Model Context Protocol (MCP) मधून त्याचे अंगभूत (built-in) session IDs काढून टाकण्यात आले आहेत, आणि NVIDIA AI एजंट्स अधिक सुरक्षित (harden) करण्यासाठी एका मुक्त आघाडीचे (open alliance) नेतृत्व करत आहे. या बदलांमुळे सर्व्हर फार्म्स सामान्य HTTP load balancers च्या मागे राहू शकतात आणि सुरक्षा पथकांना ऑन-प्रिमाइसेस (on-premises) मॉडेल्स चालवण्यासाठी एक सामायिक टूलबॉक्स उपलब्ध करून देतात; हा असा बदल आहे जो एजंट इन्फ्रास्ट्रक्चर आणि गव्हर्नन्सचा नकाशा बदलू शकतो.

एक stateless MCP 'हिडन स्टेट' काढून टाकतो

MCP च्या मूळ डिझाइनमध्ये प्रत्येक विनंतीमध्ये (request) सेशन आयडेंटिफायर समाविष्ट होता, ज्यामुळे सर्व्हर्सना प्रत्येक क्लायंटच्या प्रगतीचा मागोवा घेणे बंधनकारक होते. नवीन स्पेसिफिकेशन दीर्घकाळ चालणाऱ्या कामांना (long-running tasks) स्पष्ट एक्स्टेंशन्समध्ये—जसे की "Tasks" मॉड्यूल—वगळते, जेणेकरून मुख्य प्रोटोकॉलमध्ये आता कोणताही 'हिडन स्टेट' (hidden state) राहणार नाही.

डेव्हलपर्सना याचा परिणाम लगेच जाणवतो: सर्व्हर्स आता मानक HTTP reverse proxies च्या मागे ड्युप्लिकेट केले जाऊ शकतात आणि स्केलिंग करणे म्हणजे केवळ अधिक समान इन्स्टन्सेस जोडणे इतके सोपे होईल. याचा तोटा म्हणजे जुना API वापरणाऱ्यांसाठी हा एक 'ब्रेकिंग चेंज' (breaking change) आहे; टास्क मेटाडेटा मुख्य विनंती प्रवाहाच्या (request flow) बाहेर हाताळण्यासाठी सध्याचा कोड रिफॅक्टर (refactor) करावा लागेल.

NVIDIA-ने नेतृत्व केलेली AI सुरक्षा आघाडी स्थानिक तपासणीसाठी मार्ग मोकळा करते

NVIDIA, Microsoft, IBM आणि इतर अनेक कंपन्यांनी संस्थांना AI एजंट्स सुरक्षित करण्यास मदत करणारी साधने (tools) शेअर करण्याच्या उद्देशाने एका मुक्त गटाची घोषणा केली आहे. ही आघाडी मॉडेल्स स्थानिक पातळीवर (locally) चालवण्याची क्षमता देण्याचे आश्वासन देते, ज्यामुळे सुरक्षा पथकांना मॉडेलद्वारे प्रक्रिया केलेल्या डेटाचा थेट प्रवेश मिळेल. जेव्हा होस्ट केलेल्या APIs फॉरेन्सिक विश्लेषणासाठी (forensic analysis) पेलोड (payloads) उघड करण्यास नकार देतात, किंवा जेव्हा नियमांनुसार संवेदनशील माहिती कॉर्पोरेट फायरवॉलच्या बाहेर जाऊ नये असे बंधन असते, तेव्हा हे अत्यंत महत्त्वाचे ठरते.

हे कन्सोर्टियम डिटेक्शन लायब्ररीज, सँडबॉक्सिंग फ्रेमवर्क्स आणि ऑडिट लॉग्स एकत्रित करेल. सहभागी कोणत्याही एका व्हेंडरच्या रोडमॅपची वाट न पाहता सुधारणांमध्ये योगदान देऊ शकतात, ज्यामुळे सुरक्षित एजंट स्टॅक्सची उपलब्धता वेगाने वाढू शकते.

भू-राजकारणात AI एक नवीन संघर्षबिंदू बनत आहे

एक वेगळी घडामोड हे अधोरेखित करते की AI किती वेगाने एक राजनैतिक साधन (diplomatic lever) बनत आहे. प्रगत मॉडेल्सवर संभाव्य व्यापार निर्बंध लादल्याच्या बातम्या समोर आल्यानंतर चीनने अमेरिकेवर "AI हेजेमनिझम" (AI hegemonism) चा आरोप केला. हा वाद Moonshot AI च्या Kimi K3 वर केंद्रित आहे, जे एक लार्ज लँग्वेज मॉडेल आहे; अमेरिकन अधिकाऱ्यांचा असा आरोप आहे की हे मॉडेल अमेरिकन मॉडेल्सच्या आउटपुटमधून तयार (distilled) करण्यात आले आहे. Moonshot ने कोणत्याही परदेशी डेटाच्या वापराकार खंडन केले असून हे आर्किटेक्चर पूर्णपणे मूळ असल्याचे ठामपणे सांगितले आहे. दोन्ही बाजूंच्या दाव्यांची पडताळणी करण्यासाठी कोणतेही सार्वजनिक पुरावे समोर आलेले नाहीत, ज्यामुळे हा आरोप सिद्ध झालेल्या उल्लंघनापेक्षा राजकीय पोझरिंगच्या (political posturing) कक्षेत राहिला आहे.

यात जोखीम मोठी आहे: जर सरकारांनी AI मॉडेल्सकडे धोरणात्मक मालमत्ता (strategic assets) म्हणून पाहण्यास सुरुवात केली, तर निर्यात नियंत्रण आणि लायसन्सिंग नियमांमुळे संशोधनाचा मुक्त प्रवाह मर्यादित होऊ शकतो, ज्यामुळे गेल्या काही वर्षांत वेगाने प्रगती घडवून आणणाऱ्या सहकार्यांमध्ये गुंतागुंत निर्माण होऊ शकते.

GitHub ने एंटरप्राइजेससाठी Copilot गव्हर्नन्स अधिक कडक केले

GitHub ने त्याच्या Copilot AI pair-programmer साठी एक समर्पित एंटरप्राइझ पॉलिसी जोडली आहे. प्रशासक आता प्रत्येक वैयक्तिक क्लायंटसाठी परवानग्या व्यवस्थापित करण्याऐवजी, एकाच सेटिंगद्वारे संपूर्ण संस्थेसाठी Copilot ॲप चालू किंवा बंद करू शकतात. हा बदल अशा कंपन्यांसाठी रोलआउट सोपे करतो ज्यांना इतर AI टूल्स अधिक कडक नियंत्रणाखाली ठेवत असताना एक युनिफाइड एजंट क्लायंट हवा आहे.

Microsoft चा मल्टी-एजंट सायबर-डिफेन्स प्रयोग

Microsoft चा "Project Perception" सायबर सुरक्षेसाठी तीन-टीम एजंट सिस्टमची चाचणी घेत आहे. रेड एजंट्स हल्ल्यांचे अनुकरण (simulate) करतात, ब्लू एजंट्स बचावात्मक कृतींसह प्रतिसाद देतात आणि ग्रीन एजंट्स निकालाचे मूल्यांकन करतात. एका सिंगल मोनोलिथिक मॉडेलपासून दूर जाऊन, हा प्रकल्प एक सतत फीडबॅक लूप तयार करतो जिथे बचावात्मक यंत्रणांचे सतत परीक्षण आणि सुधारणा केली जाते. ही पद्धत त्यांच्या सुरक्षा ऑपरेशन्समध्ये ॲडव्हर्सरिअल टेस्टिंग (adversarial testing) समाविष्ट करू इच्छिणाऱ्या इतर कंपन्यांसाठी एक टेम्पलेट ठरू शकते.

ऑपरेटर्ससाठी हा बदल का महत्त्वाचा आहे

कल स्पष्ट आहे: एजंट सिस्टम्स आता मुख्य पायाभूत सुविधा (core infrastructure) बनत आहेत. स्टेटलेस प्रोटोकॉल्समुळे विनंती प्रवाह (request flows) ऑडिट करणे आणि लपलेल्या सेशन डेटाचा मागोवा न घेता त्रुटींमधून सावरणे सोपे होते. स्थानिक अंमलबजावणी (local execution) आणि सामायिक सुरक्षा टूल्समुळे संस्थांना अनुपालन (compliance) गरजा पूर्ण करण्यासाठी आवश्यक पारदर्शकता मिळते. दरम्यान, भू-राजकीय खेचाखेच हे सूचित करते की मॉडेलच्या उगमस्थानावर (model provenance) नियंत्रण मिळवणे लवकरच एक नियामक आघाडी (regulatory front line) बनू शकते.

पुढचा अडथळा केवळ अधिक स्मार्ट एजंट्स तयार करणे हा नाही; तर असे एजंट्स तयार करणे आहे ज्यांची स्थिती (state), परवानग्या आणि त्रुटींचे प्रकार (failure modes) इतर कोणत्याही महत्त्वपूर्ण पायाभूत सुविधांप्रमाणेच काटेकोरपणे तपासले, ऑडिट केले आणि नियंत्रित केले जाऊ शकतील.