𝗧𝗵𝗲 𝗛𝗶𝗱𝗱𝗲𝗻 𝗟𝗮𝘆𝗲𝗿 𝗕𝗲𝗵𝗶𝗻𝗱 𝗦𝗺𝗮𝗿𝘁 𝗔𝗜 𝗔𝗽𝗽𝘀

ChatGPT, Gemini மற்றும் Claude ஆகியவை வியக்கத்தக்கவை. அவை கருத்துக்களை விளக்குவதிலும் மின்னஞ்சல்களைத் தயாரிப்பதிலும் சிறப்பாகச் செயல்படுகின்றன.

ஆனால், நீங்கள் உண்மையான கருவிகளைக் கட்டியெழுப்ப முயலும்போது ஒரு முட்டுக்கட்டையைச் சந்திக்கிறீர்கள். உங்கள் தயாரிப்பைப் பற்றித் தெரிந்த ஒரு சப்போர்ட் பாட் (support bot) உங்களுக்குத் தேவைப்படலாம். உங்கள் நிறுவனத் தரவுகளைப் புரிந்துகொள்ளும் ஒரு உதவியாளர் உங்களுக்குத் தேவைப்படலாம்.

சாதாரண மாடல்கள் இங்கே தோல்வியடைகின்றன. பயனுள்ள AI-ஐ உருவாக்க, உங்களுக்கு RAG, MCP மற்றும் agentic systems ஆகிய மூன்று குறிப்பிட்ட அடுக்குகள் தேவை.

RAG (Retrieval Augmented Generation) உங்கள் தரவுகளை அணுக AI-க்கு வழிவகை செய்கிறது.

ஒரு பயனர் உங்கள் ரீஃபண்ட் கொள்கையைப் (refund policy) பற்றி விசாரிப்பதாகக் கற்பனை செய்து பாருங்கள். ஒரு சாதாரண LLM உங்கள் குறிப்பிட்ட விதிகளைத் தெரியாது. அது அதன் பயிற்சியின் ஒரு பகுதியாக இருக்காது. RAG மூலம், சிஸ்டம் முதலில் உங்கள் ஆவணங்களைத் தேடுகிறது. அது சரியான பகுதியை எடுத்து மாடலுக்கு வழங்குகிறது. அதன் பிறகு மாடல் துல்லியமாகப் பதிலளிக்கிறது. RAG நினைவாற்றல் சிக்கலைத் தீர்க்கிறது.

MCP (Model Context Protocol) AI-க்குச் செயல்படும் திறனை வழங்குகிறது.

ஆவணங்களை அறிவது மட்டும் போதாது. சில நேரங்களில் உங்கள் AI நேரடிப் பணப் பரிமாற்ற விகிதங்களை (live exchange rates) சரிபார்க்கவோ அல்லது இருப்புகளை (inventory) விசாரிக்கவோ வேண்டியிருக்கும். MCP என்பது மாடல்களை வெளி உலகத்துடன் இணைக்கும் ஒரு திறந்த தரநிலையாகும் (open standard).

இதை இப்படிச் சிந்தியுங்கள்: • RAG என்பது உங்கள் AI வாசிக்கும் நூலகம். • MCP என்பது உங்கள் AI அழைப்புகளைச் செய்யப் பயன்படுத்தும் தொலைபேசி.

MCP மாடல்களை APIs, தரவுத்தளங்கள் (databases) மற்றும் கோப்பு அமைப்புகளுடன் (file systems) இணைக்கிறது. மாடல் get_weather() அல்லது search_inventory() போன்ற கிடைக்கக்கூடிய கருவிகளின் விளக்கங்களைப் படிக்கிறது. எந்தக் கருவியைப் பயன்படுத்த வேண்டும் என்பதை அது தீர்மானிக்கிறது, அதைக் கோருகிறது மற்றும் அதன் பதிலில் நேரடித் தரவைப் பயன்படுத்துகிறது.

Agentic architecture இந்தத் துண்டுகளை ஒன்றாக இணைக்கிறது.

GitHub Copilot போன்ற கருவிகள் இப்படித்தான் செயல்படுகின்றன. அவை வெறும் யூகங்களை மட்டும் செய்வதில்லை. அவை retrieval, நேரடித் திறன்கள் மற்றும் தர்க்கரீதியான சிந்தனையை (reasoning) ஒரு சுழற்சியில் (loop) பயன்படுத்துகின்றன.

இந்தக் கட்டமைப்பு இவ்வாறு செயல்படுகிறது:

  • RAG நீங்கள் அறிந்தவற்றை வழங்குகிறது.
  • MCP இப்போது என்ன நடக்கிறது என்பதை வழங்குகிறது.
  • Agentic loops சிக்கல்களைத் தீர்க்கும் திறனை வழங்குகிறது.

சிறந்த கருவிகளைக் கட்டியெழுப்ப உங்களுக்குப் பெரிய மாடல் தேவையில்லை. உங்களுக்குச் சிறந்த கட்டமைப்பு (architecture) தேவை.

Source: https://dev.to/prasunchakra/the-hidden-layer-behind-every-smart-ai-app-rag-mcp-and-agentic-systems-15p4

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