تا حالا فکر کردید چرا گاهی اوقات چت‌جی‌پی‌تی بهتون می‌گه من نمی‌تونم به اینترنت وصل شم یا فلان فایل رو باز نمی‌کنه؟
تا دیروز روش کار هوش مصنوعی این بود که توسعه‌دهنده‌ها باید یه سری مهارت (Skill) اختصاصی برای هر ربات مینوشتند. یعنی مثلاً یه کد مینوشتند که اگه کاربر گفت فلان، برو تو گوگل درایو بگرد. این کار مثل این بود که برای هر وسیله‌ی برقی خونه، یه کلید جداگانه بسازید! خیلی محدودکننده بود.
اما الان یه تغییر خفن به اسم MCP (مدل پروتکل ارتباطی) اومده وسط.
فرض کنین هوش مصنوعی یه مغز خفن ولیisolated (منزوی) هست. پروتکل جدید MCP مثل یه سوکت و پریز استاندارد جهانی می‌مونه. به جای اینکه برای هر ابزار یه کد جدید بنویسیم، این پروتکل به هوش مصنوعی یاد میده چطور خودش مستقیماً به ابزارهای مختلف وصل بشه، فایل‌ها رو بخونه و حتی تو دیتابیس‌ها بگرده!
دیگه خبری از ربات‌های تک‌کاربره نیست
الان دیگه نیاز نیست برای هر کار یه ربات جدا بسازیم. با MCP، یه هوش مصنوعی می‌تونه همزمان ایمیل‌هاتو چک کنه، تو اسلک پیام بده و فایل‌های اکسل رو هم آپدیت کنه.
#MCP
#AITools
#SkillVsMCP
#هوش_مصنوعی
#ابزارهای_هوش_مصنوعی
تا دیروز روش کار هوش مصنوعی این بود که توسعه‌دهنده‌ها باید یه سری مهارت (Skill) اختصاصی برای هر ربات مینوشتند. یعنی مثلاً یه کد مینوشتند که اگه کاربر گفت فلان، برو تو گوگل درایو بگرد. این کار مثل این بود که برای هر وسیله‌ی برقی خونه، یه کلید جداگانه بسازید! خیلی محدودکننده بود.
اما الان یه تغییر خفن به اسم MCP (مدل پروتکل ارتباطی) اومده وسط.
فرض کنین هوش مصنوعی یه مغز خفن ولیisolated (منزوی) هست. پروتکل جدید MCP مثل یه سوکت و پریز استاندارد جهانی می‌مونه. به جای اینکه برای هر ابزار یه کد جدید بنویسیم، این پروتکل به هوش مصنوعی یاد میده چطور خودش مستقیماً به ابزارهای مختلف وصل بشه، فایل‌ها رو بخونه و حتی تو دیتابیس‌ها بگرده!
دیگه خبری از ربات‌های تک‌کاربره نیست
الان دیگه نیاز نیست برای هر کار یه ربات جدا بسازیم. با MCP، یه هوش مصنوعی می‌تونه همزمان ایمیل‌هاتو چک کنه، تو اسلک پیام بده و فایل‌های اکسل رو هم آپدیت کنه.
#MCP
#AITools
#SkillVsMCP
#هوش_مصنوعی
#ابزارهای_هوش_مصنوعی
❤2
🔥 اگه با LLM و AI Agentها کار می‌کنی، این پروژه رو ببین!
در واقع یه پلتفرم متن‌باز و تقریباً همه‌کاره‌ست که کلی از چیزهایی که برای ساخت و مدیریت سیستم‌های AI لازم داری رو یکجا جمع کرده.
مثلاً:
🤖 مدیریت و اجرای AI Agentها
🔀 مسیریابی هوشمند بین مدل‌های مختلف
🤝 ارتباط بین Agentها با A2A
🧠 پشتیبانی از RAG و Knowledge Base
📊 مانیتورینگ و مشاهده عملکرد سیستم با OpenTelemetry و Prometheus
حتی می‌تونی Claude Code، Codex یا Cursor رو از طریق یک Gateway به مدل‌ها و ابزارهای مختلف وصل کنی.
در واقع دوستان یعنی به‌جای اینکه برای هر بخش یه سرویس جدا راه بندازین، Archestra تلاش می‌کنه همه این قطعات رو توی یه پلتفرم واحد جمع کنه.
📌 اگر روی LLM، MCP، AI Agent یا معماری سیستم‌های Agentic کار می‌کنی، ارزش داره حداقل یه بار بررسیش کنی.
🔗 لینک پروژه : ARCHESTRA
#هوش_مصنوعی
#LLM
#AIAgents
#MCP
#RAG
#OpenSource
در واقع یه پلتفرم متن‌باز و تقریباً همه‌کاره‌ست که کلی از چیزهایی که برای ساخت و مدیریت سیستم‌های AI لازم داری رو یکجا جمع کرده.
مثلاً:
🤖 مدیریت و اجرای AI Agentها
🔀 مسیریابی هوشمند بین مدل‌های مختلف
🤝 ارتباط بین Agentها با A2A
🧠 پشتیبانی از RAG و Knowledge Base
📊 مانیتورینگ و مشاهده عملکرد سیستم با OpenTelemetry و Prometheus
حتی می‌تونی Claude Code، Codex یا Cursor رو از طریق یک Gateway به مدل‌ها و ابزارهای مختلف وصل کنی.
در واقع دوستان یعنی به‌جای اینکه برای هر بخش یه سرویس جدا راه بندازین، Archestra تلاش می‌کنه همه این قطعات رو توی یه پلتفرم واحد جمع کنه.
📌 اگر روی LLM، MCP، AI Agent یا معماری سیستم‌های Agentic کار می‌کنی، ارزش داره حداقل یه بار بررسیش کنی.
🔗 لینک پروژه : ARCHESTRA
#هوش_مصنوعی
#LLM
#AIAgents
#MCP
#RAG
#OpenSource
❤2
🧩 آیا ام‌سی‌پی واقعاً مرده؟
مدتی که با ایجنت‌ها و ابزارهای مختلف کار کردم، چیزی که بیشتر از خودِ ام‌سی‌پی توجهم رو جلب کرد این بود که اضافه کردن یک استاندارد جدید، همیشه به معنی ساده‌تر شدن معماری نیست.
ایده‌ی ام‌سی‌پی روی کاغذ خیلی خوبه:
اینکه ایجنت بتونه به ابزارها و سرویس‌های مختلف، با یک روش استاندارد دسترسی داشته باشه.
اما وقتی واقعاً تعداد ابزارها زیاد میشه، مشکلات خودشون رو نشون می‌دن.
هر ابزار یعنی یک تعریف جدید، اطلاعات بیشتر در حافظه‌ی متنی، انتخاب‌های بیشتر برای ایجنت و در بعضی موارد، هزینه و پیچیدگی بیشتر.
حتی ممکنه برای کاری که با یک تابع ساده یا یک رابط برنامه‌نویسی کاربردی قابل انجامه، یک لایه‌ی کامل ام‌سی‌پی اضافه کنیم.
اینجاست که به نظرم سؤال درست این نیست که:
ام‌سی‌پی مرده یا نه؟
سؤال بهتر اینه:
یا اینجا واقعاً به ام‌سی‌پی نیاز داریم؟
اگر فقط یک سرویس مشخص داریم، شاید همان رابط برنامه‌نویسی کافی باشه.
اگر یک دستور مشخص داریم، شاید خط فرمان انتخاب بهتری باشه.
اما وقتی چند ایجنت مختلف باید به مجموعه‌ای از ابزارها و منابع مشترک دسترسی داشته باشن، اونجاست که ارزش ام‌سی‌پی بیشتر خودش رو نشون میده.
چیزی که برای من از این بحث مهم‌تره اینه که ابزار بیشتر، لزوماً ایجنت بهتر نمی‌سازه.
گاهی دقیقاً برعکس اتفاق می‌افته.
هر ابزار جدید یعنی یک انتخاب جدید برای ایجنت و یک مسیر احتمالی جدید برای اشتباه کردن.
بنابراین فکر نمی‌کنم ام‌سی‌پی «مرده» باشه.
احتمالاً چیزی که داره تغییر می‌کنه، نگاه ما بهشه.
ام‌سی‌پی قرار نیست راه‌حل همه‌چیز باشه؛ باید جایی استفاده بشه که واقعاً ارزش استانداردسازی و اتصال بین ایجنت و ابزار رو ایجاد می‌کنه.
هر انتزاعی وقتی بیش از حد استفاده بشه، خودش تبدیل به پیچیدگی میشه.
ام‌سی‌پی هم از این قاعده مستثنی نیست.
#هوش_مصنوعی
#برنامه_نویسی
#AI
#AIAgents
#MCP
#LLM
#AgenticAI
مدتی که با ایجنت‌ها و ابزارهای مختلف کار کردم، چیزی که بیشتر از خودِ ام‌سی‌پی توجهم رو جلب کرد این بود که اضافه کردن یک استاندارد جدید، همیشه به معنی ساده‌تر شدن معماری نیست.
ایده‌ی ام‌سی‌پی روی کاغذ خیلی خوبه:
اینکه ایجنت بتونه به ابزارها و سرویس‌های مختلف، با یک روش استاندارد دسترسی داشته باشه.
اما وقتی واقعاً تعداد ابزارها زیاد میشه، مشکلات خودشون رو نشون می‌دن.
هر ابزار یعنی یک تعریف جدید، اطلاعات بیشتر در حافظه‌ی متنی، انتخاب‌های بیشتر برای ایجنت و در بعضی موارد، هزینه و پیچیدگی بیشتر.
حتی ممکنه برای کاری که با یک تابع ساده یا یک رابط برنامه‌نویسی کاربردی قابل انجامه، یک لایه‌ی کامل ام‌سی‌پی اضافه کنیم.
اینجاست که به نظرم سؤال درست این نیست که:
ام‌سی‌پی مرده یا نه؟
سؤال بهتر اینه:
یا اینجا واقعاً به ام‌سی‌پی نیاز داریم؟
اگر فقط یک سرویس مشخص داریم، شاید همان رابط برنامه‌نویسی کافی باشه.
اگر یک دستور مشخص داریم، شاید خط فرمان انتخاب بهتری باشه.
اما وقتی چند ایجنت مختلف باید به مجموعه‌ای از ابزارها و منابع مشترک دسترسی داشته باشن، اونجاست که ارزش ام‌سی‌پی بیشتر خودش رو نشون میده.
چیزی که برای من از این بحث مهم‌تره اینه که ابزار بیشتر، لزوماً ایجنت بهتر نمی‌سازه.
گاهی دقیقاً برعکس اتفاق می‌افته.
هر ابزار جدید یعنی یک انتخاب جدید برای ایجنت و یک مسیر احتمالی جدید برای اشتباه کردن.
بنابراین فکر نمی‌کنم ام‌سی‌پی «مرده» باشه.
احتمالاً چیزی که داره تغییر می‌کنه، نگاه ما بهشه.
ام‌سی‌پی قرار نیست راه‌حل همه‌چیز باشه؛ باید جایی استفاده بشه که واقعاً ارزش استانداردسازی و اتصال بین ایجنت و ابزار رو ایجاد می‌کنه.
هر انتزاعی وقتی بیش از حد استفاده بشه، خودش تبدیل به پیچیدگی میشه.
ام‌سی‌پی هم از این قاعده مستثنی نیست.
#هوش_مصنوعی
#برنامه_نویسی
#AI
#AIAgents
#MCP
#LLM
#AgenticAI
❤1
یه نکته ریز ولی فوق‌العاده کاربردی برای ساخت MCP Toolها:
عوض کردن UUIDها با عددای ساده (Integer) یا اسم‌های قابل فهم، آمار خطای ایجنت‌ها رو به‌شدت میاره پایین!
حالا چرا مدل سر UUID گیج می‌زنه؟
یک رشته مثل a3f9c1e2-88b4-4d1e-9c77... برای مدل هیچ منطق قابل درکی نداره.
وقتی مدل مجبور میشه توی ورودیِ پارامتر یک UUID بفرسته، چیزی رو یادآوری نمی‌کنه؛
فقط داره ظاهرِ یک UUID رو الگوبافی (Pattern Matching) می‌کنه.
نتیجه چی میشه؟ یک رشته که کاملاً قیافه‌ش شبیه UUID هست، اما کلاً وجود خارجی توی دیتابیس شما نداره!
مشکل اصلی از کجاست؟
توی REST API: کلاینت کد می‌زنه، ID رو قبلاً از دیتابیس گرفته و دقیقاً همون رو می‌فرسته.
توی MCP:مدل داره پارامترها رو از روی متن و کلمات Context می سازه، نه حافظه قطعی.
راهکار چیه؟
اصلاً نذارین مدل UUID خام رو ببینه!
توی ابزارتون به جای UUID، یک Index ساده (مثل ۱، ۲، ۳) یا یک اسمِ خوانا به مدل نشون بدین، بعد سمت کدِ خودتون اون رو به UUID واقعی دیتابیس مپ (Map) کنین.
دفعه بعد که خواستین Primary Key دیتابیس رو مستقیم بفرستین توی Schema ابزار ایجنت، حتماً این نکته رو یادتون باشه.
#AIAgents
#MCP
#AIEngineering
#برنامه‌نویسی
#هوش_مصنوعی
#تجربه_توسعه
عوض کردن UUIDها با عددای ساده (Integer) یا اسم‌های قابل فهم، آمار خطای ایجنت‌ها رو به‌شدت میاره پایین!
حالا چرا مدل سر UUID گیج می‌زنه؟
یک رشته مثل a3f9c1e2-88b4-4d1e-9c77... برای مدل هیچ منطق قابل درکی نداره.
وقتی مدل مجبور میشه توی ورودیِ پارامتر یک UUID بفرسته، چیزی رو یادآوری نمی‌کنه؛
فقط داره ظاهرِ یک UUID رو الگوبافی (Pattern Matching) می‌کنه.
نتیجه چی میشه؟ یک رشته که کاملاً قیافه‌ش شبیه UUID هست، اما کلاً وجود خارجی توی دیتابیس شما نداره!
مشکل اصلی از کجاست؟
توی REST API: کلاینت کد می‌زنه، ID رو قبلاً از دیتابیس گرفته و دقیقاً همون رو می‌فرسته.
توی MCP:مدل داره پارامترها رو از روی متن و کلمات Context می سازه، نه حافظه قطعی.
راهکار چیه؟
اصلاً نذارین مدل UUID خام رو ببینه!
توی ابزارتون به جای UUID، یک Index ساده (مثل ۱، ۲، ۳) یا یک اسمِ خوانا به مدل نشون بدین، بعد سمت کدِ خودتون اون رو به UUID واقعی دیتابیس مپ (Map) کنین.
دفعه بعد که خواستین Primary Key دیتابیس رو مستقیم بفرستین توی Schema ابزار ایجنت، حتماً این نکته رو یادتون باشه.
#AIAgents
#MCP
#AIEngineering
#برنامه‌نویسی
#هوش_مصنوعی
#تجربه_توسعه
👍2
سلام دوستان امیدوارم خوب باشین! بعد از حجم کاری این هفته، با اولین پست روز جمعه در خدمتتون هستم.
امروز داشتم مقاله‌ای رو می‌خوندم درباره اینکه چرا قابلیت اجرای مرورگر (Browser Execution) داره به یکی از حلقه‌های مفقوده در معماری ایجنت‌ها تبدیل میشه. موضوع طوری بود که حیفم اومد باهاتون به اشتراک نذارمش، چون دست می‌ذاره روی یکی از نقطه‌کورهای اصلیِ طراحی سیستم‌های مبتنی بر ایجنت (Agentic Systems).
🌐 ماجرا چیه دقیقا ؟
خیلی از ما وقتی داریم ایجنت می‌سازیم، همه تمرکزمون روی API Calling، اتصال به MCP، اجرای کد توی Sandbox، یا خواندن دیتابیسه. این ابزارها فوق‌العاده‌ان و برای سیستم‌های ساختاریافته جواب می‌دن.
اما واقعیت دنیای نرم‌افزار چیه؟ بخش عظیمی از سامانه‌های واقعی (مخصوصاً سرویس‌های قدیمی، پورتال‌های داخلی شرکت‌ها، داشبوردهای تحلیل داده و...) هیچ API پایدار و عمومی ندارند!
تنها رابطی که وجود داره، همون UI و مرورگریه که برای انسان طراحی شده.
💡 چند تا نکته کلیدی که خیلی چسبید:
1️⃣ مرورگر یک محیط اجراست (Execution Environment)، نه فقط یک ابزار ساده:
خیلیا فکر می‌کنند Browsing یعنی اینکه فقط یه ایجنت بفرستیم وب رو بگرده! اما اصل حرف اینه که مرورگر رو باید مثل یک Runtime نگاه کرد که ایجنت می‌تونه توش کد اجرا کنه، Session و Cookieها رو مدیریت کنه و با UIهایی که API ندارند تعامل داشته باشه.
2️⃣ تعامل با پروتکل‌های ارتباطی — آیا ابزارهای استاندارد جای مرورگر رو می‌گیرند؟
پاسخ کوتاه: نه، مکمل همدیگه‌ان.
پروتکل‌های یکپارچه‌سازی فقط نحوه برقراری ارتباط ایجنت با یک ابزار را استاندارد می‌کنند. حالا اون ابزار پشت صحنه می‌تونه خودش یک Browser Instance باشه که داره فرآیند احراز identity، حل SSO یا گرفتن داده از یک داشبورد پیچیده رو انجام میده.
3️⃣ ترکیب اجرای کد و مرورگر:
بهترین الگوی معماری اینه که به جای فرستادن دستورات سنگین و بصری (مثل آنالیز فریم به فریم اسکرین‌شات)، به ایجنت اجازه بدیم کد مرورگر بنویسه و توی یک محیط ایزوله اجرا کنه. هم هزینه‌ها بشدت میاد پایین، هم سرعت و قطعیت (Determinism) کار بالا می‌ره.
🎯 جمع‌بندی شخصیم:
اگر دارید روی ایجنت‌های دنیای واقعی کار می‌کنید، نباید فرض کنید همه‌چیز قراره با یک API تمیز و آماده حل بشه. Browser Execution همون لینک گمشده‌ای هست که ایجنت شما رو از یک «مدل نظری» به یک «ابزار اجرایی در دنیای کثیف و واقعی نرم‌افزار» تبدیل می‌کنه.
آخر هفته خوبی براتون آرزومند هستم✨
#AIAgents
#LLM
#SystemDesign
#BrowserExecution
#MCP
امروز داشتم مقاله‌ای رو می‌خوندم درباره اینکه چرا قابلیت اجرای مرورگر (Browser Execution) داره به یکی از حلقه‌های مفقوده در معماری ایجنت‌ها تبدیل میشه. موضوع طوری بود که حیفم اومد باهاتون به اشتراک نذارمش، چون دست می‌ذاره روی یکی از نقطه‌کورهای اصلیِ طراحی سیستم‌های مبتنی بر ایجنت (Agentic Systems).
🌐 ماجرا چیه دقیقا ؟
خیلی از ما وقتی داریم ایجنت می‌سازیم، همه تمرکزمون روی API Calling، اتصال به MCP، اجرای کد توی Sandbox، یا خواندن دیتابیسه. این ابزارها فوق‌العاده‌ان و برای سیستم‌های ساختاریافته جواب می‌دن.
اما واقعیت دنیای نرم‌افزار چیه؟ بخش عظیمی از سامانه‌های واقعی (مخصوصاً سرویس‌های قدیمی، پورتال‌های داخلی شرکت‌ها، داشبوردهای تحلیل داده و...) هیچ API پایدار و عمومی ندارند!
تنها رابطی که وجود داره، همون UI و مرورگریه که برای انسان طراحی شده.
💡 چند تا نکته کلیدی که خیلی چسبید:
1️⃣ مرورگر یک محیط اجراست (Execution Environment)، نه فقط یک ابزار ساده:
خیلیا فکر می‌کنند Browsing یعنی اینکه فقط یه ایجنت بفرستیم وب رو بگرده! اما اصل حرف اینه که مرورگر رو باید مثل یک Runtime نگاه کرد که ایجنت می‌تونه توش کد اجرا کنه، Session و Cookieها رو مدیریت کنه و با UIهایی که API ندارند تعامل داشته باشه.
2️⃣ تعامل با پروتکل‌های ارتباطی — آیا ابزارهای استاندارد جای مرورگر رو می‌گیرند؟
پاسخ کوتاه: نه، مکمل همدیگه‌ان.
پروتکل‌های یکپارچه‌سازی فقط نحوه برقراری ارتباط ایجنت با یک ابزار را استاندارد می‌کنند. حالا اون ابزار پشت صحنه می‌تونه خودش یک Browser Instance باشه که داره فرآیند احراز identity، حل SSO یا گرفتن داده از یک داشبورد پیچیده رو انجام میده.
3️⃣ ترکیب اجرای کد و مرورگر:
بهترین الگوی معماری اینه که به جای فرستادن دستورات سنگین و بصری (مثل آنالیز فریم به فریم اسکرین‌شات)، به ایجنت اجازه بدیم کد مرورگر بنویسه و توی یک محیط ایزوله اجرا کنه. هم هزینه‌ها بشدت میاد پایین، هم سرعت و قطعیت (Determinism) کار بالا می‌ره.
🎯 جمع‌بندی شخصیم:
اگر دارید روی ایجنت‌های دنیای واقعی کار می‌کنید، نباید فرض کنید همه‌چیز قراره با یک API تمیز و آماده حل بشه. Browser Execution همون لینک گمشده‌ای هست که ایجنت شما رو از یک «مدل نظری» به یک «ابزار اجرایی در دنیای کثیف و واقعی نرم‌افزار» تبدیل می‌کنه.
آخر هفته خوبی براتون آرزومند هستم✨
#AIAgents
#LLM
#SystemDesign
#BrowserExecution
#MCP
❤1
یه اتفاق جالب توی دنیای AI افتاده که به نظرم خیلی‌ها هنوز جدی نگرفتن.
استارتاپ AIR به‌تازگی ۵۰ میلیون دلار سرمایه جذب کرده؛ برای چی؟
برای امنیت AI Agentها.
شاید در نگاه اول خیلی معمولی به نظر برسه، ولی اگر یکم عمیق‌تر نگاه کنیم، داستان خیلی مهم‌تره.
ما داریم وارد دوره‌ای می‌شیم که شرکت‌ها فقط چندتا مدل AI ندارند.
ده‌ها و صدها Agent دارن که به ابزارهای مختلف وصل می‌شن.
حالا سؤال مهم اینه:
از کجا بدونیم چیزی که Agent بهش دسترسی داره امنه؟
اگر یک Skill مخرب باشه چی؟
اگر یک MCP Server آلوده باشه چی؟
اگر Plugin دسترسی بیشتری از چیزی که باید داشته باشه بگیره چی؟
اینجاست که یک مفهوم جدید داره جدی میشه:
آقای Agent Security!
تقریباً شبیه همون چیزی که سال‌ها در Software Supply Chain Security داشتیم، ولی این بار برای اکوسیستم Agentها.
به نظرم این یکی از بازارهای جدی چند سال آینده‌ست.
چون هرچقدر Agentها قدرتمندتر بشن، سطح دسترسی‌شون هم بیشتر میشه.
و هرچقدر دسترسی بیشتر بشه، امنیت مهم‌تر میشه.
حالا دوست دارم نظر شما رو بدونم.
به نظرتون بزرگ‌ترین تهدید برای AI Agentها چیه؟
خود مدل؟
دسترسی به سیستم و Terminal؟
یا اشتباهات انسانی در زمان استفاده؟
بیاید اینجا درباره‌ش حرف بزنیم.
اگر تجربه‌ای در کار با Agentها، MCP یا امنیت این سیستم‌ها دارید، حتماً بنویسید.
احتمالاً تجربه شما می‌تونه برای خیلی‌های دیگه هم مفید باشه.
#AI
#AIAgents
#CyberSecurity
#AgentSecurity
#MCP
#DevOps
#SoftwareDevelopment
استارتاپ AIR به‌تازگی ۵۰ میلیون دلار سرمایه جذب کرده؛ برای چی؟
برای امنیت AI Agentها.
شاید در نگاه اول خیلی معمولی به نظر برسه، ولی اگر یکم عمیق‌تر نگاه کنیم، داستان خیلی مهم‌تره.
ما داریم وارد دوره‌ای می‌شیم که شرکت‌ها فقط چندتا مدل AI ندارند.
ده‌ها و صدها Agent دارن که به ابزارهای مختلف وصل می‌شن.
حالا سؤال مهم اینه:
از کجا بدونیم چیزی که Agent بهش دسترسی داره امنه؟
اگر یک Skill مخرب باشه چی؟
اگر یک MCP Server آلوده باشه چی؟
اگر Plugin دسترسی بیشتری از چیزی که باید داشته باشه بگیره چی؟
اینجاست که یک مفهوم جدید داره جدی میشه:
آقای Agent Security!
تقریباً شبیه همون چیزی که سال‌ها در Software Supply Chain Security داشتیم، ولی این بار برای اکوسیستم Agentها.
به نظرم این یکی از بازارهای جدی چند سال آینده‌ست.
چون هرچقدر Agentها قدرتمندتر بشن، سطح دسترسی‌شون هم بیشتر میشه.
و هرچقدر دسترسی بیشتر بشه، امنیت مهم‌تر میشه.
حالا دوست دارم نظر شما رو بدونم.
به نظرتون بزرگ‌ترین تهدید برای AI Agentها چیه؟
خود مدل؟
دسترسی به سیستم و Terminal؟
یا اشتباهات انسانی در زمان استفاده؟
بیاید اینجا درباره‌ش حرف بزنیم.
اگر تجربه‌ای در کار با Agentها، MCP یا امنیت این سیستم‌ها دارید، حتماً بنویسید.
احتمالاً تجربه شما می‌تونه برای خیلی‌های دیگه هم مفید باشه.
#AI
#AIAgents
#CyberSecurity
#AgentSecurity
#MCP
#DevOps
#SoftwareDevelopment
❤2
به نظرم بهتره این سه‌تا رو رقیب هم نبینیم.
اولا MCP برای سرویس‌های Remote مهمه. یه جورایی مثل API برای Agentها.
دوما Skill برای کارهای Local و وابسته به Context مناسبه.
ثالثا CLI هم بیشتر در Runtime کاربرد داره. جایی که Agent باید چندین Action رو پشت سر هم اجرا کنه یا Automation بسازه.
در نهایت مسئله این نیست که MCP بهتره یا CLI.
هرکدوم برای یک لایه و یک نوع Task مناسب‌تره. 👀
#AI
#AIAgents
#MCP
#CLI
#AgentEngineering
اولا MCP برای سرویس‌های Remote مهمه. یه جورایی مثل API برای Agentها.
دوما Skill برای کارهای Local و وابسته به Context مناسبه.
ثالثا CLI هم بیشتر در Runtime کاربرد داره. جایی که Agent باید چندین Action رو پشت سر هم اجرا کنه یا Automation بسازه.
در نهایت مسئله این نیست که MCP بهتره یا CLI.
هرکدوم برای یک لایه و یک نوع Task مناسب‌تره. 👀
#AI
#AIAgents
#MCP
#CLI
#AgentEngineering
🔥1