ما الفرق بين MCP و API ومن الأفضل بينهم

السلام عليكم ورحمة الله تعالى وبركاته،

ال MCP أو ما يعرف ب Model Context Protocol لا يمكن أن تكون بديلا لل APIs التقليدية لأنها عبارة عن بروتوكول متخصص تم تصميمه خصيصا لتسهيل تفاعل نماذج الذكاء الاصطناعي مع مصادر البيانات والأدوات الخارجية بطريقة موحدة ومعيارية.

وقد انتشرت MCP بسرعة لأنها تحل مشكلة جوهرية في النظام البيئي لل AI وهي تعقيد ربط النماذج بمختلف مصادر البيانات، حيث توفر واجهة موحدة تمكن المطورين من إنشاء "خوادم MCP" بحيث تقوم بعرض البيانات والوظائف بصيغة مفهومة لنماذج الذكاء الاصطناعي دون الحاجة لكتابة كود تكامل مخصص لكل مصدر بيانات.

وأما عن الفرق الجوهري بينهما فيكمن في أنّ APIs التقليدية مصممة للتفاعل بين التطبيقات والخدمات، بينما MCP مصممة خصيصا لتمكين نماذج الذكاء الاصطناعي من فهم والتفاعل مع البيانات مما يعني أن MCP تكمل APIs ولا تستبدلها.

فهي تعمل كطبقة تجريد تسهل على المطورين ربط أدوات الذكاء الاصطناعي بمصادر البيانات المختلفة بطريقة معيارية وقابلة للتشغيل البيني، مما يفسر الاهتمام المتزايد بها في مجتمع المطورين العاملين مع تطبيقات الذكاء الاصطناعي حاليا.

أولا لنعرف ما هو MCP :

إن Model Context Protocol (MCP) هو بروتوكول أو نظام تنظيمي يتم إستخدامه لتغذية نموذج الذكاء الاصطناعي بمحتوى خارجي ديناميكي ومنظم حتى يتمكن النموذج من فهم السياق الكامل المطلوب بدقة. حيث تيح لنماذج ال LLMs التفاعل مع الأدوات الخارجية مثل قواعد البيانات والخدمات بطريقة موحدة. ويمكن اعتبار MCP مثل منفذ USB ل AI حيث يوفر طريقة موحدة لربط نماذج ال AI بمختلف مصادر البيانات والأدوات المتاحة.

إذا ال MCP يسمح لك بتحديد ما الذي يجب أن يعرفه النموذج قبل أن يبدأ في التفاعل معك بطريقة منظمة، وقابلة للتحكم وقابلة للتوسعة.

أما لماذا إنتشر بسرعه فهذا بسبب :

• أن ال MCP يسمح لك بالتحكم في ما يراه ويعرفه النموذج 
• تكامل أفضل في التطبيقات فمثلا في copilots داخل أدوات مثل Notion أو Slack أو GitHub يجب أن يفهم النموذج البيئة قبل أن يتفاعل مع المستخدم .

وإن ال MCP ليس بديلا لل APIs بل هو نظام يستخدم داخل التطبيقات أو داخل APIs لتنظيم البيانات المرسلة للنموذج والMCP قد يكون جزءا من الطلب request إلى ال API مثل /chat/completions.

انتشار MCP السريع يعود لعدة أسباب جوهرية ومنها حل مشكلة حقيقية حيث قبل MCP، كان ربط نماذج الذكاء الاصطناعي بالأدوات الخارجية يتطلب برمجة مخصصة لكل أداة. تخيل لو كان عليك تعلم لغة مختلفة للتحدث مع كل شخص تقابله - هذا ما كان يحدث تقنياً.

ولا يعتبر MCP بديلاً عن APIs، بل يعمل كطبقة تغليف لها. يمكن لـ MCP Server استخدام APIs التقليدية داخليًا، مما يتيح للنموذج الذكي التفاعل معها بطريقة موحدة وديناميكية دون الحاجة لمعرفة تفاصيل كل API على حدة.