As AI agents transition from simple chatbots to autonomous workers, they are increasingly relying on the Model Context Protocol (MCP) to interact with external tools and data. However, this capability comes with a hidden financial and performance cost that Okta is now moving to solve.

AI Orchestration-এ "Tool Tax" বোঝা

যখন একটি AI এজেন্ট একটি MCP সার্ভারের মাধ্যমে কোনো পরিবেশের সাথে ইন্টারঅ্যাক্ট করে, তখন প্রতিটি মডেল কলের জন্য এজেন্টের তার উপলব্ধ সক্ষমতাগুলো বোঝা প্রয়োজন হয়। এটি করার জন্য, সিস্টেমটিকে সমস্ত টুল স্কিমা (tool schemas), নাম, বিবরণ এবং প্যারামিটার প্রম্পট কনটেক্সটে পাস করতে হয়।

Okta এই ঘটনাটিকে "tool tax" হিসেবে চিহ্নিত করেছে। ইন্টিগ্রেটেড টুলের সংখ্যা যত বৃদ্ধি পায়, প্রম্পট ওভারহেডও (prompt overhead) তত দ্রুত বা এক্সপোনেনশিয়াল হারে বাড়তে থাকে। এর ফলে টোকেন ব্যবহারের পরিমাণ উল্লেখযোগ্যভাবে বৃদ্ধি পায়, যা সরাসরি অপারেশনাল খরচ বাড়িয়ে দেয় এবং এজেন্টের প্রতিটি রিজনিং স্টেপের ল্যাটেন্সি (latency) বৃদ্ধি করে। শত শত টুল পরিচালনা করা এন্টারপ্রাইজ-স্কেল ডিপ্লয়মেন্টের ক্ষেত্রে, এই ওভারহেড বাজেট এবং পারফরম্যান্স—উভয়ের জন্যই একটি বড় বাধা হয়ে দাঁড়াতে পারে।

Identity-Scoped MCP দিয়ে ওভারহেড সমাধান করা

এই অদক্ষতা কমাতে Okta 'identity-scoped MCP tool lists' নিয়ে আসছে। প্রতিটি মডেল রিকোয়েস্টের জন্য সমস্ত উপলব্ধ টুল ব্রডকাস্ট করার পরিবর্তে, Okta-র এই পদ্ধতিটি টুলসেটটি ডাইনামিকভাবে ফিল্টার করতে Identity and Access Management (IAM) ব্যবহার করে।

Identity-scoped স্কোপিং প্রয়োগ করার মাধ্যমে, MCP সার্ভার শুধুমাত্র সেই নির্দিষ্ট টুল ডেফিনিশনগুলো প্রদান করে যা অথেন্টিকেটেড ইউজার বা এজেন্ট ব্যবহার করার জন্য অনুমোদিত। যদি কোনো এজেন্ট একজন জুনিয়র কর্মচারীর পক্ষ থেকে কাজ করে, তবে সে মোট টুল স্কিমার একটি অংশ মাত্র পাবে; আর যদি সে একজন অ্যাডমিনিস্ট্রেটরের পক্ষ থেকে কাজ করে, তবে সে সম্পূর্ণ সেটটি পাবে। এটি নিশ্চিত করে যে মডেলের কনটেক্সট উইন্ডো অপ্রাসঙ্গিক বা অননুমোদিত টুল ডেসক্রিপশন দিয়ে পূর্ণ হয়ে যাবে না, যা প্রতিটি ইনফারেন্স কলের জন্য প্রয়োজনীয় টোকেনের সংখ্যা কার্যকরভাবে কমিয়ে দেয়।

AI ইকোসিস্টেমের জন্য এটি কেন গুরুত্বপূর্ণ

এই উন্নয়নটি "capability-centric" AI থেকে "governance-centric" AI-এর দিকে একটি গুরুত্বপূর্ণ পরিবর্তনের ইঙ্গিত দেয়। ডেভেলপাররা যখন আরও জটিল এজেন্টিক ওয়ার্কফ্লোর দিকে অগ্রসর হচ্ছে, শিল্পটি বুঝতে পারছে যে শুধুমাত্র ব্রুট-ফোর্স প্রম্পটিংয়ের মাধ্যমে স্কেল অর্জন করা সম্ভব নয়।

Okta-র কৌশলটি এন্টারপ্রাইজ AI গ্রহণের ক্ষেত্রে দুটি সবচেয়ে বড় বাধা মোকাবিলা করে: খরচ অপ্টিমাইজেশন এবং নিরাপত্তা। টুলের এক্সপোজারকে আইডেন্টিটির সাথে যুক্ত করার মাধ্যমে, Okta কেবল "tool tax" কমায় না, বরং প্রোটোকল লেভেলে 'principle of least privilege' প্রয়োগ করে। এটি নিশ্চিত করে যে একটি AI এজেন্ট ভুলবশত কোনো সংবেদনশীল ফাংশন—যেমন ডেটাবেস ডিলিট করার টুল—খুঁজে পাবে না বা কল করার চেষ্টা করবে না, শুধুমাত্র সেই টুলের স্কিমা প্রম্পট কনটেক্সটে উপস্থিত থাকার কারণে।

Key Takeaways

  • টোকেন অপচয় কমানো: Identity-scoped MCP, LLM-এ পাঠানো টুল স্কিমা সীমিত করে, যা সরাসরি "tool tax" কমায় এবং ইনফারেন্স খরচ হ্রাস করে।
  • উন্নত নিরাপত্তা: ইউজার আইডেন্টিটির ভিত্তিতে টুল ফিল্টার করার মাধ্যমে, Okta কঠোর অ্যাক্সেস কন্ট্রোল নিশ্চিত করে, যা এজেন্টদের অননুমোদিত ফাংশন অ্যাক্সেস করা থেকে বিরত রাখে।
  • স্কেলেবল এজেন্টিক ওয়ার্কফ্লো: স্কোপিংয়ের ফলে এন্টারপ্রাইজগুলো বিশাল টুল লাইব্রেরি ব্যবহার করতে পারে, যেখানে বড় আকারের MCP ইমপ্লিমেন্টেশনে সাধারণত দেখা যায় এমন ল্যাটেন্সি এবং প্রম্পট ওভারহেড রৈখিকভাবে বা লিনিয়ারলি বাড়ে না।

Bottom line: টুলের এক্সপোজারকে আইডেন্টিটির সাথে যুক্ত করার মাধ্যমে, Okta টোকেন ব্লোট (token bloat) কমিয়ে আনে যা বড় আকারের AI এজেন্ট ডিপ্লয়মেন্টকে বাধাগ্রস্ত করছিল, পাশাপাশি নিরাপত্তা আরও জোরদার করে। এই পদক্ষেপটি ইন্ডাস্ট্রিকে governance-centric AI-এর দিকে ঠেলে দিচ্ছে, যেখানে খরচ, গতি এবং অ্যাক্সেস কন্ট্রোল প্রোটোকলের মধ্যেই বিল্ট-ইন থাকে, পরে আলাদাভাবে যুক্ত করার প্রয়োজন হয় না।