जसे AI एजंट्स साध्या चॅटबॉट्समधून स्वायत्त कामगारांमध्ये रूपांतरित होत आहेत, ते बाह्य साधने (tools) आणि डेटाशी संवाद साधण्यासाठी अधिकाधिक Model Context Protocol (MCP) वर अवलंबून आहेत. तथापि, या क्षमतेसोबत एक छुपा आर्थिक आणि कामगिरीचा खर्च येतो, जो आता Okta सोडवण्याचा प्रयत्न करत आहे.

AI Orchestration मधील "Tool Tax" समजून घेणे

जेव्हा एखादा AI एजंट MCP सर्व्हरद्वारे वातावरणाशी संवाद साधतो, तेव्हा प्रत्येक मॉडेल कॉलसाठी एजंटला त्याच्या उपलब्ध क्षमता समजून घेणे आवश्यक असते. यासाठी, सिस्टीमला टूल स्कीमा (tool schemas), नावे, वर्णने आणि पॅरामीटर्सची संपूर्ण यादी प्रॉम्प्ट कॉन्टेक्स्टमध्ये पास करावी लागते.

Okta ने या घटनेला “tool tax” असे संबोधले आहे. एकत्रित केलेल्या साधनांची संख्या जसजशी वाढते, तसतसा प्रॉम्प्टचा ओव्हरहेड (overhead) तेजीने वाढतो. यामुळे टोकनच्या वापरामध्ये लक्षणीय वाढ होते, ज्यामुळे थेट ऑपरेशनल खर्च वाढतो आणि एजंटच्या प्रत्येक तर्कसंगत (reasoning) पायरीसाठी लॅटन्सी (latency) वाढते. शेकडो साधने व्यवस्थापित करणाऱ्या एंटरप्राइझ-स्केल उपयोजनांसाठी, हा ओव्हरहेड बजेट आणि कामगिरी या दोन्हीसाठी मोठा अडथळा ठरू शकतो.

Identity-Scoped MCP द्वारे ओव्हरहेड सोडवणे

ही अकार्यक्षमता कमी करण्यासाठी, Okta identity-scoped MCP tool lists सादर करत आहे. प्रत्येक मॉडेल विनंतीसाठी सर्व उपलब्ध साधने प्रसारित करण्याऐवजी, Okta चा दृष्टिकोन टूलसेट डायनॅमिकली फिल्टर करण्यासाठी Identity and Access Management (IAM) वापरतो.

Identity-scoped scoping लागू केल्यामुळे, MCP सर्व्हर केवळ ते विशिष्ट टूल डेफिनिशन्स प्रदान करतो ज्याचा वापर करण्यास प्रमाणित (authenticated) वापरकर्ता किंवा एजंटला अधिकृत केले आहे. जर एखादा एजंट कनिष्ठ कर्मचाऱ्याच्या वतीने काम करत असेल, तर त्याला एकूण टूल स्कीमाचा केवळ एक भाग प्राप्त होतो; जर तो प्रशासकाच्या (administrator) वतीने काम करत असेल, तर त्याला संपूर्ण संच प्राप्त होतो. यामुळे मॉडेलचे कॉन्टेक्स्ट विंडो अनावश्यक किंवा अनधिकृत टूल वर्णनांनी भरले जात नाही, ज्यामुळे प्रत्येक इन्फरन्स कॉलसाठी आवश्यक असलेल्या टोकनची संख्या प्रभावीपणे कमी होते.

AI इकोसिस्टमसाठी हे का महत्त्वाचे आहे

हा विकास "capability-centric" AI कडून "governance-centric" AI कडे होणारा एक महत्त्वपूर्ण बदल दर्शवतो. जसजसे डेव्हलपर्स अधिक जटिल एजन्टिक वर्कफ्लोकडे वळत आहेत, तसतसे उद्योगाला हे उमजत आहे की केवळ ब्रूट-फोर्स प्रॉम्प्टिंगद्वारे स्केल साध्य करता येणार नाही.

Okta ची रणनीती एंटरप्राइझ AI स्वीकारण्यातील दोन सर्वात मोठ्या अडथळ्यांना संबोधित करते: खर्च ऑप्टिमायझेशन आणि सुरक्षा. टूल एक्सपोजरला आयडेंटिटीशी जोडल्यामुळे, Okta केवळ "tool tax" कमी करत नाही तर प्रोटोकॉल स्तरावर principle of least privilege लागू देखील करते. यामुळे हे सुनिश्चित होते की एखादा AI एजंट चुकून एखादे संवेदनशील फंक्शन—जसे की डेटाबेस डिलीशन टूल—शोधू शकणार नाही किंवा कॉल करण्याचा प्रयत्न करणार नाही—केवळ कारण त्या टूलचा स्कीमा प्रॉम्प्ट कॉन्टेक्स्टमध्ये उपस्थित होता.

मुख्य निष्कर्ष

  • टोकनचा अपव्यय कमी करणे: Identity-scoped MCP मुळे LLMs कडे पाठवले जाणारे टूल स्कीमा मर्यादित होतात, ज्यामुळे थेट "tool tax" कमी होतो आणि इन्फरन्स खर्च कमी होतो.
  • वर्धित सुरक्षा: वापरकर्त्याच्या आयडेंटिटीवर आधारित साधने फिल्टर करून, Okta कडक ॲक्सेस कंट्रोल लागू करते, ज्यामुळे एजंट्सना अनधिकृत फंक्शन्स वापरण्यापासून रोखले जाते.
  • स्केलेबल एजन्टिक वर्कफ्लो: स्कोपिंगमुळे एंटरप्राइजेसना मोठ्या प्रमाणावरील MCP अंमलबजावणीमध्ये सामान्यतः दिसणाऱ्या लॅटन्सी आणि प्रॉम्प्ट ओव्हरहेडच्या रेषीय वाढीशिवाय (linear increase) साधनांच्या विशाल लायब्ररी तैनात करणे शक्य होते.

थोडक्यात सांगायचे तर: टूल एक्सपोजरला आयडेंटिटीशी जोडल्यामुळे, Okta टोकनचा तो अतिरिक्त भार (bloat) कमी करते ज्याने मोठ्या प्रमाणावरील AI एजंट उपयोजनांना खीळ घातली होती, आणि त्याच वेळी सुरक्षा अधिक मजबूत करते. ही हालचाल उद्योगाला governance-centric AI कडे ढकलते, जिथे खर्च, वेग आणि ॲक्सेस कंट्रोल हे नंतर जोडण्याऐवजी प्रोटोकॉलमध्येच अंगभूत असतात.