Files
vibe-coding-college-specs/chapters/03-workspace-setup/06-lesson-skills-and-mcps/spec.md

12 KiB
Raw Blame History

مشخصات درس‌نامه: استفاده از Skillها و MCPها (Skills & Model Context Protocol)

  • شناسه در سیلابس: L3.7
  • فصل: فصل ۳: راه‌اندازی محیط کار (Ch 3)
  • نوع محتوا: 📘 درس‌نامه متنی
  • زمان تقریبی مطالعه: ۱۵ دقیقه
  • پیش‌نیازهای مستقیم: L3.6 (آشنایی با Git و GitHub)

۱. اهداف یادگیری (Learning Objectives - Bloom's Taxonomy)

دانشجو پس از مطالعهٔ این درس‌نامه باید بتواند:

  • درک کند (Understand): تفاوت بنیادین میان یک مهارت پرامپتی (Skill یا فایل‌های راهنما نظیر .cursorrules) و یک ابزار اجرایی تحت پروتکل MCP چیست.
  • درک کند (Understand): پروتکل کانتکست مدل (Model Context Protocol - MCP) چگونه به عنوان استاندارد جهانی پورت USB-C برای اتصال هوش مصنوعی به دیتابیس‌ها، وب و ابزارهای بیرونی عمل می‌کند.
  • به‌کار ببندد (Apply): یک فایل قوانین اختصاصی پروژه (.cursorrules) بسازد تا ایجنت هوش مصنوعی بدون نیاز به تکرار دستورات در هر پرامپت، استانداردهای کدنویسی و پاسخگویی را رعایت کند.
  • به‌کار ببندد (Apply): یک سرور ساده MCP (مانند سرور دریافت اطلاعات وب یا دسترسی به فایل) را در ادیتور Cursor یا ابزار Claude Code با استفاده از راهنماهای کشویی سیستم‌عامل‌ها راه‌اندازی کند.
  • تحلیل/ارزیابی کند (Evaluate): چه زمانی اضافه کردن یک مهارت یا سرور MCP جدید به ایجنت ضرورت دارد و چگونه از سنگین شدن بی‌مورد حافظه مدل جلوگیری شود.

۲. محدوده و مرزهای محتوا (Scope & Boundaries)

آنچه باید پوشش داده شود (In-Scope):

  1. گذار از مدل منفعل به ایجنت مجهز به ابزار:
    • هوش مصنوعی معمولی فقط متن تولید می‌کند؛ هوش مصنوعی مجهز به MCP و Skill می‌تواند مستندات زنده اینترنت را بخواند، داده‌ها را از دیتابیس استعلام کند یا با ابزارهای سیستم شما تعامل داشته باشد.
  2. پروتکل فراگیر MCP چیست؟ (استعاره کابل USB-C جهانی):
    • چرا قبل از MCP، هر ابزاری روش اختصاصی و ناسازگاری برای اتصال به مدل‌ها داشت.
    • استاندارد باز توسعه‌داده‌شده توسط Anthropic که اجازه می‌دهد یک سرور ابزار ساخته شود و تمام ایجنت‌ها (Cursor، Claude Code، Antigravity) بتوانند با یک کلیک از آن استفاده کنند.
  3. تفاوت مهارت‌ها (Skills / Rules) با پروتکل MCP:
    • مهارت‌ها (Skills): تزریق دانش و شیوه انجام کار (Mental Workflow & Rules) در قالب اسناد متنی؛ مثل یاد دادن سبک پاسخگویی یا قوانین معماری پروژه.
    • سرورهای MCP (Tools): دست‌ها و چشمان زنده مدل؛ دسترسی به APIها، مرورگر، دیتابیس یا فایل‌های سیستمی.
  4. پیاده‌سازی گام‌به‌گام ۱: فایل قوانین پروژه (.cursorrules):
    • ساخت فایلی به نام .cursorrules در ریشه پروژه.
    • قرار دادن قوانین طلایی: «کدها را همیشه با TypeScript بنویس»، «توضیحات را به زبان فارسی روان بده»، «قبل از تغییر فایل‌های بزرگ تاییدیه بگیر».
  5. پیاده‌سازی گام‌به‌گام ۲: راه‌اندازی یک سرور ساده MCP در ادیتور:
    • ورود به بخش Settings \rightarrow Features \rightarrow MCP در ادیتور Cursor یا فایل کانفیگ در Claude Code.
    • افزودن یک سرور کاربردی ساده (مانند سرور خواندن وب fetch یا سرور جستجو).
    • مسیر فایل‌های کانفیگ چندسکویی در ۳ منوی کشویی جداگانه:
      • <details><summary>مسیر کانفیگ در ویندوز (Windows)</summary> ... </details>: مسیر %APPDATA%\... و نحوه اضافه کردن کانفیگ JSON.
      • <details><summary>مسیر کانفیگ در مک‌اواس (macOS)</summary> ... </details>: مسیر ~/Library/Application Support/....
      • <details><summary>مسیر کانفیگ در لینوکس (Linux)</summary> ... </details>: مسیر ~/.config/....
  6. مشاهده چراغ سبز ابزار در عمل:
    • تست پرسیدن یک سوال زنده از هوش مصنوعی و دیدن اینکه ایجنت چگونه ابزار متصل به MCP را فرامی‌خواند.
  7. کال‌اوت‌های Quera:
    • <details class="violet">: چرا پروتکل MCP در سال‌های ۲۰۲۵ و ۲۰۲۶ استانداردی شد که کل صنعت فناوری از جمله مایکروسافت، گوگل و استارتاپ‌ها روی آن اجماع کردند؟
    • <details class="green">: قدرت صرفه‌جویی فایل .cursorrules: با یک بار تعریف این فایل، دیگر نیاز نیست در هر پیام به هوش مصنوعی تذکر دهید چه سبکی کد بنویسد.

آنچه نباید وارد آن شویم (Out-of-Scope):

  • برنامه‌نویسی و کدنویسی یک سرور اختصاصی MCP از صفر با پایتون یا تایپ‌اسکریپت (مبحث پیشرفته مربوط به فصل‌های آخر).
  • اتصال هم‌زمان ده‌ها سرور سنگین که باعث اشغال پنجره بافت شود.

۳. مفاهیم کلیدی و کلمات تخصصی (Key Concepts & Terms)

اصطلاح انگلیسی معادل فارسی مصوب توضیح یک‌خطی ساده
Model Context Protocol (MCP) پروتکل کانتکست مدل استاندارد متن‌باز برای اتصال مستقیم و امن مدل‌های هوش مصنوعی به ابزارها و منابع داده بیرونی
Skill / Project Rule مهارت / قانون پروژه راهنما و دستورالعمل دائمی ذخیره‌شده در پروژه برای تنظیم سبک رفتار و خروجی ایجنت
.cursorrules فایل قوانین کرسر فایلی در ریشه پروژه که دستورات زمینه و سلیقه کدنویسی تیم را به هوش مصنوعی دیکته می‌کند
Tool Call / Tool Use فراخوانی ابزار توانایی مدل هوش مصنوعی در اجرای یک فرمان بیرونی و خواندن نتیجه آن برای حل مسئله کاربر
MCP Host & Client میزبان و کلاینت MCP ادیتور یا برنامه‌ای (مانند Cursor یا Claude) که سرورهای MCP را مدیریت و به مدل متصل می‌کند

۴. جایگاه‌های تصاویر و نمودارها (Visual & Diagram Placeholders)

راهنمای ایجنت نویسنده: تمام تصاویر باید در پوشهٔ images/ قرار گرفته و در قالب جدول تک‌خانه‌ای وسط‌چین با کپشن تفصیلی درج شوند:

  1. تصویر کاور درس: images/cover.png
    • موضوع: کاور مدرن با تم تیره و نماد سوکت کابل نئونی USB-C که مغز هوش مصنوعی را به آیکون‌های دیتابیس، گیتهاب، اینترنت و فایل‌ها متصل می‌کند.
  2. استعاره کابل USB-C در پروتکل MCP: images/mcp-usb-analogy.png
    • موضوع: دیاگرام مفهومی: در گذشته هر پورت اختصاصی بود؛ اکنون کابل استاندارد MCP مدل را به انواع ابزارها متصل می‌سازد.
  3. تفاوت مهارت (Skill) و ابزار (MCP): images/skills-vs-mcps.png
    • موضوع: تصویر مقایسه‌ای: سمت راست مهارت (مغز و دانشنامه قوانین در .cursorrules) در برابر سمت چپ MCP (دست‌ها و ابزارهای فیزیکی برای لمس دنیای بیرون).
  4. پنل تنظیمات MCP در Cursor با چراغ سبز: images/cursor-mcp-settings.png
    • موضوع: اسکرین‌شات تمیز از صفحه تنظیمات MCP در Cursor که وضعیت سرورها را به رنگ سبز فعال (Active) نشان می‌دهد.
  5. نمونه فایل .cursorrules در عمل: images/cursorrules-demo.png
    • موضوع: نمایش کادر متنی نمونه دستورات یک پروژه استاندارد و تاثیر آن در پاسخ کوتاه، تمیز و فارسی ایجنت.

۵. بخش‌بندی و ساختار محتوایی پیشنهادی درس‌نامه (README.md)

  1. تیتر اصلی: # استفاده از Skillها و MCPها: دادن دست و چشمان بینا به هوش مصنوعی
  2. مقدمه: چرا پاسخ‌های ایجنت بدون دسترسی به ابزارهای بیرونی ناقص و تاریخ‌گذشته است؟
  3. جدول کاور درس
  4. پروتکل فراگیر MCP چیست؟ استعاره پورت USB-C دنیای هوش مصنوعی: فلسفه پیدایش و اهمیت.
  5. تفاوت مهارت‌ها (Skills) با ابزارهای اجرایی (MCPs): شفاف‌سازی تفاوت مفهوم قانون با ابزار کاربری.
  6. باکس نکته صنعتی Quera (<details class="violet">): چرا تمام شرکت‌های بزرگ به سمت استاندارد MCP حرکت کردند؟
  7. تمرین عملی اول: ساخت فایل .cursorrules برای هدایت پروژه:
    • ایجاد فایل در ریشه پروژه.
    • درج قوانین کدنویسی تمیز، زبان فارسی و فریم‌ورک‌ها.
  8. باکس نکته Quera (<details class="green">): خلاص شدن همیشگی از یادآوری‌های تکراری به هوش مصنوعی.
  9. تمرین عملی دوم: افزودن یک سرور کاربردی MCP در ادیتور:
    • مراحل منوی Settings در Cursor و Claude Code.
    • مسیر فایل‌های پیکربندی با منوهای کشویی سیستم‌عامل‌ها (Windows, macOS, Linux).
  10. تست و تایید اتصال ابزار: مشاهده فراخوانی موفق ابزار در چت با مدل.
  11. جمع‌بندی درس‌نامه: مجهز شدن ایجنت شما به ابزارهای دنیای واقعی.

۶. معیارهای پذیرش (Acceptance Criteria for Reviewer)

  • تفاوت Skill (قوانین و پرامپت‌ها) و MCP (پروتکل اتصال به ابزارها) به وضوح تبیین شده باشد.
  • استعاره پورت جهانی USB-C برای درک ماهیت MCP در متن به کار رود.
  • یک تمرین عملی قابل انجام ساخت .cursorrules به همراه محتوای نمونه قرار داده شود.
  • مسیرهای کانفیگ برای ویندوز، مک و لینوکس در منوهای کشویی مجزا درج گردند.