پروتکل MCP (Model Context Protocol) که یکی از ارکان اصلی همکنشپذیری مدلهای هوش مصنوعی است، هفته آینده بهروزرسانی مهمی دریافت میکند. این پروتکل به مدلها اجازه میدهد به صورت امن به منابع خارجی مانند تقویم، پایگاه داده و ابزارهای داخلی متصل شوند، بدون نیاز به اتصالات سفارشی. تغییر اصلی در نحوه مدیریت شناسههای نشست (session IDs) است؛ همان نشانههای کوچکی که سرورها برای تشخیص تداوم یک مکالمه استفاده میکنند.
تغییر بزرگ در مدیریت نشستها
در سیستم فعلی، وقتی یک کلاینت مانند Claude برای اولین بار به سرور متصل میشود، یک شناسه نشست دریافت میکند و سپس در هر درخواست بعدی آن را ارسال میکند. اما در استقرارهای واقعی که میلیونها کاربر پشت یک متعادلکننده بار (load balancer) قرار دارند، این شناسهها باید بین سرورهای مختلف به اشتراک گذاشته شوند که کار را دشوار میکند. نیت باربتینی از شرکت Arcade این مشکل را چنین توضیح میدهد:
در سیستم فعلی، اولین بار که یک کلاینت MCP مانند Claude به یک سرور متصل میشود، یک «سلام» میفرستد: من Claude هستم، این نسخه من است، این قابلیتهای من است. سرور با قابلیتهای خود پاسخ میدهد و یک شناسه نشست برمیگرداند... از آن به بعد، کلاینت آن شناسه نشست را در هر درخواست میفرستد تا سرور بداند که همان مکالمه است. گاهی اوقات شناسه منقضی میشود، بنابراین کلاینت باید متوجه شود، یک شناسه جدید درخواست کند و ادامه دهد... یک استقرار واقعی را تصور کنید. شما در حال اجرای یک سرور برای میلیونها کاربر هستید، پشت یک متعادلکننده بار که تمام وظیفه آن هدایت هر درخواست به هر سروری است که آزاد باشد، گاهی در یک منطقه متفاوت. حالا هر یک از آن ماشینها باید درباره یک شناسه نشست که توسط ماشین دیگری صادر شده است بدانند. غیرممکن نیست، اما دردسر جدی است و با متعادلکننده بار مبارزه میکند به جای اینکه با آن کار کند.
در سیستم جدید، پروتکل رویکردی «بیوضعیت» (stateless) به شناسههای نشست خواهد داشت، مشابه نحوه کار اکثر وبسایتهای معمولی. این بدان معناست که سرورها نیازی به نگهداری وضعیت جلسه ندارند و درخواستها میتوانند به هر سروری هدایت شوند. این تغییر باعث میشود نگهداری سیستم آسانتر و اجرای آن در مقیاس بزرگ ارزانتر شود. به همین دلیل است که شرکتها میتوانند یکپارچهسازیهای بزرگمقیاس MCP را با سرعت بیشتری عرضه کنند، اتفاقی که تاکنون با وجود هیاهوی پیرامون هوش مصنوعی عاملمحور (agentic AI) کمتر شاهد آن بودهایم.
این بهروزرسانی یادآوری میکند که هر بخش از توسعه هوش مصنوعی با سرعت نور پیش نمیرود. در حالی که آموزش مدلها با سرعت بالایی در حال پیشرفت است، زیرساختهای فنی مانند پروتکلها نیازمند زمان و اجماع نهادهای استاندارد هستند. این تغییرات هرچند کند، اما در حال رخ دادن است و نشان میدهد که زیرساخت هوش مصنوعی همگام با پیشرفت مدلها در حال بلوغ است.
