‫ چرا MCP؟ (بخش سوم- LLM ها و MCP)

• عدم درک واقعی: مدل‌ها معنای واقعی مفاهیم را درک نمی‌کنند؛ آن‌ها صرفاً بر اساس الگوهای آماری واژه‌ها را کنار هم می‌چینند.
• حافظه کوتاه‌مدت: مدل‌ها اطلاعات session های قبلی (مکالمات قبلی) را به خاطر نمی‌سپارند.
• اطلاعات تاریخ‌گذشته: مدل‌ها فقط بر پایه داده‌هایی آموزش دیده‌اند که تا یک زمان مشخص در گذشته در دسترس بوده‌اند و به‌صورت پیش‌فرض به اینترنت یا داده‌های جدید دسترسی ندارند.
• خطاهای منطقی یا ریاضی: در حل مسائل دقیق، به‌ویژه ریاضی یا برنامه‌نویسی، ممکن است خطا داشته باشند چون این کارها را با «پیش‌بینی» انجام می‌دهند، نه محاسبه واقعی.
• آسیب‌پذیری در برابر ورودی‌های گمراه‌کننده: مدل ممکن است به ورودی‌های نادرست، مبهم یا مغرضانه پاسخ‌هایی اشتباه یا غیرمنطقی بدهد.
• هذیان گویی: مدل ممکن است در مواردی که اطلاعات کافی ندارد شروع به هذیان گویی یا hallucination کند (علت دقیق hallucination همچنان مبهم باقی مانده است)

• نبود حافظه دائمی
• نداشتن روش استاندارد برای ارتباط با ابزارهای خارجی

{
  "tool_use": {
    "tool_name": "get_current_date",
    "parameters": {}
  }
}

{
  "tool_result": {
    "tool_name": "get_current_date",
    "output": {
      "date": "25 اردیبهشت سال 1404"
    }
  }
}

{
  "memory_read": {
    "key": "travel_destination"
  }
}

{
  "memory_result": {
    "key": "travel_destination",
    "value": "کانادا"
  }
}