AI ಗಾಗಿ ಶಿಪ್ಪಿಂಗ್ ಕಂಟೇನರ್

AI ಏಜೆಂಟ್‌ಗಳನ್ನು ನಿರ್ಮಿಸುವುದು ಕಷ್ಟದ ಕೆಲಸ.

ಮೊದಲನೇ ದಿನ, ನೀವು ಏಜೆಂಟ್ ಅನ್ನು ಒಂದು ಡೇಟಾಬೇಸ್‌ಗೆ ಸಂಪರ್ಕಿಸುತ್ತೀರಿ. ಎರಡನೇ ದಿನ, ನೀವು ಅದನ್ನು ವೆದರ್ API ಗೆ ಸಂಪರ್ಕಿಸುತ್ತೀರಿ. ಹತ್ತನೇ ದಿನದ ಹೊತ್ತಿಗೆ, ನಿಮ್ಮ ಕೋಡ್ ಕಸ್ಟಮ್ ಇಂಟಿಗ್ರೇಷನ್‌ಗಳ ಗೊಂದಲದಂತಾಗುತ್ತದೆ.

ನೀವು ನಿಮ್ಮ AI ಮಾಡೆಲ್ ಅನ್ನು ಬದಲಾಯಿಸಿದರೆ, ಪ್ರತಿಯೊಂದು ಸಂಪರ್ಕವನ್ನು ನೀವು ಮತ್ತೆ ನಿರ್ಮಿಸಬೇಕಾಗುತ್ತದೆ. ಇದು ಸಮಯ ಮತ್ತು ಹಣವನ್ನು ವ್ಯರ್ಥ ಮಾಡುತ್ತದೆ.

Model Context Protocol (MCP) ಇದನ್ನು ಪರಿಹರಿಸುತ್ತದೆ.

1950 ರ ಮೊದಲು ಜಾಗತಿಕ ಶಿಪ್ಪಿಂಗ್ ಬಗ್ಗೆ ಯೋಚಿಸಿ. ಪ್ರತಿಯೊಂದು ಕಂಪನಿಯೂ ವಿಭಿನ್ನ ಗಾತ್ರದ ಪೆಟ್ಟಿಗೆಗಳನ್ನು ಬಳಸುತ್ತಿತ್ತು. ಸರಕುಗಳನ್ನು ಸಾಗಿಸುವುದು ನಿಧಾನ ಮತ್ತು ಕಷ್ಟಕರವಾಗಿತ್ತು.

ಶಿಪ್ಪಿಂಗ್ ಕಂಟೇನರ್‌ಗಳನ್ನು ಪ್ರಮಾಣೀಕರಿಸಿದಾಗ ಎಲ್ಲವೂ ಬದಲಾಯಿತು. ಕಂಟೇನರ್‌ನ ಒಳಗೆ ಏನಿದೆ ಎಂದು ಕ್ರೇನ್ ಆಪರೇಟರ್‌ಗೆ ತಿಳಿಯಬೇಕಾಗಿಲ್ಲ. ಕಂಟೇನರ್ ಅನ್ನು ಹೇಗೆ ಚಲಾಯಿಸಬೇಕು ಎಂಬುದು ಅವರಿಗೆ ತಿಳಿದಿದ್ದರೆ ಸಾಕು.

MCP ಎಂಬುದು AI ಡೇಟಾಕ್ಕಾಗಿ ಇರುವ ಶಿಪ್ಪಿಂಗ್ ಕಂಟೇನರ್ ಆಗಿದೆ.

MCP ಎಂದರೇನು?

Anthropic ಸಂಸ್ಥೆಯು ಏಕೈಕ ಪ್ರಮಾಣದ ಮೂಲಕ AI ಮಾಡೆಲ್‌ಗಳಿಗೆ ಸಂದರ್ಭವನ್ನು (context) ನೀಡಲು MCP ಅನ್ನು ಪರಿಚಯಿಸಿತು. ಇದು ಟೂಲ್ಸ್ ಮತ್ತು ಡೇಟಾವನ್ನು ಸಂಪರ್ಕಿಸಲು ಕಸ್ಟಮ್ ಕೋಡ್ ಬದಲಿಗೆ ಒಂದು ಸಾರ್ವತ್ರಿಕ ವಿಧಾನವನ್ನು ನೀಡುತ್ತದೆ.

ಇದರ ರಚನೆಯು ಮೂರು ಭಾಗಗಳನ್ನು ಒಳಗೊಂಡಿದೆ:

  • MCP Host: ಚಾಟ್ ಇಂಟರ್ಫೇಸ್ ಅಥವಾ ಕೋಡ್ ಎಡಿಟರ್‌ನಂತಹ ಮುಖ್ಯ ಅಪ್ಲಿಕೇಶನ್.
  • MCP Client: ಸಂಪರ್ಕಗಳನ್ನು ಕಾಯ್ದುಕೊಳ್ಳುವ ಹೋಸ್ಟ್‌ನ ಒಳಗಿನ ಭಾಗ.
  • MCP Server: ನಿರ್ದಿಷ್ಟ ಡೇಟಾ ಅಥವಾ ಟೂಲ್ಸ್‌ಗಳನ್ನು ಹಂಚಿಕೊಳ್ಳುವ ಸಣ್ಣ ಸೇವೆ.

ಇದು ಹೇಗೆ ಕೆಲಸ ಮಾಡುತ್ತದೆ:

ಸರ್ವರ್‌ಗಳು AI ಜೊತೆಗೆ ಮೂರು ವಿಷಯಗಳನ್ನು ಹಂಚಿಕೊಳ್ಳುತ್ತವೆ:

  • Tools: AI ಮಾಡಬಹುದಾದ ಕ್ರಮಗಳು, ಉದಾಹರಣೆಗೆ ಹವಾಮಾನವನ್ನು ಪರಿಶೀಲಿಸುವುದು ಅಥವಾ ಇವೆಂಟ್‌ಗಳನ್ನು ರಚಿಸುವುದು.
  • Resources: AI ಓದಬಹುದಾದ ಡೇಟಾ, ಉದಾಹರಣೆಗೆ ಟೆಕ್ಸ್ಟ್ ಫೈಲ್‌ಗಳು ಅಥವಾ ಡೇಟಾಬೇಸ್ ಸ್ಕೀಮಾಗಳು.
  • Prompt Templates: ಮಾಹಿತಿಯನ್ನು ಹೇಗೆ ಕೇಳಬೇಕು ಎಂಬ ಸೂಚನೆಗಳು.

ನಿಮಗೆ ಇದು ಏಕೆ ಬೇಕು:

  • Interoperability: ನಿಮ್ಮ ಟೂಲ್ಸ್‌ಗಳು OpenAI ಅಥವಾ Anthropic ನಂತಹ ವಿವಿಧ ಮಾಡೆಲ್‌ಗಳೊಂದಿಗೆ ಕೆಲಸ ಮಾಡುತ್ತವೆ.
  • Reusability: ಒಂದು ಟೂಲ್ ಅನ್ನು ಒಮ್ಮೆ ನಿರ್ಮಿಸಿ ಮತ್ತು ಅದನ್ನು ಅನೇಕ ಪ್ರಾಜೆಕ್ಟ್‌ಗಳಲ್ಲಿ ಬಳಸಿ.
  • Speed: ಪ್ರತಿಯೊಂದು ಹೊಸ ಡೇಟಾ ಮೂಲಕ್ಕಾಗಿ ನೀವು ಮ್ಯಾನುಯಲ್ ಗ್ಲೂ ಕೋಡ್ (glue code) ಬರೆಯುವುದನ್ನು ನಿಲ್ಲಿಸುತ್ತೀರಿ.
  • Accuracy: ರಿಯಲ್-ಟೈಮ್ ಡೇಟಾ ಪ್ರವೇಶವು AI ತಪ್ಪುಗಳು ಮತ್ತು ಹ್ಯಾಲ್ಯುಸಿನೇಷನ್‌ಗಳನ್ನು (hallucinations) ಕಡಿಮೆ ಮಾಡುತ್ತದೆ.
  • Security: ಇದು ಪ್ರಮಾಣಿತ ಎನ್‌ಕ್ರಿಪ್ಶನ್ ಮತ್ತು ಅಧಿಕಾರೀಕರಣವನ್ನು (authorization) ಬಳಸುತ್ತದೆ.

MCP ಕೇವಲ ಮತ್ತೊಂದು API ಅಲ್ಲ. API ಎಂಬುದು ಒಂದು ನಿರ್ದಿಷ್ಟ ಸೇವೆಯೊಂದಿಗೆ ಸಂವಹನ ನಡೆಸುವ ಒಂದು ವಿಧಾನವಾಗಿದೆ. MCP ಎಂಬುದು ಆ ಸೇವೆಗಳನ್ನು AI ಗಾಗಿ ಏಕರೂಪವಾಗಿಸಲು ಅವುಗಳ ಮೇಲೆ ಕಾರ್ಯನಿರ್ವಹಿಸುವ ಒಂದು ಪ್ರೋಟೋಕಾಲ್ ಆಗಿದೆ.

ಸಂಪರ್ಕಗಳನ್ನು ಮತ್ತೆ ಮತ್ತೆ ನಿರ್ಮಿಸುವುದನ್ನು ನಿಲ್ಲಿಸಿ. ಒಂದು ಪ್ರಮಾಣಿತ ವಿಧಾನವನ್ನು ಬಳಸಲು ಪ್ರಾರಂಭಿಸಿ.

Source: https://dev.to/dangineer_4k2/the-shipping-container-for-ai-what-is-the-model-context-protocol-mcp-and-why-it-matters-2pi7

Optional learning community: https://t.me/GyaanSetuAi