ما هو بروتوكول MCP؟ وكيف يربط الذكاء الاصطناعي بالأدوات والبيانات؟

يمكن لنموذج ذكاء اصطناعي أن يجيب عن سؤال أو يكتب نصاً اعتماداً على المعلومات المتاحة له، لكن تنفيذ مهام حقيقية يحتاج غالباً إلى شيء آخر: الوصول إلى الملفات وقواعد البيانات والأدوات والخدمات الخارجية.

هنا تظهر مشكلة التكامل. فإذا احتاج كل تطبيق ذكاء اصطناعي إلى طريقة مختلفة للاتصال بكل أداة، تصبح عملية بناء الأنظمة أكثر تعقيداً كلما زاد عدد الخدمات.

لهذا ظهر Model Context Protocol أو MCP، وهو بروتوكول مفتوح يوفر طريقة موحدة تسمح لتطبيقات الذكاء الاصطناعي بالاتصال بمصادر البيانات والأدوات والخدمات الخارجية.

ومع انتقال الصناعة من روبوتات المحادثة إلى وكلاء الذكاء الاصطناعي AI Agents، أصبح MCP جزءاً مهماً من البنية التي تسمح للذكاء الاصطناعي بالانتقال من مجرد الإجابة إلى استخدام الأدوات وتنفيذ المهام.

ما هو بروتوكول MCP؟

MCP هو اختصار لـ Model Context Protocol، ويمكن ترجمته إلى «بروتوكول سياق النموذج».

وهو معيار مفتوح يحدد طريقة منظمة يستطيع من خلالها تطبيق ذكاء اصطناعي التواصل مع أنظمة خارجية توفر له البيانات أو الأدوات أو وظائف أخرى يحتاج إليها.

الفكرة الأساسية تشبه ما فعلته معايير أخرى في عالم التقنية: بدلاً من إنشاء تكامل مخصص لكل علاقة بين تطبيق وأداة، توجد طريقة مشتركة يمكن للطرفين التحدث من خلالها.

يمكن لخادم MCP مثلاً أن يوفر أدوات للتعامل مع قاعدة بيانات أو مستندات أو خدمة برمجية، بينما يستطيع تطبيق AI المتوافق مع البروتوكول اكتشاف الإمكانات المتاحة واستخدامها وفق الصلاحيات الممنوحة له.

لماذا ظهر MCP؟

النماذج اللغوية وحدها محدودة بما تستطيع الوصول إليه.

قد يعرف النموذج كيف يشرح طريقة البحث في قاعدة بيانات، لكنه لا يستطيع قراءة قاعدة البيانات الخاصة بمؤسسة ما ما لم يحصل على وسيلة آمنة ومصرح بها للوصول إليها.

الأمر نفسه ينطبق على الملفات والتقويمات ومستودعات الأكواد وأدوات العمل وأنظمة الشركات.

قبل وجود بروتوكول موحد، يمكن للمطور بناء تكامل منفصل لكل أداة.

لكن كلما ازداد عدد نماذج AI والأدوات، تصبح لدينا شبكة كبيرة من التكاملات المختلفة التي تحتاج إلى التطوير والصيانة.

MCP يحاول حل هذه المشكلة عبر توفير واجهة مشتركة بين تطبيقات الذكاء الاصطناعي والأنظمة التي تريد الاتصال بها.

كيف يعمل MCP؟

لفهم الفكرة لا نحتاج إلى الدخول في تفاصيل برمجية عميقة.

تتكون منظومة MCP بصورة مبسطة من عدة أجزاء، أبرزها Host وClient وServer.

MCP Host

الـHost هو التطبيق الذي يستخدمه الشخص ويحتاج إلى الوصول إلى الأدوات أو البيانات.

قد يكون مساعد ذكاء اصطناعي أو بيئة برمجة تعتمد على AI أو تطبيقاً يحتوي على وكيل ذكي.

الـHost هو الذي يدير التجربة العامة للمستخدم ويتحكم في كيفية استخدام الاتصالات الخارجية.

MCP Client

داخل الـHost يوجد Client يتولى إنشاء الاتصال والتواصل مع MCP Server.

يمكن النظر إليه كجزء يتحدث «لغة MCP» بالنيابة عن التطبيق.

MCP Server

أما MCP Server فهو الجانب الذي يعرض الإمكانات التي يمكن لتطبيق AI استخدامها.

قد يوفر مثلاً أداة للبحث في قاعدة بيانات، أو الوصول إلى ملفات، أو تنفيذ وظيفة معينة في خدمة خارجية.

وبدلاً من حاجة نموذج AI إلى معرفة التفاصيل الداخلية لكل نظام، يتعامل معه عبر الواجهة التي يقدمها MCP Server.

ماذا يستطيع MCP توفيره للذكاء الاصطناعي؟

لا يقتصر البروتوكول على إرسال نص إضافي إلى النموذج.

يمكن للخوادم توفير أنواع مختلفة من القدرات والمعلومات التي يستطيع التطبيق استخدامها.

ومن أهمها Tools، وهي وظائف يمكن استدعاؤها لتنفيذ عمليات.

فقد تكون هناك أداة للبحث عن ملف، وأخرى للاستعلام عن قاعدة بيانات، وثالثة لإنشاء سجل داخل نظام معين.

كما يستطيع MCP التعامل مع Resources، التي تمثل معلومات أو محتوى يمكن للتطبيق الاستفادة منه.

والفكرة في جميع الحالات واحدة: إعطاء تطبيق AI طريقة منظمة لمعرفة الإمكانات المتاحة والتفاعل معها بدلاً من بناء التكامل من الصفر.

مثال مبسط: كيف يستخدم AI أداة عبر MCP؟

لنفترض أن شركة لديها مساعد ذكاء اصطناعي وتريد السماح له بالبحث داخل قاعدة بيانات المنتجات.

بدلاً من إعطاء النموذج وصولاً عشوائياً إلى قاعدة البيانات، يمكن إنشاء MCP Server يعرض أداة محددة للبحث.

يسأل المستخدم:

«هل المنتج X متوفر؟»

يفهم تطبيق AI أن الإجابة تحتاج إلى معلومات حديثة من النظام.

يكتشف أن لديه أداة مناسبة عبر MCP، ثم يطلب استخدامها وفق الصلاحيات المحددة.

ينفذ الخادم الاستعلام ويعيد النتيجة.

بعد ذلك يستخدم النموذج البيانات الناتجة لتكوين الإجابة للمستخدم.

بهذه الطريقة لم يكن مطلوباً أن تكون معلومات المخزون محفوظة داخل النموذج، وإنما استطاع الوصول إليها وقت الحاجة.

ما علاقة MCP بوكلاء الذكاء الاصطناعي AI Agents؟

هذه إحدى أهم أسباب زيادة الاهتمام بالبروتوكول.

روبوت المحادثة التقليدي يستقبل سؤالاً ثم يولد إجابة.

أما AI Agent فيمكن أن يحتاج إلى تنفيذ سلسلة من الخطوات لتحقيق هدف معين.

قد يحتاج إلى قراءة ملف، ثم البحث في قاعدة بيانات، ثم استخدام أداة أخرى، وبعدها اتخاذ قرار بشأن الخطوة التالية.

حتى يقوم بذلك يحتاج إلى طريقة للتعامل مع الأدوات المحيطة به.

وهنا يمكن لـMCP أن يعمل كطبقة اتصال بين الوكيل وهذه الأدوات.

لذلك لا يجعل MCP النموذج «ذكياً» بحد ذاته، ولا يحوله تلقائياً إلى Agent، لكنه يوفر جزءاً من البنية التي تسمح للأنظمة الذكية بالوصول إلى قدرات خارج النموذج نفسه.

هل MCP هو نفسه API؟

ليس تماماً.

API هي واجهة تسمح لنظام برمجي بالتواصل مع نظام آخر، وما تزال APIs جزءاً أساسياً من البنية الرقمية.

MCP لا يلغي APIs.

في الواقع، يمكن لخادم MCP أن يستخدم API خلف الكواليس لتنفيذ المهمة المطلوبة.

الفرق أن MCP يقدم طبقة مصممة خصيصاً لتسهيل اكتشاف واستخدام السياق والأدوات من تطبيقات الذكاء الاصطناعي.

يمكن تصور الأمر بهذه الطريقة:

API تحدد كيف تتواصل البرامج مع خدمة معينة.

بينما MCP يوفر نمطاً موحداً تستطيع تطبيقات AI من خلاله اكتشاف الأدوات والموارد والتعامل معها، حتى عندما تكون الأنظمة الموجودة خلفها مختلفة.

لماذا أصبح MCP مهماً الآن؟

عندما ظهر البروتوكول، كان من الممكن النظر إليه كطريقة جديدة لربط المساعدات بالأدوات.

لكن نمو أنظمة Agentic AI جعل المشكلة التي يحاول حلها أكبر.

كل وكيل يحتاج إلى بيانات وأدوات وصلاحيات وخدمات يستطيع استخدامها لإنجاز المهام.

وفي يوليو 2026 صدر الإصدار 2026-07-28 من مواصفة MCP، وهو تحديث كبير نقل قلب البروتوكول نحو بنية Stateless وأضاف إطاراً رسمياً للامتدادات وتحسينات في التفويض ودعماً أفضل لأحمال العمل الوكيلية.

ويقول القائمون على المشروع إن حزم SDK الأساسية للبروتوكول تسجل قرابة نصف مليار عملية تنزيل شهرياً، بينما تجاوز كل من TypeScript SDK وPython SDK مليار تنزيل إجمالي.

كما توجد اليوم MCP Registry رسمية تساعد على اكتشاف خوادم MCP المنشورة، في مؤشر على تحول البروتوكول من فكرة تكامل إلى منظومة أوسع من الأدوات والخوادم.

ما المخاطر الأمنية لاستخدام MCP؟

كلما حصل الذكاء الاصطناعي على قدرة أكبر على استخدام الأدوات، أصبحت مسألة الصلاحيات أكثر أهمية.

إذا كان المساعد يستطيع قراءة ملف فقط، فإن مستوى الخطر يختلف عن وكيل يستطيع تعديل البيانات أو تنفيذ أوامر أو الوصول إلى عدة خدمات.

ومن المخاطر التي يناقشها الباحثون Tool Poisoning، حيث يمكن أن تحتوي معلومات الأداة أو تعليماتها على محتوى ضار يؤثر في سلوك النظام.

كما توجد مخاطر مرتبطة بـPrompt Injection والصلاحيات الزائدة والثقة في خوادم أو أدوات خارجية.

ولهذا شهدت مواصفة MCP نفسها تحسينات في التفويض والأمان، بينما تركز خارطة الطريق الحالية على مزيد من العمل في الهوية والصلاحيات والاستعداد للاستخدام المؤسسي.

بالنسبة للمستخدم أو المؤسسة، يجب ألا يكون السؤال فقط: «ما الأدوات التي يستطيع الوكيل استخدامها؟»

بل أيضاً: ما الصلاحيات التي يحتاجها فعلاً؟ ومن يدير الخادم؟ وما البيانات التي يمكنه الوصول إليها؟

هل MCP معيار لمستقبل وكلاء الذكاء الاصطناعي؟

من المبكر معرفة الشكل النهائي للبنية التي ستعتمد عليها جميع أنظمة AI مستقبلاً، كما أن MCP ليس البروتوكول الوحيد الممكن للتكامل بين الأنظمة.

لكن انتشاره وتطور مواصفاته وبناء منظومة من الخوادم والأدوات حوله جعلته واحداً من أهم المعايير التي يجب فهمها عند الحديث عن الجيل الحالي من وكلاء الذكاء الاصطناعي.

أهمية MCP لا تأتي من جعل النموذج أكثر قدرة على التفكير، بل من حل مشكلة مختلفة:

كيف نعطي الذكاء الاصطناعي طريقة منظمة وآمنة نسبياً للوصول إلى الأدوات والبيانات التي يحتاج إليها لتنفيذ العمل؟

ومع انتقال AI من مرحلة «اسأل النموذج» إلى مرحلة «اطلب من الوكيل تنفيذ المهمة»، تصبح الإجابة عن هذا السؤال جزءاً أساسياً من بناء أنظمة الذكاء الاصطناعي القادمة.