جیسے جیسے AI ایجنٹس سادہ چیٹ بوٹس سے خود مختار کارکنوں (autonomous workers) میں تبدیل ہو رہے ہیں، وہ بیرونی ٹولز اور ڈیٹا کے ساتھ بات چیت کرنے کے لیے تیزی سے Model Context Protocol (MCP) پر انحصار کر رہے ہیں۔ تاہم، اس صلاحیت کے ساتھ ایک چھپی ہوئی مالیاتی اور کارکردگی کی قیمت آتی ہے جسے Okta اب حل کرنے کی کوشش کر رہا ہے۔

AI Orchestration میں "Tool Tax" کو سمجھنا

جب ایک AI ایجنٹ MCP سرور کے ذریعے کسی ماحول کے ساتھ بات چیت کرتا ہے، تو ہر ایک ماڈل کال کے لیے ایجنٹ کا اپنی دستیاب صلاحیتوں کو سمجھنا ضروری ہوتا ہے۔ ایسا کرنے کے لیے، سسٹم کو ٹول اسکیموں (tool schemas)، ناموں، تفصیلات اور پیرامیٹرز کی مکمل فہرست پرامپٹ سیاق و سباق (prompt context) میں بھیجنی پڑتی ہے۔

Okta نے اس عمل کو "tool tax" قرار دیا ہے۔ جیسے جیسے مربوط ٹولز کی تعداد بڑھتی ہے، پرامپٹ کا بوجھ (overhead) تیزی سے بڑھتا جاتا ہے۔ اس سے ٹوکن کے استعمال میں نمایاں اضافہ ہوتا ہے، جو براہ راست آپریشنل اخراجات کو بڑھاتا ہے اور ایجنٹ کے ہر منطقی قدم (reasoning step) کے لیے تاخیر (latency) کا باعث بنتا ہے۔ سینکڑوں ٹولز کے انتظام کرنے والے انٹرپرائز لیول کے استعمال کے لیے، یہ بوجھ بجٹ اور کارکردگی دونوں کے لیے ایک بڑی رکاوٹ بن سکتا ہے۔

Identity-Scoped MCP کے ذریعے اوور ہیڈ کو حل کرنا

اس عدم کارکردگی کو کم کرنے کے لیے، Okta "identity-scoped MCP tool lists" متعارف کروا رہا ہے۔ ہر ماڈل کی درخواست کو ہر دستیاب ٹول دکھانے کے بجائے، Okta کا طریقہ کار ٹول سیٹ کو متحرک طور پر فلٹر کرنے کے لیے Identity and Access Management (IAM) کا استعمال کرتا ہے۔

Identity-scoped scoping کو نافذ کرنے سے، MCP سرور صرف وہی مخصوص ٹول تعریفیں فراہم کرتا ہے جنہیں تصدیق شدہ صارف یا ایجنٹ استعمال کرنے کا مجاز ہوتا ہے۔ اگر کوئی ایجنٹ کسی جونیئر ملازم کی طرف سے کام کر رہا ہے، تو اسے کل ٹول اسکیم کا صرف ایک حصہ ملے گا؛ اگر وہ کسی ایڈمنسٹریٹر کی طرف سے کام کرتا ہے، تو اسے مکمل سیٹ ملے گا۔ اس سے یہ یقینی بنتا ہے کہ ماڈل کا context window غیر متعلقہ یا غیر مجاز ٹول تفصیلات سے بھر نہ جائے، جس سے ہر inference call کے لیے درکار ٹوکنز کی تعداد مؤثر طریقے سے کم ہو جاتی ہے۔

AI Ecosystem کے لیے یہ کیوں اہم ہے

یہ پیش رفت "capability-centric" AI سے "governance-centric" AI کی طرف ایک اہم تبدیلی ہے۔ جیسے جیسے ڈویلپرز پیچیدہ ایجنٹک ورک فلو (agentic workflows) کی طرف بڑھ رہے ہیں، صنعت کو یہ احساس ہو رہا ہے کہ محض طاقت کے استعمال (brute-force prompting) سے وسعت (scale) حاصل نہیں کی جا سکتی۔

Okta کی حکمت عملی انٹرپرائز AI کے حصول میں دو سب سے بڑی رکاوٹوں کو حل کرتی ہے: لاگت کی بہتری (cost optimization) اور سیکیورٹی۔ ٹول کے استعمال کو شناخت (identity) سے جوڑ کر، Okta نہ صرف "tool tax" کو کم کرتا ہے بلکہ پروٹوکول کی سطح پر "principle of least privilege" کو بھی نافذ کرتا ہے۔ اس سے یہ یقینی بنتا ہے کہ کوئی AI ایجنٹ غلطی سے کسی حساس فنکشن—جیسے ڈیٹا بیس ڈیلیٹ کرنے والا ٹول—کو دریافت یا کال کرنے کی کوشش نہ کرے، صرف اس لیے کہ اس ٹول کی اسکیم پرامپٹ سیاق و سباق میں موجود تھی۔

اہم نکات

  • ٹوکن کا ضیاع کم کرنا: Identity-scoped MCP، LLMs کو بھیجی جانے والی ٹول اسکیموں کو محدود کرتا ہے، جس سے براہ راست "tool tax" کم ہوتا ہے اور inference اخراجات میں کمی آتی ہے۔
  • بہتر سیکیورٹی: صارف کی شناخت کی بنیاد پر ٹولز کو فلٹر کر کے، Okta سخت رسائی کے کنٹرول (access controls) کو نافذ کرتا ہے، جس سے ایجنٹس کو غیر مجاز فنکشنز تک رسائی سے روکا جاتا ہے۔
  • قابل توسیع ایجنٹک ورک فلو: Scoping کے ذریعے انٹرپرائزز بڑے پیمانے پر MCP کے استعمال میں عام طور پر دیکھی جانے والی تاخیر (latency) اور پرامپٹ اوور ہیڈ کے بغیر ٹولز کی وسیع لائبریریوں کو نافذ کر سکتے ہیں۔

خلاصہ: ٹول کے استعمال کو شناخت سے جوڑ کر، Okta ٹوکن کے اس بوجھ کو کم کرتا ہے جس نے بڑے پیمانے پر AI ایجنٹ کے استعمال میں رکاوٹ ڈالی ہے، جبکہ سیکیورٹی کو بھی سخت کرتا ہے۔ یہ اقدام صنعت کو گورننس پر مبنی (governance-centric) AI کی طرف دھکیلتا ہے، جہاں لاگت، رفتار اور رسائی کے کنٹرول پروٹوکول کا حصہ ہوتے ہیں نہ کہ بعد میں جوڑے جانے والے اضافی فیچرز۔