AI முகவர்கள் சாதாரண சாட்பாட்களிலிருந்து தன்னாட்சி பணியாளர்களாக மாறுவதால், வெளிப்புறக் கருவிகள் மற்றும் தரவுகளுடன் தொடர்பு கொள்ள Model Context Protocol (MCP)-ஐ அவை பெருகிய முறையில் நம்பியிருக்கின்றன. இருப்பினும், இந்தத் திறன் ஒரு மறைமுகமான நிதி மற்றும் செயல்திறன் செலவை ஏற்படுத்துகிறது, அதைத் தீர்க்க Okta இப்போது நடவடிக்கை எடுத்து வருகிறது.

AI Orchestration-இல் உள்ள "Tool Tax"-ஐப் புரிந்துகொள்ளுதல்

ஒரு AI முகவர் MCP சர்வர் மூலம் ஒரு சூழலுடன் தொடர்பு கொள்ளும்போது, ஒவ்வொரு மாடல் அழைப்பும் (model call) அந்த முகவர் தனக்குக் கிடைக்கும் திறன்களைப் புரிந்துகொள்ள வேண்டிய அவசியத்தைக் கொண்டுள்ளது. இதைச் செய்ய, சிஸ்டம் அனைத்துக் கருவி ஸ்கீமாக்கள் (tool schemas), பெயர்கள், விளக்கங்கள் மற்றும் அளவுருக்களை (parameters) ப்ராம்ப்ட் சூழலுக்குள் (prompt context) அனுப்ப வேண்டும்.

Okta இந்த நிகழ்வை “tool tax” என்று அடையாளம் கண்டுள்ளது. ஒருங்கிணைக்கப்பட்ட கருவிகளின் எண்ணிக்கை அதிகரிக்க அதிகரிக்க, ப்ராம்ப்ட் ஓவர்ஹெட் (prompt overhead) அதிவேகமாகப் பெருகுகிறது. இது டோக்கன் பயன்பாட்டில் (token consumption) குறிப்பிடத்தக்க அதிகரிப்புக்கு வழிவகுக்கிறது, இது செயல்பாட்டுச் செலவுகளை நேரடியாக உயர்த்துகிறது மற்றும் முகவர் எடுக்கும் ஒவ்வொரு பகுப்பாய்வுப் படிவிற்கும் (reasoning step) தாமதத்தை (latency) அதிகரிக்கிறது. நூற்றுக்கணக்கான கருவிகளை நிர்வகிக்கும் நிறுவன அளவிலான பயன்பாடுகளுக்கு, இந்த ஓவர்ஹெட் பட்ஜெட் மற்றும் செயல்திறன் ஆகிய இரண்டிற்கும் ஒரு முக்கியத் தடையாக மாறக்கூடும்.

Identity-Scoped MCP மூலம் ஓவர்ஹெட்டைத் தீர்த்தல்

இந்தத் திறமையின்மையைத் தவிர்க்க, Okta அடையாள அடிப்படையிலான (identity-scoped) MCP கருவிப் பட்டியல்களை அறிமுகப்படுத்துகிறது. ஒவ்வொரு மாடல் கோரிக்கைக்கும் அனைத்துக் கருவிகளையும் பரப்பப் பதிலாக, Okta-வின் அணுகுமுறை identity and access management (IAM)-ஐப் பயன்படுத்தி கருவித் தொகுப்பை (toolset) மாறும் வகையில் வடிகட்டுகிறது.

Identity-scoped முறையைச் செயல்படுத்துவதன் மூலம், அங்கீகரிக்கப்பட்ட பயனர் அல்லது முகவர் பயன்படுத்த அதிகாரம் பெற்ற குறிப்பிட்ட கருவி வரையறைகளை (tool definitions) மட்டுமே MCP சர்வர் வழங்குகிறது. ஒரு முகவர் ஒரு ஜூனியர் ஊழியரின் சார்பாகச் செயல்பட்டால், அது மொத்த கருவி ஸ்கீமாவின் ஒரு பகுதியை மட்டுமே பெறும்; அது ஒரு நிர்வாகியின் (administrator) சார்பாகச் செயல்பட்டால், முழுத் தொகுப்பையும் பெறும். இது மாடலின் கான்டெக்ஸ்ட் விண்டோ (context window) தேவையற்ற அல்லது அங்கீகரிக்கப்படாத கருவி விளக்கங்களால் குழப்பமடைவதைத் தவிர்க்கிறது, இதன் மூலம் ஒவ்வொரு இன்ஃபரன்ஸ் அழைப்பிற்கும் (inference call) தேவைப்படும் டோக்கன்களின் எண்ணிக்கையைத் திறம்படக் குறைக்கிறது.

AI Ecosystem-க்கு இது ஏன் முக்கியமானது

இந்த வளர்ச்சி "திறன் சார்ந்த" (capability-centric) AI-லிருந்து "நிர்வாகம் சார்ந்த" (governance-centric) AI-க்கு ஒரு முக்கியமான மாற்றத்தைக் குறிக்கிறது. டெவலப்பர்கள் சிக்கலான ஏஜென்டிக் பணிப்பாய்வுகளை (agentic workflows) நோக்கி நகரும்போது, வெறும் ப்ராம்ப்டிங் (prompting) மூலம் அளவிடுதலை (scale) அடைய முடியாது என்பதைத் தொழில் துறை உணர்ந்து வருகிறது.

Okta-வின் உத்தி நிறுவன அளவிலான AI பயன்பாட்டில் உள்ள இரண்டு முக்கியமான தடைகளைத் தீர்க்கிறது: செலவு மேம்படுத்தல் (cost optimization) மற்றும் பாதுகாப்பு (security). கருவி வெளிப்பாட்டை அடையாளத்துடன் இணைப்பதன் மூலம், Okta "tool tax"-ஐக் குறைப்பது மட்டுமல்லாமல், புரோட்டோகால் மட்டத்திலேயே குறைந்தபட்ச அதிகாரக் கொள்கையை (principle of least privilege) நடைமுறைப்படுத்துகிறது. இதன் மூலம், ஒரு கருவியின் ஸ்கீமா ப்ராம்ப்ட் சூழலில் இருந்த காரணத்திற்காக மட்டும், ஒரு AI முகவர் தெரியாமல் ஒரு முக்கியமான செயல்பாட்டை—உதாரணமாக, ஒரு தரவுத்தளத்தை நீக்கும் கருவி (database deletion tool)—கண்டறிவதையோ அல்லது அழைக்க முயலவதையோ இது தடுக்கிறது.

முக்கியக் குறிப்புகள்

  • டோக்கன் வீணாவதைக் குறைத்தல்: Identity-scoped MCP, LLM-களுக்கு அனுப்பப்படும் கருவி ஸ்கீமாக்களைக் கட்டுப்படுத்துகிறது, இது நேரடியாக "tool tax"-ஐக் குறைத்து இன்ஃபரன்ஸ் செலவுகளைக் குறைக்கிறது.
  • மேம்படுத்தப்பட்ட பாதுகாப்பு: பயனர் அடையாளத்தின் அடிப்படையில் கருவிகளை வடிகட்டுவதன் மூலம், Okta கடுமையான அணுகல் கட்டுப்பாடுகளை (access controls) நடைமுறைப்படுத்துகிறது, இது முகவர்கள் அங்கீகரிக்கப்படாத செயல்பாடுகளை அணுகுவதைத் தடுக்கிறது.
  • அளவிடக்கூடிய ஏஜென்டிக் பணிப்பாய்வுகள்: Scoping முறையானது, பெரிய அளவிலான MCP பயன்பாடுகளில் பொதுவாகக் காணப்படும் தாமதம் மற்றும் ப்ராம்ப்ட் ஓவர்ஹெட் ஆகியவற்றின் நேரியல் அதிகரிப்பு (linear increase) இன்றி, நிறுவனங்கள் பரந்த அளவிலான கருவிகளின் நூலகங்களை (libraries of tools) பயன்படுத்த அனுமதிக்கிறது.

சுருக்கமாகச் சொன்னால்: கருவி வெளிப்பாட்டை அடையாளத்துடன் இணைப்பதன் மூலம், Okta பெரிய அளவிலான AI முகவர் பயன்பாடுகளைத் தடுத்த டோக்கன் அதிகரிப்பை (token bloat) குறைப்பதோடு பாதுகாப்பையும் பலப்படுத்துகிறது. இந்த நகர்வு தொழில்துறையை நிர்வாகம் சார்ந்த (governance-centric) AI நோக்கித் தள்ளுகிறது, அங்கு செலவு, வேகம் மற்றும் அணுகல் கட்டுப்பாடு ஆகியவை பின்னர் சேர்க்கப்படுபவை அல்லாமல், புரோட்டோகாலிலேயே கட்டமைக்கப்படுகின்றன.