لقد اكتسب بروتوكول سياق النموذج (MCP) زخمًا كبيرًا منذ إصداره من قبل Anthropic. كوني مطورًا يعمل مع تكاملات الذكاء الاصطناعي، أسعى باستمرار للعثور على أدوات تبسط ربط واجهات برمجة التطبيقات (APIs) بالنماذج اللغوية الكبيرة (LLMs). عندما أعلنت Mintlify عن مولد خادم MCP، أثار فضولي. كانت فكرة إنشاء خادم MCP مباشرة من الوثائق لتمكين استدعاءات APIs المساعدة بواسطة الذكاء الاصطناعي تبدو وكأنها خطوة تحول كبيرة. ومع ذلك، كنت أرغب أيضًا في مقارنتها بخيارات بديلة مثل Apidog، التي تقدم قدرات مشابهة لتكامل واختبار APIs.
في هذه المراجعة، سأغوص عميقًا في تجربتي لاختبار مولد خادم MCP من Mintlify، مع التركيز على إعداداته ووظائفه وأدائه. سأستكشف أيضًا كيف يتماشى مع Apidog، وهي أداة وجدتها لا تُقدّر بثمن في تصحيح سير عمل APIs.
ما هو مولد خادم Mintlify MCP؟
مولد خادم MCP من Mintlify هو أداة مصممة لإنشاء خوادم بروتوكول سياق النموذج (MCP) مباشرة من وثائقك. MCP، بالنسبة لأولئك غير المألوفين، هو بروتوكول موحد يسمح لنماذج الذكاء الاصطناعي بالتفاعل مع الأدوات الخارجية ومصادر البيانات - مثل GitHub وSlack أو حتى واجهات برمجة التطبيقات المخصصة الخاصة بك - دون الحاجة إلى تكاملات مخصصة لكل اتصال. تستفيد Mintlify من ذلك من خلال تمكين المطورين من إنشاء خوادم MCP باستخدام هياكل البيانات الحالية، مثل مواصفات OpenAPI.
تهدف الأداة إلى تبسيط ثلاثة سيناريوهات رئيسية:
- البحث العام واسترجاع الإجابات من الوثائق.
- استعلام واجهة برمجة التطبيقات وتنفيذه في الوقت الحقيقي عبر تطبيقات الذكاء الاصطناعي.
- الإجابات السياقية للمستخدمين الذين يقومون باستعلامات حول تفاصيل المنتجات عبر LLMs.
تسوق Mintlify هذا على أنه طريقة لسد الفجوة بين واجهات برمجة التطبيقات الخاصة بك وأنظمة الذكاء الاصطناعي، مما يجعل وثائقك أكثر وصولًا لكل من البشر وعوامل الذكاء الاصطناعي. ولكن هل تحقق هذا الوعد؟ دعونا نفصل عملية الاختبار الخاصة بي.
إعداد مولد خادم Mintlify MCP
أولاً، اتبعت دليل تثبيت Mintlify لإعداد مولد خادم MCP. تتطلب العملية تثبيت CLI بسيط، والذي نفذته باستخدام npm:
npm install -g @mintlify/mcp-generator
بعد التثبيت، انتقلت إلى دليل مشروعي الذي يحتوي على ملف مواصفات OpenAPI (openapi.yaml). تشير وثائق Mintlify إلى أن المولد يمكنه إنشاء خادم MCP ديناميكيًا بناءً على هذه المواصفة. قمت بتشغيل الأمر التالي لإنشاء الخادم:
mintlify mcp-generate --spec openapi.yaml
طلبت واجهة سطر الأوامر مني اختيار مجلد وجهة لملفات خادم MCP التي تم إنشاؤها. خلال ثوانٍ قليلة، أنتج إعداد خادم خفيف الوزن باستخدام Node.js كبيئة تشغيل. تضمن الخادم الذي تم إنشاؤه نقاط النهاية للبحث العام واستعلام واجهة برمجة التطبيقات وتنفيذ الإجراءات - متماشيًا مع حالات الاستخدام المعلنة من Mintlify.
ومع ذلك، واجهت عائقًا طفيفًا أثناء الإعداد. افترض المولد أنك بحاجة إلى إصدار Node.js 18 أو أعلى، ولكن نظامي كان يحتوي على الإصدار 16. بعد تحديث Node.js، اكتملت العملية بسلاسة. وهذا يسلط الضوء على نقطة مهمة: تأكد من أن بيئتك تلبي المتطلبات المسبقة قبل البدء.
اختبار خادم MCP: تكامل API وتفاعل الذكاء الاصطناعي
بعد ذلك، اختبرت خادم MCP الذي تم توليده من خلال دمجه مع عميل ذكاء اصطناعي. استخدمت Cursor، وهو IDE مدعوم بالذكاء الاصطناعي، للتفاعل مع الخادم. يدعم Cursor عملاء MCP، مما يسمح له بالبحث وتنفيذ الإجراءات عبر البروتوكول. كان هدفى اختبار سيناريوهين: البحث في الوثائق وتنفيذ استدعاء API.
السيناريو 1: البحث في الوثائق
طلبت من Cursor البحث عن نقطة نهاية معينة في وثائقي API: "كيف يمكنني المصادقة مع واجهة برمجة التطبيقات Foo؟" رد خادم MCP، الذي يعمل محليًا على http://localhost:3000، بإجابة منظمة تم سحبها من مواصفة OpenAPI الخاصة بي. تضمنت الاستجابة نقطة النهاية الخاصة بالمصادقة، والعناوين المطلوبة، وجسم طلب نموذجي:
{
"endpoint": "/auth/login",
"method": "POST",
"headers": {
"Content-Type": "application/json"
},
"body": {
"username": "string",
"password": "string"
}
}
عمل هذا بسلاسة، وكانت سرعة الاستجابة مثيرة للإعجاب - أقل من 200 مللي ثانية. حول مولد خادم MCP بفاعلية وثائقي إلى مورد يمكن البحث فيه لتطبيقات الذكاء الاصطناعي.
السيناريو 2: تنفيذ استدعاء API
في الاختبار الثاني، كنت أرغب في معرفة ما إذا كان بإمكان خادم MCP تنفيذ استدعاء واجهة برمجة التطبيقات نيابة عني. قمت بمصادقة Cursor بالمفاتيح اللازمة للواجهات البرمجية وطلبت منه "بدء استرداد Stripe لرقم الشحنة المحدد." عالج خادم MCP الطلب، وأنشأ استدعاء API المناسب، ونفذه باستخدام واجهة برمجة التطبيقات Stripe. أكدت الاستجابة استرداد المبلغ:
{
"id": "re_1N5X7Y2eZvKYlo2C0X5Y7Z8",
"amount": 1000,
"status": "succeeded"
}
تعد هذه الوظيفة ترقية كبيرة عن الوثائق التقليدية، حيث يسمح الذكاء الاصطناعي باسترجاع المعلومات وأيضًا اتخاذ الإجراءات. ومع ذلك، لاحظت أن الخادم يفتقر إلى تسجيل مفصل لحركة مرور API، مما يجعل من الصعب تصحيح الأخطاء إذا حدث خطأ ما. وهنا يتألق Apidog، كما سأناقش لاحقًا.
أداء ومرونة مولد خادم MCP
بعد اختبار الوظائف الأساسية، قمت بتقييم أداء ومرونة خادم MCP الذي تم إنشاؤه. أجريت اختبار تحميل باستخدام نص بسيط لمحاكاة 100 طلب متزامن إلى الخادم، واستعلام نقاط نهاية مختلفة. تعامل الخادم مع الحمولة بشكل جيد، بمتوسط وقت استجابة 250 مللي ثانية ودون أي تعطل.
ومع ذلك، عندما زدت الحمولة إلى 500 طلب متزامن، ارتفع وقت الاستجابة إلى 1.2 ثانية، وأعاد الخادم أحيانًا أخطاء 503. وهذا يشير إلى أن التكوين الافتراضي لخادم MCP قد لا يكون محسنًا لسيناريوهات الحركة العالية. لمعالجة ذلك، عدلت تكوين الخادم لزيادة عدد خيوط العمل:
const server = require('./mcp-server');
server.setWorkerThreads(4);
server.start();
قللت هذه التعديلات وقت الاستجابة إلى 800 مللي ثانية تحت نفس الحمولة، لكنها لا تزال تشير إلى أن مولد خادم MCP قد يتطلب تحسينًا إضافيًا لبيئات الإنتاج.
مقارنة مولد خادم Mintlify MCP مع Apidog
بينما أثار إعجابي مولد خادم Mintlify MCP بسهولته، لم أستطع إلا مقارنته بـ Apidog، أداة أخرى استخدمتها لإعداد خادم MCP واختبار API. يوفر Apidog خادم MCP الحل الذي يتكامل مباشرة مع مواصفات API، مشابه لـ Mintlify، ولكنه يقدم ميزات إضافية تجعل منه بديلًا أفضل في بعض السيناريوهات.
الإعداد والتكوين
عملية إعداد Apidog أكثر تعقيدًا قليلاً من Mintlify، حيث تتطلب Node.js وملف تكوين لتعريف مصادر البيانات. ومع ذلك، يدعم Apidog مصادر البيانات المتعددة من البداية، بما في ذلك الملفات المحلية وقواعد البيانات وواجهات برمجة التطبيقات البعيدة. من ناحية أخرى، تركز Mintlify بشكل أساسي على مواصفات OpenAPI، مما يحد من مرونتها.
تصحيح الأخطاء والرؤية
أحد المجالات التي يتفوق فيها Apidog على Mintlify هو تصحيح الأخطاء. يسمح Apidog لك بالتقاط وفحص حركة مرور API بين خادم MCP وعملاء ذكاء اصطناعي مثل Cursor. على سبيل المثال، عندما اختبرت نفس سيناريو استرداد Stripe مع خادم MCP الخاص بـ Apidog، تمكنت من رؤية الحمولة الدقيقة للطلب والاستجابة:
الطلب:
{
"charge": "ch_1N5X7Y2eZvKYlo2C0X5Y7Z8",
"amount": 1000
}
الاستجابة:
{
"id": "re_1N5X7Y2eZvKYlo2C0X5Y7Z8",
"amount": 1000,
"status": "succeeded"
}
ساعدتني هذه الدرجة من الرؤية على معالجة مشكلات المصادقة التي لم تكن واضحة مع خادم Mintlify. تض đảmين قدرة Apidog على تخزين مواصفات API محليًا وتجديدها عند الطلب أيضًا لضمان أن الذكاء الاصطناعي يعمل دائمًا مع أحدث البيانات.
توليد التعليمات البرمجية والتخصيص
تأخذ Apidog وظيفة خادم MCP خطوة إلى الأمام من خلال السماح للذكاء الاصطناعي بتوليد التعليمات البرمجية بناءً على مواصفات API. على سبيل المثال، استخدمت Apidog لإنشاء سجلات Java لهيكل “المنتج”:
public record Product(String id, String name, double price) {}
لا يقدم مولد خادم MCP من Mintlify هذه الميزة، بل يركز بدلاً من ذلك على البحث وتنفيذ واجهات برمجة التطبيقات. على الرغم من أن هذا يتماشى مع هدف Mintlify في تحسين الوثائق، إلا أن مجموعة ميزات Apidog الأوسع تجعلها أكثر تنوعًا للمطورين الذين يعملون على سير عمل الذكاء الاصطناعي المعقد.
ربط الوثائق الإلكترونية المنشورة من Apidog بالذكاء الاصطناعي عبر خادم Apidog MCP
يمكّن خادم Apidog MCP الذكاء الاصطناعي من الاتصال واستخدام الوثائق الإلكترونية المنشورة من Apidog.
تدعم هذه الطريقة في التكوين فقط الوثائق المنشورة علنًا عبر الإنترنت ولا تدعم الوثائق ذات إعدادات كلمة المرور أو القائمة البيضاء. بالنسبة للوثائق غير العامة، يوصى باستخدام معرف المشروع ورمز وصول API الشخصي لقراءة بيانات مشروع Apidog. لمزيد من التفاصيل، تحقق من: ربط وثائق API داخل مشروع Apidog بالذكاء الاصطناعي عبر Apidog.
تمكين MCP للوثائق الإلكترونية
احصل على ملف التكوين بعد التمكين، ستظهر زر Vibe Coding(via MCP) عند الوصول إلى الوثائق الإلكترونية.
سيؤدي النقر على الزر إلى عرض دليل التكوين وملف تكوين MCP، الذي يتضمن تلقائيًا site-id الخاص بوثائقك. فقط انسخ هذا التكوين للتكامل مع IDE.
تكوين MCP في Cursor: حرر ملف تكوين MCP افتح محرر Cursor، انقر على أيقونة الإعدادات (أعلى اليمين)، حدد "MCP" من القائمة اليسرى، ثم انقر على "+ إضافة خادم MCP عالمي جديد".
أضف التكوين قم بلصق تكوين JSON الخاص بـ MCP المنسوخ من الوثائق الإلكترونية في ملف mcp.json المفتوح: macOS / Linux Windows
{
"mcpServers": {
"apidog-site-123456": {
"command": "npx",
"args": [
"-y",
"apidog-mcp-server@latest",
"--site-id=123456"
]
}
}
}تحقق من التكوين اختبار الاتصال من خلال سؤال الذكاء الاصطناعي (في وضع الوكيل)، على سبيل المثال:
يرجى استرداد وثائق API عبر MCP وأخبرني بعدد نقاط النهاية الموجودة في المشروع.إذا عادت الذكاء الاصطناعي بمعلومات API الصحيحة، فإن الاتصال ناجح.
ملاحظات مهمة: إذا كنت بحاجة إلى العمل مع وثائق API مختلفة، فقط أضف تكوينات خادم MCP متعددة إلى ملف التكوين.
يجب أن تحتوي كل وثائق API على فريدة خاصة بها. بالنسبة لمستخدمي نشر الخادم المحلي، يرجى تضمين عنوان API لخادمك المحلي في تكوين MCP IDE: "--apidog-api-base-url=<عنوان API الخاص بالخادم المحلي، يبدأ بـ http:// أو https://>". بالإضافة إلى ذلك، تأكد من إمكانية الوصول إلى الشبكة لـ www.npmjs.com بشكل صحيح.
{
"mcpServers": {
"apidog-site-123456": {
"command": "npx",
"args": [
"-y",
"apidog-mcp-server@latest",
"--site-id=123456",
// مطلوب للنشر على الخادم المحلي:
"--apidog-api-base-url=<عنوان API للخادم المحلي>"
]
}
}
}إيجابيات وسلبيات مولد خادم Mintlify MCP
لتلخيص تجربتي، إليك إيجابيات وسلبيات مولد خادم Mintlify:
الإيجابيات
- إعداد سهل: إن عملية التثبيت والتوليد المبنية على واجهة سطر الأوامر مباشرة، تأخذ أقل من خمس دقائق.
- دمج سلس مع الذكاء الاصطناعي: يتكامل الخادم بشكل جيد مع عملاء الذكاء الاصطناعي مثل Cursor، مما يتيح البحث السياقي وتنفيذ واجهة برمجة التطبيقات.
- تركيز على الوثائق: يتفوق في جعل الوثائق أكثر يسراً للذكي الاصطناعي، مما يحسن تجربة المستخدم.
السلبيات
- مرونة محدودة: تكافح التكوين الافتراضي مع سيناريوهات الحركة العالية، مما يتطلب تحسينًا يدويًا.
- عدم وجود أدوات تصحيح أخطاء: لا توجد طريقة مدمجة لفحص حركة مرور API، مما قد يجعل تصحيح الأخطاء صعبًا.
- تركيز ضيق: تدعم بشكل أساسي مواصفات OpenAPI، مما يحد من قابليتها للتطبيق على مصادر البيانات الأخرى.
لماذا يعتبر Apidog بديلاً أفضل لاحتياجات خادم MCP
بينما يعد مولد خادم Mintlify MCP أداة قوية لحالات الاستخدام التي تركز على الوثائق، يقدم Apidog حلاً أكثر شمولاً للمطورين الذين يعملون مع خوادم MCP. إن قدرة Apidog على التعامل مع مصادر البيانات المتعددة، وتوفير رؤى تفصيلية حول حركة مرور API، ودعم توليد التعليمات البرمجية تجعلها الخيار الأفضل لسير العمل المعقد. بالإضافة إلى ذلك، يتم تحديث نسخة بيتا لخادم MCP من Apidog بنشاط، مع التركيز على ملاحظات المطورين، مما يضمن تطور الأداة لتلبية الاحتياجات الواقعية.
إذا كنت مطورًا تبحث عن دمج واجهات برمجة التطبيقات مع نماذج الذكاء الاصطناعي، أوصي بالبدء مع Apidog. ستوفر مجموعة ميزاته القوية وقدرات التصحيح الوقت والجهد مقارنة بعرض Mintlify الأكثر حدًا.
الخلاصة: هل يجب عليك استخدام مولد خادم Mintlify MCP؟
بعد اختبار مولد خادم Mintlify MCP بشكل شامل، يمكنني القول إنه أداة واعدة للمطورين الذين يرغبون في جعل الوثائق الخاصة بهم جاهزة للذكاء الاصطناعي. إن سهولة استخدامه وتركيزه على تكامل APIs مشهود لهما، لكن يفتقر إلى المرونة في التوسع ومزايا التصحيح - المجالات التي يتفوق فيها Apidog. إذا كان هدفك الأساسي هو تحسين الوثائق بقدرات الذكاء الاصطناعي، فإن Mintlify هو خيار جيد. ومع ذلك، لاحتياجات خادم MCP الأكثر تقدمًا، يعتبر Apidog البديل الأفضل.
مع استمرار تطور MCP، ستلعب أدوات مثل Mintlify وApidog دورًا حيويًا في تشكيل كيفية دمج المطورين لواجهات برمجة التطبيقات مع الذكاء الاصطناعي. أنا متحمس لرؤية كيف تحسن كلا المنصتين في المستقبل، لكن في الوقت الحالي، Apidog هو خياري بفضل تنوعه وميزاته الصديقة للمطورين.