فرض کنید مدیر فناوری اطلاعات از شما می‌خواهد بررسی کنید آیا تغییر شب گذشته روی فایروال با Incident امروز صبح ارتباط دارد. برای پاسخ، باید Changeها را باز کنید، زمان اجرای آن‌ها را با Incident مقایسه کنید، وضعیت Monitoring را ببینید، Approvalها را بررسی کنید و در نهایت نتیجه را برای تیم عملیات بنویسید.

حالا سناریوی دیگری را تصور کنید: همان سؤال را در یک AI Client سازگار با Model Context Protocol یا MCP می‌پرسید و Agent، با دسترسی کنترل‌شده، اطلاعات ServiceDesk Plus را می‌خواند، Changeهای مرتبط را پیدا می‌کند و نتیجه را در همان مکالمه برمی‌گرداند. اگر مجاز باشد، حتی می‌تواند Request بسازد، Note اضافه کند یا Workflow مشخصی را اجرا کند.

ManageEngine در سال ۲۰۲۶ پشتیبانی از Zoho MCP برای ServiceDesk Plus Cloud را به‌صورت رسمی معرفی کرده است. این قابلیت ServiceDesk Plus را از یک سامانه‌ای که فقط API دارد، به یک منبع Context و Action برای AI Agentهای سازگار با MCP تبدیل می‌کند. طبق مستند رسمی، Zoho MCP می‌تواند قابلیت‌های ServiceDesk Plus Cloud را به‌صورت Tool در اختیار Clientهایی مانند ChatGPT، Microsoft Copilot، Claude، Cursor، VS Code و سایر MCP Clientها قرار دهد.

برای سازمانی که از ServiceDesk Plus Cloud استفاده می‌کند، این تغییر فقط یک قابلیت نمایشی نیست؛ می‌تواند مسیر اتوماسیون Incident، Change، Asset، Request و Service Delivery را عوض کند. اما ارزش واقعی زمانی ایجاد می‌شود که اتصال AI با همان دقتی طراحی شود که دسترسی یک Technician یا Integration سازمانی طراحی می‌شود.

MCP چیست و چه چیزی را در ITSM تغییر می‌دهد؟

MCP یک روش استاندارد برای این است که مدل‌ها و Agentهای هوشمند بتوانند به ابزارها، داده‌ها و Actionهای بیرونی متصل شوند. به‌جای اینکه برای هر AI Client یک Integration اختصاصی نوشته شود، یک MCP Server می‌تواند مجموعه‌ای از Toolها را با Schema مشخص در اختیار Client قرار دهد.

در ServiceDesk Plus، این یعنی AI فقط متن تولید نمی‌کند. می‌تواند با Context واقعی ITSM کار کند؛ مثلاً Requestها را بخواند، Changeها را بررسی کند، Asset را پیدا کند یا یک Action مجاز را اجرا کند.

ManageEngine در صفحه رسمی Zoho MCP توضیح می‌دهد که Context قابل ارائه می‌تواند Practiceهای مختلف ITSM از Request و Problem تا Change، Project، Asset و Contract را پوشش دهد. این Context شامل جزئیاتی مانند Work Log، Note، Task Comment و Approval Chain نیز می‌شود.

تفاوت مهم اینجاست که AI از یک دستیار عمومی به یک Agent متصل به سیستم عملیاتی تبدیل می‌شود.

ServiceDesk Plus MCP برای چه نسخه‌ای است؟

در زمان نگارش این مطلب، مستندات رسمی ManageEngine اتصال Zoho MCP را مشخصاً برای ServiceDesk Plus Cloud توضیح می‌دهند. در Zoho MCP، Connector مربوط به ServiceDesk Plus با عنوان SDP On Demand ارائه می‌شود.

اگر سازمان شما از نسخه On-Premises استفاده می‌کند، نباید صرفاً بر اساس قابلیت Cloud فرض کنید همان مسیر اتصال در Build فعلی On-Premises نیز وجود دارد. در پروژه واقعی باید Edition، Deployment Model و مستندات Build همان محیط بررسی شود.

اگر در حال تصمیم‌گیری بین Cloud و On-Premises هستید، مقاله راهنمای انتخاب نرم‌افزار تیکتینگ سازمانی برای RFP و خرید می‌تواند برای مشخص کردن نیازهای Security، Integration، API، Hosting و TCO مفید باشد.

Zoho MCP در ServiceDesk Plus چه کاری می‌تواند انجام دهد؟

ManageEngine اعلام کرده ServiceDesk Plus بیش از ۹۰ Action را از طریق Zoho MCP در اختیار Agentها قرار می‌دهد. این Actionها می‌توانند عملیات Read و Write را پوشش دهند.

این جدول یک طبقه‌بندی اجرایی پیشنهادی است؛ سطح ریسک واقعی به Roleها، داده‌ها، Actionها و معماری سازمان بستگی دارد.

یک مثال واقعی: از Alert تا Major Incident

یکی از Use Caseهایی که ManageEngine برای Zoho MCP مطرح می‌کند، اتصال Context بین Monitoring و ServiceDesk Plus است.

سناریو می‌تواند این‌طور باشد:

1. AI Agent وضعیت Site24x7 یا یک منبع Monitoring سازگار را بررسی می‌کند.
2. چند Monitor حیاتی Down تشخیص داده می‌شوند.
3. Agent بر اساس Rule تعریف‌شده، Major Incident در ServiceDesk Plus ایجاد می‌کند.
4. اطلاعات Alert در Description یا Note درج می‌شود.
5. تیم NOC و Incident Manager Workflow معمول سازمان را ادامه می‌دهند.

ارزش این مدل در حذف Technician نیست؛ ارزش آن در حذف رفت‌وآمد دستی میان چند ابزار و انتقال سریع Context است.

برای سازمان‌هایی که Integration اختصاصی، Dashboard سفارشی یا اتصال به سامانه‌های داخلی لازم دارند، صفحه پلاگین‌ها و Add-inهای ServiceDesk Plus مدانت مسیر تجاری مرتبط‌تری برای بررسی توسعه‌های تکمیلی است.

MCP چه فرقی با API دارد؟

MCP جای API را نمی‌گیرد. در بسیاری از پیاده‌سازی‌ها، خود MCP Server در نهایت از APIهای محصول استفاده می‌کند. تفاوت اصلی در نحوه مصرف قابلیت‌هاست.

برای عملیات حساس و قطعی که باید همیشه دقیقاً به یک شکل اجرا شوند، API و Workflow سنتی همچنان انتخاب بسیار مهمی هستند. MCP بیشتر زمانی مزیت ایجاد می‌کند که Agent باید Context را بخواند، تصمیم محدود بگیرد و Tool مناسب را انتخاب کند.

فرق MCP با Zia Agents چیست؟

ManageEngine در سال ۲۰۲۶ هم‌زمان روی دو مسیر AI در ServiceDesk Plus کار کرده است: Zia Agents و Zoho MCP. این دو یکی نیستند.

Zia Agents، Agentهای هوشمند بومی اکوسیستم ServiceDesk Plus هستند که می‌توانند برای Workflowهای ITSM ساخته شوند. Zoho MCP، در مقابل، راهی است که Client یا Agent بیرونی بتواند به Toolهای ServiceDesk Plus و سایر سرویس‌های سازگار متصل شود.

به زبان ساده:

• اگر می‌خواهید Agent داخل تجربه ManageEngine تعریف شود، Zia Agents مسیر اصلی است.
• اگر می‌خواهید ChatGPT، Copilot، Claude یا یک Agent Platform دیگر به ServiceDesk Plus وصل شود، MCP مسیر مناسب‌تری است.
• در معماری پیشرفته می‌توان این دو مدل را در کنار Automation، API و Workflowهای موجود استفاده کرد.

معماری اتصال MCP به ServiceDesk Plus Cloud

بر اساس راهنمای رسمی ManageEngine، راه‌اندازی Zoho MCP برای ServiceDesk Plus Cloud در چند مرحله انجام می‌شود:

1. ورود به کنسول Zoho MCP و ساخت MCP Server.
2. انتخاب Toolهای موردنیاز.
3. اضافه کردن Connector مربوط به ServiceDesk Plus Cloud.
4. انتخاب Actionهایی که AI اجازه استفاده از آن‌ها را دارد.
5. ایجاد Connection و دریافت MCP Server Endpoint.
6. اتصال MCP Client موردنظر به Server.
7. تنظیم مدل Authorization و کنترل دسترسی.

نکته مهم این است که نباید تمام Actionهای موجود را فقط به این دلیل که قابل انتخاب هستند فعال کنید. طراحی Tool Set باید براساس Use Case باشد.

اگر Agent فقط برای تحلیل Incident استفاده می‌شود، ممکن است اصلاً نیازی به Actionهای Write نداشته باشد.

Authorization on Demand در برابر Authorization via Connection

Zoho MCP دو مدل Authorization مهم دارد که انتخاب بین آن‌ها روی Governance پروژه اثر مستقیم دارد.

Authorization on Demand

در این مدل، End User یا Technician هنگام استفاده باید Authentication خودش را انجام دهد و Actionهایی که Agent می‌تواند اجرا کند به Permissionهای همان User محدود می‌شوند.

این مدل برای سناریوهایی که مسئولیت Action باید به هویت واقعی کاربر متصل باشد، گزینه قابل‌دفاع‌تری است.

Authorization via Connection

در این مدل، Connection از قبل با Credential یا API-based Access تنظیم می‌شود و Agent از همان Connection استفاده می‌کند. این روش برای Agentهای سازمانی و Workflowهای تکرارشونده ساده‌تر است، اما اگر Scope بیش از حد باز باشد، Blast Radius بالاتری دارد.

برای Actionهای Write حساس، بهتر است قبل از انتخاب این مدل، Scope، Logging، Rotation Credential، Approval و Separation of Duties طراحی شود.

امنیت MCP را مثل یک Integration واقعی ببینید، نه یک Chatbot

یکی از اشتباهات رایج این است که اتصال AI به ServiceDesk Plus را مشابه فعال کردن یک Chatbot ساده ببینیم. از لحظه‌ای که Agent می‌تواند Tool اجرا کند، با یک Integration دارای سطح دسترسی سروکار داریم.

چند اصل مهم برای طراحی:

• Least Privilege: فقط Toolهای لازم فعال شوند.
• Read before Write: Pilot را با Actionهای فقط خواندنی شروع کنید.
• Human Approval: Actionهای حساس قبل از اجرا تأیید انسانی داشته باشند.
• Role Alignment: Agent نباید از Permission واقعی Technician قوی‌تر باشد.
• Auditability: Tool Callها، نتیجه و Actor باید قابل ردگیری باشند.
• Credential Hygiene: Connection Credentialها باید Rotate و محدود شوند.
• Data Boundary: بررسی شود چه داده‌ای از ServiceDesk Plus به AI Client منتقل می‌شود.
• Vendor Policy: اگر Client بیرونی استفاده می‌شود، Data Retention و Privacy آن Client نیز بررسی شود.

ManageEngine برای Zoho MCP از OAuth-based Authentication، Action Boundary و مدل‌های Authorization قابل تنظیم صحبت می‌کند. با این حال مسئولیت طراحی Scope مناسب برای سازمان همچنان بر عهده تیم IT و Security است.

چرا «همه Toolها را فعال کن» طراحی بدی است؟

فرض کنید Agent برای پاسخ‌گویی به سؤال‌های Technician ساخته شده، اما به Actionهای Create Request، Update Change، Add Note و Asset Modification هم دسترسی دارد.

اگر Use Case فقط خواندن Context باشد، این Permissionها هیچ ارزش عملی اضافه نمی‌کنند؛ فقط سطح ریسک را بالا می‌برند.

یک الگوی بهتر می‌تواند سه Profile باشد:

این تفکیک کمک می‌کند هر Agent براساس مأموریت خودش Tool دریافت کند.

Use Case اول: تحلیل Incident و Change Correlation

یکی از مفیدترین سناریوهای کم‌ریسک، تحلیل ارتباط Incident با Change است.

Agent می‌تواند:

1. زمان شروع Incident را بخواند.
2. Changeهای اجراشده در بازه زمانی نزدیک را پیدا کند.
3. CIها و Assetهای مشترک را بررسی کند.
4. Approval و Execution Window را مقایسه کند.
5. نتیجه را برای Analyst خلاصه کند.

این سناریو برای شروع بسیار مناسب است چون AI در نقش Analyst عمل می‌کند و تصمیم نهایی همچنان با انسان باقی می‌ماند.

Use Case دوم: Onboarding سازمانی

ManageEngine در مثال‌های Zoho MCP به Workflowهای چندسامانه‌ای مانند Onboarding هم اشاره می‌کند.

مثلاً درخواست استخدام در ServiceDesk Plus ثبت شده است. Agent می‌تواند بر اساس Toolهای مجاز:

1. Request را بخواند.
2. اطلاعات موردنیاز را استخراج کند.
3. Taskهای IT را بررسی کند.
4. در صورت وجود Integration مجاز، Action مربوط به ساخت حساب یا تخصیص سرویس را در سیستم دیگر اجرا کند.
5. وضعیت را به Request برگرداند.

برای چنین Workflowهایی باید Approval، Validation Input و Error Handling از قبل طراحی شده باشد. Agent نباید صرفاً بر اساس یک متن آزاد، حساب حساس ایجاد کند.

Use Case سوم: Knowledge Gap Detection

AI Agent می‌تواند Incidentهای تکرارشونده را پیدا کند، Solutionهای موجود را بررسی کند و مواردی را که Knowledge Article مناسب ندارند به تیم Knowledge Management پیشنهاد دهد.

این Use Case به‌خصوص برای تیمی مفید است که تعداد Ticket بالا دارد اما Knowledge Base آن با سرعت Incidentها رشد نکرده است.

در اینجا بهتر است Agent ابتدا پیشنهاد بدهد و انتشار Knowledge Article همچنان مرحله Review انسانی داشته باشد.

Use Case چهارم: Asset-aware Service Desk

وقتی MCP Client بتواند هم Request و هم Asset Context را بخواند، پاسخ Technician می‌تواند دقیق‌تر شود.

برای مثال به‌جای اینکه Technician فقط ببیند «VPN وصل نمی‌شود»، Agent می‌تواند بررسی کند:

• دستگاه کاربر چیست؟
• Owner و Department چیست؟
• آیا Asset در وضعیت In Use است؟
• آیا Incident مشابه روی همان CI وجود دارد؟
• آیا Change اخیر روی سرویس مرتبط انجام شده است؟

این نوع Context همان چیزی است که تفاوت بین یک Chatbot عمومی و یک Agent سازمانی را مشخص می‌کند.

Use Case پنجم: اتصال ServiceDesk Plus به ابزارهای سفارشی مدانت

همه نیازهای سازمان با Toolهای آماده پوشش داده نمی‌شوند. ممکن است سازمان سامانه مالی، HR، ERP، Monitoring داخلی یا API اختصاصی داشته باشد.

در این شرایط می‌توان معماری را ترکیبی دید:

AI Client → MCP → ServiceDesk Plus + Integration اختصاصی + APIهای سازمان

مدانت برای سناریوهای سفارشی ServiceDesk Plus، توسعه Add-in و Integration ارائه می‌کند. اگر Use Case شما خارج از Connectorهای آماده است، صفحه ServiceDesk Plus Add-ins مدانت نقطه مناسبی برای بررسی توسعه اختصاصی است.

MCP چه زمانی انتخاب خوبی نیست؟

هر Automationی نیاز به Agent ندارد.

اگر یک فرآیند:

• کاملاً ثابت است،
• ورودی مشخص دارد،
• تصمیم‌گیری ندارد،
• باید صددرصد قابل پیش‌بینی باشد،
• و در هر اجرا دقیقاً Action یکسان انجام می‌دهد،

Workflow، Business Rule یا API Integration سنتی می‌تواند انتخاب ساده‌تر و قابل‌کنترل‌تری باشد.

MCP بیشتر زمانی ارزش دارد که Agent باید از چند Tool Context جمع کند، بین آن‌ها مسیر مناسب را انتخاب کند یا درخواست Natural Language را به Action محدود و قابل‌کنترل تبدیل کند.

یک مدل Pilot امن برای سازمان

برای شروع پروژه MCP در ServiceDesk Plus Cloud، Rollout مرحله‌ای پیشنهاد می‌شود.

فاز ۱: Read-only

فقط Toolهای Search و Read فعال شوند. هدف این فاز ارزیابی کیفیت Context، سرعت و دقت Agent است.

فاز ۲: Write کم‌ریسک

Actionهایی مانند Create Request یا Add Note با Template و Validation مشخص اضافه شوند.

فاز ۳: Approval-based Automation

Actionهای حساس فقط پس از Human Approval اجرا شوند.

فاز ۴: Cross-platform Orchestration

پس از تثبیت Logging، Permission و Error Handling، Agent می‌تواند به ابزارهای دیگر متصل شود.

فاز ۵: KPI و Governance

نتایج باید با داده واقعی سنجیده شوند، نه صرفاً با جذابیت Demo.

چه KPIهایی برای پروژه MCP مناسب‌اند؟

اگر فقط «تعداد Promptها» را اندازه بگیریم، عملاً ارزش ITSM را اندازه نگرفته‌ایم.

هزینه Zoho MCP در ServiceDesk Plus چطور محاسبه می‌شود؟

طبق صفحه رسمی ManageEngine، Zoho MCP برای ServiceDesk Plus Cloud در Subscription محصول بدون هزینه اشتراک جداگانه ارائه می‌شود و مصرف آن از API Quotaهای موجود استفاده می‌کند. برای سرویس‌های Third-party همچنان Policy و هزینه Vendorهای دیگر می‌تواند اعمال شود.

این نکته مهم است، اما در برآورد TCO فقط قیمت Connector را نبینید. هزینه واقعی پروژه می‌تواند شامل طراحی Governance، Integration سفارشی، Agent Platform، Security Review، Prompt/Tool Testing، Monitoring و پشتیبانی باشد.

برای بررسی هزینه ServiceDesk Plus Cloud و مدل تهیه سرویس می‌توانید صفحه برآورد قیمت ServiceDesk Plus Cloud مدانت را ببینید.

Checklist قبل از اتصال AI Agent به ServiceDesk Plus

• Use Case دقیق را قبل از انتخاب Tool مشخص کنید.
• نسخه و Deployment Model را بررسی کنید.
• Toolهای Read و Write را جدا کنید.
• Actionهای حساس را با Approval اجرا کنید.
• Authorization Model را مستند کنید.
• Scope Connection را حداقل نگه دارید.
• Audit Log و Tool Call Logging را فعال نگه دارید.
• Policy نگهداری داده AI Client را بررسی کنید.
• Credential Rotation و Secret Management تعریف کنید.
• Error Handling و Rollback برای Actionهای Write طراحی کنید.
• Rate Limit و API Quota را در Load واقعی تست کنید.
• Pilot را با چند Technician و Use Case محدود شروع کنید.
• KPI قبل و بعد از Pilot را مقایسه کنید.
• Agent را جایگزین Approvalهای کنترلی نکنید.

نکات کلیدی برای مدیر فناوری اطلاعات

MCP یک قابلیت Integration است، نه صرفاً قابلیت مکالمه. هر Tool باید مانند یک دسترسی واقعی بررسی شود.

ServiceDesk Plus Cloud در ۲۰۲۶ پشتیبانی رسمی Zoho MCP را دریافت کرده است. این قابلیت AI Clientهای سازگار را به Context و Actionهای ITSM متصل می‌کند.

بیش از ۹۰ Action ServiceDesk Plus قابل ارائه از مسیر Zoho MCP هستند. اما فعال کردن همه Actionها طراحی خوبی نیست؛ Tool Set باید براساس Use Case ساخته شود.

Authorization on Demand برای سناریوهای User-based و Authorization via Connection برای Agentهای سازمانی کاربرد متفاوتی دارند.

Zia Agents و MCP یک چیز نیستند. اولی Agent بومی ManageEngine است و دومی Bridge استاندارد برای اتصال Client و Agent بیرونی به ServiceDesk Plus و سایر ابزارهاست.

برای فرآیندهای کاملاً قطعی، Workflow و API سنتی همچنان اهمیت دارند. MCP را جایی استفاده کنید که Context و Agentic Orchestration ارزش واقعی ایجاد می‌کند.

سخن پایانی

ورود MCP به ServiceDesk Plus Cloud نشان می‌دهد مرز بین ITSM، Integration و AI Agentها در حال تغییر است. تا همین چند سال قبل، اتصال یک دستیار هوشمند به Incident، Change، Asset و Request نیازمند Integrationهای اختصاصی متعدد بود. حالا Zoho MCP می‌تواند این قابلیت‌ها را به‌صورت Tool در اختیار MCP Client قرار دهد.

اما هرچه Agent به Actionهای بیشتری دسترسی پیدا کند، اهمیت Governance بیشتر می‌شود. موفقیت پروژه با این سنجیده نمی‌شود که AI چند Ticket ساخته؛ باید دید آیا زمان تحلیل کاهش پیدا کرده، Context بهتر شده، Permissionها کنترل شده‌اند و فرآیند ITSM قابل Audit باقی مانده است.

اگر سازمان شما قصد دارد ServiceDesk Plus Cloud را برای AI Agent، MCP، Integration یا Workflowهای اختصاصی آماده کند، مدانت می‌تواند در انتخاب معماری، لایسنس، پیاده‌سازی، توسعه Add-in و Integration کمک کند. برای بررسی نسخه Cloud از صفحه ServiceDesk Plus Cloud، برای توسعه‌های سفارشی از ServiceDesk Plus Add-ins و برای جلسه فنی از درخواست دمو و پروپوزال مدانت استفاده کنید.

همچنین برای مشاهده محتوای تخصصی‌تر درباره قابلیت MCP در اکوسیستم سرویس دسک می‌توانید صفحه MCP Support در سرویس دسک پلاس را ببینید.

منابع

• ManageEngine ServiceDesk Plus - Zoho MCP
• Getting Started with Zoho MCP for ServiceDesk Plus Cloud
• ServiceDesk Plus 2026 Half-yearly Releases
• Zia Agents for ServiceDesk Plus