𝗕𝘂𝗶𝗹𝗱𝗶𝗻𝗴 𝗮𝗻 𝗠𝗖𝗣 𝗦𝗲𝗿𝘃𝗲𝗿 𝗮𝗻𝗱 𝗖𝗹𝗶𝗲𝗻𝘁 𝘄𝗶𝘁𝗵 𝗦𝗽𝗿𝗶𝗻𝗴 𝗔𝗜 𝗮𝗻𝗱 𝗢𝗹𝗹𝗮𝗺𝗮
AI ਮਾਡਲਾਂ ਨੂੰ ਸਿਰਫ਼ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਦੇਣ ਤੋਂ ਵੱਧ ਕੁਝ ਕਰਨ ਦੀ ਲੋੜ ਹੈ। ਉਹਨਾਂ ਨੂੰ ਬਾਹਰੀ ਪ੍ਰਣਾਲੀਆਂ (external systems) ਨਾਲ ਗੱਲਬਾਤ ਕਰਨ ਅਤੇ ਅਸਲ ਕਾਰਵਾਈਆਂ ਕਰਨ ਦੀ ਲੋੜ ਹੈ।
Model Context Protocol (MCP) ਇਸ ਨੂੰ ਸੰਭਵ ਬਣਾਉਂਦਾ ਹੈ। ਇਹ ਇੱਕ ਖੁੱਲ੍ਹਾ ਪ੍ਰੋਟੋਕੋਲ ਹੈ ਜੋ AI ਐਪਲੀਕੇਸ਼ਨਾਂ ਨੂੰ ਇੱਕ ਸਾਂਝੀ ਭਾਸ਼ਾ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਟੂਲਜ਼, ਡੇਟਾ ਅਤੇ ਪ੍ਰੋਂਪਟ ਸਾਂਝੇ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ।
ਮੈਂ ਇਹ ਪੂਰਾ ਸਿਸਟਮ ਵਰਤ ਕੇ ਬਣਾਇਆ ਹੈ:
- Java 17 ਅਤੇ Spring Boot
- Spring AI 1.0.0
- local LLMs ਲਈ Ollama
- deployment ਲਈ Docker
- real-time streaming ਲਈ WebFlux
ਆਰਕੀਟੈਕਚਰ (The Architecture): • ਯੂਜ਼ਰ ਇੱਕ Rest API ਰਾਹੀਂ ਪ੍ਰੋਂਪਟ ਭੇਜਦਾ ਹੈ। • MCP Client, LLM ਨਾਲ ਗੱਲ ਕਰਨ ਲਈ Spring AI ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ। • LLM ਰਿਕਵੈਸਟ ਨੂੰ ਸਥਾਨਕ ਤੌਰ 'ਤੇ ਪ੍ਰੋਸੈਸ ਕਰਨ ਲਈ Ollama ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ। • ਜੇਕਰ LLM ਨੂੰ ਕੋਈ ਕਾਰਵਾਈ ਕਰਨ ਦੀ ਲੋੜ ਹੈ, ਤਾਂ ਇਹ MCP Server ਨੂੰ ਕਾਲ ਕਰਦਾ ਹੈ। • MCP Server ਟੂਲ ਨੂੰ ਚਲਾਉਂਦਾ ਹੈ ਅਤੇ ਡੇਟਾ ਵਾਪਸ ਕਰਦਾ ਹੈ।
ਤੁਸੀਂ ਇਸ ਨਾਲ ਕੀ ਬਣਾ ਸਕਦੇ ਹੋ:
- Tools: ਮੌਸਮ ਦੀ ਜਾਣਕਾਰੀ ਪ੍ਰਾਪਤ ਕਰਨ ਜਾਂ ਡੇਟਾਬੇਸ ਖੋਜਣ ਵਰਗੀਆਂ ਕਾਰਵਾਈਆਂ।
- Resources: ਦਸਤਾਵੇਜ਼ਾਂ ਜਾਂ ਕੌਂਫਿਗ ਫਾਈਲਾਂ ਵਰਗਾ ਡੇਟਾ।
- Prompts: AI ਨੂੰ ਮਾਰਗਦਰਸ਼ਨ ਦੇਣ ਲਈ ਦੁਬਾਰਾ ਵਰਤੋਂਯੋਗ ਟੈਂਪਲੇਟਸ।
ਇਸ ਪ੍ਰੋਜੈਕਟ ਵਿੱਚ, ਮਾਡਲ ਘੱਟ ਕੀਮਤ ਵਾਲੀਆਂ ਜਾਇਦਾਦਾਂ (undervalued properties) ਲੱਭਣ ਲਈ ਇੱਕ ਟੂਲ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ। ਇਹ ਇੱਕ ਸਟ੍ਰੀਮ ਰਾਹੀਂ ਰੀਅਲ-ਟਾਈਮ ਨਤੀਜੇ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ। ਤੁਸੀਂ Docker ਅਤੇ Granite4:3b ਮਾਡਲ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਪੂਰੇ ਸੈੱਟਅੱਪ ਨੂੰ ਸਥਾਨਕ ਤੌਰ 'ਤੇ ਚਲਾ ਸਕਦੇ ਹੋ।
GitHub 'ਤੇ ਪੂਰਾ ਕੋਡ ਅਤੇ ਸਟੈਪ-ਬਾਈ-ਸਟੈਪ ਗਾਈਡ ਦੇਖੋ।
ਸਰੋਤ: https://dev.to/jlcastrillon91/building-an-mcp-server-and-client-with-spring-ai-and-ollama-ccl
ਵਿਕਲਪਿਕ ਲਰਨਿੰਗ ਕਮਿਊਨਿਟੀ: https://t.me/GyaanSetuAi