اگر توسعه‌دهنده‌ای هستید که برای هر ابزار AI یک پلاگین جداگانه می‌سازید، دوران اتصالات تکه‌تکه به پایان رسیده است. پروتکل زمینهٔ مدل (Model Context Protocol یا MCP) اکنون مانند یک درگاه USB-C برای مدل‌های هوش مصنوعی عمل می‌کند تا یک سرور واحد بتواند ابزارها و منابع خود را در اختیار هر کلاینت سازگار قرار دهد. این تغییر رویکرد، صنعت را از اکوسیستم‌های پراکنده پلاگین به سمت یک استاندارد جهانی سوق می‌دهد.
به گزارش وب‌سایت dev.to در ۱۶ اکتبر ۲۰۲۶، این پروتکل اکنون بیش از ۱۰,۰۰۰ سرور فعال دارد و ماهانه ۹۷ میلیون بار SDK آن دانلود می‌شود. تصور کنید به جای داشتن صدها رابط مختلف برای ده اپلیکیشن، تنها یک سرور MCP بسازید که قابلیت‌هایش را به هر مدلی که به آن متصل شود، معرفی کند. همان‌طور که در تحلیل‌های قبلی ما درباره‌ی امنیت مدل‌های بازمتن اشاره کردیم، استانداردسازی در لایه‌ی اتصال، اولین قدم برای مدیریت متمرکز دسترسی‌هاست. این رویکرد باعث شده تا دستیارهای پیشرفته‌ای مانند Pi نیز برای مدیریت پیچیده‌تر ابزارهای خود، به طور کامل به این پروتکل روی بیاورند.
یک چرخش فنی کلیدی در ۲۸ ژوئیه ۲۰۲۶ رخ داد؛ MCP در آخرین نسخه‌ی خود به معماری بدون وضعیت (Stateless) تغییر یافت. این بدان معناست که هر درخواست اکنون نسخه و قابلیت‌های خود را در یک فیلد متا (Meta field) حمل می‌کند و نیاز به جلسات (Sessions) دائمی و پایدار از بین رفته است. طبق مستندات فنی، تغییرات اصلی عبارت‌اند از:
- سازگاری با Serverless: به دلیل اینکه سرورها دیگر نیازی به باز نگه داشتن جلسات ندارند، اکنون می‌توانند به صورت توابع ساده‌ی Serverless اجرا شوند.
- مکانیزم شناسایی: یک فراخوانی اجباری جدید به نام
server/discoverبه کلاینت‌ها اجازه می‌دهد فوراً و بدون تأخیر، قابلیت‌های سرور را شناسایی کنند. - بهینه‌سازی حافظه پنهان: لیست ابزارها و منابع اکنون شامل یک فیلد
ttlMs(زمان بقا یا Time-to-live) است تا کلاینت‌ها مجبور نباشند در هر نوبت، طرحواره‌ها (Schemas) را دوباره دریافت کنند.
مدیریت این پروتکل اکنون بر عهده‌ی بنیاد AI عامل‌محور (Agentic AI Foundation) است. این بنیاد در دسامبر ۲۰۲۵ توسط Anthropic و با همکاری Block و OpenAI زیر نظر بنیاد لینوکس تأسیس شد. علاوه بر این، غول‌های صنعتی از جمله گوگل، مایکروسافت، AWS و Cloudflare نیز از این بنیاد حمایت می‌کنند.
این استانداردسازی، چشم‌انداز امنیتی را برای توسعه‌دهندگان تغییر می‌دهد. اکنون صنعت با پدیده‌ای به نام «مسموم‌سازی ابزار» (Tool Poisoning) روبروست؛ جایی که سرورهای مخرب، دستوراتی را درون توصیفات ابزار پنهان می‌کنند تا مدل هنگام خواندن آن‌ها، دستورات مخرب را اجرا کند. در همین راستا، برخی نقص‌های امنیتی در SDK پایتون MCP شناسایی شده‌اند که ریسک سرقت اعتبارنامه‌های OAuth را افزایش می‌دهند. بنابراین باید با سرورهای MCP شخص ثالث مانند وابستگی‌هایی (Dependencies) برخورد کنید که دسترسی نوشتن دارند و توکن‌ها را به حداقل دسترسی‌های مورد نیاز محدود کنید.
برای مقابله با این تهدیدات، راهکارهای لایه‌بندی شده‌ای مانند گیت‌وی ۷ لایه AegisGate معرفی شده‌اند تا خلأهای امنیتی موجود در پروتکل MCP را پر کنند.
در عمل، این یعنی یک عامل مدیریت محتوا (CMS) می‌تواند بدون حدس زدن نوع فیلدها، طرحواره را در ابتدا بخواند. با محدود کردن دسترسی‌های نوشتن به حالت «فقط پیش‌نویس» (Draft-only mode)، توسعه‌دهندگان تضمین می‌کنند که یک عامل AI هرگز به‌طور تصادفی محتوایی را در سایت زنده منتشر نکند.
برای پیاده‌سازی این پروتکل، توسعه‌دهندگان باید توازن و تفاوت‌های بین stdio و Streamable HTTP را بررسی کنند. لازم به ذکر است که MCP معمولاً APIهای REST موجود را در بر می‌گیرد (Wrap می‌کند) و هدف آن جایگزینی کامل آن‌ها نیست.
گام بعدی شما
- بررسی تفاوت‌های بین stdio و Streamable HTTP برای انتخاب بهترین روش پیاده‌سازی.
- بازبینی دسترسی‌های توکن‌های متصل به سرورهای MCP شخص ثالث برای جلوگیری از نشت داده.
- تست قابلیت
server/discoverبرای کاهش تأخیر در شناسایی ابزارها.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو