تُعتمد نماذج اللغة الكبيرة (LLMs) بشكل متزايد على الأدوات الخارجية لأداء مهام معقدة وواقعية، ومع ذلك تظل قدرتها على الاستفادة من نظام بروتوكول السياق النموذجي (MCP) المتنامِي سرعة محدودة. تغطي الأبحاث الحالية المتعلقة بـMCP عددًا قليلاً من الخوادم، وتعتمد على تصفية يدوية مكلفة، ولا تقدم دعمًا للتدريب، مما يعيق التقدم نحو التنفيذ الفعلي في البيئات الواقعية. وللتغلب على هذه القيود، نقدّم "MCP-Flow"، وهي خط أنابيب مُحكَم يُدار بواسطة وكيل ويب تلقائي، يُخصَّص لاستكشاف الخوادم على نطاق واسع، وتركيب البيانات، وتدريب النماذج. وقد جمعت MCP-Flow وتصفّت بيانات من 1166 خادمًا و11536 أداة، مما أسفر عن إنتاج 68733 زوجًا عالي الجودة من التعليمات-استدعاءات الدوال، و6439 مسارًا، تفوق ما سبق في الحجم والتنوع. وأظهرت التجارب الواسعة فعالية MCP-Flow في تحسين اختيار الأدوات في بروتوكول MCP، وتحسين إنشاء استدعاءات الدوال، وتعزيز أداء المهام الوكيلية. وبالتالي، تُقدّم MCP-Flow أساسًا قابلاً للتوسع لتعزيز كفاءة وكالات نماذج اللغة الكبيرة في البيئات الواقعية لبروتوكول MCP.