மாடல் கான்டெக்டு புரொடோகால் (MCP) அடிப்படைவாக்கு வழிகாட்டி

கைவிடக்கூடாத முன்னேற்றாலிருக்குமான செயற்கை உளவியல் (AI) உலகில், பெரிய மொழி மாதிரிகள் (LLMs) அனுகுமுறை, கருவிகள் மற்றும் தரவுத்தளங்களுடன் எளிதாக தொடர்பு கொள்ளும் திறன் மிக அவசியமானது. மாடல் கான்டெக்டு புரொடோகால் (MCP) இது அஞ்சப்படும் ஒரு தரநிலைச் சட்டபடி கட்டமைக்கப்பட்ட கட்டமைப்பாகும், இது இந்த இடைவெளியைbridge செய்கிறது, AI அமைப்புகள் வெளியீடு கருவிகள் மற்றும் தரவுத்தளங்களை செயலாக்கவும் அணுகவும் செயற்படும் வகையில் தரம் தருகிறது.

இதுவால் என்ன?

நவம்பர் 2024-ல் ஆன்த்ரோபிக் நிறுவனத்தால் அறிமுகப்படுத்தப்பட்ட MCP என்பது திறந்த மூல சீரமைப்பானது, இது AI மாதிரிகளுக்கும் வெளியீடு அமைப்புகளுக்கும் இடையேயான தொடர்பை தர நிலையில் மாற்றுகிறது. இது ஏதேனும் ஒரு பைலோ படிக்க, செயல்பாடுகளை நடத்த, மற்றும் தொடர்பு கொள்ளும் குறிப்பிட்ட ப்ரொட்டோகால் மூலம் பொதுவான இடைமுகம் வழங்குகிறது, இதன் மூலம் அவைத் திறன்கள் மற்றும் பயன்பாடுகள் அதிகரிக்கின்றன. OpenAI மற்றும் Google DeepMind போது முக்கிய AI நிறுவனங்கள் MCP ஐ ஏற்றுக்கொண்டு நிலைத்ததை பிரதிபலிக்கின்றன.

MCP ஆவலின் காரணங்கள்

பழைய முறையில், AI மாதிரிகள் வெளியீடு கருவிகளுடன் இணைக்க முக்கியமாக தனிப்பயன் கருவிகள் தேவைப்பட்டன, இது சிக்கலான மற்றும் செயல்திறனற்ற "N×M" ஒருங்கிணைப்பை உருவாக்கியது. MCP இந்நிலையில், ஒருங்கிணைக்கும் விதிகளை தர நிலையில் மாற்றப்படுத்தி, ஆதாரபூர்வமான இணைப்புக்களை எளிதாக்குகிறது மற்றும் வெளிவரும் அமைப்புகளுடன் எளிதாக தொடர்பு கொள்ள உதவுகிறது.

MCP இன் முக்கிய கூறுகள்

MCP என்பது மூன்று முக்கிய கூறுகளைக் கொண்ட கிளையண்ட்-செர்வர் அமைப்பில் இயங்குகிறது:

• MCP ஹோสต์: AI பயன்பாடு இது MCP செவிடர்களுடன் இணைந்து செலுத்தும் மற்றும் நிர்வகிக்கும்.

• MCP கிளையண்ட்: ஹோஸ்யின் ஒரு பகுதியாக, MCP செவிடருடன் தனி இணைப்பை பாதுகாக்கும் மற்றும் தகவலிகளையோ, தொடர்புகளையோ பராமரிக்கும்.

• MCP செவிடர்: சமூக வெளியீட்டாளராக செயல்பட்டு MCP கிளையண்ட்களுக்கு குறிப்பிட்ட திறன்களை, சட்டப்படி வழங்கும்.

இக்கட்டமைப்பு, AI மாதிரிகளுக்கும் வெளிநாட்டுத் அமைப்புகளுக்கும் இடையேயான தொடர்பை ஒழுங்குசெய்கிறது, இது கட்டுக்கோப்பான மற்றும் பலனளிக்கப்படும்.

MCP இன் முக்கிய அம்சங்கள்

• சாதாரண கருவி ஒருங்கிணைப்பு: MCP விரிவாக்கங்களை எளிதாக்கும் விதமாக, பின்வரும் உள்ளடக்கங்களை பொதுவாக வெளிப்படுத்தும் வழியைக் கொண்டிருக்கிறது, இதனால் எந்த MCP-செயலாக்கப்பட்ட முகவர் மற்றும் கருவிகளை வெளிப்படுத்து அறிவார்கள் மற்றும் பயன்படுத்த வைக்கும்.

• தொகுதி நடவடிக்கை: இது, பயனர் அறிவுரைகள் மற்றும் கருவி அமைப்புகள் போன்ற பகுதி தொகுதிகளைக் கட்டமைக்கும் மற்றும் நிர்வகிக்கும் முறையை கொண்டிருக்கிறது.

• தொகுதி பகிர்ந்தல்: MCP, கருவி நம்மை அழைக்கும் செயல்பாட்டை மாடல்லாத ஒரு தடையும், மாடல் அல்லது முகவரின் இடையில் ஃப்ளெக்சிபிளான மாற்றங்களை ஏற்படுத்துகிறது.

• பிரதிபலிப்பு தானாகக் கண்டு பிடித்தல்: AI மாதிரிகள் வழங்கும் திறன்களை தானாக கண்டறிந்து, புதிய அல்லது புதுப்பிக்கப்பட்ட கருவி வரையறைகளுக்கு சொத்துதான் செய்யப்பட்டு கொள்ளும்.

MCP ஐப் பயன்படுத்தும் நன்மைகள்

• அரட்டை மற்றும் தரநிலைकरणம்: MCP, துண்டுறு ஒருங்கிணைப்புகளை பொதுவான முறையாக மாற்றி, கருவிகள் மற்றும் மாதிரிகள் எ effective முறையில் உரையாடும் சூழலை உருவாக்குகிறது.

• AI திறன்களின் விரிவடைதல்: நிஜ உலக தரவுகளுக்கும் நடவடிக்கைகளுக்கும் AI அணுகலை வழங்குவதன் மூலம், MCP, AI உதவிகளின் பொருத்தம் மற்றும் பயன்பாட்டை மேம்படுத்துகிறது.

• விரைவான வளர்ச்சி: பங்கேற்பாளர்களுக்கு, ஏற்கனவே உள்ள MCP செவிடர்களை பயன்படுததும், தனிப்பட்ட ஒருங்கிணைப்பு குறியீடுகளை குறைத்து, வளர்ச்சியைத் தீவிரப்படுத்துகிறது.

• பாதுகாப்பும் தரவு கட்டுப்பாட்டும்: MCP, இருவழிக் குரல் இணைப்புகளையும், தரவு நபரின் கட்டுப்பாட்டில் இருப்பதையும் முக்கியத்துவம் வழங்குகிறது, இதன் மூலம் தனிப்பட்ட தகவல் பாதுகாப்பு உறுதி செய்யப்படுகிறது.

MCP மற்றும் பரம்பரையில்லை API கள்

பழைய API கள் சேவை தனித்தனியாக தனிப்பட்ட ஒருங்கிணைப்புகளை தேவைப்படுத்துகின்றன, ஆனால் MCP ஒரு ஒரே சீரமைப்புக் காலத்திற்கு பல கருவிகளுடன் எளிதாக தொடர்பு கொள்ளும் வசதியை வழங்குகிறது. கூடுதலாக, MCP, தானே கண்டறிதல் மற்றும் இருவழிக் தொடர்புகளில் ஆதரவளிக்கிறது, இதனால், இது நிலையான, ஒரே வழிச் சீரமைப்புக் கால்களைவிட மிகுந்த நிகரபோகும், திறன் வாய்ந்த கட்டமைப்பை வழங்குகிறது.

முடிவு

மாடல் கான்டெக்டு புரொடோகால், AI ஒருங்கிணைப்புக்களில் பெரிதும் முன்னேற்றம் காட்டும் ஒரு அறிகுறி, இது, ஒரு நிலையான, திறன் வாய்ந்த, பாதுகாப்பு அளிக்கும் முறையாக, AI அமைப்புகளுக்கு வெளியீடு கருவிகள் மற்றும் தரவுத் வளங்களுடன் தொடர்பு கொள்ள உதவுகிறது. முன்னணிப் AI வழங்குநர்கள் இதனை ஏற்று, இது ஒரு உலகளாவிய தரநிலையாக மாற வேண்டும் என்று எதிர்பார்க்கப்படுகிறது, இது பல்வேறு பயன்பாட்டுகளுக்கு AI வளர்ச்சியையும், வெளியீடையும் எளிதாக்கும்.