در عصر هوش مصنوعی، توسعهدهندگان فرصتی برای افزودن راهکارهای مبتنی بر هوش مصنوعی مولد و مدلهای زبانی بزرگ و کوچک به برنامهها دارند. این امر منجر به ایجاد برنامههای هوشمندتر و تجربههای کاربری بهتر میشود. همچنین، هوش مصنوعی مدرن میتواند به سادهسازی و خودکارسازی گردشکارهای توسعهدهندگان کمک کند و آنها را آزاد کند تا کد را بررسی و تصمیمات معماری را هدایت کنند.
با افزایش استفاده توسعهدهندگان از گردشکارهای هوش مصنوعی، زمینه (Context) اهمیت اساسی پیدا میکند. دستورالعملها یا ابزارهای تخصصی میتوانند زمینهسازی را فراهم کرده و به هوش مصنوعی کمک کنند تا وظایف تکراری را انجام دهد. در این راستا، دو مفهوم MCP Tools و Skills به طور مکرر مطرح میشوند که هر دو به حل مشکلات متفاوتی میپردازند.
ابزارهای MCP مانند مواد اولیه هستند، در حالی که Skills مانند کارتهای دستورالعمل غذا عمل میکنند و هوش مصنوعی (Agent) نقش آشپز را ایفا میکند. ابزارهای MCP قابلیتهای زمینهای خاصی را در اختیار هوش مصنوعی قرار میدهند و هر ابزار یک کار را به خوبی انجام میدهد. این ابزارها شامل جستجو در پایگاه داده، فراخوانی APIهای REST، خواندن فایل و غیره هستند. در مقابل، Skills رفتارهای سطح بالاتر و دستورالعملهای حفاظتی هستند که نحوه و زمان استفاده از ابزارها را برای دستیابی به یک هدف مشخص تعریف میکنند.
هوش مصنوعی (Agent) در میانه قرار دارد و وظایف مختلف را هماهنگ میکند. این هوش مصنوعی تصمیم میگیرد کدام دستورالعمل را دنبال کند یا به صورت بداهه عمل کند، مواد اولیه مناسب را انتخاب کند و بر اساس زمینه و محدودیتها تنظیمات لازم را انجام دهد. در نهایت، توسعهدهندگان باید درک کنند که ابزارهای MCP به این سوال پاسخ میدهند که "هوش مصنوعی Agent چه کاری میتواند انجام دهد؟" و Skills به این سوال پاسخ میدهند که "هوش مصنوعی Agent چگونه باید این مشکل را حل کند؟"
مشاهده مطلب اصلی