مهارات العميل لـ Linear MCP: معيار الدقة من %62 ← %90
.webp)
Built for Speed: ~10ms Latency, Even Under Load
Blazingly fast way to build, track and deploy your models!
- Handles 350+ RPS on just 1 vCPU — no tuning needed
- Production-ready with full enterprise support
إليك رقمًا لا ينبغي أن يكون موجودًا. لقد قمنا بتشغيل 342 مهمة Linear عبر Claude دون أي شيء سوى قائمة أدوات MCP. ثم قمنا بتشغيل الـ 342 مهمة نفسها مرة أخرى بعد إعطاء العميل ملف markdown مكونًا من 56 سطرًا لقرائته أولاً. ارتفعت الدقة من %62 إلى %90. وانخفضت الفاتورة من $38.15 إلى $36.17.
المزيد من التعليمات، والمزيد من السياق، والمزيد من الرمزيات (tokens) في كل مهمة، ومع ذلك جاءت عملية التشغيل أرخص. كل حدس حول تكلفة المطالبة (prompt cost) يقول إن هذا عكس المنطق. لكنه ليس كذلك، والسبب هو الجزء الذي يستحق القراءة.
لم يكن العميل يفشل أبدا بسبب عطل في أداة. بل كان يفشل لأن الأداة الخاطئة عملت بنجاح. اسأل Linear عن دورة التطوير (sprint) الحالية وسترجع قائمة الدورات (cycles) فارغة. هذه القائمة الفارغة هي الإجابة الصحيحة. لكن قائمة المشكلات (issues) تفصلها استدعاءة واحدة، وهي ترجع مشكلات حقيقية، ولا شيء في تلك النتيجة يقول "هذه ليست دورة التطوير". لذلك يبلغ العميل عن المشكلات على أنها دورة التطوير، بثقة، بعد الدفع مقابل كل استدعاء استغرقه الوصول إلى هناك. يكلف كل استدعاء خاطئ رمزيات في طريق الخروج ورمزيات للنتيجة في طريق العودة، ثم يتعين على العميل الاستدلال بشأن نتيجة ما كان ينبغي له لرؤيتها من الأساس.
قام الملف المكون من 56 سطرًا بشيء واحد. لقد أخبر العميل بالكائن الذي يتعلق به الطلب، وأن الإجابة الفارغة تعد إجابة. جاءت الدقة من الجزء الأول. وجاء التوفير من الجزء الثاني.

المغالطة: إذا كان بإمكان العميل استدعاء الأداة، فهو يعرف متى يتوقف
تتعامل معظم الفرق مع خادم MCP مثل مرجع API. اكشف عن الأدوات، واكتب أوصافًا جيدة، وسيكتشف النموذج الباقي. وعندما لا يفعل ذلك، فإن الإصلاحات التي يلجأ إليها الأشخاص هي نفس الثلاثة: إضافة المزيد من الأدوات، أو تحسين الأوصاف، أو زيادة جهد الاستدلال (reasoning effort).
تفترض هذه الثلاثة جميعها أن المشكلة هي قدرة مفقودة. أما على Linear فالأمر عكس ذلك تمامًا. لدى العميل عدد كبير جدًا من الأدوات التي تنجح. يمكن للدورات (cycles)، والمشاريع (projects)، والمعالم (milestones)، والمبادرات (initiatives) أن تبدو جميعها مثل "الخطة". يقول أحدهم "هذه الدورة"، والتي يطلق عليها Linear اسم cycle. ويطلب أحدهم نقطة تحقق داخل مشروع، والتي يطلق عليها Linear اسم milestone. يمكن لأربع أدوات أن ترجع كل منها قائمة، ويمكن لأي من تلك القوائم أن تبدو وكأنها إجابة.
يخبر خادم MCP العميل بما يمكنه استدعاؤه. ولكنه لا يخبره أبدا بأي استدعاء ناجح يكون كافيًا. هذه هي الفجوة، ولا يوجد مقدار من جهد الاستدلال يمكنه سدها. في هذا المعيار المرجعي، أدى رفع الجهد من متوسط إلى عالٍ بدون مهارة إلى إضافة 3.5 نقطة مئوية على الأكثر. يمكن للنموذج التفكير بجهد أكبر في القائمة الخاطئة كما يشاء. لكن لا يمكنه استعادة تمييز لم تمنحه إياه قائمة الأدوات أبدا.
وتكمن مغالطة التكلفة فوق تلك المغالطة. كل تعليمات تضيفها عبارة عن رمزيات (tokens) في كل مهمة، لذا ينبغي للمهارة أن تجعل عملية التشغيل أكثر تكلفة. ينطبق ذلك فقط إذا تم قراءة المهارة بالكامل في كل مرة ولم تغير أي شيء مما يفعله العميل. فالمهارة التي تمنع استدعاءً خاطئًا واحدًا توفر الاستدعاء، والنتيجة التي عادت معه، والاستدلال الذي قضاها العميل في نتيجة ما كان ينبغي له لرؤيتها من الأساس. على Linear، كان هذا التوفير أكبر من تكلفة قراءة الفهرس.
ملخص سرييع: المثال والدرس المستفاد
المثال. "ما الذي يعمل عليه qa-release في دورة التطوير (sprint) الحالية؟" Sonnet 4.6 بجهد متوسط، بدون مهارة: 15 استدعاء أداة. قام بسرد الفرق، وسرد الدورات مرتين، وحصل على قائمة دورات فارغة، ثم استدعى قائمة المشكلات مرارًا وتكرارًا، ثم get_team، وحالات المشكلات، والمشاريع. وأجاب بمشكلات الفريق. مع المهارة: استدعاءان فقط. قام بسرد الفرق، وسرد الدورات، ورأى القائمة الفارغة، وقال إنه لم يتم تهيئة أي دورة تطوير، وتوقف. كانت القائمة الفارغة هي الإجابة طوال الوقت.
الأرقام. 19 مهمة Linear مربكة عن قصد، وستة إعدادات لـ Claude، وثلاث عمليات تشغيل لكل منها. الدقة %62.0 بدون المهارة، و%90.4 معها. تحسن كل نموذج وإعداد جهد، بمقدار 22.9 إلى 31.6 نقطة. انخفضت استدعاءات الأدوات لكل مهمة من 2.41 إلى 1.39، وهو انخفاض بنسبة %42، مقابل أقصر مسار صحيح يبلغ 1.0. انخفضت رمزيات الإدخال لكل مهمة من 42.0k إلى 39.7k. انخفضت تكلفة المعيار المرجعي من $38.15 إلى $36.17. وانخفضت أبطأ %5 من المهام من 80.5 ثانية إلى 50.9.
الدرس المستفاد. عندما تتمكن أداتان من إرجاع إجابة معقولة، يحتاج النموذج إلى ثلاثة أشياء لا تمنحه إياها قائمة الأدوات: الكائن الذي يتعلق به الطلب، وما تعنيه النتيجة الفارغة، وما لا يمكن للخادم فعله. يوفر فهرس قصير يحدد اسم الكائن قبل الأداة هذه الثلاثة جميعها. حافظ عليه صغيرًا بما يكفي لقراءته في كل مرة، وضع تفاصيل الوسائط في ملفات مرجعية يتم تحميلها عند الطلب، وسوف تغطي المهارة تكلفتها بنفسها من خلال الاستدعاءات التي تمنعها.
كيف قمنا بقياس مهارات العميل مرجعيًا على Linear MCP
قمنا بتغيير متغير واحد فقط. مع تثبيت كل شيء آخر.
المهام. 19 مطالبة Linear مكتوبة حول الأشياء الثلاثة التي تربك العملاء: الأدوات المتشابهة (cycle مقابل project مقابل milestone مقابل initiative)، والقدرات المفقودة (حذف مشكلة، دمج طلب سحب PR)، وعمليات الكتابة التي تتطلب تأكيدًا. لقد اخترناها لأنها مربكة، لذا فهي أصعب من حركة مرور Linear العادية.
البيانات. جاءت استجابات Linear من تسجيل مجمد. رأى كلا الذراعين بيانات متطابقة، ولم تصل عمليات الكتابة أبدا إلى مساحة عمل حقيقية. يزيل ذلك أيضًا زمن الانتقال الحقيقي لـ API من التوقيتات.
النماذج. Sonnet 4.6، و Opus 4.8، و Fable 5، كل منها عند جهد متوسط وعالٍ. ستة إعدادات، وثلاث عمليات تشغيل لكل مهمة، في مساحة عمل جديدة في كل مرة. 342 عملية تشغيل مع المهارة و 342 بدونها.
الذراعان.
المهارة. فهرس SKILL.md من 56 سطرًا يقرأه العميل دائمًا. يحدد أسماء كائنات Linear، ويقدم قاعدة قصيرة لاختيار أحدها، ويسرد المتشابهات، ويوضح معنى النتيجة الفارغة، ويسرد ما لا يمكن للخادم فعله. تحوي أربعة ملفات مرجعية تفاصيل الوسائط، مثل الفلاتر التي تتطلب id والتي تقبل name. يفتح العميل أحد تلك الملفات أو لا يفتح أيًا منها. في مهمة نموذجية، يحدد اسم كائن واحد، ويختار الأداة من الفهرس، ويفتح الملف المرجعي لذلك الكائن إذا كان الاستدعاء يتطلب ذلك، ويجري استدعاءً واحدًا، ثم يتوقف.
التقييم. تتجاوز المهمة الاختيار بنجاح فقط إذا اختار العميل الأدوات الصحيحة بالترتيب الصحيح، واحترم قواعد التأكيد، وقدم إجابة نهائية صحيحة. قام مقيم منفصل من Opus 4.8 بدرجة الإجابة دون معرفة ما إذا كانت المهارة موجودة أم لا. تعد ثلاث عمليات تشغيل لكل مهمة عينة صغيرة واثنان من فحوصات النجاح يتم تقييمهما بواسطة نموذج، لذا اقرأ النسب المئوية الدقيقة على أنها توجيهية.
المهام والمهارات وقواعد التقييم وخطوات إعادة الإنتاج موجودة في مستودع mcp-skillbench العام.
النتائج: دقة Linear MCP مع وبدون مهارة
ارتفعت الدقة من %62 إلى %90، وانخفضت استدعاءات الأدوات بنسبة %42، وانخفضت تكلفة التشغيل بنسبة %5.
أين تاه العميل. بدون مهارة، كان العميل جيدًا في المشكلات الفردية، والتعليقات، وأسئلة مركز المساعدة. ولكنه تاه في كائنات التخطيط. يمكن لأربع أدوات أن ترجع كل منها قائمة، لذا تحقق من أكثر من واحدة، وبدت أي من تلك القوائم وكأنها إجابة.
كانت دورة التطوير الحالية هي الحالة الأكثر وضوحًا. تجيب قائمة الدورات (cycle list) عليها بمفردها. بدون مهارة، غالبًا ما بحث العميل عن اسم الفريق كما لو كان مستخدمًا أولاً. وعندما عادت قائمة الدورات فارغة، واصل قراءة المشكلات على أي حال. لم تتجاوز تلك المهمة بنجاح أبدا على أي نموذج. مع المهارة، قرأ قائمة الدورات، وقال إنه لم يتم تهيئة أي دورة، وتوقف. ونجح في كل مرة تقريبًا.
عمليتا تشغيل، جنباً إلى جنب. النموذج نفسه، والمطالبة نفسها. التغيير الوحيد هو المهارة.
الحالة المصلحة جزئيًا. المبادرة على مستوى المؤسسة التي تمتد عبر عدة مشاريع هي سؤال التخطيط الذي حلته المهارة جزئيًا فقط. "أعطني حالة فكرة Pfizer Marketing Agents على مستوى الشركة ومشاريعها" لم تنجح أبدا بدون المهارة، لأن العميل وجد المبادرة ثم سحب كل مشروع باستدعاءات منفصلة. مع المهارة، نجحت حوالي نصف الوقت.
الأدوات المخترعة. "احذف QAR-113 نهائيًا من Linear." لا يمكن لـ Linear MCP حذف مشكلة. بدون مهارة، لم يجرِ العميل أي استدعاء أحيانًا وأجاب كما لو كانت أداة الحذف موجودة وتنتظر التأكيد فقط. "أدمج طلب السحب 758 باستخدام الطريقة الافتراضية للمستودع" حصل على المعاملة نفسها: قال العميل أحيانًا إن أداة الدمج في Linear ستفعل ذلك، دون استدعاء أي شيء. أصلح قسم قصير "غير متاح" بالإضافة إلى قائمة بعمليات الكتابة التي تتطلب تأكيدًا معظم هذه الحالات.
كل فشل من أشكال الفشل هذه يتطابق مع صف واحد في الفهرس:
لماذا لم يساعد الجهد. أدى تحويل الجهد من متوسط إلى عالٍ بدون مهارة إلى إضافة 3.5 نقطة لـ Sonnet و 1.8 نقطة لكل من Opus و Fable. أضافت إضافة المهارة 22.9 إلى 31.6 نقطة اعتمادًا على النموذج والإعداد. وصل Opus 4.8 بجهد عالٍ مع المهارة إلى %96. ساعد المزيد من الجهد بمفرده قليلًا. لكنه لم يردك الفجوة أبدا، لأن الجهد لا يمكنه استعادة تمييز لا توفره قائمة الأدوات.

لماذا كانت التكلفة أقل. الفهرس قصير بما يكفي لقراءته في كل مرة. يتم تحميل الملفات المرجعية فقط للكائن قيد الاستخدام، لذا فإن معظم المهارة لا يدخل السياق أبدا. أنفق العميل الماهر القليل على الفهرس ووفر المزيد عن طريق تخطي الاستدعاء الخاطئ والنتيجة التي عادت معه. يبلغ متوسط أقصر مسار صحيح استدعاءً واحدًا. بدون المهارة، بلغ متوسط استدعاءات العميل حوالي استدعائين ونصف. معها، أقل من استدعاء ونصف. انخفضت أبطأ %5 من المهام من حوالي 80 ثانية إلى حوالي 51. كان هذا الذيل هو المكان الذي توجد فيه المسارات الجانبية، لذا هذا هو المكان الذي ظهرت فيه مهارة تقول "توقف".
استخدم مهارة عندما تظل الأدوات الناجحة غامضة
تخطَها عندما تكون قائمة الأدوات صغيرة والأسماء لا تتداخل. إذا لم تتمكن أداتان من الإجابة بشكل معقول على السؤال نفسه، فلا يحتاج النموذج إلى أداة لكسر التعادل.
أضف واحدة عندما تتمكن أداتان من إرجاع شيء يبدو وكأنه إجابة. كائنات التخطيط في Linear هي الحالة التي استمررنا في مواجهتها: تنجح الأداة المجاورة أيضًا، لذا لا شيء في النتيجة يخبر النموذج بالتوقف.
اجعل الفهرس الذي يتم قراءته دائمًا يقتصر على الاختيار نفسه. الكائنات، والمتشابهات، وما تعنيه النتيجة الفارغة، وأي عمليات كتابة تتطلب تأكيدًا. تذهب أسماء الوسائط ومراوغات الفلتر في ملفات مرجعية، يتم فتحها بعد إجراء الاختيار. الفهرس هو ما رفع الدقة. والملفات المرجعية هي ما منع عدد الرمزيات (tokens) من الارتفاع.
حدد اسم الكائن قبل الأداة. إذا كان خادم MCP لديك يحتوي على كائنات تتشارك الأسماء، فسوف يقضي النموذج استدعاءات للتمييز بينها، وستنتج بعض تلك الاستدعاءات إجابات خاطئة معقولة. يغلق فهرس قصير يحدد اسم الكائن أولاً، ويوضح معنى النتيجة الفارغة، ويسرد ما هو غير متاح معظم تلك الفجوة. على Linear، أدى ذلك إلى نقل الدقة من %62 إلى %90 مع استدعاءات أقل وفاتورة أقل.
إدارة استدعاءات أدوات Linear MCP باستخدام TrueFoundry
تغير المهارة الأداة التي يتم استدعاؤها. لكنها لا تقرر من يجوز له استدعاؤها، أو المعتمدات التي يستخدمها الاستدعاء، أو ما يتم تسجيله. في بيئة الإنتاج، هذه وظائف منفصلة، وأنت تريد كلتيهما.
يعد TrueFoundry Skills Registry المكان الذي تعيش فيه مهارة مثل هذه بمجرد استخدامها من قبل أكثر من فريق واحد. توجد المهارة في مستودع إلى جانب المطالبات (prompts) والنماذج. يقرر المستودع من يمكنه اكتشافها، وتعديلها، وإرفاقها، ويحتفظ بسجل الإصدارات وسجل المراجعة (audit log). كل عملية نشر هي إصدار مرقم، لذا يمكن للعميل البقاء على الإصدار الحالي أو تثبيت إصدار أقدم إذا كان النشر الجديد يتصرف بشكل خاطئ. فهرس Linear الذي تقوم بضبطه هو الفهرس الذي يحمله كل عميل، ويمكن إرفاق الإصدار نفسه بعميل TrueFoundry أو سحبه إلى Claude Code و Cursor. مهارة Linear هذه هي فهرس بالإضافة إلى ملفات مرجعية، لذا يتم نشرها كحزمة من خلال CLI أو من خلال GitOps باستخدام tfy apply.
يقع TrueFoundry MCP Gateway أمام خادم Linear MCP. ويتعامل مع المصادقة، والتحكم في الوصول على مستوى الأداة، وتتبع كل استدعاء. تبلغ التكلفة الإضافية حوالي 3 إلى 4 ملي ثانية، ويتيتم التعامل مع أكثر من 350 طلبًا في الثانية على vCPU واحد. استخدم هذا المعيار المرجعي إعادة تشغيل محلية، لذا فهو لا يقول شيئًا عن البوابة (gateway). تجعل المهارة الاستدعاء هو الاستدعاء الصحيح. وتحدد البوابة ما إذا كان هذا الاستدعاء مسموحًا به أم لا.
TrueFoundry AI Gateway delivers ~3–4 ms latency, handles 350+ RPS on 1 vCPU, scales horizontally with ease, and is production-ready, while LiteLLM suffers from high latency, struggles beyond moderate RPS, lacks built-in scaling, and is best for light or prototype workloads.


Recent Blogs
Frequently asked questions
هل تدعم TrueFoundry وكلاء MCP ووكلاء الذكاء الاصطناعي؟
نعم. يتضمن ذلك بوابة MCP، وبوابة وكيل، وسجل MCP والوكلاء مع التحكم في الوصول على مستوى الأداة، بحيث يمكن إدارة الوكلاء من LangGraph أو CrewAI أو AutoGen أو أي إطار عمل مخصص بشكل مركزي.




















