OpenClaw-இல் நான் எப்படி 12 MCP சர்வர்களைச் சேர்த்தேன்

ஆட்டோமேஷனை (automation) அளவிடுவது என்பது LLM-ஐப் பற்றியது அல்ல. அது தரவு ஓட்டத்தைப் (data flow) பற்றியது.

எனது ஆட்டோமேஷன் அடுக்கு (automation stack) வளரத் தொடங்கியபோது, நான் ஒரு தடையைச் சந்தித்தேன். ஏஜென்ட்களை (agents) சேவைகளுடன் இணைக்க OpenClaw, Model Context Protocol (MCP)-ஐப் பயன்படுத்துகிறது. ஆரம்பத்தில், உங்களுக்குச் சில சர்வர்கள் மட்டுமே கிடைக்கும். எனக்குக் குறியீடு (code), படங்கள் மற்றும் வெக்டர் தேடல் (vector search) ஆகியவற்றிற்காக பன்னிரண்டு சிறப்பு சர்வர்கள் தேவைப்பட்டன.

நம்பகமான, குறைந்த தாமதத்தைக் (low-latency) கொண்ட ஒரு அமைப்பை நான் எவ்வாறு உருவாக்கினேன் என்பது இதோ.

ஏன் நான் சுமையைப் பிரித்தேன்

• நிபுணத்துவம் (Specialization): குறிப்பிட்ட பணிகளுக்கு Claude-3.5 அல்லது GPT-4o-mini போன்ற குறிப்பிட்ட மாடல்களை நான் ஒதுக்குகிறேன். • உபரித் தன்மை (Redundancy): ஒரு API தோல்வியடைந்தால், ஒரு உள்ளூர் (local) LLaMA-2 மாடல் அந்தப் பணியை எடுத்துக் கொள்ளும். • வேகம் (Speed): பணிகளைப் பல சர்வர்களிடையே பிரித்து வழங்குவது வரிசைகள் (queues) உருவாவதைத் தடுக்கிறது.

அமைப்பு

அனைத்தையும் நிர்வகிக்க நான் ஒரு ஒற்றை JSON கோப்பைப் பயன்படுத்துகிறேன். இந்தக் கோப்பு எனது OpenClaw config கோப்பகத்தில் (directory) இருக்கும். இது ஒவ்வொரு சர்வருக்கும் தேவையான URL, auth token மற்றும் பெயரைத் தன்னகத்தே கொண்டுள்ளது.

எனது சூழலில் (environment) இருந்து ரகசியத் தகவல்களைப் (secrets) பெற நான் ஒரு Bash ஸ்கிரிப்டைப் பயன்படுத்துகிறேன். இது எனது டோக்கன்களைப் பாதுகாப்பாக வைக்கிறது.

பட்டியலைப் புதுப்பித்த நிலையில் வைத்திருக்க, நான் ஒரு இரவுநேர cron job-ஐப் பயன்படுத்துகிறேன். இது OpenClaw import கட்டளையைத் தானாகவே இயக்குகிறது.

ஏஜென்ட் லாஜிக்

ஏஜென்ட்கள் பெயரின் மூலம் ஒரு சர்வரைத் தேர்ந்தெடுக்கின்றன. நான் ஒரு fallback லாஜிக்குடன் கூடிய code-review ஏஜென்ட்டை அமைத்துள்ளேன். அது முதலில் Claude-3.5-ஐ முயற்சிக்கிறது. அது தோல்வியடைந்தால், llama-2-local-க்கு மாறுகிறது. இது API முறிவுகளின் போதும் எனது பணிப்பாய்வுகளை (workflows) தடையின்றி இயக்க உதவுகிறது.

நான் இதற்கெனச் சிறப்பு ஏஜென்ட்களையும் உருவாக்கினேன்:

முடிவுகள்

எனது தாமதம் (latency) 1.8 வினாடிகளிலிருந்து 0.9 வினாடிகளாகக் குறைந்தது. எனது ஏஜென்ட்கள் இப்போது வேகமாகவும் நம்பகமாகவும் பதிலளிக்கின்றன.

உங்களுக்கான முக்கியக் கருத்துக்கள்:

• சிறிய அளவில் தொடங்குங்கள். முதலில் மூன்று சர்வர்களைப் பயன்படுத்துங்கள். அளவிடுவதற்கு (scale) முன் பைப்லைனை (pipeline) சரியாகச் செயல்படச் செய்யுங்கள். • உங்கள் சர்வர் பட்டியலை ஒரு குறியீடாகக் (code) கருதுங்கள். Version control மற்றும் linting ஆகியவற்றைப் பயன்படுத்துங்கள். • உங்கள் பிழைகளைக் கண்காணிக்கவும். தாமதம் மற்றும் பிழை விகிதங்களைக் கண்காணிக்க openclaw monitor போன்ற கருவியைப் பயன்படுத்தவும். • fallback மாடல்களைப் பயன்படுத்துங்கள். இது ஒரு சேவை செயலிழக்கும்போது உங்கள் முழு ஆட்டோமேஷனும் முறிவதைத் தடுக்கிறது.

MCP ஒரு தனி மாடலை முழுமையான ஒரு சூழலாக (ecosystem) மாற்றுகிறது.

ஆதாரம்: https://dev.to/mrclaw207/how-i-added-12-mcp-servers-to-openclaw-a-step-by-step-guide-bnb

விருப்பமான கற்றல் சமூகம்: https://t.me/GyaanSetuAi