שלום לכולם וברוכים הבאים לפרק נוסף של Microsoft Knowledge Nuggets, כאן ב-M365. אני המנחה שלכם, מרקו פיטרס. היום נעסוק במשהו שכל מי שעובד עם בינה מלאכותית שמע עליו, אבל כמעט אף אחד לא יודע להסביר בפשטות. זהו פרוטוקול הקשר המודל, או בקיצור, MCP. דמיינו את זה. אתם בטימס ושואלים את עוזר הבינה המלאכותית שלכם שאלה פשוטה כמו מה הסטטוס של פרויקט ג'ונסון? והוא עונה, אני מצטער, אין לי גישה למידע הזה. זו הבעיה המרכזית ש-MCP פותר. עד סוף הפרק הזה, תבינו מה זה באמת MCP, למה זה חשוב לכל מי שמשתמש במיקרוסופט 365, ואיך זה משנה את מה שבינה מלאכותית יכולה לעשות עבורכם. נפרק את זה לאבני בניין. הבעיה, הפתרון, איך זה עובד, ומה זה אומר בתוך מייקרוסופט. אז בואו נתחיל עם הבעיה, כי בטח כבר הרגשתם אותה בעצמכם. הבעיה, כל כלי בינה מלאכותית היה צריך להיבנות בהתאמה אישית. לפני ש-MCP היה קיים, אם רציתם שעוזר בינה מלאכותית יעשה מה שהוא מועיל לבדוק את היומן שלכם, ישלוף קובץ משרפוינט, יחפש רשומת לקוח בדיינמיקס, הייתם צריכים לכתוב קוד מותאם אישית לכל אחד. כל חיבור בנפרד, כל מקור נתונים בנפרד, קוד נפרד. הנה העניין. כל מערכת מדברת בשפת ה-API שלה. היומן שלכם משתמש בפורמט אחד, שרפוינט משתמש באחר, ודיינמיקס משתמש באחר. אימות שונה, חוקים שונים, דרכים שונות, לבקש נתונים ולקבל אותם חזרה. אם רציתם שהבינה המלאכותית שלכם תדבר עם שלוש מערכות, הייתם בונים שלושה ממשקים מותאמים אישית. חישבו על זה כך. דמיינו שאתם בסלון עם טלוויזיה, מערכת סטריאו ותאורה חכמה. כל אחד מגיע עם שלט רחוק משלו, ואף אחד מהשלטים לא עובד עם מכשיר אחר. אתם צריכים את שלט הטלוויזיה לטלוויזיה, את שלט הסטריאו לסטריאו, ואפליקציה נפרדת לאורות. כך נראו פיתוחי בינה מלאכותית לפני MCP. כל כלי היה זקוק לאינטגרציה מותאמת אישית משלו. עבור משתמשי מייקרוסופט, זה מרגיש קרוב מאוד הביתה. תחשבו על מה שקופילות מנסה לעשות כשאתם שואלים אותו שאלה. הוא עשוי לבדוק את יומן האקסצ'יינג שלכם לפגישות, לקרוא הודעות דואר אלקטרוני אחרונות מלקוח מסוים, או לחפש רשומת לקוח בדיינמיקס. אלו שלושה חיבורי API שונים, שלוש אינטגרציות נפרדות, כשכל אחת דורשת עבודת פיתוח מותאמת אישית. התוצאה, רוב כלי הבינה המלאכותית בחרו בדרך הקלה ונשארו גנריים. היית שואל שאלה על העבודה שלך, והאיי היה אומר, אני לא יכול לגשת לנתונים האלה. או, אני צריך שתגדיר חיבור קודם. אינטגרציה אמיתית דרשה פיתוח מותאם אישית יקר, ורוב הארגונים מעולם לא הגיעו לזה. עכשיו, הנה החלק המפתח. מודל השפה הגדול עצמו הוא עוצמתי להפליא. הוא יכול להסיק מסקנות, לסכם, לייצר ולנתח, אבל בלי גישה לנתונים האמיתיים שלך, הוא עיוור. זה כמו שיש לך את העוזר הכי חכם בעולם נעול בחדר בלי חלונות, הוא יכול לחשוב בצורה מבריקה, אבל הוא לא יכול לעזור לך בשום דבר אמיתי. הפתרון, MCP בתור תקא אוניברסלי. אז מה אם היה תקא אוניברסלי אחד? דרך סטנדרטית אחת לחבר כל איי לכל מקור נתונים, בלי לכתוב קוד מותאם לכל חיבור. הנה העניין, זה בדיוק מה שפרוטוקול הקשר המודל, Model Context Protocol, עושה, או MCP בקיצור. אנטרופיק, החברה מאחורי קלוד, הציגה אותו בסוף 2024, והוא תפס מהר מאוד. MCP הוא תקן פתוח שמגדיר דרך עקבית אחת עבור יישומי AI לתקשר עם כלים ומקורות נתונים. תחשבו על זה כמו USB-C. לפני USB-C, כל מכשיר היה צריך כבל מיוחד משלו. הטלפון שלך השתמש בסוג אחד, המחשב הנייד באחר, והאוזניות שלך בשלישי. הייתה לך מגירה מלאה בכבלים, ואף פעם לא מצאתה את הנכון. ואז הגיע ה-USBC, כבל אחד, תקן אחד, והכל פשוט עובד. MCP עושה את אותו הדבר עבור חיבורי AI. פרוטוקול אחד עובד עבור מסדי נתונים, מערכות קבצים, ממשקי API, וכן, אפילו שירותי מייקרוסופט. במקום לבנות מחברים מותאמים לכל מקור נתונים, בונים שרת MCP אחד, וכל אפליקציית AI תואמת יכולה להשתמש בו. האימוץ קרה מהר. תוך חודשים, אלפי שרתי MCP מוכנים מראש הופיעו עבור Google Drive, GitHub, Slack, ומסדי נתונים כמו PostgreSQL וSQLi. ועבור משתמשי מייקרוסופט, כאן זה נהיה ממש מעניין. כלי ה-AI שלך יכולים כעת להתחבר לשארפוינט, אקשיינג, דיינמיקס ופאור פלטפורם. הכל דרך אותו ממשק סטנדרטי. בשורה התחתונה, אתה כבר לא בונה חיבורים מותאמים אישית. אתה מתחבר ל-MCP, פרוטוקול אחד, כל מקור נתונים, כל אפליקציית AI. זה הכסם שבדבר. הארכיטקטורה, מערך, הוסט, לקוח, קליינט, בשרת, סרוואר. אז איך זה בעצם עובד מאחורי הקלעים? תן לי לפרק את זה. MCP משתמש בהגדרה פשוטה בעלת שלושה חלקים, מערך, לקוח ושרה. ברגע שמבינים את שלושת החלקים האלה, כל התמונה מתחברת. המערך הוא אפליקציית AI שאתה משתמש בה בפועל. זה יכול להיות קופיילוט במיקרוסופט 365, קלו דסקטופ, או סוכן מותאם אישית שבנית בעצמך. המערך הוא המקום שבו אתה שואל את שאלתך. זהו החלק שפונה למשתמש. בתוך המערך הזה נמצא משהו שנקרא לקוח MCP. זהו החלק שמדבר את פרוטוקול ה-MCP. אתה לא רואה אותו או מקיים איתו אינטראקציה ישירה, אבל הוא המתורגמן, החלק שיודע לדבר עם שרתי MCP. לאחר מכן יש לך את השרת. שרת ה-MCP הוא תוכנית קלה שיושבת בין ניסום ה-AI שלך לבין מקור הנתונים האמיתי שלך. הוא חושף כלים ומשווים שה-AI יכול להשתמש בהם. השרת יודע איך להגיע לאתר ה-SharePoint שלך, לטבעת הדואר ב-Exchange ולמסד הנתונים בדיינמיקס. ה-AI לא צריך לדעת אף אחד מהפרטים האלו. הוא פשוט מדבר עם השרת. הנה האופן שבו הנתונים זורמים. כשאתה שואל את ה-AI שלך שאלה, הבקשה עוברת מהמערך ללקוח ה-MCP. הלקוח שולח הודעה דרך פרוטוקול ה-MCP לשרת. השרת ניגש למקור הנתונים שלך, משיג את מה שאתה צריך, ושולח את זה בחזרה. מערך ללקוח לפרוטוקול לשרת לנתונים שלך. נקי, פשוט ומתוקנן. תחשוב על זה כמו על מסעדה. המערך הוא אתה שיושב ליד השולחן. לקוח ה-MCP הוא המלצר שלוקח את ההזמנה שלך ומביא אותה למטבח. ושרת ה-MCP הוא המטבח עצמו. אתה לא צריך לדעת איך המטבח עובד. אתה רק אומר למלצר מה אתה רוצה, והאוכל מופיע. מערך אחד יכול להתחבר למספר שרתים בו זמנית. כך, ה-AI שלך בטימס יכול להגיע למסמכי ה-SharePoint, ליומן האקסצ'יינג' ולרשומות הדיינמיקס שלך, הכל בשיחה אחת. התקשורת בין הלקוח לשרת משתמשת במה שהוא שנקרא JSON-RPC. פשוט דרך קלה וסטנדרטית לשלוח הודעות הלוך ושוב. ללא תקור הכבדה, ללא חיבות מותאם אישית. מה שרתי-MCP מכילים, כלים, משאבים והנחיות PROMAPTS? אז, מה שרת-MCP באמת נותן ל-AI כשהם מתחברים? שלושה דברים, כלים, משאבים ותבניות הנחיה. תחשוב עליהם כעל ערכת הכלים שה-AI נעזר בה כשהוא צריך לבצע משהו. בואו נפרק את זה לשפה פשוטה. ראשית, כלים. כלים הם פעולות שה-AI יכול לבצע שבאמת משנות דברים בעולם האמיתי. כלי עשוי לחפש במסד נתונים, לשלוח אימייל או ליצור מסמך. בכל פעם שה-AI מפעיל כלי, מה שהוא קורא. קובץ נשמר, הודעה נשלחת, רשומה מתעדכנת. כלים הם הפעלים של המערכת. הם מה שגורם לדברים לקרות. עכשיו, משאבים. משאבים הם מידע לקריאה בלבד שה-AI יכול להסתכל עליו. משאב יכול להיות רשימת לקוחות מדיינמיקס, מסמך מדיניות בשארפוינט או סיכומי פגישות מתקאמס. הבינה המלאכותית יכולה לקרוא אותם, לנתח אותם ולהתייחס עליהם, אך אינה יכולה לשנות אותם ישירות דרך משאב. הם פשוט מעניקים לבינה המלאכותית את ההקשר הדרוש לה כדי לעבוד בצורה חכמה יותר. לאחר מכן יש לך תבניות הנחיה, פרומפט טמפלאצס. אלו הוראות מובנות מראש שחוסכות לך זמן. במקום לנסח את ההנחיה המושלמת בכל פעם מחדש, השרת מגיש לך אחת שכבר עברה אופטימיזציה. למשל, שרת MCP של שירפוינט עשוי לכלול תבנית לסיכום תוכן של תיקייה. אתה פשוט אומר, סכם את התיקייה הזו. והתבנית מטפלת בכל השאר. זה כמו להחזיק קיצור דרך יהודי לדברים שאתה עושה שוב ושוב. הנה דוגמה מוחשית כדי לחבר את הכל. דמיין שרת MCP של שירפוינט. הוא מציע כלי בשם חיפוש מסמכים שמוצא קבצים לפי מילת מפתח. הוא מציע משאב בשם רשימת אתרים שמעניק גישת קריאה בלבד לכל אתרי שירפוינט הזמינים. והוא כולל תבנית הנחיה בשם סיכום תוכן תיקייה שאומרת לבינה המלאכותית בדיוק איך להציג סיכום נקי. כל מה שהבינה המלאכותית צריכה כדי לעזור לחיים שירפוינט נמצא ממש שם במקום אחד. עכשיו, הנה החלק המגניב. הבינה המלאכותית מגלה את כל זה אוטומטית כשהיא מתחברת לשרת. אין צורך בתכנות מוקדם. השרת בעצם מציג את עצמו. הנה הכלים שלי, המשאבים שלי, תבניות ההנחיה שלי. והבינה המלאכותית מבינה איך להשתמש בהם. זה מה שהופך את MCP לעוצמתי. השרת אומר לבינה המלאכותית מה אפשרי, והיא מטפלת בשאר. זו מערכת שמתארת את עצמה. שלוש הקטגוריות הללו עובדות יחד כך שלבינה המלאכותית יש תמונה מלאה של מה שהיא יכולה לעשות. MCP פוגש את מה שכבר קיים במייקרוסופט. אז, בואו נביא את זה לעולם של מייקרוסופט. כאן זה הופך לאמיתי עבור כל מי שמשתמש במיקרוסופט 365 או באז'ר. בואו ננפץ מיתוס נפוץ כבר עכשיו. יש אנשים שחושבים ש-MCP הוא רק ניסוי צדדי של מייקרוסופט. זה לא המצב. זהו כיוון הסטרטגי. ניתן לראות זאת בבירור בשירות ה-AI-אג'נט של אז'ור. אם אתה בונה סוכני בינה מלאכותית מותאמים באז'ור, כעת ניתן להוסיף שרתי MCP מרוחקים ישירות מתוך Azure Eye Foundry. מגדירים תווית שרת, כתובת URL וחותרות עימות אופציונליות, והסוכן שלך יכול להתחיל להפעיל כלים מהשרת הזה. הטיעוד של מייקרוסופט עצמה מכנה זאת אינטגרציה מהדרגה הראשונה. זו לא שפה של פרויקט צדדי, אבל זה הולך עמוק יותר מ-Azure בלבד. מייקרוסופט פרסמה התייחסויות רשמיות לשרתי MCP עבור הפארר פלטפורם, כולל Power Automate, Power Apps ואפילו Process Mining. הנה מה שזה אומר בפועל. בינה מלאכותית יכולה לקחת כלת לא מובנה, כמו אימייל, הודעת צ'אט או מסמך שרוק, ולהפוך אותו לרשומה מובנית בדטאברס. הבינה המלאכותית מציעה את הרשומה, ואתה מאשר אותה. מעורבות אנושית מובנית ישירות בתהליך. שרת ה-MCP של Power Automate לוקח את זה צעד אחד קדימה. אתה מתאר זרימת עבודה בשפה פשוטה, משהו כמו כאשר מגיע אימייל חדש עם המילה, דחוף בנושא, צור משימה בפלנר ושלח התראה למנהל שלי. הבינה המלאכותית בונה את הזרימה הזו עבורך. ללא גרירה ושחרור של מחברים. ללא חיפוש אחר טריגרים. פשוט תאר מה אתה רוצה. ושרת ה-MCP מתרגם את זה לאוטומציה ממשית. מייקרוסופט הציגה גם שרתי MCP עבור תוכן של Microsoft Learn. דמיין סוכן בינה מלאכותית ששואל את כל ספריית התיעוד של מייקרוסופט כמשאב. לא גרידת דפי אינטרנט, אלא דרך שרת MCP מובנה שחושף תיעוד כנתונים מובנים. זה כבר עובד היום. זה הכיוון שאליו הולכים כלי המייקרוסופט שלך. הם הופכים לנגישים ל-MCP כחלק מהתכנון שלהם. הפלטפורמה נפתחת. וככל שזה קורה, חוויית המיקרוסופט 365 שלך רק תהפוך לחכמה יותר. האינטגרציה מתרחשת עכשיו, והיא מובנית ביסודות המערכת. MCP הוא לא רק למפתחים. הוא מיועד לכל מי שמשתמש במיקרוסופט 365 ורוצה שהבינה המלאכותית שלו תעבוד בצורה חלקה עם הנתונים שלו. תרחיש אמיתי. הבינה המלאכותית שסוף סוף עובדת. אז איך זה נראה בפועל? תן לי לעבור על דוגמה אמיתית. אתה יושב במיקרוסופט Teams ומקליד את זה לקופילות. מה הסטטוס של פרויקט אקמי ומי בפיגור עם המשימות שלו? אתה לוחץ על Enter. כעת, מאחורי הקלעים, קורה משהו שונה ממה שהיה קורה לפני שנה. עוזר הבינה המלאכותית של איך מתחבר לשרת MCP המקושר לפרויקט אונליין או לפלנר. השרת הזה מפרסמת הכלים שהוא יכול להשתמש בהם. דברים כמו רשימת משימות, קבלת סטטוס משימה, בדיקת הקצאות וקבלת לוח זמנים של פרויקט. הבינה המלאכותית לא צריכה שום הכוונה כאן. היא מגלה את הכלים האלה אוטומטית כי השרת פשוט אומר, הנה מה שאני יכול לעשות. והבינה המלאכותית משיבה, מעולה, השתמש בזה. אף אחד לא צריך להגיד, היי, לך תסתכל על נקודת הקצה הזו של ה-API קודם. וזה פשוט עובד. אז, הבינה המלאכותית קוראת לכלי רשימת המשימות. אחר כך מקבלת סטטוס עבור כל משימה, ואז בודקת הקצאות. שרת ה-MCP מטפל בכל האימות ושליפת הנתונים מאחורי הקלעים. כמה שניות לאחר מכן, הבינה המלאכותית חוזרת עם תשובה ברורה. פרויקט אקמי במסלול הנכון. ישנן שלוש משימות באיחור, כולן הוקצו לשרה. האם תרצה שהשלח לה תזכורת? הנה מה שחשוב. לא נכתב קוד מותאם אישית עבור שאילתה זו. אף מפתח לא השקיע שבועיים בבניית חיבור בין קופיילוט לפרויקט אונליין. שרת ה-MCP טיפל באינטגרציה כולה. שרת אחד, פרוטוקול סטנדרטי אחד, וה-AI ידע בדיוק איך להשתמש בו. כעת, בואו ניקח את זה צעד קדימה. לאחר קבלת מצב הפרויקט, אתם שואלים, בדוק ביומן שלי פגישה עם שרה מחר ונסח עדכון סטטוס על סמך מה שקורה. ה-AI משתמש בשרת MCP של אקסצ'יינג' כדי לבדוק את היומן, מחפש הודעות אימייל קשורות דרך אותו שרת, ואז קורא לשרת MCP של וורד כדי לנסח את העדכון. שיחה אחת, מקורות מידע מרובים, אפס פיתוח מותאם אישית. זה רגע האוריקה עם MCP. זה הופך את ה-AI לשימושי בתוך סביבת העבודה האמיתית שלכם, לא רק צ'אדבוט גנרי שיכול לענות רק על שאלות כלליות, אלא עוזר שרואה את הנתונים שלכם, מבין את ההקשר שלכם ונוקט פעולה הכל דרך תקן פשוט אחד. הבטחה, שמירה על המידע שלכם. כל הגמישות הזו מעלה שאלה גדולה. אם ה-AI שלכם יכול פתאום לגשת לשארה פוינט, אקסצ'יינג' ודיינמיקס דרך MCP, איך שומרים על המידע הזה בטוח? הנה התשובה הקצרה. MCP מאובטח בדיוק כפי שאתם הופכים אותו לחזה. הפרוטוקול אינו עוקף את אמצעי ההבטחה הקיימים שלכם. הוא עובד איתם. MCP תומך באוף 2.1, אותו תקן עימות בתעשייה שמגן על כניסת המייקרוסופט שלכם. כאשר שרת MCP דורש עימות, לכוח ה-AI שלכם חייב להוכיח שהוא מורשה לפני שהוא יכול לגשת למידע כלשהו. שרתים יכולים להשתמש בחותרות עימות, מפתחות API או גישה מבוססת הסימונים. אותם דפוסים שאתם כבר מכירים להבטחת ממשקי API, אבל יש שכבה נוספת שחשובה מאוד לשימוש ארגוני. ה-AI חייב לבקש רשות תחילה לפני שהוא יכול באמת להריץ חיפוש, לשלוח הודעה או לשנות רשומה. הוא מבקש מכם. אתם רואים את הבקשה ישירות בממשק הצ'אט שלכם. אתם בוחנים מה הכלי יעשה, ואתם מאשרים או דוחים זאת. זה אומר ששום כלי לא מופעל ללא הסכמתכם המפורשת. ה-AI שלכם יכול להציע פעולות, אך הוא לא יכול לבצע אותן מבלי שתגידו, כן, זו רשת ביטחון טובה. דבר אחד שצריך להיזהר ממנו. קיימים אלפי שרתי MCP ציבוריים, ולא כולם אמינים. ישנם מאגרים ציבוריים שבהם כל אחד יכול לפרסם שרת. חלקם מצוינים, חלקם לא. האחריות היא עליכם להשתמש בשרתים שאתם בותחים בהם. בסביבות מייקרוסופט, יש לכם יתרון. שרתי ה-MCP שלכם יכולים להשתמש באותם בקרות זהות וגישה כמו שירותי המייקרוסופט הקיימים שלכם. אם למשתמש אין הרשאה לקרוא ספריית מסמכים בשרפוינט, שרת MCP לא יכול לעקוף זאת. השרת יורשת אותן גבולות, אותה אימות, אותן מדיניות ואותו ממשל. מתחילים חוויית ה-MCP הראשונה שלכם. אז השתכנתם ואתם רוצים לנסות זאת בעצמכם. מאיפה מתחילים, הדרך הקלה ביותר היא לבחור מערך התואם ל-MCP. לקלאוד דסקטופ יש תמיכה מובנית ב-MCP וגם GitHub Copilot עובד. שניהם מאפשרים לכם לחבר שרתים כמעט ללא הגדרה. לאחר מכן, בדקו את מאגרי ה-MCP הציבוריים. יש אלפי שרתים מוכנים מראש לשירותים כמו Google Drive, Slack, מסדי נתונים, מערכות קבצים וכן גם שירותי מייקרוסופט. אם אתם משתמשי מייקרוסופט, התחילו עם הפניות ה-MCP של מייקרוסופט עצמה עבור Power Platform. ההגדרה פשוטה. רוב המערכים משתמשים בקובץ JSON שבו אתם מפרטים את השרתים שלכם. אתם נותנים לכל אחד שם, מספקים את הפקודה או ה-URL כדי להגיע אליו ומגדירים אישורי אימות כלשהם. זה הכל והמערך מטפל בכל השאר. לא נדרש תכנות לשימוש בסיסי, כך שלא צריך להיות מפתח או לכתוב קוד אינטגרציה. פשוט מגדירים קובץ JSON, ופתאום ה-AI שלכם יכול לגשת לנתונים שלא היה יכול לגעת בהם קודם. קובץ ה-JSON הוא כמו קובץ הגדרות שאומר למערך שלכם לאילו שרתים להתחבר. חישבו על MCP כמתרגם אוניברסלי עבור ה-AI שלכם. במקום ללמוד שפה שונה לכל שירות, הוא דובר פרוטוקול אחד. התחילו בקטן על ידי חיבור מקור נתונים אחד, כמו היומן שלכם דרך שרת MCP של אקסצ'יינג'. ואז שאלו את ה-AI שעלה על הלוז שלכם וצפו איך הוא מגלה את הכלים הזמינים. בדקו את אישור האדם בלולאה, מה שאומר שאתם צריכים לאשר כל פעולה לפני שה-AI מבצע אותה. זה משאיר אתכם בשליטה, ווודאו שאתם מבינים את מודל ההבטחה לפני שמרחיבים. ברגע שאתם מרגישים בנוח, הרחיבו על ידי הוספת שרת נוסף עבור ספריית המסמכים שלכם, ואז מערכת ניהול המשימות שלכם. כל שרת מוסיף יכולות חדשות, וכל אחד עוקב אחר אותו פרוטוקול. אם אתם רוצים לבנות שרת MCP משלכם, אולי כדי לחשוף אפליקציה עסקית מותאמת אישית או מסד נתונים פנימי, ה-Azure Functions של מייקרוסופט עובדים מצוין כ-back-end. אתם עוטפים את ה-API או מקור הנתונים הקיים שלכם בשרת MCP עם כמה שורות קוד בלבד. תגישה לי מקורות הנתונים שלכם. אז זה המודל קונטקסט פרוטוקול. תקן אחד של לבסוף מאפשר לכלי AI להגיע לנתונים האמיתיים שלכם. קבצי השרפוינט שלכם, יומן האקשיינג שלכם, רשומות הדיינמיקס שלכם. לפני MCP, הייתם צריכים לבנות חיבורים מותאמים אישית לכל מערכת. עכשיו מתחברים לפרוטוקול אחד והבינה המלאכותית שלכם יכולה לדבר עם כולן. הבינה המלאכותית הופכת לשימושית בתוך סביבת העבודה האמיתית שלכם. זו לא רק נוחות, זה משנה את הדרך שבה אתם עובדים עם בינה מלאכותית. התחילו עם שרת MCP1, חברו מקור נתונים יחיד וראו את ההבדל בעצמכם. אם זה היה מועיל, שתפו עם עמית שמתקשה עם בינה מלאכותית שלא יכולה לגשת לנתונים שלו. הרשמו לעוד טיפים ומידע מהסוג הזה. אני מרקו פיטרס, ואראה אתכם בפרק הבא.