در تعامل عامل‌های هوش مصنوعی با این سرورها کاهش می‌یابد.
گام بعدی شما
- سرور فعلی خود را با دستور
uvx mcpscoreتست کنید تا نقاط ضعف ساختاری بیابید. - برای جلوگیری از ورود کدهای بی‌کیفیت به محیط تولید، Action مربوطه را به GitHub Pipeline خود اضافه کنید.
- نشان امتیاز زنده (Badge) را از طریق mcpscore.dev به فایل README پروژه خود اضافه کنید.
اما تأثیر این استانداردسازی بر سرعت استنتاج مدل‌ها در مقیاس بالا هنوز بررسی نشده است؛ در گزارش بعدی به تحلیل تأخیر در پروتکل‌های جدید می‌پردازیم.
گفتگو