What is MCP in AI and how is it different from an agent?

MCP is a protocol that standardizes how models call tools and access data. An agent is the reasoning system that plans and uses those tools; MCP provides the safe interface the agent relies on.

Why use MCP for tool calling instead of custom integrations?

A protocol like MCP reduces bespoke glue code, improves auditability, and enforces schemas and permissions. It lets multiple agents reuse the same tools reliably.

Can I build agents without MCP?

Yes, but you may face brittle integrations and limited observability. MCP adds structure, typed inputs/outputs, and policy enforcement that make agents more reliable.

What are common MCP tools for business automations?

Typical tools include `search_kb`, `get_revenue`, `crm_lookup`, `summarize_pdf`, `send_slack_message`, and `create_ticket`. Each should have clear schemas and scoped permissions.

How do I add human approval to agent actions with MCP?

Expose tools with a `requires_approval` flag or a dedicated `request_approval` tool. The agent triggers the request, and MCP enforces the approval before executing the risky action.

ما هو MCP و Agent؟ شرح واضح وعملي لعام 2025

الأسلوب: عملي وموجه نحو الحلول

إذا كنت تتابع التطور السريع لأدوات الذكاء الاصطناعي، فربما سمعت أشخاصًا يستخدمون مصطلحات مثل "MCP" و "agent" في نفس السياق. ولكن هنا المفاجأة: بينما يدور كلاهما في عالم أتمتة الذكاء الاصطناعي، إلا أنهما يحلان مشكلات مختلفة. إن فهم كيفية توافق بنيات MCP و agent معًا يمكن أن يساعدك في تصميم أنظمة أكثر أمانًا وموثوقية وأسهل في التوسع.

يقدم هذا الشرح طريقة عملية. سنحدد المصطلحات، ونوضح كيفية تفاعلها، ونسلط الضوء على حالات الاستخدام الواقعية، ونقدم أنماطًا يمكنك تطبيقها على الفور.

تعريفات سريعة (بدون ضباب الكلمات الطنانة)

MCP (بروتوكول سياق النموذج): طريقة موحدة لربط نماذج الذكاء الاصطناعي (LLMs) بأدوات ومصادر بيانات وقدرات خارجية عبر بروتوكول محدد جيدًا. فكر في MCP على أنه السباكة التي تتيح للنموذج استدعاء الوظائف وجلب البيانات وتنفيذ الإجراءات بشكل آمن وقابل للتدقيق.

Agent: نظام مستقل أو شبه مستقل مدعوم بنموذج لغوي كبير LLM يقوم بالتخطيط والاستنتاج وتنفيذ المهام باستخدام الأدوات. يمكن للـ agent أن يقرر: "أحتاج إلى البيانات A، ثم تحويلها باستخدام الأداة B، ثم إخطار المستخدم C." تعتمد الـ agents على الوصول إلى الأدوات؛ و MCP هي طريقة نظيفة لتوفير هذا الوصول.

باختصار: الـ agent هو المنسق. MCP هي طبقة الواجهة التي تمنحه أيدي آمنة ومنظمة.

لماذا تعتبر MCP مهمة قبل إنشاء الـ agents

السلامة والتحكم: تحدد MCP الأدوات الموجودة، والمدخلات المسموح بها، وشكل المخرجات. هذا يجعل الـ agents أقل عرضة لتهيئة استخدام الأدوات أو تنفيذ إجراءات غير مقصودة.

إمكانية التشغيل البيني: باستخدام بروتوكول مشترك، يمكن إعادة استخدام نفس الأداة عبر الـ agents أو النماذج المختلفة دون عمليات تكامل مخصصة.

إمكانية الملاحظة: الرسائل والمخططات الموحدة تجعل من السهل تسجيل واختبار وتدقيق ما فعله الـ agent بالفعل.

قابلية التوسع: مع نمو مجموعة الأدوات الخاصة بك، يساعد عقد MCP على تجنب التشابك المعقد للروابط المخصصة.

الخلاصة: قم ببناء طبقة MCP لتوحيد الأدوات؛ وقم بتوصيل الـ agents بها لتقديم النتائج.

النموذج الذهني: MCP مقابل Agent

Agent يجيب: "ما هو أفضل تسلسل للخطوات لتحقيق هدف ما؟"

MCP تجيب: "كيف يمكنني استدعاء الخطوة N بشكل موثوق بالمعلمات والأذونات وتنسيقات البيانات الصحيحة؟"

يمكنك إنشاء الـ agents بدون MCP، ولكن غالبًا ما ينتهي بك الأمر بإعادة اختراع البروتوكولات المصغرة. إن اعتماد MCP يقلل من التعليمات البرمجية اللاصقة المخصصة ويقلل من أسطح الفشل.

نظرة سريعة على البنية

نية المستخدم ← Agent (التخطيط والاستنتاج)
 ← الأدوات عبر MCP (المكالمات الموحدة والمخططات والأذونات)
 ← الأنظمة الخارجية (واجهات برمجة التطبيقات وقواعد البيانات والملفات والخدمات السحابية)
 ← النتائج ← تجميع الـ Agent ← المستخدم

يخطط الـ agent ويقرر.

تعرض MCP أدوات مثل search، أو retrieve_invoice، أو send_slack_message بمخططات واضحة.

يستدعي الـ agent الأدوات من خلال MCP، ويتلقى نتائج منظمة، ويصنع الناتج النهائي.

مثال ملموس: روبوت ملخص الإيرادات الأسبوعية

الهدف: "إرسال ملخص موجز للإيرادات الأسبوعية إلى قناة Slack المالية كل يوم اثنين في الساعة 9 صباحًا."

مسؤوليات الـ Agent:

فهم الأطر الزمنية (من الاثنين الماضي إلى الأحد)

تحديد مقاييس البيانات المهمة (الإجمالي، الصافي، المبالغ المستردة، التغير الشهري)

تسلسل الخطوات ومعالجة الأخطاء

مسؤوليات MCP:

توفير أداة get_revenue(start_date, end_date) بمدخلات مكتوبة

توفير get_refunds و send_slack_message(channel, text)

فرض نطاقات المصادقة؛ تسجيل كل مكالمة

رسم تخطيطي للتعليمات البرمجية الزائفة

# خطة الـ Agent (اختصار الاستنتاج)
start, end = last_week
revenue = mcp.call("get_revenue", {"start": start, "end": end})
refunds = mcp.call("get_refunds", {"start": start, "end": end})
summary = analyze(revenue, refunds)
message = format_summary(summary)
mcp.call("send_slack_message", {"channel": "#finance", "text": message})

هنا يستنتج الـ agent ما يجب فعله ولماذا. تضمن MCP أن كل استدعاء للأداة صالح وآمن ومسجل.

كيف تعمل MCP على تحسين الموثوقية (ونومك)

عقود مكتوبة: تحدد الأدوات مخططات الإدخال/الإخراج. عدد أقل من المفاجآت في وقت التشغيل.

سجل القدرات: يكتشف الـ agents الأدوات و docstrings الخاصة بهم في وقت التشغيل. ترميز ثابت أقل.

الأذونات: يمكن للأدوات أن تتطلب نطاقات؛ يمكن وضع الـ agents في صندوق رملي حسب الدور أو البيئة.

البث والتقطيع: يمكن ترقيم النتائج الكبيرة أو بثها بأغلفة متسقة.

إمكانية الاختبار: يمكنك محاكاة أدوات MCP لتشغيل اختبارات agent حتمية.

أنماط الـ Agent التي تتناسب جيدًا مع MCP

تقسيم المخطط والمنفذ

استخدم تمريرة LLM واحدة لصياغة خطة عالية المستوى؛ والثانية للتنفيذ خطوة بخطوة عبر MCP.

الفائدة: نقاط تفتيش واضحة؛ أسهل للتعافي من حالات الفشل الجزئي.

حلقات انعكاسية مع ضمانات

ينتقد الـ agent خطته الخاصة ("هل لدي جميع البيانات المطلوبة؟") قبل استدعاء الأدوات.

تساعد مخططات MCP في التحقق من صحة الافتراضات.

بوابات التدخل البشري

بالنسبة للإجراءات الخطرة (المدفوعات وحذف البيانات)، يمكن لـ MCP عرض علامات requires_approval=true.

يطلب الـ agent الموافقة؛ وتفرضها MCP.

إعادة التشغيل الحتمية

قم بتخزين نصوص MCP (الطلبات/الاستجابات) لإعادة إنتاج النتائج وتصحيح الأخطاء والامتثال لعمليات التدقيق.

المزالق الشائعة (وكيف تساعد MCP)

دلالات الأدوات الغامضة ← استخدم أسماء وأمثلة ومخططات وصفية في سجل MCP.

تسرب خصوصية البيانات ← قم بتحديد نطاق الأدوات بإحكام؛ وقم بتمرير الرموز المميزة عبر MCP، وليس المطالبة.

الـ agents المفرطون في الثقة ← أضف حدود المعدل والضمانات على مستوى الأداة؛ وقم بإرجاع أخطاء صريحة يجب على الـ agent التعامل معها.

تكامل متعفن ← قم بوضع إصدارات لأدواتك؛ تتيح MCP للـ agents التفاوض على الإصدارات بأمان.

ملاحظات التنفيذ التي يمكنك استخدامها اليوم

ابدأ بمجموعة صغيرة من الأدوات الأساسية (القراءة والكتابة والإعلام). قم بالتوسيع فقط بعد أن يكون لديك سجلات.

شارك في تحديد موقع وثائق الأدوات مع تعريفات MCP الخاصة بها. قم بتضمين أمثلة وحالات حافة.

أضف معلمة dry_run إلى الأدوات الخطرة وقم بتدريب الـ agents على استخدامها أولاً.

قم بإنشاء بيئة MCP مؤقتة ببيانات وهمية لتقييم الـ agent الآمن.

تتبع المقاييس: معدلات خطأ الأداة، وإعادة المحاولات، والكمون، ونجاح المهمة من طرف إلى طرف.

الأمن والامتثال والحوكمة

أقل امتياز: يتم تعيين كل هوية agent لمجموعة صغيرة من نطاقات MCP.

التنقيح: يمكن لـ MCP تطهير المخرجات قبل إعادتها إلى النموذج (على سبيل المثال، إخفاء معلومات التعريف الشخصية).

فرض السياسات: مركزية القواعد في MCP بحيث يرثها جميع الـ agents.

إمكانية التدقيق: احتفظ بسجلات موقعة لمكالمات MCP لحالات الاستخدام المنظمة.

كيف تتوسع أنظمة MCP و agent مع مؤسستك

إعادة الاستخدام على مستوى الفريق: يمكن لـ agents المالية والدعم إعادة استخدام نفس أداة send_slack_message عبر MCP.

تبديل البائعين: إذا قمت بتغيير موفري LLM، تظل طبقة MCP مستقرة - مما يوفر وقت الترحيل.

قنوات جديدة: أضف أدوات send_email أو create_ticket مرة واحدة؛ يستفيد كل agent.

اختيار استراتيجية الـ agent الخاصة بك

اطرح هذه الأسئلة قبل البناء:

هل المهمة مستقرة بما يكفي لتشفيرها كأدوات بمخططات واضحة؟

هل أحتاج إلى الاستقلالية (الاستنتاج متعدد الخطوات) أم مجرد إثراء ذكي؟

ما هي تكاليف الفشل؟ هل يجب علي إضافة بوابات الموافقة البشرية في MCP؟

كيف سأراقب وأختبر النظام من طرف إلى طرف؟

إذا كانت معظم الإجابات "نعم"، فابدأ بـ agent مدعوم من MCP في نطاق محدود، ثم كرر.

حالات الاستخدام الواقعية حيث تتألق MCP + الـ agents

فرز دعم العملاء

الأدوات: search_kb، lookup_account، create_ticket، respond_template

النتيجة: استجابة أولى أسرع مع إجراءات دقيقة ومسجلة.

طيار مساعد لأبحاث المبيعات

الأدوات: web_search، crm_lookup، summarize_pdf، draft_email

النتيجة: مسودات موجزات العملاء المحتملين في دقائق؛ والتواصل المتعقب.

أتمتة العمليات

الأدوات: run_query، open_incident، post_update، generate_report

النتيجة: تقليل الكدح ومسارات التدقيق الواضحة.

مراقب جودة البيانات

الأدوات: sample_dataset، validate_schema، file_issue، notify_owner

النتيجة: عدد أقل من المفاجآت في المراحل النهائية.

مسرد قصير (حتى تتوافق الفرق على المصطلحات)

أداة MCP: قدرة قابلة للاستدعاء يتم عرضها عبر البروتوكول بمخطط وسياسة.

سجل القدرات: الدليل الذي تعيش فيه الأدوات والإصدارات والمستندات.

Agent: المخطط/المنفذ المدفوع بنموذج لغوي كبير LLM الذي يستخدم أدوات MCP لإكمال الأهداف.

حلقة الفكر: خطوات الاستنتاج الداخلية للـ agent (قد تكون مخفية أو ملخصة).

التدخل البشري: نقطة تفتيش تتطلب موافقة صريحة.

مثال: تصميم مخطط أداة MCP

{
 "name": "get_revenue",
 "description": "إرجاع مقاييس الإيرادات لنطاق تاريخ بتنسيق ISO-8601.",
 "version": "1.2.0",
 "auth": { "scopes": ["finance.read"] },
 "input_schema": {
 "type": "object",
 "properties": {
 "start": { "type": "string", "format": "date" },
 "end": { "type": "string", "format": "date" },
 "currency": { "type": "string", "enum": ["USD", "EUR", "JPY"] }
 },
 "required": ["start", "end"]
 },
 "output_schema": {
 "type": "object",
 "properties": {
 "gross": { "type": "number" },
 "net": { "type": "number" },
 "refunds": { "type": "number" },
 "notes": { "type": "string" }
 },
 "required": ["gross", "net", "refunds"]
 }
}

يمنح هذا الوضوح الـ agents الثقة ويمنحك الضمانات.

جدير بالذكر: استخدام Sider.AI للـ agents المتصلين بـ MCP

نتيجة الملاءمة: 8/10

إذا كنت تجرب الـ agents الذين يستخدمون الأدوات، فمن المفيد إنشاء نموذج أولي سريعًا والحفاظ على كل شيء قابلاً للملاحظة. بالمناسبة، يقدم Sider.AI بيئة مرنة للعمل مع الـ agents متعددة الأدوات، بما في ذلك:

التنسيق المرئي للخطوات مع حدود أداة واضحة

إضافة سهلة للأدوات بنمط MCP والتحقق من صحة المخطط

تسجيل مدمج لمكالمات الأدوات والنتائج

موافقات التدخل البشري للإجراءات الحساسة

هذا يعني أنه يمكنك رسم agent وتوصيله بأدواتك ومشاهدة النص الكامل - دون بناء كل السقالات من البداية.

الوجبات الرئيسية التي يمكنك العمل عليها اليوم

ابدأ صغيرًا: حدد 3-5 أدوات MCP عالية القيمة بمخططات دقيقة.

أضف الموافقات إلى أي أداة يمكنها تغيير الأموال أو البيانات أو الأذونات.

افصل التخطيط عن التنفيذ؛ سجل كل استدعاء للأداة.

استخدم بيانات التدريج وعمليات إعادة التشغيل الحتمية لاختبار الـ agents.

قم بتوسيع مجموعة الأدوات الخاصة بك فقط بعد أن تكون واثقًا من سجلاتك.

الخلاصة: شرح وتطبيق وتقليل مخاطر MCP و agent

أنظمة MCP و agent متكاملة. يخطط الـ agent ويقرر؛ تحول MCP القرارات إلى إجراءات آمنة وقابلة للتكرار. إذا كنت جادًا بشأن الأتمتة المدفوعة بالذكاء الاصطناعي في عام 2025، فقم بإعطاء الأولوية لطبقة البروتوكول أولاً - المخططات الواضحة والأذونات وإمكانية الملاحظة - ثم دع الـ agents يقدمون قيمة مضاعفة في الأعلى. مع هذا الأساس، ستشحن بشكل أسرع وتنام بشكل أفضل وتتوسع بثقة.

الأسئلة الشائعة

س1: ما هي MCP في الذكاء الاصطناعي وكيف تختلف عن الـ agent؟ MCP هو بروتوكول يوحد كيفية استدعاء النماذج للأدوات والوصول إلى البيانات. الـ agent هو نظام الاستنتاج الذي يخطط ويستخدم هذه الأدوات؛ توفر MCP الواجهة الآمنة التي يعتمد عليها الـ agent.

س2: لماذا تستخدم MCP لاستدعاء الأدوات بدلاً من عمليات التكامل المخصصة؟ يقلل بروتوكول مثل MCP من التعليمات البرمجية اللاصقة المخصصة، ويحسن إمكانية التدقيق، ويفرض المخططات والأذونات. يسمح للعديد من الـ agents بإعادة استخدام نفس الأدوات بشكل موثوق.

س3: هل يمكنني إنشاء الـ agents بدون MCP؟ نعم، ولكن قد تواجه عمليات تكامل هشة وإمكانية ملاحظة محدودة. تضيف MCP هيكلًا ومدخلات/مخرجات مكتوبة وإنفاذ السياسات التي تجعل الـ agents أكثر موثوقية.

س4: ما هي أدوات MCP الشائعة لأتمتة الأعمال؟ تتضمن الأدوات النموذجية search_kb، و get_revenue، و crm_lookup، و summarize_pdf، و send_slack_message، و create_ticket. يجب أن يكون لكل منها مخططات واضحة وأذونات محددة النطاق.

س5: كيف يمكنني إضافة موافقة بشرية لإجراءات الـ agent باستخدام MCP؟ اعرض الأدوات بعلامة requires_approval أو أداة request_approval مخصصة. يقوم الـ agent بتشغيل الطلب، وتفرض MCP الموافقة قبل تنفيذ الإجراء المحفوف بالمخاطر.