कृत्रिम बुद्धिमत्ता (AI) प्रसंस्करण के परिदृश्य को Google की सातवीं पीढ़ी के टेंसर प्रोसेसिंग यूनिट (TPU), जिसे Ironwood के नाम से जाना जाता है, के अनावरण के साथ महत्वपूर्ण रूप से बदल दिया गया है। यह अत्याधुनिक AI त्वरक कम्प्यूटेशनल क्षमताओं का दावा करता है, जो बड़े पैमाने पर तैनाती में, दुनिया के सबसे तेज़ सुपर कंप्यूटर से 24 गुना अधिक है।
Google Cloud Next ‘25 सम्मेलन में अनावरण किया गया यह नया चिप, AI चिप विकास में Google की एक दशक लंबी रणनीति में एक महत्वपूर्ण क्षण है। अपने पूर्ववर्तियों के विपरीत, जिन्हें मुख्य रूप से AI प्रशिक्षण और अनुमान वर्कलोड दोनों के लिए डिज़ाइन किया गया था, Ironwood विशेष रूप से अनुमान के लिए इंजीनियर किया गया है, जो AI तैनाती दक्षता को अनुकूलित करने की दिशा में एक रणनीतिक बदलाव का संकेत देता है।
अमीन वाहदत, गूगल के मशीन लर्निंग, सिस्टम्स और क्लाउड एआई के उपाध्यक्ष और महाप्रबंधक ने इस बदलाव पर जोर देते हुए कहा, ‘Ironwood को जेनरेटिव AI और इसकी विशाल कंप्यूट और संचार मांगों के अगले चरण का समर्थन करने के लिए डिज़ाइन किया गया है। इसे हम ‘अनुमान युग’ कहते हैं, जहां AI एजेंट केवल डेटा को संसाधित करने के बजाय, सहयोगात्मक रूप से अंतर्दृष्टि और उत्तर देने के लिए सक्रिय रूप से डेटा प्राप्त और उत्पन्न करेंगे।’
कंप्यूटिंग पावर के 42.5 एक्सफ्लॉप्स के साथ बाधाओं को तोड़ना
Ironwood के तकनीकी विनिर्देश वास्तव में प्रभावशाली हैं। जब 9,216 चिप्स के पॉड तक स्केल किया जाता है, तो यह AI कंप्यूट के 42.5 एक्सफ्लॉप्स की भारी मात्रा प्रदान करता है। इसे परिप्रेक्ष्य में रखने के लिए, यह वर्तमान दुनिया के सबसे तेज़ सुपर कंप्यूटर, एल कैपिस्टन, जो 1.7 एक्सफ्लॉप्स पर काम करता है, को बौना बनाता है। प्रत्येक व्यक्तिगत Ironwood चिप 4614 TFLOPs की चरम कंप्यूट क्षमता प्राप्त कर सकती है।
कच्चे प्रसंस्करण शक्ति से परे, Ironwood मेमोरी और बैंडविड्थ को महत्वपूर्ण रूप से बढ़ाता है। प्रत्येक चिप उच्च-बैंडविड्थ मेमोरी (HBM) के 192GB से लैस है, जो पिछले पीढ़ी के TPU, Trillium की तुलना में छह गुना अधिक है, जिसे पिछले साल जारी किया गया था। प्रति चिप मेमोरी बैंडविड्थ 7.2 टेराबिट/सेकंड तक पहुंचती है, जो ट्रिलियम की 4.5 गुना है।
- कंप्यूट पावर: 42.5 एक्सफ्लॉप्स (9,216 चिप्स के प्रति पॉड)
- प्रति चिप पीक कंप्यूट: 4614 TFLOPs
- मेमोरी: प्रति चिप 192GB HBM
- मेमोरी बैंडविड्थ: प्रति चिप 7.2 टेराबिट/सेकंड
ऐसे युग में जहां डेटा सेंटर बढ़ रहे हैं और बिजली की खपत एक बढ़ती चिंता है, Ironwood ऊर्जा दक्षता में भी महत्वपूर्ण सुधार दर्शाता है। यह ट्रिलियम की तुलना में दो गुना अधिक प्रदर्शन प्रति वाट और 2018 में पेश किए गए पहले TPU की तुलना में लगभग 30 गुना अधिक प्रदान करता है।
अनुमान के लिए यह अनुकूलन AI के विकास में एक महत्वपूर्ण मोड़ का प्रतीक है। हाल के वर्षों में, प्रमुख AI प्रयोगशालाओं ने तेजी से बढ़ते पैरामीटर गणना के साथ तेजी से बड़े फाउंडेशन मॉडल विकसित करने पर ध्यान केंद्रित किया है। अनुमान अनुकूलन पर Google का ध्यान तैनाती दक्षता और अनुमान क्षमताओं पर केंद्रित एक नए प्रतिमान की ओर इशारा करता है।
जबकि मॉडल प्रशिक्षण आवश्यक बना हुआ है, अनुमान संचालन कहीं अधिक बार होते हैं, क्योंकि AI प्रौद्योगिकियां अधिक व्यापक होती जा रही हैं, इसलिए दैनिक रूप से अरबों बार होते हैं। AI का लाभ उठाने वाले व्यवसायों के लिए, अर्थशास्त्र अनिवार्य रूप से अनुमान लागतों से बंधे होते हैं क्योंकि मॉडल अधिक जटिल होते जाते हैं।
Google की AI कंप्यूट मांग पिछले आठ वर्षों में दस गुना बढ़ गई है, जो 100 मिलियन तक पहुंच गई है। Ironwood जैसे विशेष आर्किटेक्चर के बिना, अकेले मूर के नियम में पारंपरिक प्रगति के माध्यम से इस विकास पथ को बनाए रखना असंभव होगा।
गौरतलब है कि Google की घोषणा ने साधारण पैटर्न पहचान के बजाय जटिल अनुमान कार्यों को निष्पादित करने में सक्षम ‘तर्क मॉडल’ पर ध्यान केंद्रित करने पर जोर दिया। यह एक विश्वास का सुझाव देता है कि AI का भविष्य न केवल बड़े मॉडल में है, बल्कि उन मॉडलों में भी है जो समस्याओं को तोड़ सकते हैं, बहु-चरणीय तर्क में संलग्न हो सकते हैं और मानव जैसी विचार प्रक्रियाओं का अनुकरण कर सकते हैं।
अगली पीढ़ी के बड़े मॉडलों को सशक्त बनाना
Google ने Ironwood को अपने सबसे उन्नत AI मॉडलों के लिए मूलभूत बुनियादी ढांचे के रूप में रखा है, जिसमें Gemini 2.5 भी शामिल है, जो ‘देशी तर्क क्षमताओं’ का दावा करता है।
कंपनी ने हाल ही में Gemini 2.5 Flash पेश किया, जो अपने प्रमुख मॉडल का एक छोटा संस्करण है जिसे ‘प्रॉम्प्ट की जटिलता के आधार पर तर्क गहराई को समायोजित’ करने के लिए डिज़ाइन किया गया है। यह मॉडल उन रोजमर्रा के अनुप्रयोगों के लिए तैयार है जिनके लिए त्वरित प्रतिक्रिया समय की आवश्यकता होती है।
Google ने मल्टीमॉडल जनरेशन मॉडल के अपने व्यापक सूट का और प्रदर्शन किया, जिसमें टेक्स्ट-टू-इमेज, टेक्स्ट-टू-वीडियो और इसकी नई अनावरण की गई टेक्स्ट-टू-म्यूजिक क्षमता, Lyria शामिल है। एक डेमो ने दिखाया कि इन उपकरणों को एक संगीत कार्यक्रम के लिए एक पूर्ण प्रचार वीडियो बनाने के लिए कैसे जोड़ा जा सकता है।
Ironwood Google की व्यापक AI अवसंरचना रणनीति का सिर्फ एक घटक है। कंपनी ने Cloud WAN की भी घोषणा की, एक प्रबंधित वाइड एरिया नेटवर्क सेवा जो उद्यमों को Google के वैश्विक पैमाने के निजी नेटवर्क अवसंरचना तक पहुंच प्रदान करती है।
Google AI वर्कलोड के लिए अपने सॉफ़्टवेयर ऑफ़रिंग का भी विस्तार कर रहा है, जिसमें Pathways शामिल है, जो Google DeepMind द्वारा विकसित एक मशीन-लर्निंग रनटाइम है। Pathways अब ग्राहकों को सैकड़ों TPUs में मॉडल सर्विंग को स्केल करने की अनुमति देता है।
A2A का परिचय: बुद्धिमान एजेंट सहयोग के एक पारिस्थितिकी तंत्र को बढ़ावा देना
हार्डवेयर प्रगति से परे, Google ने बहु-एजेंट सिस्टम के आसपास केंद्रित AI के लिए अपनी दृष्टि प्रस्तुत की, जिसमें बुद्धिमान एजेंटों के विकास को सुविधाजनक बनाने के लिए एक प्रोटोकॉल का अनावरण किया गया: एजेंट-टू-एजेंट (A2A)। इस प्रोटोकॉल को विभिन्न AI एजेंटों के बीच सुरक्षित और मानकीकृत संचार को बढ़ावा देने के लिए डिज़ाइन किया गया है।
Google का मानना है कि 2025 AI के लिए एक परिवर्तनकारी वर्ष होगा, जिसमें जेनरेटिव AI का अनुप्रयोग एकल प्रश्नों का उत्तर देने से लेकर बुद्धिमान एजेंट सिस्टम के माध्यम से जटिल समस्याओं को हल करने तक विकसित होगा।
A2A प्रोटोकॉल प्लेटफॉर्म और फ्रेमवर्क में इंटरऑपरेबिलिटी को सक्षम करता है, जिससे एजेंटों को एक सामान्य ‘भाषा’ और सुरक्षित संचार चैनल मिलते हैं। इस प्रोटोकॉल को बुद्धिमान एजेंटों के लिए नेटवर्क लेयर के रूप में देखा जा सकता है, जिसका उद्देश्य जटिल वर्कफ़्लो में एजेंट सहयोग को सरल बनाना है। यह विशेष AI एजेंटों को अलग-अलग जटिलता और अवधि के कार्यों पर एक साथ काम करने का अधिकार देता है, अंततः सहयोग के माध्यम से समग्र क्षमताओं को बढ़ाता है।
A2A कैसे काम करता है
Google ने अपने ब्लॉग पोस्ट में MCP और A2A प्रोटोकॉल के बीच एक तुलना प्रदान की:
- MCP (मॉडल संदर्भ प्रोटोकॉल): उपकरण और संसाधन प्रबंधन के लिए
- संरचित इनपुट/आउटपुट के माध्यम से एजेंटों को उपकरण, API और संसाधनों से जोड़ता है।
- Google ADK MCP उपकरणों का समर्थन करता है, जिससे विभिन्न MCP सर्वर एजेंटों के साथ काम कर सकते हैं।
- A2A (Agent2Agent प्रोटोकॉल): एजेंटों के बीच सहयोग के लिए
- मेमोरी, संसाधनों या उपकरणों को साझा किए बिना एजेंटों के बीच गतिशील मल्टीमॉडल संचार को सक्षम करता है।
- समुदाय द्वारा संचालित एक खुला मानक।
- उदाहरण Google ADK, LangGraph और Crew.AI जैसे उपकरणों का उपयोग करके देखे जा सकते हैं।
संक्षेप में, A2A और MCP पूरक हैं। MCP एजेंटों को उपकरण समर्थन प्रदान करता है, जबकि A2A इन सुसज्जित एजेंटों को एक दूसरे के साथ संवाद और सहयोग करने की अनुमति देता है।
Google द्वारा घोषित भागीदारों की सूची से पता चलता है कि A2A को MCP के समान ध्यान मिलने वाला है। इस पहल ने पहले ही 50 से अधिक कंपनियों को अपने प्रारंभिक सहयोग समूह में आकर्षित किया है, जिसमें प्रमुख प्रौद्योगिकी फर्म और शीर्ष वैश्विक परामर्श और सिस्टम एकीकरण सेवा प्रदाता शामिल हैं।
Google ने प्रोटोकॉल के खुलेपन पर जोर दिया, इसे एजेंटों के सहयोग करने के मानक तरीके के रूप में रखा, जो अंतर्निहित प्रौद्योगिकी फ्रेमवर्क या सेवा प्रदाताओं से स्वतंत्र है। कंपनी ने कहा कि भागीदारों के साथ प्रोटोकॉल डिजाइन करते समय इसने निम्नलिखित पांच प्रमुख सिद्धांतों का पालन किया:
- एजेंट क्षमताओं को अपनाएं: A2A एजेंटों को उनके प्राकृतिक, असंरचित तरीकों से सहयोग करने में सक्षम बनाने पर ध्यान केंद्रित करता है, भले ही वे मेमोरी, उपकरण और संदर्भ साझा न करें। इसका लक्ष्य केवल ‘उपकरण’ तक एजेंटों को सीमित किए बिना वास्तविक बहु-एजेंट परिदृश्यों को सक्षम करना है।
- मौजूदा मानकों पर निर्माण करें: प्रोटोकॉल मौजूदा लोकप्रिय मानकों पर आधारित है, जिसमें HTTP, SSE और JSON-RPC शामिल हैं, जिससे उद्यमों द्वारा उपयोग किए जाने वाले मौजूदा IT स्टैक के साथ एकीकृत करना आसान हो जाता है।
- डिफ़ॉल्ट रूप से सुरक्षित: A2A को उद्यम-ग्रेड प्रमाणीकरण और प्राधिकरण का समर्थन करने के लिए डिज़ाइन किया गया है, जो लॉन्च पर OpenAPI की प्रमाणीकरण योजनाओं के बराबर है।
- लंबे समय तक चलने वाले कार्यों का समर्थन करें: A2A को त्वरित कार्यों से लेकर गहन शोध तक, जो घंटों या यहां तक कि दिनों तक (जब मनुष्य शामिल होते हैं) लग सकते हैं, परिदृश्यों की एक विस्तृत श्रृंखला का समर्थन करने के लिए लचीलापन के साथ डिज़ाइन किया गया है। पूरी प्रक्रिया के दौरान, A2A उपयोगकर्ताओं को वास्तविक समय की प्रतिक्रिया, सूचनाएं और स्थिति अपडेट प्रदान कर सकता है।
- मोडालिटी एग्नोस्टिक: एजेंटों की दुनिया केवल टेक्स्ट तक ही सीमित नहीं है, यही कारण है कि A2A को ऑडियो और वीडियो स्ट्रीम सहित विभिन्न तौर-तरीकों का समर्थन करने के लिए डिज़ाइन किया गया है।
उदाहरण: A2A के माध्यम से सुव्यवस्थित भर्ती प्रक्रिया
Google द्वारा प्रदान किया गया एक उदाहरण दर्शाता है कि A2A भर्ती प्रक्रिया को कैसे महत्वपूर्ण रूप से सुव्यवस्थित कर सकता है।
एजेंटस्पेस जैसे एकीकृत इंटरफ़ेस के भीतर, एक भर्ती प्रबंधक नौकरी की आवश्यकताओं के आधार पर उपयुक्त उम्मीदवारों को खोजने के लिए एक एजेंट को असाइन कर सकता है। यह एजेंट उम्मीदवार सोर्सिंग को पूरा करने के लिए विशिष्ट क्षेत्रों में विशेष एजेंटों के साथ बातचीत कर सकता है। उपयोगकर्ता एजेंट को साक्षात्कार शेड्यूल करने और पृष्ठभूमि की जांच में सहायता के लिए अन्य विशेष एजेंटों को सक्षम करने का निर्देश भी दे सकता है, जिससे पूरी तरह से स्वचालित, क्रॉस-सिस्टम सहयोगी भर्ती सक्षम हो सके।
MCP को अपनाना: मॉडल संदर्भ प्रोटोकॉल पारिस्थितिकी तंत्र में शामिल होना
साथ ही, Google MCP को भी अपना रहा है। OpenAI द्वारा Anthropic के मॉडल संदर्भ प्रोटोकॉल (MCP) को अपनाने की घोषणा के कुछ हफ्तों बाद, Google भी सूट का पालन किया और पहल में शामिल हो गया।
Google DeepMind के सीईओ डेमिस हसाबीस ने X पर घोषणा की कि Google अपने Gemini मॉडल और SDK में MCP के लिए समर्थन जोड़ेगा, हालांकि एक विशिष्ट समयरेखा प्रदान नहीं की गई थी।
हसाबीस ने कहा, ‘MCP एक उत्कृष्ट प्रोटोकॉल है जो तेजी से AI एजेंटों के युग के लिए खुला मानक बन रहा है। हम MCP टीम और उद्योग में अन्य भागीदारों के साथ इस तकनीक के विकास को आगे बढ़ाने के लिए काम करने के लिए तत्पर हैं।’
नवंबर 2024 में अपनी रिलीज के बाद से, MCP ने तेजी से लोकप्रियता और व्यापक ध्यान आकर्षित किया है, जो भाषा मॉडल को उपकरणों और डेटा से जोड़ने के लिए एक सरल और मानकीकृत तरीका बन गया है।
MCP AI मॉडल को कार्यों को पूरा करने और सामग्री पुस्तकालयों और एप्लिकेशन डेवलपमेंट वातावरण तक पहुंचने के लिए उद्यम उपकरण और सॉफ़्टवेयर जैसे डेटा स्रोतों से डेटा तक पहुंचने में सक्षम बनाता है। प्रोटोकॉल डेवलपर्स को डेटा स्रोतों और AI-संचालित अनुप्रयोगों, जैसे चैटबॉट के बीच द्विदिश कनेक्शन स्थापित करने की अनुमति देता है।
डेवलपर्स MCP सर्वर के माध्यम से डेटा इंटरफेस को उजागर कर सकते हैं और इन सर्वरों से कनेक्ट करने के लिए MCP क्लाइंट (जैसे एप्लिकेशन और वर्कफ़्लो) बना सकते हैं। चूंकि Anthropic ने MCP को ओपन-सोर्स किया है, इसलिए कई कंपनियों ने MCP समर्थन को अपने प्लेटफॉर्म में एकीकृत किया है।
प्रमुख अवधारणाओं का बेहतर विश्लेषण:
Google की हालिया घोषणाओं के प्रभाव और महत्व को और स्पष्ट करने के लिए, आइए मूल घटकों: Ironwood, A2A और MCP में गहराई से उतरें।
Ironwood: अनुमान युग में एक गहरा गोता
मुख्य रूप से प्रशिक्षण मॉडल पर ध्यान केंद्रित करने से लेकर अनुमान के लिए अनुकूलन करने तक का बदलाव AI परिदृश्य में एक महत्वपूर्ण विकास है। प्रशिक्षण में मॉडल को पैटर्न को पहचानने और भविष्यवाणियां करने के लिए सिखाने के लिए बड़ी मात्रा में डेटा फीड करना शामिल है। दूसरी ओर, अनुमान, नए, अनदेखे डेटा पर भविष्यवाणियां करने के लिए प्रशिक्षित मॉडल का उपयोग करने की प्रक्रिया है।
जबकि प्रशिक्षण एक संसाधन-गहन, एक बार (या दुर्लभ) घटना है, अनुमान वास्तविक दुनिया के अनुप्रयोगों में लगातार और बड़े पैमाने पर होता है। जैसे अनुप्रयोगों पर विचार करें:
- चैटबॉट: उपयोगकर्ता प्रश्नों का वास्तविक समय में जवाब देना।
- सिफारिश प्रणाली: उपयोगकर्ता वरीयताओं के आधार पर उत्पादों या सामग्री का सुझाव देना।
- धोखाधड़ी का पता लगाना: धोखाधड़ी लेनदेन की पहचान करना जैसे ही वे होते हैं।
- छवि पहचान: वस्तुओं, लोगों या दृश्यों की पहचान करने के लिए छवियों का विश्लेषण करना।
इन अनुप्रयोगों को एक सहज उपयोगकर्ता अनुभव प्रदान करने के लिए तेजी से, कुशल अनुमान की आवश्यकता होती है। Ironwood विशेष रूप से इन कार्यों में उत्कृष्टता प्राप्त करने के लिए डिज़ाइन किया गया है।
अनुमान के लिए Ironwood के प्रमुख लाभ:
- उच्च थ्रूपुट: विशाल कंप्यूट पावर (42.5 एक्सफ्लॉप्स) Ironwood को एक साथ अनुमान अनुरोधों की एक बड़ी मात्रा को संभालने की अनुमति देता है।
- कम विलंबता: उच्च-बैंडविड्थ मेमोरी (HBM) और कुशल आर्किटेक्चर प्रत्येक अनुमान अनुरोध को संसाधित करने में लगने वाले समय को कम करते हैं।
- ऊर्जा दक्षता: प्रति वाट बेहतर प्रदर्शन बड़े पैमाने पर अनुमान परिनियोजन चलाने से जुड़ी परिचालन लागत को कम करता है।
अनुमान के लिए अनुकूलन करके, Google व्यवसायों को AI-संचालित अनुप्रयोगों को अधिक कुशलता से और लागत प्रभावी ढंग से तैनात करने में सक्षम बना रहा है।
A2A: सहयोगी AI की नींव
एजेंट-टू-एजेंट (A2A) प्रोटोकॉल अधिक परिष्कृत और सहयोगी AI सिस्टम बनाने की दिशा में एक महत्वपूर्ण कदम का प्रतिनिधित्व करता है। एक बहु-एजेंट प्रणाली में, कई AI एजेंट एक जटिल समस्या को हल करने के लिए एक साथ काम करते हैं। प्रत्येक एजेंट के अपने विशेष कौशल और ज्ञान हो सकते हैं, और वे एक सामान्य लक्ष्य को प्राप्त करने के लिए एक दूसरे के साथ संवाद और समन्वय करते हैं।
स्वचालित ग्राहक सहायता से जुड़े एक परिदृश्य पर विचार करें:
- एजेंट 1: ग्राहक के प्रारंभिक प्रश्न को समझता है और अंतर्निहित समस्या की पहचान करता है।
- एजेंट 2: प्रासंगिक जानकारी खोजने के लिए एक ज्ञान आधार तक पहुंचता है।
- एजेंट 3: यदि आवश्यक हो तो मानव एजेंट के साथ एक अनुवर्ती नियुक्ति शेड्यूल करता है।
इन एजेंटों को एक सामंजस्यपूर्ण ग्राहक अनुभव प्रदान करने के लिए निर्बाध रूप से संवाद और जानकारी साझा करने में सक्षम होने की आवश्यकता है। A2A इस प्रकार के सहयोग के लिए ढांचा प्रदान करता है।
A2A के प्रमुख लाभ:
- इंटरऑपरेबिलिटी: विभिन्न प्लेटफार्मों और फ्रेमवर्क पर विकसित एजेंटों को एक दूसरे के साथ संवाद करने की अनुमति देता है।
- मानकीकरण: एजेंट संचार के लिए एक सामान्य ‘भाषा’ और प्रोटोकॉल का एक सेट प्रदान करता है।
- सुरक्षा: एजेंटों के बीच सुरक्षित संचार सुनिश्चित करता है, संवेदनशील डेटा की रक्षा करता है।
- लचीलापन: टेक्स्ट, ऑडियो और वीडियो सहित संचार तौर-तरीकों की एक विस्तृत श्रृंखला का समर्थन करता है।
AI एजेंटों के बीच सहयोग को बढ़ावा देकर, A2A अधिक शक्तिशाली और बहुमुखी AI सिस्टम के विकास को सक्षम बनाता है।
MCP: AI और डेटा के बीच की खाई को पाटना
मॉडल संदर्भ प्रोटोकॉल (MCP) अपने कार्यों को प्रभावी ढंग से करने के लिए आवश्यक डेटा की विशाल मात्रा से AI मॉडल को जोड़ने की चुनौती को संबोधित करता है। AI मॉडल को सटीक भविष्यवाणियां करने और सूचित निर्णय लेने के लिए डेटाबेस, API और क्लाउड सेवाओं जैसे विभिन्न स्रोतों से वास्तविक समय के डेटा तक पहुंच की आवश्यकता होती है।
MCP इन डेटा स्रोतों तक पहुंचने और उनके साथ बातचीत करने के लिए AI मॉडल के लिए एक मानकीकृत तरीका प्रदान करता है। यह प्रोटोकॉल के एक सेट को परिभाषित करता है:
- डेटा खोज: उपलब्ध डेटा स्रोतों की पहचान करना।
- डेटा पहुंच: डेटा स्रोतों से डेटा पुनर्प्राप्त करना।
- डेटा परिवर्तन: डेटा को उस प्रारूप में परिवर्तित करना जिसे AI मॉडल समझ सकता है।
डेटा एक्सेस के लिए एक मानकीकृत इंटरफ़ेस प्रदान करके, MCP वास्तविक दुनिया के डेटा के साथ AI मॉडल को एकीकृत करने की प्रक्रिया को सरल करता है।
MCP के प्रमुख लाभ:
- सरलीकृत एकीकरण: डेटा स्रोतों से AI मॉडल को कनेक्ट करना आसान बनाता है।
- मानकीकरण: डेटा एक्सेस के लिए प्रोटोकॉल का एक सामान्य सेट प्रदान करता है।
- बढ़ी हुई दक्षता: डेटा तक पहुंचने और बदलने के लिए आवश्यक समय और प्रयास को कम करता है।
- बेहतर सटीकता: AI मॉडल को सबसे अद्यतित जानकारी तक पहुंचने में सक्षम बनाता है, जिससे अधिक सटीक भविष्यवाणियां होती हैं।
AI मॉडल को उस डेटा से जोड़कर जिसकी उन्हें आवश्यकता होती है, MCP उन्हें अधिक प्रभावी ढंग से प्रदर्शन करने और अधिक मूल्य प्रदान करने में सक्षम बनाता है।