AI-க்கான ஷிப்பிங் கன்டெய்னர்
AI ஏஜென்ட்களை (agents) உருவாக்குவது கடினம்.
முதல் நாள், நீங்கள் ஒரு ஏஜென்ட்டை ஒரு தரவுத்தளத்துடன் (database) இணைக்கிறீர்கள். இரண்டாம் நாள், அதை ஒரு வானிலை API உடன் இணைக்கிறீர்கள். பத்தாம் நாள் வரும்போது, உங்கள் குறியீடு (code) தனிப்பயனாக்கப்பட்ட ஒருங்கிணைப்புகளின் (custom integrations) குழப்பமாக மாறிவிடும்.
நீங்கள் உங்கள் AI மாடலை மாற்றினால், ஒவ்வொரு இணைப்பையும் மீண்டும் உருவாக்க வேண்டும். இது நேரத்தையும் பணத்தையும் வீணாக்குகிறது.
Model Context Protocol (MCP) இதைத் தீர்க்கிறது.
1950-களுக்கு முந்தைய உலகளாவிய கப்பல் போக்குவரத்தைப் பற்றிச் சிந்தியுங்கள். ஒவ்வொரு நிறுவனமும் வெவ்வேறு அளவிலான பெட்டிகளைப் பயன்படுத்தின. பொருட்களை நகர்த்துவது மெதுவாகவும் கடினமாகவும் இருந்தது.
ஷிப்பிங் கன்டெய்னர்களை நாம் தரப்படுத்தியபோது அனைத்தும் மாறின. ஒரு கிரேன் ஆபரேட்டருக்கு (crane operator) கன்டெய்னருக்குள் என்ன இருக்கிறது என்று தெரிய வேண்டிய அவசியமில்லை. கன்டெய்னரை எப்படி நகர்த்துவது என்று மட்டும் தெரிந்தால் போதும்.
MCP என்பது AI தரவிற்கான ஷிப்பிங் கன்டெய்னர் ஆகும்.
MCP என்றால் என்ன?
Anthropic, ஒரு ஒற்றைத் தரநிலையின் மூலம் AI மாடல்களுக்குத் தேவையான சூழலை (context) வழங்க MCP-ஐ அறிமுகப்படுத்தியது. இது தனிப்பயனாக்கப்பட்ட குறியீட்டிற்குப் பதிலாக, கருவிகள் மற்றும் தரவை இணைப்பதற்கான ஒரு உலகளாவிய வழியை வழங்குகிறது.
இதன் அமைப்பு மூன்று பகுதிகளைக் கொண்டுள்ளது:
- MCP Host: சாட் இடைமுகம் (chat interface) அல்லது கோட் எடிட்டர் (code editor) போன்ற முதன்மை ஆப்.
- MCP Client: இணைப்புகளைப் பராமரிக்கும் ஹோஸ்டிற்குள் இருக்கும் பகுதி.
- MCP Server: குறிப்பிட்ட தரவு அல்லது கருவிகளைப் பகிரும் ஒரு சிறிய சேவை.
இது எப்படிச் செயல்படுகிறது:
சர்வர்கள் AI-உடன் மூன்று விஷயங்களைப் பகிர்கின்றன:
- Tools: வானிலையைச் சரிபார்ப்பது அல்லது நிகழ்வுகளை உருவாக்குவது போன்ற AI செய்யக்கூடிய செயல்கள்.
- Resources: உரை கோப்புகள் (text files) அல்லது தரவுத்தள ஸ்கீமாக்கள் (database schemas) போன்ற AI படிக்கக்கூடிய தரவு.
- Prompt Templates: தகவல்களை எவ்வாறு கேட்பது என்பதற்கான வழிமுறைகள்.
உங்களுக்கு இது ஏன் தேவை:
- Interoperability: உங்கள் கருவிகள் OpenAI அல்லது Anthropic போன்ற பல்வேறு மாடல்களுடன் செயல்படும்.
- Reusability: ஒரு கருவியை ஒருமுறை உருவாக்கி பல திட்டங்களில் பயன்படுத்தலாம்.
- Speed: ஒவ்வொரு புதிய தரவு மூலத்திற்கும் நீங்கள் மேனுவல் குளு கோட் (manual glue code) எழுதுவதை நிறுத்திவிடலாம்.
- Accuracy: நிகழ்நேரத் தரவு அணுகல் (Real-time data access) AI தவறுகளையும் மாயத்தோற்றங்களையும் (hallucinations) குறைக்கிறது.
- Security: இது தரப்படுத்தப்பட்ட குறியாக்கவியல் (encryption) மற்றும் அங்கீகாரத்தைப் (authorization) பயன்படுத்துகிறது.
MCP என்பது வெறும் மற்றொரு API மட்டுமல்ல. API என்பது ஒரு குறிப்பிட்ட சேவையுடன் பேசுவதற்கான ஒரு குறிப்பிட்ட வழி. MCP என்பது அந்தச் சேவைகளை AI-க்குத் தரப்படுத்தமானதாக மாற்ற அவற்றின் மேல் அமையும் ஒரு புரோட்டோகால் (protocol) ஆகும்.
இணைப்புகளை மீண்டும் உருவாக்குவதை நிறுத்துங்கள். ஒரு தரநிலையைப் பயன்படுத்தத் தொடங்குங்கள்.
Optional learning community: https://t.me/GyaanSetuAi