تصور کنید برای هر دستور ساده، مجبور باشید یک دفترچه راهنمای ۵۰۰ صفحه‌ای را به دستیارتان تحویل دهید تا فقط یک خط از آن را بخواند. در دنیای عامل‌های هوش مصنوعی، این دقیقاً همان «اشباع بستر» است که باعث کندی و خطای مدل‌ها می‌شود.
به نقل از تحلیل ۳۰ ژوئیه ۲۰۲۶ در وب‌سایت dev.to، صنعت در حال چرخش از دسترسی‌های برنامه‌نویسی پیچیده به سمت مهارت‌ها (Skills) است. این تغییر از آن جهت رخ می‌دهد که دسترسی به APIها دیگر گلوگاه نیست، بلکه حجم زیاد داده‌های ورودی در پنجرهٔ زمینه (Context Window) — که شبیه به میز کاری است که فقط جای چند ورق کاغذ دارد و نه کل کتابخانه — مشکل اصلی است.
همان‌طور که در تحلیل قبلی ما درباره‌ی بهینه‌سازی حافظه در مدل‌های زبانی اشاره کردیم، تمرکز توسعه‌دهندگان از اتصال خام به ابزارها، به سمت مجموعه‌دستورات دقیق و سبک تغییر کرده است.
بر اساس مستندات فنی، پروتکل زمینهٔ مدل (MCP) به مدل اجازه می‌دهد با زبان طبیعی با فایل‌ها و APIها تعامل کند، اما یک نقص حیاتی دارد: تمام تعاریف ابزارها را چه کاربردی باشند و چه نباشند، بارگذاری می‌کند. پیش از این، پروتکل MCP توانسته بود بار کاری ادغام هوش مصنوعی را از ضرب‌دری به جمعی تغییر دهد، اما اکنون محدودیت‌های حافظه، ضرورت تغییر رویکرد را آشکار کرده است. در مقابل، «مهارت‌ها» در قالب فایل‌های Markdown ذخیره می‌شوند. این روش «افشای تدریجی» را ممکن می‌کند؛ یعنی یک عامل (Agent) از وجود ۲۰ مهارت مطلع است، اما جزئیات هر کدام را فقط زمانی که نیاز باشد در حافظه‌اش می‌خواند.
تفاوت‌های فنی این دو رویکرد به شرح زیر است:
- MCP: قدرت برنامه‌نویسی بالا، اما هزینهٔ پردازشی و اشغال حافظه زیاد.
- Skills: سربار کم، ساختار ماژولار و خوانایی بالا برای انسان.
- هم‌افزایی: می‌توان از مهارت‌ها برای آموزش به عامل استفاده کرد تا بداند چه زمانی از کدام ابزار MCP استفاده کند.
این گذار به این معناست که اکنون «داغ‌ترین زبان برنامه‌نویسی»، زبان انگلیسی است. با حذف نیاز به کدنویسی عمیق برای تعریف رفتار عامل، متخصصان هر حوزه (Domain Expert) می‌توانند بدون کمک مهندس نرم‌افزار، دستورالعمل‌ها را سریع‌تر بهینه کنند.
گام بعدی شما
- اگر از عامل‌های هوش مصنوعی استفاده می‌کنید، سعی کنید دستورات پیچیده را به فایل‌های کوچک و مجزای Markdown تبدیل کنید.
- مدل‌های مختلف را برای پذیرش استانداردهای مشترک Skill-sharing بررسی کنید.
- تفاوت در نرخ خطا (Error Rate) را هنگام استفاده از MCP در مقابل Skills اندازه بگیرید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو