মডেল কনটেক্সট প্রোটোকল: এআইয়ের নতুন দিগন্ত

বৃহৎ ভাষা মডেলের (LLM) আবির্ভাব নিঃসন্দেহে কৃত্রিম বুদ্ধিমত্তার (AI) জগতে বৈপ্লবিক পরিবর্তন এনেছে। তবে, একটি স্থায়ী চ্যালেঞ্জ এখনও রয়ে গেছে: এই মডেলগুলিকে নিজস্ব ডেটার সাথে কার্যকরভাবে একত্রিত করা। LLMগুলি ইন্টারনেট থেকে বিশাল পরিমাণে তথ্য প্রক্রিয়াকরণে দক্ষ হলেও, তাদের আসল সম্ভাবনা আমাদের অ্যাপ্লিকেশন এবং ডেটার জন্য একটি স্বাভাবিক ভাষা ইন্টারফেস হিসাবে কাজ করে, যা আমাদের একটি নিয়ন্ত্রিত পরিবেশে তাদের ভবিষ্যদ্বাণী এবং উৎপাদন ক্ষমতা ব্যবহার করতে দেয়।

LLM আউটপুটের নির্ভরযোগ্যতা এবং প্রাসঙ্গিকতা নিশ্চিত করার জন্য, বিভিন্ন কৌশল তৈরি হয়েছে, প্রতিটি মডেল এবং নির্দিষ্ট ডেটাসেটের মধ্যে ব্যবধান পূরণ করার জন্য ডিজাইন করা হয়েছে। এই কৌশলগুলির মধ্যে রয়েছে কাস্টম এম্বেডিং তৈরি করা এবং পুনরুদ্ধার-বৃদ্ধি প্রজন্ম (RAG) কৌশলগুলি ব্যবহার করা - ডেটার মধ্যে জটিল সম্পর্কগুলি উন্মোচন করতে গ্রাফ ডেটাবেস ব্যবহার করা - ব্যবহারকারীর প্রম্পট দ্বারা ট্রিগার করা OpenAPI কলের মাধ্যমে প্রাপ্ত ডেটা পাতন এবং উপস্থাপনের জন্য LLM ব্যবহার করা। উপরন্তু, OpenAI-এর ChatGPT দ্বারা জনপ্রিয় প্ল্যাগ-ইন মডেল ডেটা একত্রীকরণের জন্য আরেকটি পথ সরবরাহ করে। এই বিভিন্ন পদ্ধতির মধ্যে, মডেল কনটেক্সট প্রোটোকল (MCP) LLM এবং বহিরাগত ডেটা উত্সের মধ্যে সংযোগকে মানসম্মত করার জন্য একটি প্রতিশ্রুতিবদ্ধ সমাধান হিসাবে দাঁড়িয়েছে।

মডেল কনটেক্সট প্রোটোকল উন্মোচন

মডেল কনটেক্সট প্রোটোকল, যা ২০২৪ সালের শেষের দিকে অ্যানথ্রোপিক দ্বারা উন্মোচিত হয়েছিল, LLM এবং ব্যবহারকারী-নির্দিষ্ট ডেটার মধ্যে মিথস্ক্রিয়াকে সুগম করার দিকে একটি গুরুত্বপূর্ণ পদক্ষেপ। এই প্রোটোকলটি এআই অ্যাপ্লিকেশনগুলিতে প্রসঙ্গটির গুরুত্বপূর্ণ ভূমিকার উপর জোর দেয়, স্বীকার করে যে এআই-এর সুসংগত এবং অর্থবহ আউটপুট সরবরাহ করার ক্ষমতা প্রাসঙ্গিক প্রাসঙ্গিক তথ্যের প্রাপ্যতার উপর নির্ভর করে। বুদ্ধিদীপ্ত প্রতিক্রিয়া বের করার জন্য শুধুমাত্র চ্যাট প্রম্পটের উপর নির্ভর করা, সেরা ক্ষেত্রে, আশাবাদে একটি অনুশীলন এবং সবচেয়ে খারাপ ক্ষেত্রে, ভুল বা বিভ্রান্তিকর ফলাফলের জন্য একটি রেসিপি। আমাদের ডেটা চারপাশে কর্মপ্রবাহ অর্কেস্ট্রেট করতে সক্ষম শক্তিশালী, আধা-স্বায়ত্তশাসিত এজেন্ট তৈরি করতে, সেই ডেটা এই এজেন্টদের কাছে সরবরাহ করার জন্য একটি নির্ভরযোগ্য প্রক্রিয়া অপরিহার্য।

একটি ওপেন সোর্স উদ্যোগ হিসাবে, MCP প্রোগ্রামিং ভাষার বিস্তৃত অ্যারের জন্য SDK বাস্তবায়ন সরবরাহ করে, সাথে এর GitHub সংগ্রহস্থলের মধ্যে ব্যাপক ডকুমেন্টেশন। এই ডকুমেন্টেশন ডেভেলপারদের কার্যকরভাবে MCP সার্ভার বাস্তবায়ন বা ব্যবহার করার ক্ষমতা দেয়। MCP-এর “এআই অ্যাপ্লিকেশনগুলির জন্য একটি USB-C পোর্ট” হিসাবে প্রকল্পের বর্ণনা যথাযথভাবে এর সারমর্মকে ধারণ করে, বিভিন্ন ডেটা উত্সের সাথে সংযোগগুলি মানসম্মত করার ক্ষমতা তুলে ধরে। একটি মানসম্মত ভিত্তির উপর নির্মিত, MCP সহজেই বিদ্যমান প্রকল্পগুলির সাথে একত্রিত হয়, বিভিন্ন LLM এবং অনুমান প্রদানকারীর সাথে নির্বিঘ্নে ইন্টারফেস করে।

MCP-এর আর্কিটেকচার একটি সুপ্রতিষ্ঠিত ক্লায়েন্ট/সার্ভার মডেল অনুসরণ করে, যেখানে একটি ব্রোকার MCP অনুরোধগুলিকে স্থানীয় বা দূরবর্তী অনুরোধে অনুবাদ করার দায়িত্ব নেয়। এই নকশাটি CORBA-এর মতো ইন্টারফেস সংজ্ঞা ভাষার কার্যকারিতা প্রতিফলিত করে, MCP-কে একটি বহুমুখী আন্তঃকার্যক্ষমতা স্তরে রূপান্তরিত করে যা তথ্যের উৎস এবং LLM অ্যাপ্লিকেশনগুলির মধ্যে নির্বিঘ্নে স্যুইচিংকে সহজ করে। একটি JSON RPC সংযোগ ব্যবহার করে, MCP Azure API ম্যানেজমেন্টের মতো সরঞ্জামগুলির মাধ্যমে পৃথক ব্যবহারকারীর স্তরে সূক্ষ্ম-দানাযুক্ত নিয়ন্ত্রণ সক্ষম করে।

MCP এআই-চালিত কোডের জন্য জেনেরিক ইন্টারফেসের বিকাশকে উত্সাহিত করে, মাইক্রোসফ্টের এআই ডেভেলপমেন্ট প্ল্যাটফর্মগুলিতে এর ক্রমবর্ধমান গ্রহণ দ্বারা প্রমাণিত। সিমান্টিক কার্নেল মডেল অর্কেস্ট্রেশন টুলের মধ্যে এর ইন্টিগ্রেশন থেকে শুরু করে Azure OpenAI এবং Azure AI ফাউন্ড্রির সাথে সামঞ্জস্যপূর্ণ MCP সার্ভার হিসাবে এর স্থাপন পর্যন্ত, MCP দ্রুত আকর্ষণ অর্জন করছে। মাইক্রোসফ্ট ব্যবহারকারীর শংসাপত্রের উপর ভিত্তি করে ডেটা অ্যাক্সেস নিয়ন্ত্রণ করতে Azure API ম্যানেজমেন্টকে বৈশিষ্ট্যগুলির সাথে উন্নত করছে, সুরক্ষিত এবং পরিচালিত এআই স্থাপনায় MCP-এর ভূমিকাকে আরও সুসংহত করছে।

Azure MCP সার্ভার: একটি প্রাথমিক বাস্তবায়ন

ওপেন সোর্স Azure MCP সার্ভার, সম্প্রতি পাবলিক প্রিভিউতে প্রকাশিত হয়েছে, মাইক্রোসফ্টের প্ল্যাটফর্মে MCP-এর একটি প্রাথমিক বাস্তবায়নের উদাহরণ দেয়। এই সার্ভারটি মূল Azure পরিষেবাগুলিতে AI অ্যাক্সেসের জন্য একটি সাধারণ ব্রোকার হিসাবে কাজ করে, অনেক সাম্প্রতিক Azure প্রকল্প দ্বারা গৃহীত ওপেন সোর্স নীতিগুলি মেনে চলে। এর কোড GitHub-এ সহজেই অ্যাক্সেসযোগ্য। Azure MCP সার্ভার Azure প্ল্যাটফর্মের একটি উল্লেখযোগ্য অংশের অ্যাক্সেস সরবরাহ করে, যার মধ্যে ডেটাবেস, স্টোরেজ সমাধান এবং Azure CLI-এর মতো পরিষেবা অন্তর্ভুক্ত রয়েছে।

Azure CLI (এবং ডেভেলপার CLI) এর জন্য সমর্থন অন্তর্ভুক্ত করা বিশেষভাবে উল্লেখযোগ্য, কারণ এটি MCP-চালিত এজেন্টদের সরাসরি Azure এর সাথে ইন্টারঅ্যাক্ট করার ক্ষমতা দেয়, MCP কলগুলিকে অপারেটর হিসাবে বিবেচনা করে। এই ক্ষমতা Azure-এর একটি স্বাভাবিক ভাষা স্ব-পরিষেবা ইন্টারফেস প্রদান করে এমন এজেন্ট তৈরি করার পথ প্রশস্ত করে। উদাহরণস্বরূপ, একটি এজেন্ট একটি অবকাঠামোর বিবরণ নিতে পারে এবং স্বয়ংক্রিয়ভাবে এর স্থাপনার জন্য প্রয়োজনীয় ARM টেমপ্লেট তৈরি করতে পারে। এই ধারণাটিকে আরও প্রসারিত করে, একজন মাল্টিমোডাল এজেন্টের কল্পনা করতে পারে যা একটি হোয়াইটবোর্ড স্কেচ বিশ্লেষণ করে, প্রয়োজনীয় সংস্থানগুলির একটি বিবরণ বের করে এবং তারপরে অবকাঠামো স্থাপন করে, অবিলম্বে কোড বিকাশের অনুমতি দেয়। Azure MCP সার্ভারের মাধ্যমে অ্যাক্সেসযোগ্য অতিরিক্ত সিস্টেম অ্যাডমিনিস্ট্রেশন পরিষেবাগুলির মধ্যে বর্তমান রিসোর্স গ্রুপগুলি তালিকাভুক্ত করা এবং Azure মনিটরিং লগগুলি জিজ্ঞাসা করতে KQL ব্যবহার করা অন্তর্ভুক্ত রয়েছে।

GitHub Copilot চ্যাটের সাথে Azure MCP সার্ভার একত্রিত করা

যেহেতু এটি MCP স্ট্যান্ডার্ড মেনে চলে, Azure MCP সার্ভার নির্বিঘ্নে MCP সমর্থন করে এমন যেকোনো AI টুলের সাথে একত্রিত হয়, যেমন GitHub Copilot Agent Mode। কেবল আপনার টেনেন্টে সার্ভার যুক্ত করে, আপনি Copilot এর মাধ্যমে প্রশ্ন করা শুরু করতে পারেন, সরাসরি বা ভিজ্যুয়াল স্টুডিও কোড ইন্টিগ্রেশনের মাধ্যমে। এই শেষ বিকল্পটি MCP ব্যবহার এবং আপনার নিজস্ব MCP-ভিত্তিক AI অ্যাপ্লিকেশনগুলির জন্য প্রম্পট তৈরি করার উপায় শেখার একটি কার্যকর উপায় সরবরাহ করে।

বর্তমানে, মাইক্রোসফ্ট এখনও তার প্রোগ্রামিং ভাষার জন্য একটি ডেডিকেটেড MCP টুল প্রকাশ করেনি, কাস্টম কোড বিকাশের জন্য অফিসিয়াল SDK ব্যবহার করার প্রয়োজন। টাইপস্ক্রিপ্ট, C# এবং পাইথনের জন্য সমর্থন সহ, বিকাশকারীদের তাদের নিজস্ব Azure MCP এজেন্ট তৈরি করার জন্য প্রয়োজনীয় সরঞ্জামগুলিতে অ্যাক্সেস রয়েছে। ভিজ্যুয়াল স্টুডিও কোডের মধ্যে পরীক্ষা করা যেতে পারে, বিদ্যমান Azure শংসাপত্র ব্যবহার করে।

সার্ভারটি আপনার ডেভেলপমেন্ট পিসিতে কাজ করে এবং Node.js প্রয়োজন। ইনস্টলেশন সরাসরি প্রকল্পের GitHub সংগ্রহস্থল থেকে VS কোডে সম্পন্ন হয়। একবার ইনস্টল হয়ে গেলে, নিশ্চিত করুন যে GitHub Copilot এবং GitHub Copilot Chat উভয় এক্সটেনশন পরীক্ষামূলক এজেন্ট মোড ব্যবহার করার জন্য কনফিগার করা হয়েছে (VS কোড সেটিংস টুলের মাধ্যমে অ্যাক্সেসযোগ্য)। পরবর্তীতে, GitHub Copilot চ্যাট প্যান খুলুন এবং এজেন্ট মোডে স্যুইচ করুন। যাচাই করুন যে Azure MCP সার্ভার সরঞ্জাম ড্রপডাউনের মধ্যে ইনস্টল করা আছে। আপনি এখন প্রশ্ন জমা দিতে পারেন, যেমন “আমার Azure সাবস্ক্রিপশন তালিকাভুক্ত করুন।”

ফলাফলের সরঞ্জামটি Azure এর সাথে কাজ করা যে কারো জন্য অমূল্য প্রমাণিত হয় এবং Copilot ইন্টিগ্রেশনের বাইরেও প্রসারিত হয়। Azure MCP সার্ভার যেখানে Node.js সমর্থিত সেখানে ইনস্টল করা যেতে পারে, যা এটিকে কাস্টম এজেন্টগুলিতে একত্রিত করতে সক্ষম করে।

Azure AI Foundry-তে MCP-এর ভূমিকা

মাইক্রোসফ্ট দ্রুত তার MCP সরঞ্জামগুলির পোর্টফোলিও প্রসারিত করছে, বিদ্যমান কার্যকারিতা MCP এর মাধ্যমে প্রকাশ করছে বা এজেন্টিক অ্যাপ্লিকেশনগুলির মধ্যে তাদের ব্যবহার সক্ষম করছে। এই দ্রুত রোলআউটের মধ্যে Copilot Studio-এর নো-কোড এজেন্ট ডেভেলপমেন্টের সরঞ্জাম রয়েছে, যা এই নিবন্ধটি লেখার সময় ঘোষণা করা হয়েছে।

Azure AI Foundry, বৃহৎ আকারের AI অ্যাপ্লিকেশন বিকাশের জন্য মাইক্রোসফ্টের প্রাথমিক ডেভেলপমেন্ট প্ল্যাটফর্ম, Azure-এর AI Agent Service-এর পরিপূরক করার জন্য একটি MCP সার্ভারও সক্রিয়ভাবে তৈরি করছে। এই ইন্টিগ্রেশনের লক্ষ্য হল Azure AI Foundry-এর মধ্যে চলমান এজেন্টদের অন্যান্য AI অ্যাপ্লিকেশনগুলির অংশ হিসাবে কাজ করা ক্লায়েন্টদের সাথে সংযোগ করা।

এই পরিষেবাটি আপনাকে দ্রুত বিদ্যমান AI কোড এবং পরিষেবাগুলিকে পুনরায় ব্যবহার করতে এবং সেগুলিকে নতুন অ্যাপ্লিকেশনগুলির সাথে লিঙ্ক করতে দেয়। Fabric-এর মতো পরিষেবাগুলি তাদের এজেন্ট বৈশিষ্ট্যগুলিকে AI Agent Service এন্ডপয়েন্ট হিসাবে প্রকাশ করে, যা AI অ্যাপ্লিকেশনগুলিকে নির্বিঘ্নে মূল লাইন-অফ-বিজনেস ডেটার সাথে সংযোগ করতে, বিভ্রম এবং ত্রুটির ঝুঁকি কমাতে প্রয়োজনীয় ভিত্তি প্রদান করে।

ইনস্টলেশনের পরে, সার্ভারটি এজেন্টদের সাথে সংযোগ স্থাপন এবং তাদের প্রশ্ন পাঠানোর জন্য MCP অ্যাকশনের একটি সেট সরবরাহ করে। এটি উপলব্ধ এজেন্টদের তালিকাভুক্ত করতে বা নির্দিষ্ট কাজের জন্য একটি ডিফল্ট এজেন্ট ব্যবহার করতে পারে। কথোপকথন থ্রেডের জন্য সমর্থন অন্তর্ভুক্ত করা হয়েছে, যা এজেন্টদের প্রাসঙ্গিক কথোপকথনের জন্য একটি মৌলিক শব্দার্থিক মেমরি প্রদান করে। MCP ব্যবহার করে তাদের আহ্বান করার জন্য আপনার Azure AI Agent Service এজেন্ট আইডিগুলির প্রয়োজন হবে।

সার্ভারটি পাইথনে প্রয়োগ করা হয়েছে এবং pip এর মাধ্যমে Azure CLI ব্যবহার করে ইনস্টল করা যেতে পারে। বিকল্পভাবে, যারা এটি পছন্দ করেন তাদের জন্য একটি টাইপস্ক্রিপ্ট সংস্করণ উপলব্ধ। Azure MCP সার্ভারের মতো, এই সার্ভারটি AI Foundry পরিবেশের বাইরে কাজ করে, যা এটিকে একটি ডেভেলপমেন্ট পিসিতে বা ক্লাউড-হোস্টেড অ্যাপ্লিকেশনটির অংশ হিসাবে নিজস্ব কন্টেইনার বা VM-এর মধ্যে ইনস্টল করার অনুমতি দেয়, উইন্ডোজ, macOS এবং লিনাক্সের জন্য সমর্থন সহ।

সিমান্টিক কার্নেল এআই অ্যাপ্লিকেশন থেকে MCP সার্ভার ব্যবহার করা

একটি ওপেন স্ট্যান্ডার্ড হিসাবে, MCP যেকোনো ক্লায়েন্টের সাথে সার্ভারের সামঞ্জস্যতা সক্ষম করে। GitHub সংগ্রহস্থলটি অ্যানথ্রোপিকের ক্লড ডেস্কটপ ব্যবহার করে একটি সংযোগ কীভাবে স্থাপন করতে হয় তার নির্দেশাবলী প্রদান করে, তবে আসল মানটি সিমান্টিক কার্নেলের মধ্যে কাস্টম এজেন্ট কর্মপ্রবাহ তৈরি করার মধ্যে নিহিত।

মাইক্রোসফ্ট নমুনা কোড সরবরাহ করে যা দেখায় যে কীভাবে MCP সমর্থনকে একটি সিমান্টিক কার্নেল অর্কেস্ট্রেশনে একত্রিত করা যায়, এটিকে একটি কার্নেল প্ল্যাগ-ইন হিসাবে বিবেচনা করে যা পরিচিত ফাংশন কলের সাথে একত্রিত হয়। এই ইন্টিগ্রেশনগুলি এজেন্ট হিসাবে মোড়ানো যায় এবং প্রয়োজনে অ্যাক্সেস করা যায়। সিমান্টিক কার্নেলের মধ্যে MCP ইন্টিগ্রেশন এখনও বিকাশের অধীনে থাকলেও, এটি নির্বিঘ্নে এর বিদ্যমান বৈশিষ্ট্য সেটের সাথে একত্রিত হয়, একটি সার্ভার থেকে AI অ্যাপ্লিকেশনগুলিতে MCP সরঞ্জামগুলি প্রকাশ করার জন্য ন্যূনতম অতিরিক্ত কোডের প্রয়োজন হয়।

MCP-এর মতো সরঞ্জামগুলি একটি আধুনিক AI স্ট্যাকের গুরুত্বপূর্ণ উপাদান, যা স্থানীয় এবং দূরবর্তী উভয় অ্যাপ্লিকেশনগুলির জন্য আবিষ্কারযোগ্য ইন্টারফেস তৈরির জন্য একটি মানসম্মত পদ্ধতি প্রদান করে। একবার সংজ্ঞায়িত করা হলে, MCP সরঞ্জামগুলি সহজেই আহ্বান করা হয়, একটি সার্ভার উপলব্ধ সরঞ্জামগুলির একটি তালিকা সরবরাহ করে এবং MCP LLM গুলিকে সেই সরঞ্জামগুলিকে কল করার এবং তাদের আউটপুটগুলি ব্যবহার করার একটি মানসম্মত উপায় সরবরাহ করে। এই পদ্ধতিটি AI অ্যাপ্লিকেশনগুলির জন্য একটি সার্বজনীন ভিত্তি সরঞ্জাম সরবরাহ করতে উল্লেখযোগ্যভাবে অবদান রাখে, স্ট্যান্ডার্ড API, ডেটাবেস প্রশ্ন এবং AI এজেন্টগুলির সাথে একইভাবে কাজ করে।