ஒரு வளர்ச்சி-சந்தைப்படுத்தல் ஆலோசகர் (growth-marketing consultant), ஒரு Model Context Protocol (MCP) சர்வரை உருவாக்குவதன் மூலம், பதினான்கு பிரவுசர் டேப்கள் மற்றும் முடிவில்லாத ஸ்பிரெட்ஷீட்களில் இருந்து தரவுகளை எடுப்பதற்கே ஒரு முழு மதிய நேரத்தை செலவிடுவதை நிறுத்திவிட்டார். இந்த சர்வர், ஒரு AI உதவியாளர் Google Ads, Meta, GA4 மற்றும் Search Console ஆகியவற்றிலிருந்து தரவுகளைப் பெற்றுச் செயல்பட அனுமதிக்கிறது. இது இப்போது மாதாந்திர அறிக்கைகளை உருவாக்குகிறது, தணிக்கைகளை (audits) நடத்துகிறது மற்றும் மனிதத் தலையீடு இன்றி மேம்பாடுகளைச் (optimizations) செய்கிறது, இதனால் சந்தைப்படுத்துபவர் தரவுகளைக் கையாளுவதற்குப் பதிலாக உத்திகளில் (strategy) கவனம் செலுத்த முடிகிறது.
இந்த மாற்றம் ஏன் முக்கியமானது
கட்டணத் தேடல் (paid-search), சமூக ஊடக மற்றும் பகுப்பாய்வுத் தளங்களில் (analytics platforms) அறிக்கை தயாரிப்பது என்பது ஒரு கைமுறைச் செயல்பாடாக இருந்தது: ஒவ்வொரு டேஷ்போர்டையும் திறந்து, எண்களை ஒரு ஸ்பிரெட்ஷீட்டில் நகலெடுத்து, முரண்பாடுகளைச் சரிசெய்து, பின்னர் நுண்ணறிவுகளை (insights) எழுத வேண்டும். இந்த முயற்சி விலைமதிப்பற்ற நேரத்தை வீணடித்ததுடன், மனிதத் தவறுகளையும் ஏற்படுத்தியது. MCP, AI-க்கு அந்தத் தளங்களின் இயல்பான வினவல் மொழிகள் (native query languages) மற்றும் API-களுக்கு நேரடி அணுகலை வழங்குவதன் மூலம் பணிப்பாய்வை (workflow) மாற்றுகிறது; இது “எண்களைச் சொல்லுங்கள்” என்பதை “எனக்காக எண்களைப் போய் எடுத்து வாருங்கள்” என்று மாற்றுகிறது.
தொழில்நுட்ப அடிப்படை
MCP என்பது ஒரு LLM-ஆல் இயங்கும் உதவியாளர் தனது சிந்தனைத் திறனின் (reasoning) ஒரு பகுதியாக வெளிப்புறக் கருவிகளை அழைக்க அனுமதிக்கும் ஒரு புரோட்டோகால் ஆகும். நடைமுறையில், அந்த ஆலோசகர் ஒவ்வொரு தளத்தின் மூல வினவல் மொழியையும் (Google Ads → GAQL) மற்றும் Meta, GA4 மற்றும் Search Console ஆகியவற்றிற்கான நிலையான REST endpoints-களையும் வெளிப்படுத்தும் ஒரு சிறிய வெப் சேவையை அமைத்தார். AI வினவல்களை (queries) உருவாக்கி, அவற்றை சர்வருக்கு அனுப்பி, கட்டமைக்கப்பட்ட முடிவுகளைப் பெறுகிறது, மேலும் எழுதும் செயல்பாடுகளை (write-operations) மேற்கொண்டு அதைத் தொடர்ந்து சரிபார்ப்பு வாசிப்புகளை (verification reads) மேற்கொள்ளவும் முடியும்.
பலன் அளித்த மூன்று வடிவமைப்புத் தெரிவுகள்
- மெல்லிய உறைப் போலி அமைப்புகளுக்கு (thin wrappers) பதிலாக இயல்பான வினவல் மொழிகளை வெளிப்படுத்துதல் – முதல் முயற்சியில், ஒவ்வொரு தரவுத் தேவைக்கும் ஒரு தனிச் சார்பு (separate function) எழுதப்பட்டது (உதாரணமாக,
get_campaigns). புதிய அறிக்கையிடல் கோணங்கள் வந்தபோது, குறியீட்டுத் தொகுப்பு (codebase) மிக விரைவாகப் பெருக்கமடைந்தது. GAQL-ஐ நேரடியாக வெளிப்படுத்துவதன் மூலம், ஒரு ஒற்றை endpoint மூலம் AI-க்குத் தேவையான எந்தவொரு வினவலையும் உருவாக்க முடிகிறது. உதவியாளரின் GAQL கட்டமைப்புகள் ஆலோசகரின் கைமுறை ஸ்கிரிப்ட்களை விடச் சிறப்பாகச் செயல்பட்டன, மேலும் இதே முறை மற்ற தளங்களுக்கும் பொருந்துகிறது. - ஒவ்வொரு எழுதும் செயல்பாட்டையும் வாசிப்பதன் மூலம் சரிபார்த்தல் – மாற்றங்கள் சரியாகச் சேமிக்கப்படாவிட்டாலும், API-கள் பெரும்பாலும் வெற்றிக் குறியீட்டைத் (success flag) தருகின்றன. இப்போது சர்வர் ஒவ்வொரு முறை எழுதும்போதும் மீண்டும் வாசிக்கிறது; எதிர்பார்க்கப்பட்ட மதிப்பு இல்லையென்றால், அது தோல்வியைப் பதிவு செய்து பயனருக்குத் தெரிவிக்கிறது. இது செயல்திறன் தரவுகளைச் சிதைக்கக்கூடிய அமைதியான பிழைகளைத் (silent errors) தடுக்கிறது.
- ஒரு markdown பிழைப் பதிவைப் பராமரித்தல் – ஒவ்வொரு பிழை (bug), தவறாகத் தட்டச்சு செய்யப்பட்ட புலம் (field) அல்லது தவறாகப் புரிந்துகொள்ளப்பட்ட விதியும்
learned-errors.md-இல் சேமிக்கப்படுகிறது. AI ஒவ்வொரு அமர்வின் தொடக்கத்திலும் இந்த கோப்பைப் படித்து, எதைத் திரும்பத் திரும்பச் செய்யக்கூடாது என்பதைக் கற்றுக்கொள்கிறது.
நேரத்தை வீணடித்த மூன்று சிக்கல்கள்
- கருவிகள் மற்றும் இறக்குமதிகளுக்கு (imports) இடையிலான பெயர் மோதல்கள் – ஒரு சார்பு (function), இறக்குமதி செய்யப்பட்ட ஒரு மாட்யூலுடன் (module) ஒரே பெயரைப் பகிர்ந்து கொண்டது, இதனால் சர்வர் இயங்கும் நேரத்தில் (runtime) செயலிழந்தது. ஒவ்வொரு இறக்குமதிக்கும் ஒரு தனித்துவமான மாற்றுப் பெயரை (alias) வழங்கியதன் மூலம் இந்த மோதல் நீக்கப்பட்டது.
- Hot reloads-ஐப் புறக்கணித்தல் – MCP சர்வர் தொடங்கும் போது குறியீட்டை ஒருமுறை மட்டுமே ஏற்றியது. குறியீட்டுத் தொகுப்பில் செய்யப்பட்ட மாற்றங்கள், முழு கிளையண்ட் செயல்முறையும் (client process) மறுதொடக்கம் செய்யப்படும் வரை நடைமுறைக்கு வரவில்லை, இது பல மணிநேரம் பயனற்ற குறியீட்டைத் (dead code) திருத்துவதற்கு வழிவகுத்தது. ஒவ்வொரு திருத்தத்திற்குப் பிறகும் முழுமையான மறுதொடக்கம் செய்யும் பணிப்பாய்வைச் சேர்த்தது இந்தப் பிரச்சினையைச் சரிசெய்தது.
- விடுபட்ட சார்புகள் (Missing dependencies) – விர்ச்சுவல் சூழலில் (virtual environment) இல்லாத ஒரு இறக்குமதி, சர்வர் தொடங்கும் போதே அதைச் செயலிழக்கச் செய்தது. இப்போது முன் தயாரிப்புச் சோதனைகள் (pre-flight checks), மறுதொடக்கம் செய்வதற்கு முன் தேவையான அனைத்துத் தொகுதிகளையும் (packages) நிறுவிச் சரிபார்க்கின்றன, இதனால் சிக்கலை முன்கூட்டியே கண்டறிய முடிகிறது.
சுருக்கம்
ஒரு சிறிய MCP சர்வர், கடினமான அறிக்கையிடல் முறையைத் தானியங்கி மற்றும் தணிக்கைக்குத் தயாரான பணிப்பாய்வாக மாற்ற முடியும், ஆனால் அதற்கு ஒழுக்கமான குறியீட்டு நடைமுறைகளும் (coding practices) ஒரு சிறிய சேவையைப் பராமரிக்கத் தயாராக இருப்பதும் தேவை. அமைப்பிற்காக நேரத்தைச் செலவிடும் சந்தைப்படுத்துபவர்கள், ஸ்பிரெட்ஷீட் வேலைகளின் சலிப்பிற்குப் பதிலாக உத்திசார்ந்த பகுப்பாய்வில் (strategic analysis) ஈடுபட முடியும்.