ساخت اولین ایجنت هوش مصنوعی با MCP
ایجنت یک چتبات با حافظه نیست؛ سیستمی است که هدف میگیرد و خودش ابزار صدا میزند. این راهنما معماری سهلایه، نقش MCP و قواعد امنیتی غیرقابلمذاکره را پوشش میدهد.

ایجنت چیست که چتبات نیست؟
چتبات جواب میدهد؛ ایجنت کار انجام میدهد. حلقهٔ کارش چهار قدم است: برنامهریزی برای هدف، انتخاب ابزار مناسب، اجرا و خواندن نتیجه، و اصلاح مسیر تا رسیدن به هدف. همین استقلال است که ارزش ایجاد میکند — و همان است که ریسک میسازد؛ برای همین ایمنی از اولین روز باید در طراحی باشد.
- نمونههای کار واقعی: پردازش فاکتور، پاسخ تیکت با اتصال به CRM، مانیتورینگ قیمت رقبا.
- قاعدهٔ شروع: اولین ایجنت باید یک کار باریک و مشخص را کامل انجام دهد، نه «کمی از همهچیز».
معماری سهلایه: استدلال، اتصال، هماهنگی
الگوی اثباتشده در تولید سه لایه دارد: مدل زبانی فقط استدلال میکند؛ MCP اتصال به ابزارها را استاندارد میکند — «USB-C دنیای AI» که امروز هزاران سرور فعال دارد؛ و یک لایهٔ هماهنگی (orchestrator) وضعیت، تلاش مجدد و خطاها را مدیریت میکند. جداسازی این سه، هم دیباگ را ممکن میکند هم تعویض مدل را بدون بازنویسی کل سیستم.
- سرور MCP را یکبار برای هر منبع (فایلها، CRM، دیتابیس) بنویسید؛ هر ایجنت سازگاری میتواند از آن استفاده کند.
- هر ابزار توضیح ورودی/خروجی دقیق میخواهد — ابزار با توضیح بد، ایجنت را گمراه میکند.
- تعداد ابزارهای هر ایجنت را کم نگه دارید؛ انتخاب بدِ ابزار بیشتر از کمبود ابزار خرابکاری میکند.
امنیت غیرقابلمذاکره
ایجنت با دسترسی واقعی به سیستم شما کار میکند — پس با او مثل یک کارمند تازهواردِ بیسابقه رفتار کنید، نه مثل یک نرمافزار مطمئن. قاعدهٔ مرکزی حداقل دسترسی است: هر سرور و کلید API فقط مجوزِ دقیقاً کاری را میگیرد که لازم دارد.
- هر سرور MCP را غیرقابلاعتماد فرض کنید: کدش را بخوانید، منشأ را چک کنید، در sandbox اجرا کنید.
- اقدامات برگشتناپذیر (پرداخت، ارسال ایمیل انبوه، حذف داده) همیشه با تأیید انسانی.
- لاگ کامل از هر فراخوانی ابزار نگه دارید — بعد از حادثه تنها مدرک شماست.
از نمونهٔ اولیه تا تولید
مسیر استاندارد: یک کار باریک انتخاب کنید، موفقیت را قابلاندازهگیری تعریف کنید (مثلاً «۸۰٪ تیکتها بدون دخالت انسان بسته شود»)، روی ۲۰ نمونهٔ واقعی ارزیابی کنید و فقط بعد از پایداری، دامنه را گسترش دهید. مشارکت انسانی (human-in-the-loop) را بهعنوان قابلیت طراحی کنید — نه عقبنشینی موقت.
- برای هر نسخه، مجموعهٔ آزمون ثابت داشته باشید تا افت کیفیت دیده شود.
- سقف هزینهٔ هر اجرا (حداکثر گام و توکن) تعیین کنید تا حلقهٔ بیپایان نداشته باشید.