MCP Server دویتیفای؛ اتصال ایجنتهای هوش مصنوعی به مدیریت پروژه
دویتیفای با ارائه اتصال MCP، امکان تعامل ابزارهای سازگار با اطلاعات و فعالیتهای پروژه را فراهم کرده است. مجموعه امکانات هوش مصنوعی این پلتفرم، گفتگوی عمومی و دستیار تخصصی پروژه، ساخت وظایف و اسپرینت، تحلیل ریسک، مربی هوشمند و همکاری با ایجنتها را در بر میگیرد.

بنا بر اعلام تیم دویتیفای، این پلتفرم مدیریت پروژه در توسعه قابلیتهای هوش مصنوعی خود، امکان ارتباط ابزارها و ایجنتهای خارجی با محیط پروژه را از طریق MCP Server فراهم کرده است. این زیرساخت در کنار کوپایلوت، مربی هوشمند و محیط تیم هوش مصنوعی قرار میگیرد تا ارتباط میان برنامهریزی و اجرای کار حفظ شود.
برای تیمی که از ایجنت برنامهنویسی استفاده میکند، تولید کد تنها بخشی از مسئله است. ایجنت باید بداند روی کدام وظیفه کار میکند، اطلاعات مرتبط را دریافت کند و نتیجه فعالیتش نیز در محل پیگیری پروژه ثبت شود. محور این روایت از قابلیتهای دویتیفای، همین ارتباط میان محیط اجرای کار و محیط هماهنگی تیم است.
دویتیفای (Doitify) نزدیک به شش سال است که در مسیر توسعه ابزارهای مدیریت پروژه، همکاری تیمی و مدیریت اهداف قرار دارد. افزودن اتصال MCP، بخشی از جهتگیری این محصول به سمت همکاری انسانها و ایجنتهای هوش مصنوعی در یک بستر مشترک است؛ نه به معنای حذف نقش مدیر پروژه یا واگذاری نامحدود اختیار به ابزارهای خارجی.
MCP Server؛ ارتباط ابزار توسعه با اطلاعات پروژه
پروتکل Model Context Protocol یا MCP، چارچوبی برای دسترسی ابزارهای هوش مصنوعی به دادهها و قابلیتهای سرویسهای دیگر است. MCP Server دویتیفای از همین مسیر، اطلاعات و عملیات مرتبط با پروژه را در اختیار ابزارهای سازگار قرار میدهد.
ابزارهایی مانند OpenCode، Codex و Claude Code، در صورت پشتیبانی و پیکربندی اتصال، میتوانند با این سرور ارتباط برقرار کنند. این سازگاری به معنای اجرای یکسان همه گردشهای کاری در تمام ابزارها نیست؛ دامنه استفاده به نسخه و امکانات ایجنت، تنظیمات اتصال و مجوزهای کاربر بستگی دارد.
در سمت پروژه، تعامل تنها به خواندن یک فهرست محدود نمیشود. دریافت اطلاعات وظایف، ایجاد و ویرایش تسک و زیرتسک، کار با چکلیستها، تغییر وضعیت فعالیت، مدیریت اسپرینت و دسترسی به مستندات از حوزههای این اتصال هستند. امکان ارسال پیام در کانال وظیفه یا پروژه و ثبت گزارش نیز به حفظ سابقه کار کمک میکند.
برای نمونه، یک ایجنت میتواند شرح وظیفه برنامهنویسی را دریافت کند و پس از کار در محیط توسعه خود، توضیح نتیجه و وضعیت فعالیت را به پروژه برگرداند. انجام تغییر در کد، اجرای آزمون و تصمیم درباره انتشار همچنان به قابلیتها و سیاستهای محیط توسعه وابستهاند؛ سرور مدیریت پروژه بهتنهایی جای آن محیط را نمیگیرد.
اختیار ایجنت در چارچوب دسترسی کاربر
اتصال دویتیفای از OAuth استفاده میکند و عملیات بر مبنای هویت کاربر متصل انجام میشوند. درخواستهای تغییر نیز از مسیر کنترل مجوز و اعتبارسنجی عبور میکنند. بنابراین اتصال یک ایجنت نباید دسترسی بیشتری از اختیارات کاربر در پروژه برای آن ایجاد کند.
این موضوع برای تیمهایی مهم است که چند ابزار هوش مصنوعی را در جریان کار به کار میگیرند. محل انجام فعالیت ممکن است متفاوت باشد، اما شرح وظیفه، پیامها و نتیجه کار میتوانند در بستر مشترک پروژه قابل مراجعه بمانند.
محیط کاری و کارمندان هوش مصنوعی
دویتیفای در قالب AI Workspace و AI Employees، رویکرد نقشمحور به مشارکت هوش مصنوعی را نیز دنبال میکند. در این ساختار، کاربر هدف فعالیت و محدوده آن را مشخص میکند و اعضای تیم هوش مصنوعی را برای مشارکت در کار انتخاب میکند. تمرکز بر این است که کار محولشده، برنامه اجرا و خروجی مورد انتظار در یک محیط قابل پیگیری قرار بگیرند.
در تیمهای فنی، نقشهایی مانند معمار نرمافزار، توسعهدهنده و کارشناس کنترل کیفیت از نمونههای این رویکرد هستند. هدف، فراهمکردن چارچوبی برای مشارکت هوش مصنوعی در فعالیتهای تیم است، نه صرفاً ارائه چند پنجره گفتگو با نامهای متفاوت.
این محیط، بخشهایی برای مشاهده برنامه اجرا، مراحل پیشرفت، تعاملات تیم و خروجیها دارد. سابقه اجراها نیز به کاربر کمک میکند فعالیت جاری را از کارهای قبلی تفکیک کند و به نتایج آنها مراجعه داشته باشد.
حضور انسان در تصمیمهای اجرایی
در گردش کار مبتنی بر تأیید انسانی، برنامه پیشنهادی تیم هوش مصنوعی برای بازبینی ارائه میشود و کاربر میتواند آن را تأیید یا رد کند یا درخواست اصلاح بدهد. همچنین پرسشهایی که در جریان کار به نظر یا اطلاعات کاربر نیاز دارند، در بخش مشخصی قابل پیگیری هستند.
برای نمونه، اگر هدف یا محدودیتهای یک فعالیت بهاندازه کافی روشن نباشد، امکان پرسش از کاربر وجود دارد تا ادامه کار صرفاً بر پایه حدس پیش نرود. این سازوکار، نقش انسان را به دریافت خروجی نهایی محدود نمیکند و برای مشارکت او در نقاط تصمیمگیری نیز جای مشخصی در نظر میگیرد.
دامنه فعالیت هر نقش، میزان استقلال آن و نیاز به بازبینی انسانی، به امکانات در دسترس و نوع وظیفه بستگی دارد. عنوان «کارمند هوش مصنوعی» در اینجا به یک نقش نرمافزاری اشاره دارد، نه تضمین جایگزینی کامل متخصص انسانی یا اجرای بیخطای کار.
از گفتگوی عمومی تا ساخت تسک و اسپرینت
یکی از بخشهای هوش مصنوعی دویتیفای، محیط گفتگو است که در کنار دستیار تخصصی مدیریت پروژه، امکان پرسشهای عمومی، ایدهپردازی و مشورتگرفتن را فراهم میکند.
ارتباط این دو بخش، ویژگی مهم این تجربه است. کاربر میتواند ابتدا درباره موضوعی مانند راهاندازی یک محصول، برنامه بازاریابی یا توسعه کسبوکار گفتگو کند و پس از رسیدن به جمعبندی، از AI Copilot بخواهد بر اساس سابقه همان گفتگو، وظایف، زیرتسکها و اسپرینتهای موردنیاز را ایجاد کند.
برای مثال، گفتگویی درباره معرفی یک محصول جدید میتواند به برنامهای شامل آمادهسازی محتوا، توسعه صفحه معرفی، بررسی فنی و پیگیری فعالیتهای انتشار تبدیل شود. به این ترتیب، تصمیمها در تاریخچه گفتگو باقی نمیمانند و به ساختاری منتقل میشوند که اعضای تیم بتوانند اجرای آن را دنبال کنند.
این پیوند میان گفتگو و مدیریت پروژه، نیاز به بازنویسی دستی تصمیمها در یک ابزار جداگانه را کاهش میدهد و مسیر حرکت از ایده به اقدام را کوتاهتر میکند.
کاربرد این بخش به تیمهای برنامهنویسی محدود نیست. برای نمونه، یک تیم محتوا میتواند درباره موضوعات یک کمپین و ترتیب انتشار آنها مشورت بگیرد و سپس جمعبندی را به وظایف اجرایی تبدیل کند. در یک پروژه شخصی نیز کاربر میتواند ابتدا درباره هدف و محدودیتهایش گفتگو کند و بعد، برای مراحل مورد توافق برنامه بسازد. در هر دو حالت، مبنا همان اطلاعاتی است که در گفتگو و محیط کاری در اختیار دستیار قرار گرفته است.
AI Copilot؛ کمک به برنامهریزی و بررسی وضعیت پروژه
دستیار تخصصی مدیریت پروژه در دویتیفای برای کمک به برنامهریزی، ایجاد و سازماندهی وظایف و بررسی وضعیت فعالیتها ارائه شده است. تحلیل روند پیشرفت، شناسایی ریسکها و بحرانهای احتمالی و پیشنهاد اقدامهای اصلاحی نیز از کاربردهای این بخش هستند.
دامنه عملیات کوپایلوت به ساخت تسک محدود نیست و ایجاد یا ویرایش مواردی مانند مستندات پروژه، صورتجلسه، یادآوری، اقلام منشور پروژه و چکلیستها را نیز در بر میگیرد. این گستره به کاربر کمک میکند بخشهای مرتبط یک برنامه را در همان محیط سامان دهد؛ برای مثال، علاوه بر تعریف فعالیتها، مستند موردنیاز یا چکلیست انجام کار را نیز آماده کند.
در گردش کار دارای پیشنمایش، کاربر میتواند پیشنهاد آمادهشده را پیش از اعمال در پروژه بررسی کند. این تفکیک میان «پیشنهاد هوش مصنوعی» و «اعمال تغییر در محیط کاری» برای برنامههایی که چند وظیفه یا بخش مرتبط دارند اهمیت دارد و امکان بازبینی ساختار پیشنهادی را فراهم میکند.
تحلیل ریسک و گلوگاه؛ بررسی پروژه فراتر از تعداد کارهای انجامشده
یکی از کاربردهای تحلیلی هوش مصنوعی در دویتیفای، بررسی ارتباط میان وضعیت وظایف، اهداف پروژه، ظرفیت اعضا و موانع اجرایی است. در این رویکرد، گزارش وضعیت تنها به شمارش تسکهای تکمیلشده محدود نمیشود و میتواند موضوعاتی مانند کارهای عقبافتاده، توزیع بار کاری، پیشرفت اسپرینت و پوشش ریسکهای پروژه را نیز در بر بگیرد.
برای مثال، مدیر پروژه میتواند درباره علت انباشتهشدن کارها در بخشی از جریان اجرا سؤال کند یا بخواهد موانع احتمالی دستیابی به اهداف اسپرینت بررسی شوند. اطلاعات ثبتشده درباره وظایف، اعضا و محدودیتهای پروژه، مبنای این بررسی قرار میگیرد.
در کنار تحلیل وضعیت موجود، امکان طرح پرسشهای آیندهنگر و بررسی سناریوها نیز در نظر گرفته شده است؛ از جمله اینکه ادامه روند فعلی چه پیامدی برای تحویل کار دارد یا تغییر ظرفیت تیم چه اثری بر برنامه میگذارد. هدف، کمک به شناسایی زودتر گلوگاهها و بررسی اقدامهای اصلاحی است، نه صرفاً توصیف اتفاقاتی که قبلاً رخ دادهاند.
این تحلیلها جایگزین شناخت مدیران از شرایط واقعی پروژه نیستند. کیفیت دادههای ثبتشده، بهروز بودن اطلاعات و ارزیابی انسانی، در استفاده از پیشنهادهای هوش مصنوعی نقش دارند؛ بنابراین شناسایی ریسک احتمالی را نباید با پیشبینی قطعی نتیجه پروژه یکسان دانست.
قابلیتهای هوش مصنوعی دویتیفای در یک نگاه
|
قابلیت |
کاربرد اصلی |
نمونه استفاده |
|---|---|---|
|
چت عمومی هوش مصنوعی |
پرسش و پاسخ، مشورت و ایدهپردازی |
بررسی ایده راهاندازی محصول یا برنامه یک کمپین |
|
تبدیل گفتگو به برنامه اجرایی |
ایجاد وظایف، زیرتسکها و اسپرینتها از محتوای گفتگو |
تبدیل جمعبندی یک برنامه به کارهای قابل پیگیری |
|
AI Copilot |
کمک به برنامهریزی و ایجاد یا ویرایش اقلام پروژه |
آمادهسازی وظایف، چکلیست، مستند و صورتجلسه |
|
تحلیل پروژه و ریسک |
بررسی پیشرفت، گلوگاهها و سناریوهای احتمالی |
بررسی علت تأخیر و پیشنهاد بازنگری برنامه |
|
MCP Server |
اتصال ابزارها و ایجنتهای خارجی سازگار |
دریافت وظیفه و بهروزرسانی وضعیت آن از محیط ایجنت |
|
AI Workspace و AI Employees |
تعریف هدف و سازماندهی کار تیم هوش مصنوعی |
انتخاب اعضا، بازبینی برنامه و پیگیری خروجیها |
|
AI Coach |
پیوند هدفگذاری با برنامه و عملکرد روزانه |
مرور کارهای عقبافتاده و پیشنهاد اولویتهای روز |
AI Coach؛ از هدفگذاری تا اقدامهای قابل پیگیری
مربی هوشمند یا AI Coach، بخش دیگری از مجموعه قابلیتهای هوش مصنوعی دویتیفای است. این قابلیت علاوه بر کمک به شفافسازی اهداف و بررسی مسیر دستیابی به آنها، به برنامهریزی روزانه و مرور عملکرد نیز میپردازد.
در بخش برنامه روزانه، اطلاعاتی مانند وظایف عقبافتاده، کارهای دارای موعد امروز و فردا و فعالیتهای هفته در کنار تنظیمات زمان کاری و سوابق موجود بررسی میشوند. هدف این است که پیشنهاد روزانه با وضعیت کاربر ارتباط داشته باشد، نه اینکه صرفاً مجموعهای از توصیههای عمومی درباره بهرهوری ارائه شود.
برای مثال، کاربری که چند وظیفه عقبافتاده و چند کار نزدیک به موعد تحویل دارد، میتواند برای بررسی اولویتها و تنظیم برنامه روز از مربی کمک بگیرد. تحلیل عملکرد نیز امکان مرور روند گذشته و گفتگو درباره اصلاح برنامه را فراهم میکند.
قرارگرفتن مربی هوشمند در کنار ابزارهای مدیریت پروژه، با تمرکز دویتیفای بر مدیریت اهداف ارتباط دارد. مسئله تنها انجامشدن تعدادی تسک نیست؛ بلکه این است که فعالیتهای روزانه چه ارتباطی با هدف نهایی کاربر یا تیم دارند.
ترکیب هدفگذاری، برنامهریزی و پیگیری اجرا در یک محیط، میتواند به کاربران کمک کند هنگام بررسی کارهای روزمره، نتیجهای را که برای دستیابی به آن تلاش میکنند نیز در نظر داشته باشند.
یک گردش کار نمونه برای تیم توسعه
فرض کنیم تیمی قصد آمادهسازی نسخه جدید یک نرمافزار را دارد. اعضا ابتدا دامنه تغییرات و اولویتها را در گفتگو بررسی میکنند و کوپایلوت برای تبدیل جمعبندی به اسپرینت، تسک و چکلیست به کار میرود. وظیفهای که به ایجنت برنامهنویسی سپرده میشود، میتواند از طریق اتصال MCP در محیط توسعه آن در دسترس قرار گیرد.
ایجنت متناسب با ابزارهای خود روی وظیفه کار میکند و سپس نتیجه را در پروژه ثبت میکند. اعضای انسانی میتوانند وضعیت و توضیحات را بررسی کنند و تصمیمهای فنی یا انتشار را طبق روال تیم پیش ببرند. اگر بخشی از برنامه به تیم هوش مصنوعی داخلی سپرده شود، برنامه و خروجی آن نیز از محیط مربوط قابل پیگیری است.
این مثال، نمایش یک کاربرد ممکن است و به معنی اجرای مستقل همه مراحل یا تضمین کیفیت کد نیست. ارزش اتصال در حفظ پیوند میان وظیفه، فعالیت انجامشده و گزارش نتیجه است؛ پیوندی که برای همکاری چند انسان و چند ابزار اهمیت دارد.
ادامه مسیر توسعه با مشارکت تیم دویتیفای
مرتضی مهرابی، مؤسس و برنامهنویس ارشد دویتیفای، در شکلگیری و توسعه این پلتفرم نقش داشته است. این محصول با همکاری اعضای تیم در حوزههای فنی، طراحی و توسعه محصول گسترش یافته و مجموعه قابلیتهای هوش مصنوعی نیز حاصل ادامه همین مسیر تیمی است.
جهتگیری اعلامشده دویتیفای، حرکت به سمت محیطی است که انسانها و ایجنتهای هوش مصنوعی بتوانند حول اهداف و پروژههای مشترک همکاری کنند. در این نگاه، هوش مصنوعی تنها ابزاری برای تولید پاسخ نیست؛ بلکه میتواند در چارچوب مسئولیتها و دسترسیهای مشخص، در جریان اجرای کار نیز مشارکت داشته باشد.
برای آشنایی بیشتر با امکانات و جزئیات دسترسی به قابلیتهای این پلتفرم، میتوان به وبسایت رسمی دویتیفای به نشانی doitify.com مراجعه کرد.



