Title: AI ನ USB C: ನಿಮ್ಮದೇ ಆದ MCP ಅನ್ನು ತಯಾರಿಸಿ

Anthropic ಸಂಸ್ಥೆಯು Model Context Protocol (MCP) ಅನ್ನು ಓಪನ್-ಸೋರ್ಸ್ ಮಾಡಿದೆ. ಇದು ಒಂದು ಪ್ಲಗ್-ಇನ್ ಸ್ಟ್ಯಾಂಡರ್ಡ್ ಆಗಿದ್ದು, ಯಾವುದೇ AI ಏಜೆಂಟ್ ಡೇಟಾಬೇಸ್‌ಗಳು, ಮಾನಿಟರಿಂಗ್ ಟೂಲ್‌ಗಳು, ಕೋಡ್ ರೆಪೊಸಿಟರಿಗಳು ಮತ್ತು ಹೆಚ್ಚಿನವುಗಳೊಂದಿಗೆ ಒಂದೇ, ಏಕರೂಪದ ಇಂಟರ್ಫೇಸ್ ಮೂಲಕ ಸಂವಹನ ನಡೆಸಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ. ಈಗ ಡೆವಲಪರ್‌ಗಳು ಹಲವಾರು ವಿಭಿನ್ನ ಕನೆಕ್ಟರ್‌ಗಳ ಬದಲಿಗೆ ಒಂದೇ MCP ಸರ್ವರ್ ಅನ್ನು ಬಳಸಬಹುದು ಮತ್ತು ಪ್ರತಿಯೊಂದು ಕಾಂಪ್ಯಾಟಿಬಲ್ ಕ್ಲೈಂಟ್ ಕೂಡ ತಕ್ಷಣವೇ ಅದೇ ಡೇಟಾವನ್ನು ಪಡೆಯುವಂತೆ ಮಾಡಬಹುದು.

AI-ಅಪ್ಲಿಕೇಶನ್ ಡೆವಲಪರ್‌ಗಳಿಗೆ ಸಾಮಾನ್ಯ “USB-C” ಏಕೆ ಬೇಕು?

ಇಂದು AI-ಚಾಲಿತ ವರ್ಕ್‌ಫ್ಲೋವನ್ನು ನಿರ್ಮಿಸುವುದು ಕಸ್ಟಮ್ ಕೋಡ್‌ಗಳನ್ನು ಒಂದಕ್ಕೊಂದು ಜೋಡಿಸುವಂತೆ ಭಾಸವಾಗುತ್ತದೆ. Claude, ಒಂದು Python ಸ್ಕ್ರಿಪ್ಟ್ ಅಥವಾ ಥರ್ಡ್-ಪಾರ್ಟಿ ಎಡಿಟರ್ PostgreSQL ನಿಂದ ಡೇಟಾವನ್ನು ಓದಬೇಕೆ, Datadog ಡ್ಯಾಶ್‌ಬೋರ್ಡ್ ಅನ್ನು ಕ್ವೇರಿ ಮಾಡಬೇಕೆ ಅಥವಾ GitHub ಇಶ್ಯೂ ಅನ್ನು ಓಪನ್ ಮಾಡಬೇಕೆ? ನೀವು ಪ್ರತಿ ಬಾರಿಯೂ ಹೊಸ ಇಂಟಿಗ್ರೇಷನ್ ಲೇಯರ್ ಅನ್ನು ಬರೆಯಬೇಕಾಗುತ್ತದೆ. ಸ್ಟ್ಯಾಕ್ ಬೆಳೆದಂತೆಲ್ಲಾ ಈ ಶ್ರಮವು ಹೆಚ್ಚಾಗುತ್ತದೆ ಮತ್ತು ಈ 'ಗ್ಲೂ ಕೋಡ್' (glue code) ಅನ್ನು ನಿರ್ವಹಿಸುವುದು, ಪರೀಕ್ಷಿಸುವುದು ಮತ್ತು ಸುರಕ್ಷಿತವಾಗಿಡುವುದು ಕಷ್ಟವಾಗುತ್ತದೆ.

MCP ಈ ಚಕ್ರವನ್ನು ತಡೆಯುತ್ತದೆ. ಇದು resources (ಲಾಗ್‌ಗಳು ಅಥವಾ API ಸ್ಪೆಸಿಫಿಕೇಶನ್‌ಗಳಂತಹ ಓದುವಿಕೆಗೆ ಮಾತ್ರ ಸೀಮಿತವಾದ ಡೇಟಾ), tools (SQL ರನ್ ಮಾಡುವುದು ಅಥವಾ ಟಿಕೆಟ್‌ಗಳನ್ನು ರಚಿಸುವುದರಂತಹ ಏಜೆಂಟ್ ಮಾಡಬಹುದಾದ ಕ್ರಿಯೆಗಳು) ಮತ್ತು prompts (AI ಡೇಟಾವನ್ನು ಹೇಗೆ ಬಳಸಬೇಕು ಎಂಬುದನ್ನು ನಿರ್ದೇಶಿಸುವ ಟೆಂಪ್ಲೇಟ್‌ಗಳು) ಅನ್ನು ಎಕ್ಸ್‌ಪೋಸ್ ಮಾಡಲು ಒಂದೇ ಪ್ರೋಟೋಕಾಲ್ ಅನ್ನು ವ್ಯಾಖ್ಯಾನಿಸುತ್ತದೆ. ಯಾವುದೇ ಕಾಂಪ್ಲಿಯೆಂಟ್ ಕ್ಲೈಂಟ್ ವಿಭಿನ್ನ ಸೇವೆಗಳನ್ನು ಒಂದೇ ಪೋರ್ಟ್‌ಗೆ ಪ್ಲಗ್ ಮಾಡಿದಂತೆ ಪರಿಗಣಿಸುತ್ತದೆ.

ಈ ಪ್ರೋಟೋಕಾಲ್ ಹೇಗೆ ರಚಿತವಾಗಿದೆ?

  • MCP Hosts – AI ಅನ್ನು ಒಳಗೊಂಡಿರುವ ಅಪ್ಲಿಕೇಶನ್‌ಗಳು, ಉದಾಹರಣೆಗೆ Claude Desktop ಅಥವಾ ಕೋಡ್-ಅಸಿಸ್ಟೆಂಟ್ ಎಡಿಟರ್.
  • MCP Clients – ಹೋಸ್ಟ್ ಒಳಗಿರುವ ತೆಳುವಾದ ಲೇಯರ್‌ಗಳು, ಇವು ಹ್ಯಾಂಡ್‌ಶೇಕ್ ಅನ್ನು ನಿರ್ವಹಿಸುತ್ತವೆ ಮತ್ತು ವಿನಂತಿಗಳನ್ನು (requests) ರೌಟ್ ಮಾಡುತ್ತವೆ.
  • MCP Servers – ನಿರ್ದಿಷ್ಟ ಡೇಟಾ ಮೂಲ ಅಥವಾ ಸೇವೆಯನ್ನು ಎಕ್ಸ್‌ಪೋಸ್ ಮಾಡುವ ಲೈಟ್‌ವೇಟ್ ಪ್ರೋಗ್ರಾಂಗಳು, ಉದಾಹರಣೆಗೆ SQLite ಫೈಲ್, Slack ವರ್ಕ್‌ಸ್ಪೇಸ್ ಅಥವಾ ಮಾನಿಟರಿಂಗ್ ಎಂಡ್‌ಪಾಯಿಂಟ್.

AI ಕನೆಕ್ಟ್ ಆದಾಗ, ಕ್ಲೈಂಟ್ ಸರ್ವರ್‌ನ ರಿಸೋರ್ಸ್‌ಗಳು, ಟೂಲ್‌ಗಳು ಮತ್ತು ಪ್ರಾಂಪ್ಟ್‌ಗಳ ಕ್ಯಾಟಲಾಗ್ ಅನ್ನು ಪತ್ತೆ ಮಾಡುತ್ತದೆ. ಅಡಿಯಲ್ಲಿರುವ ಸೇವೆ ರಿಲೇಶನಲ್ ಡೇಟಾಬೇಸ್ ಆಗಿರಲಿ ಅಥವಾ ಟಿಕೆಟಿಂಗ್ ಸಿಸ್ಟಮ್ ಆಗಿರಲಿ, ಏಜೆಂಟ್ ಮಾಡುವ ಕರೆಗಳು (calls) ಒಂದೇ ರೀತಿ ಕಾಣಿಸುತ್ತವೆ. ಸರ್ವರ್ ಆ ಕರೆಗಳನ್ನು ಸೂಕ್ತವಾದ API ಅಥವಾ ಕ್ವೇರಿ ಭಾಷೆಗೆ ಅನುವಾದಿಸುತ್ತದೆ ಮತ್ತು ಏಜೆಂಟ್ ಬಳಸಬಹುದಾದ ಫಾರ್ಮ್ಯಾಟ್‌ನಲ್ಲಿ ಫಲಿತಾಂಶಗಳನ್ನು ಹಿಂತಿರುಗಿಸುತ್ತದೆ.

ಒಂದುជាក់ಾತ್ಮಕ ವರ್ಕ್‌ಫ್ಲೋ

ಒಬ್ಬ ಡೆವಲಪರ್ MCP ಮೂಲಕ PostgreSQL ಸರ್ವರ್ ಮತ್ತು Datadog ಮಾನಿಟರಿಂಗ್ ಎಂಡ್‌ಪಾಯಿಂಟ್ ಅನ್ನು AI ಅಸಿಸ್ಟೆಂಟ್‌ಗೆ ಕನೆಕ್ಟ್ ಮಾಡುತ್ತಾರೆ ಎಂದು ಕಲ್ಪಿಸಿಕೊಳ್ಳಿ. ಆ ಡೆವಲಪರ್ ಅಸಿಸ್ಟೆಂಟ್‌ನಿಂದ ಇತ್ತೀಚಿನ ಎರರ್ ಸ್ಪೈಕ್‌ಗಳನ್ನು (error spikes) ಪತ್ತೆಹಚ್ಚಲು, ಡೇಟಾಬೇಸ್‌ನಿಂದ ಅದಕ್ಕೆ ಸಂಬಂಧಿಸಿದ ಬಳಕೆದಾರರ ದಾಖಲೆಗಳನ್ನು ಪಡೆಯಲು ಮತ್ತು ಕೋಡ್ ಫಿಕ್ಸ್ ಅನ್ನು ಸೂಚಿಸಲು ಕೇಳುತ್ತಾರೆ. ಆಗ AI:

  1. MCP ಮೂಲಕ ಎಕ್ಸ್‌ಪೋಸ್ ಮಾಡಲಾದ ಮಾನಿಟರಿಂಗ್ ಟೂಲ್ ಬಳಸಿ Datadog ಅನ್ನು ಕ್ವೇರಿ ಮಾಡುತ್ತದೆ ಮತ್ತು ಸಂಬಂಧಿತ ಲಾಗ್‌ಗಳನ್ನು ಪಡೆಯುತ್ತದೆ.
  2. MCP ನೀಡಿದ ಡೇಟಾಬೇಸ್ ಟೂಲ್ ಬಳಸಿ PostgreSQL ಸರ್ವರ್‌ನಲ್ಲಿ SQL ಕ್ವೇರಿಯನ್ನು ಚಲಾಯಿಸುತ್ತದೆ.
  3. ಕಂಡುಬಂದ ಎರರ್ ಪ್ಯಾಟರ್ನ್‌ಗೆ ಸೂಕ್ತವಾದ ಫಿಕ್ಸ್‌ನ ವಿನ್ಯಾಸವನ್ನು ವಿವರಿಸುವ ಪ್ರಾಂಪ್ಟ್‌ನಿಂದ ಒಂದು ಪ್ಯಾಚ್ ಅನ್ನು ಸಿದ್ಧಪಡಿಸುತ್ತದೆ.

ಈ ಮೂರೂ ಹಂತಗಳು ಒಂದೇ ಪ್ರೋಟೋಕಾಲ್ ಮೂಲಕ ನಡೆಯುತ್ತವೆ, ಡೆವಲಪರ್ ಪ್ರತಿಯೊಂದು ಸೇವೆಗಾಗಿ ಪ್ರತ್ಯೇಕ ಅಡಾಪ್ಟರ್‌ಗಳನ್ನು ಬರೆಯುವ ಅಗತ್ಯವಿರುವುದಿಲ್ಲ.

MCP ಸರ್ವರ್ ಅನ್ನು ನಿರ್ಮಿಸುವುದು

Anthropic ನ ರೆಫರೆನ್ಸ್ ಇಂಪ್ಲಿಮೆಂಟೇಶನ್ ಪ್ರಕಾರ, ಸರ್ವರ್ ಅನ್ನು TypeScript ಅಥವಾ Python ನಂತಹ ಪರಿಚಿತ ಭಾಷೆಗಳಲ್ಲಿ ಬರೆಯಬಹುದು. ಈ ಪ್ರಕ್ರಿಯೆಯು ಈ ಕೆಳಗಿನವುಗಳನ್ನು ಒಳಗೊಂಡಿದೆ:

  1. ಸರ್ವರ್ ಎಕ್ಸ್‌ಪೋಸ್ ಮಾಡುವ ರಿಸೋರ್ಸ್‌ಗಳನ್ನು ಘೋಷಿಸುವುದು (ಉದಾಹರಣೆಗೆ, ಟೇಬಲ್‌ಗಳ ಸೆಟ್ ಅಥವಾ ಲಾಗ್ ಫೈಲ್‌ಗಳ ಸಂಗ್ರಹ).
  2. AI ಬಳಸಬಹುದಾದ ಟೂಲ್‌ಗಳನ್ನು ವ್ಯಾಖ್ಯಾನಿಸುವುದು (SQL ಎಕ್ಸಿಕ್ಯೂಷನ್, HTTP POST, ಫೈಲ್ ರೈಟ್).
  3. AI ತನ್ನ ವಿನಂತಿಗಳನ್ನು ಫಾರ್ಮ್ಯಾಟ್ ಮಾಡಲು ಸಹಾಯ ಮಾಡುವ ಪ್ರಾಂಪ್ಟ್ ಟೆಂಪ್ಲೇಟ್‌ಗಳನ್ನು ಒದಗಿಸುವುದು.

ಸರ್ವರ್ ಚಾಲನೆಯಾದ ನಂತರ, ಯಾವುದೇ MCP-ಕಾಂಪ್ಯಾಟಿಬಲ್ ಕ್ಲೈಂಟ್ ಅದನ್ನು ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಪತ್ತೆ ಮಾಡುತ್ತದೆ, ಇದರಿಂದ ಹೊಸ ಡೇಟಾ ಮೂಲವು ಸಂಸ್ಥೆಯ ಎಲ್ಲಾ AI ಟೂಲ್‌ಗಳಲ್ಲಿ ತಕ್ಷಣವೇ ಬಳಕೆಗೆ ಲಭ್ಯವಾಗುತ್ತದೆ.

ಸಾರಾಂಶ

Model Context Protocol એ AI ಏಜೆಂಟ್‌ಗಳಿಗೆ ಒಂದೇ “USB-C” ಅನ್ನು ಒದಗಿಸುತ್ತದೆ, ಇದು ಕಸ್ಟಮ್ ಕನೆಕ್ಟರ್‌ಗಳ ಗೋಜಲನ್ನು ಪ್ಲಗ್-ಅಂಡ್-ಪ್ಲೇ ಎಕೋಸಿಸ್ಟಮ್ ಆಗಿ ಬದಲಾಯಿಸುತ್ತದೆ. ಗ್ಲೂ ಕೋಡ್ ಬರೆಯಲು ಸುಸ್ತಾಗಿರುವ ತಂಡಗಳು ಇಂದೇ MCP ಅನ್ನು ಪರೀಕ್ಷಿಸಬಹುದು ಮತ್ತು ಅದರ ಪ್ರಾಯೋಗಿಕ ಪ್ರಯೋಜನವನ್ನು ನೋಡಬಹುದು.