मॉडल संदर्भ प्रोटोकॉल: AI एजेंट उपकरण एकीकरण

कृत्रिम बुद्धिमत्ता (AI) एजेंटों का परिदृश्य तेजी से विकसित हो रहा है, जिससे इन एजेंटों को बाहरी उपकरणों और डेटा के साथ बातचीत करने के लिए अधिक परिष्कृत तरीकों की आवश्यकता हो रही है। अतीत में, बड़े भाषा मॉडल (LLM) को बाहरी उपकरणों के साथ एकीकृत करना एक जटिल और खंडित प्रक्रिया थी। अब, मॉडल संदर्भ प्रोटोकॉल (MCP) एक परिवर्तनकारी समाधान के रूप में उभर रहा है। MCP विभिन्न मॉडलों में AI एजेंट टूल कॉलिंग के लिए एक मानकीकृत, सरल और भविष्य-प्रूफ दृष्टिकोण प्रदान करता है, जो स्केलेबल, सुरक्षित और इंटरऑपरेबल वर्कफ़्लो का मार्ग प्रशस्त करता है।

पारंपरिक AI-उपकरण एकीकरण की चुनौतियाँ

MCP के आगमन से पहले, LLM बाहरी उपकरणों तक पहुँचने के लिए तदर्थ, मॉडल-विशिष्ट एकीकरणों पर निर्भर थे। ReAct, Toolformer, LangChain और LlamaIndex, और Auto-GPT जैसे दृष्टिकोण, हालांकि अभिनव थे, खंडित और मुश्किल से बनाए रखने वाले कोडबेस का नेतृत्व करते थे। प्रत्येक नए डेटा स्रोत या API को अपने स्वयं के रैपर की आवश्यकता होती थी, और एजेंट को विशेष रूप से इसका उपयोग करने के लिए प्रशिक्षित किया जाना था। इस दृष्टिकोण ने पृथक, गैर-मानक वर्कफ़्लो लगाए, जिससे एक एकीकृत समाधान की आवश्यकता पर प्रकाश डाला गया।

• तदर्थ एकीकरण: LLM ने पारंपरिक रूप से बाहरी उपकरणों तक पहुँचने के लिए कस्टम, मॉडल-विशिष्ट एकीकरणों का उपयोग किया।
• खंडित कोडबेस: प्रत्येक नए डेटा स्रोत या API को अपने स्वयं के रैपर की आवश्यकता होती है, जिसके परिणामस्वरूप जटिल और हार्ड-टू-मेंटेन कोड होता है।
• गैर-मानक वर्कफ़्लो: पृथक वर्कफ़्लो के कारण विभिन्न मॉडलों और उपकरणों में निर्बाध एकीकरण प्राप्त करना मुश्किल हो गया।

मॉडल संदर्भ प्रोटोकॉल (MCP) का परिचय

मॉडल संदर्भ प्रोटोकॉल (MCP) मानकीकृत करता है कि AI एजेंट बाहरी उपकरणों और डेटा स्रोतों को कैसे खोजते और लागू करते हैं। MCP एक खुला प्रोटोकॉल है जो LLM होस्ट और सर्वर के बीच एक सामान्य JSON-RPC-आधारित API परत को परिभाषित करता है। “AI अनुप्रयोगों के लिए USB-C पोर्ट” के रूप में कार्य करते हुए, MCP एक सार्वभौमिक इंटरफ़ेस प्रदान करता है जिसका उपयोग कोई भी मॉडल उपकरणों तक पहुँचने के लिए कर सकता है। यह संगठन के डेटा स्रोतों और AI-संचालित उपकरणों के बीच सुरक्षित, दो-तरफ़ा कनेक्शन को सक्षम बनाता है, जो अतीत के टुकड़ों के कनेक्टर्स को बदल देता है।

MCP के प्रमुख लाभ

• उपकरणों से मॉडल को अलग करना: एजेंटों को मॉडल-विशिष्ट संकेतों या हार्ड-कोडेड फ़ंक्शन कॉल की आवश्यकता के बिना MCP सर्वर से कनेक्ट किया जा सकता है।
• मानकीकृत इंटरफ़ेस: MCP मॉडल को उपकरणों तक पहुँचने के लिए एक सामान्य इंटरफ़ेस प्रदान करता है, जिससे एकीकरण प्रक्रिया सरल हो जाती है।
• सुरक्षित कनेक्शन: डेटा स्रोतों और AI-संचालित उपकरणों के बीच सुरक्षित, दो-तरफ़ा कनेक्शन को सक्षम बनाता है।
• सार्वभौमिक पहुंच: कोई भी मॉडल उपकरणों तक पहुँचने के लिए MCP का उपयोग कर सकता है, जिससे यह एक बहुमुखी समाधान बन जाता है।

मॉडल-विशिष्ट संकेत लिखने या हार्ड-कोडिंग फ़ंक्शन कॉल के बजाय, एक एजेंट बस एक या अधिक MCP सर्वर से कनेक्ट होता है, जिनमें से प्रत्येक डेटा या क्षमताओं को एक मानकीकृत तरीके से उजागर करता है। एजेंट (या होस्ट) सर्वर से उपलब्ध उपकरणों की एक सूची प्राप्त करता है, जिसमें उनके नाम, विवरण और इनपुट/आउटपुट स्कीमा शामिल हैं। मॉडल तब किसी भी उपकरण को नाम से लागू कर सकता है। यह मानकीकरण और पुन: उपयोग पिछली दृष्टिकोणों पर मुख्य लाभ हैं।

MCP द्वारा परिभाषित मुख्य भूमिकाएँ

MCP का खुला विनिर्देश तीन मुख्य भूमिकाएँ परिभाषित करता है: होस्ट, क्लाइंट और सर्वर।

1. होस्ट: LLM एप्लिकेशन या उपयोगकर्ता इंटरफ़ेस (जैसे, एक चैट UI, IDE, या एजेंट ऑर्केस्ट्रेशन इंजन) जिसके साथ उपयोगकर्ता इंटरैक्ट करता है। होस्ट LLM को एम्बेड करता है और एक MCP क्लाइंट के रूप में कार्य करता है।
2. क्लाइंट: होस्ट के भीतर सॉफ़्टवेयर मॉड्यूल जो MCP प्रोटोकॉल को लागू करता है (आमतौर पर SDK के माध्यम से)। क्लाइंट मैसेजिंग, प्रमाणीकरण और मार्शलिंग मॉडल संकेतों और प्रतिक्रियाओं को संभालता है।
3. सर्वर: एक सेवा (स्थानीय या दूरस्थ) जो संदर्भ और उपकरण प्रदान करती है। प्रत्येक MCP सर्वर एक डेटाबेस, API, कोडबेस या अन्य सिस्टम को रैप कर सकता है, और यह क्लाइंट को अपनी क्षमताओं का विज्ञापन करता है।

MCP को विशेष रूप से IDE में उपयोग किए जाने वाले भाषा सर्वर प्रोटोकॉल (LSP) से प्रेरित किया गया था: जिस तरह LSP मानकीकृत करता है कि संपादक भाषा सुविधाओं को कैसे क्वेरी करते हैं, उसी तरह MCP मानकीकृत करता है कि LLM प्रासंगिक उपकरणों को कैसे क्वेरी करते हैं। एक सामान्य JSON-RPC 2.0 संदेश प्रारूप का उपयोग करके, कोई भी क्लाइंट और सर्वर जो MCP का पालन करता है, प्रोग्रामिंग भाषा या LLM का उपयोग किए बिना इंटरऑपरेट कर सकता है।

तकनीकी डिजाइन और वास्तुकला

MCP तीन प्रकार के संदेशों को ले जाने के लिए JSON-RPC 2.0 पर निर्भर करता है: अनुरोध, प्रतिक्रियाएँ और सूचनाएँ, जिससे एजेंट सिंक्रोनस टूल कॉल कर सकते हैं और एसिंक्रोनस अपडेट प्राप्त कर सकते हैं। स्थानीय परिनियोजनों में, क्लाइंट अक्सर एक सबप्रोसेस बनाता है और stdin/stdout (stdio परिवहन) पर संचार करता है। इसके विपरीत, दूरस्थ सर्वर आमतौर पर रीयल-टाइम में संदेशों को स्ट्रीम करने के लिए सर्वर-सेंट इवेंट्स (SSE) के साथ HTTP का उपयोग करते हैं। यह लचीली मैसेजिंग परत सुनिश्चित करती है कि उपकरणों को लागू किया जा सकता है और परिणाम होस्ट एप्लिकेशन के मुख्य वर्कफ़्लो को अवरुद्ध किए बिना वितरित किए जा सकते हैं।

प्रत्येक सर्वर तीन मानकीकृत संस्थाओं को उजागर करता है: संसाधन, उपकरण और संकेत।

• संसाधन: संदर्भ के फेच करने योग्य टुकड़े, जैसे कि टेक्स्ट फ़ाइलें, डेटाबेस तालिकाएँ, या कैश किए गए दस्तावेज़, जिन्हें क्लाइंट ID द्वारा पुनः प्राप्त कर सकता है।
• उपकरण: अच्छी तरह से परिभाषित इनपुट और आउटपुट स्कीमा के साथ नामित फ़ंक्शन, चाहे वह एक खोज API हो, एक कैलकुलेटर हो, या एक कस्टम डेटा-प्रोसेसिंग रूटीन हो।
• संकेत: वैकल्पिक, उच्च-स्तरीय टेम्पलेट या वर्कफ़्लो जो मॉडल को बहु-चरणीय इंटरैक्शन के माध्यम से मार्गदर्शन करते हैं।

प्रत्येक इकाई के लिए JSON स्कीमा प्रदान करके, MCP किसी भी सक्षम बड़े भाषा मॉडल (LLM) को बिना बेस्पोक पार्सिंग या हार्ड-कोडेड एकीकरण के इन क्षमताओं की व्याख्या और लागू करने में सक्षम बनाता है।

मॉड्यूलर डिजाइन

MCP आर्किटेक्चर तीन भूमिकाओं में चिंताओं को स्पष्ट रूप से अलग करता है। होस्ट LLM को एम्बेड करता है और वार्तालाप प्रवाह का आयोजन करता है, उपयोगकर्ता प्रश्नों को मॉडल में पास करता है और इसके आउटपुट को संभालता है। क्लाइंट MCP प्रोटोकॉल को ही लागू करता है, सभी संदेश मार्शलिंग, प्रमाणीकरण और परिवहन विवरणों का प्रबंधन करता है। सर्वर उपलब्ध संसाधनों और उपकरणों का विज्ञापन करता है, आने वाले अनुरोधों को निष्पादित करता है (उदाहरण के लिए, उपकरणों को सूचीबद्ध करना या क्वेरी करना), और संरचित परिणाम देता है। यह मॉड्यूलर डिजाइन, जिसमें AI और UI होस्ट में, क्लाइंट में प्रोटोकॉल लॉजिक और सर्वर में निष्पादन शामिल है, यह सुनिश्चित करता है कि सिस्टम बनाए रखने योग्य, एक्स्टेंसिबल और विकसित करने में आसान रहें।

इंटरैक्शन मॉडल और एजेंट वर्कफ़्लो

किसी एजेंट में MCP का उपयोग खोज और निष्पादन के एक सरल पैटर्न का पालन करता है। जब एजेंट एक MCP सर्वर से कनेक्ट होता है, तो वह पहले सभी उपलब्ध उपकरणों और संसाधनों को पुनः प्राप्त करने के लिए list_tools() विधि को कॉल करताहै। क्लाइंट तब इन विवरणों को LLM के संदर्भ में एकीकृत करता है (उदाहरण के लिए, उन्हें संकेत में स्वरूपित करके)। मॉडल अब जानता है कि ये उपकरण मौजूद हैं और वे क्या पैरामीटर लेते हैं।

सरलीकृत वर्कफ़्लो

1. खोज: एजेंट एक MCP सर्वर से कनेक्ट होता है और list_tools() विधि का उपयोग करके उपलब्ध उपकरणों और संसाधनों की एक सूची पुनः प्राप्त करता है।
2. एकीकरण: क्लाइंट इन विवरणों को LLM के संदर्भ में एकीकृत करता है।
3. निष्पादन: जब एजेंट किसी उपकरण का उपयोग करने का निर्णय लेता है, तो LLM एक संरचित कॉल उत्सर्जित करता है (उदाहरण के लिए, call: tool_name, args: {...} के साथ एक JSON ऑब्जेक्ट)।
4. आह्वान: होस्ट इसे एक उपकरण आह्वान के रूप में पहचानता है, और क्लाइंट सर्वर को एक संबंधित call_tool() अनुरोध जारी करता है।
5. प्रतिक्रिया: सर्वर उपकरण को निष्पादित करता है और परिणाम वापस भेजता है। क्लाइंट तब इस परिणाम को मॉडल के अगले संकेत में फीड करता है, जिससे यह अतिरिक्त संदर्भ के रूप में दिखाई देता है।

जब एजेंट किसी उपकरण का उपयोग करने का निर्णय लेता है (अक्सर किसी उपयोगकर्ता के प्रश्न से प्रेरित होता है), तो LLM एक संरचित कॉल उत्सर्जित करता है (उदाहरण के लिए, ”call”: “tool_name”, “args”: {…}) के साथ एक JSON ऑब्जेक्ट। होस्ट इसे एक उपकरण आह्वान के रूप में पहचानता है, और क्लाइंट सर्वर को एक संबंधित call_tool() अनुरोध जारी करता है। सर्वर उपकरण को निष्पादित करता है और परिणाम वापस भेजता है। क्लाइंट तब इस परिणाम को मॉडल के अगले संकेत में फीड करता है, जिससे यह अतिरिक्त संदर्भ के रूप में दिखाई देता है। यह प्रोटोकॉल खोज→संकेत→उपकरण→प्रतिक्रिया के लूप को पारदर्शी रूप से संभालता है।

कार्यान्वयन और पारिस्थितिकी तंत्र

MCP कार्यान्वयन-अज्ञेयवादी है। आधिकारिक विनिर्देश GitHub पर बनाए रखा गया है, और TypeScript, Python, Java, Kotlin और C# सहित कई भाषा SDK उपलब्ध हैं। डेवलपर अपनी पसंदीदा स्टैक में MCP क्लाइंट या सर्वर लिख सकते हैं। उदाहरण के लिए, OpenAI Agents SDK में कक्षाएं शामिल हैं जो Python से मानक MCP सर्वर से आसान कनेक्शन सक्षम करती हैं। InfraCloud का ट्यूटोरियल LLM को स्थानीय फ़ाइलों को ब्राउज़ करने की अनुमति देने के लिए Node.js-आधारित फ़ाइल-सिस्टम MCP सर्वर स्थापित करने का प्रदर्शन करता है।

बढ़ता पारिस्थितिकी तंत्र

• भाषा SDK: TypeScript, Python, Java, Kotlin और C# में उपलब्ध है।
• ओपन सोर्स सर्वर: Anthropic ने कई लोकप्रिय सेवाओं के लिए कनेक्टर्स जारी किए हैं, जिनमें Google Drive, Slack, GitHub, Postgres, MongoDB, और Puppeteer के साथ वेब ब्राउज़िंग शामिल हैं।
• एकीकृत प्लेटफ़ॉर्म: Claude Desktop, Google का Agent Development Kit, और Cloudflare का Agents SDK ने MCP समर्थन एकीकृत किया है।
• ऑटो-एजेंट: Auto-GPT गतिशील उपकरण खोज और उपयोग को सक्षम करते हुए MCP में प्लग कर सकता है।

एक बार जब एक टीम Jira या Salesforce के लिए एक सर्वर बनाती है, तो कोई भी अनुरूप एजेंट बिना किसी काम के इसका उपयोग कर सकता है। क्लाइंट/होस्ट साइड पर, कई एजेंट प्लेटफ़ॉर्म ने MCP समर्थन एकीकृत किया है। Claude Desktop MCP सर्वर से जुड़ सकता है। Google का Agent Development Kit Gemini मॉडल के लिए MCP सर्वर को टूल प्रदाताओं के रूप में मानता है। Cloudflare के Agents SDK ने एक McpAgent वर्ग जोड़ा ताकि कोई भी FogLAMP अंतर्निहित प्रमाणीकरण समर्थन के साथ MCP क्लाइंट बन सके। यहां तक कि Auto-GPT जैसे ऑटो-एजेंट भी MCP में प्लग कर सकते हैं: प्रत्येक API के लिए एक विशिष्ट फ़ंक्शन को कोड करने के बजाय, एजेंट उपकरणों को कॉल करने के लिए एक MCP क्लाइंट लाइब्रेरी का उपयोग करता है। सार्वभौमिक कनेक्टर्स की ओर यह प्रवृत्ति एक अधिक मॉड्यूलर स्वायत्त एजेंट आर्किटेक्चर का वादा करती है।

व्यवहार में, यह पारिस्थितिकी तंत्र किसी भी दिए गए AI सहायक को एक साथ कई डेटा स्रोतों से कनेक्ट करने में सक्षम बनाता है। कोई भी एक ऐसे एजेंट की कल्पना कर सकता है जो, एक सत्र में, कॉर्पोरेट डॉक्स के लिए एक MCP सर्वर, CRM प्रश्नों के लिए दूसरा और ऑन-डिवाइस फ़ाइल खोज के लिए एक और उपयोग करता है। MCP नामकरण टकरावों को भी शालीनता से संभालता है: यदि दो सर्वरों में से प्रत्येक में ‘analyze’ नामक एक उपकरण है, तो क्लाइंट उन्हें नेमस्पेस कर सकते हैं (जैसे, ‘ImageServer.analyze’ बनाम ‘CodeServer.analyze’) ताकि दोनों संघर्ष के बिना उपलब्ध रहें।

पिछली प्रतिमानों पर लाभ

MCP कई प्रमुख लाभ लाता है जिनकी पहले की विधियों में कमी है:

• मानकीकृत एकीकरण: MCP सभी उपकरणों के लिए एक ही प्रोटोकॉल प्रदान करता है।
• गतिशील उपकरण खोज: एजेंट रनटाइम पर उपकरणों की खोज कर सकते हैं।
• इंटरऑपरेबिलिटी और पुन: उपयोग: एक ही टूल सर्वर कई LLM क्लाइंट की सेवा कर सकता है।
• स्केलेबिलिटी और रखरखाव: MCP नाटकीय रूप से डुप्लिकेट किए गए काम को कम करता है।
• कंपोजेबल पारिस्थितिकी तंत्र: MCP स्वतंत्र रूप से विकसित सर्वरों के एक बाजार को सक्षम बनाता है।
• सुरक्षा और नियंत्रण: प्रोटोकॉल स्पष्ट प्राधिकरण प्रवाह का समर्थन करता है।

प्रमुख लाभों का सारांश

• एकीकृत प्रोटोकॉल: MCP सभी उपकरणों के लिए एक एकल, मानकीकृत प्रोटोकॉल प्रदान करता है, विकास को सुव्यवस्थित करता है और कस्टम पार्सिंग तर्क की आवश्यकता को समाप्त करता है।
• रनटाइम खोज: एजेंट गतिशील रूप से उपलब्ध क्षमताओं की खोज कर सकते हैं, नए उपकरण जोड़े जाने पर पुनरारंभ या पुन: प्रोग्रामिंग की आवश्यकता को समाप्त कर सकते हैं।
• मॉडल अज्ञेयवादी: MCP एक ही टूल सर्वर को कई LLM क्लाइंट की सेवा करने की अनुमति देता है, विक्रेता लॉक-इन से बचाता है और डुप्लिकेट इंजीनियरिंग प्रयासों को कम करता है।
• कम डुप्लिकेशन: डेवलपर फ़ाइल खोज जैसे कार्यों के लिए एक एकल MCP सर्वर लिख सकते हैं, जिससे सभी मॉडलों में सभी एजेंटों को लाभ होता है।
• ओपन इकोसिस्टम: MCP कनेक्टर्स के एक ओपन मार्केटप्लेस को प्रोत्साहित करता है, जो वेब API के समान है।
• प्राधिकरण प्रवाह: MCP स्पष्ट प्राधिकरण प्रवाह का समर्थन करता है, जो मुक्त-प्रपत्र संकेत की तुलना में लेखा परीक्षा और सुरक्षा को बढ़ाता है।

उद्योग प्रभाव और वास्तविक दुनिया के अनुप्रयोग

MCP को तेजी से अपनाया जा रहा है। प्रमुख विक्रेताओं और फ्रेमवर्क ने सार्वजनिक रूप से MCP या संबंधित एजेंट मानकों में निवेश किया है। संगठन AI सहायकों में आंतरिक सिस्टम, जैसे CRM, ज्ञान आधार और एनालिटिक्स प्लेटफ़ॉर्म को एकीकृत करने के लिए MCP का पता लगा रहे हैं।

ठोस उपयोग के मामले

• डेवलपर उपकरण: कोड संपादक और खोज प्लेटफ़ॉर्म कोड रिपॉजिटरी, प्रलेखन और कमिट इतिहास को क्वेरी करने के लिए सहायकों को सक्षम करने के लिए MCP का उपयोग करते हैं।
• उद्यम ज्ञान और चैटबॉट: हेल्पडेस्क बॉट Zendesk या SAP डेटा को MCP सर्वर के माध्यम से एक्सेस कर सकते हैं, खुले टिकटों के बारे में सवालों के जवाब दे सकते हैं या वास्तविक समय के उद्यम डेटा के आधार पर रिपोर्ट तैयार कर सकते हैं।
• उन्नत पुनर्प्राप्ति-संवर्धित पीढ़ी: RAG एजेंट डेटाबेस प्रश्नों या ग्राफ़ खोजों के लिए विशेष MCP उपकरणों के साथ एम्बेडिंग-आधारित पुनर्प्राप्ति को जोड़ सकते हैं।
• सक्रिय सहायक: इवेंट-संचालित एजेंट ईमेल या कार्य धाराओं की निगरानी करते हैं और MCP के माध्यम से कैलेंडर और नोट लेने वाले उपकरणों को कॉल करके स्वायत्त रूप से बैठकों को शेड्यूल करते हैं या कार्रवाई आइटम को संक्षेप में बताते हैं।

प्रत्येक परिदृश्य में, MCP एजेंटों को एकीकरण कोड को फिर से लिखने की आवश्यकता के बिना विविध प्रणालियों में स्केल करने में सक्षम बनाता है, जिससे रखरखाव योग्य, सुरक्षित और इंटरऑपरेबल AI समाधान मिलते हैं।

पिछली प्रतिमानों के साथ तुलना

MCP गतिशील खोज, मानकीकृत स्कीमा और क्रॉस-मॉडल इंटरऑपरेबिलिटी को एक ही प्रोटोकॉल में पेश करते हुए, पिछले दृष्टिकोणों को एकीकृत और विस्तारित करता है।

• ReAct बनाम: MCP मॉडल को JSON स्कीमा का उपयोग करके एक औपचारिक इंटरफ़ेस प्रदान करता है, जो क्लाइंट को निष्पादन को निर्बाध रूप से प्रबंधित करने में सक्षम बनाता है।
• Toolformer बनाम: MCP टूल इंटरफेस को मॉडल से पूरी तरह से बाहरी बनाता है, जिससे बिना किसी पुन: प्रशिक्षण के किसी भी पंजीकृत टूल के लिए शून्य-शॉट समर्थन सक्षम होता है।
• फ्रेमवर्क लाइब्रेरी बनाम: MCP एक पुन: प्रयोज्य प्रोटोकॉल में एकीकरण तर्क को स्थानांतरित करता है, जिससे एजेंट अधिक लचीले होते हैं और कोड डुप्लिकेशन कम होता है।
• स्वायत्त एजेंट बनाम: MCP क्लाइंट का उपयोग करके, ऐसे एजेंटों को नई सेवाओं के लिए बेस्पोक कोड की आवश्यकता नहीं होती है, इसके बजाय गतिशील खोज और JSON-RPC कॉल पर निर्भर होते हैं।
• फ़ंक्शन-कॉलिंग API बनाम: MCP किसी भी क्लाइंट और सर्वर में फ़ंक्शन कॉलिंग को सामान्यीकृत करता है, स्ट्रीमिंग, खोज और मल्टीप्लेक्स किए गए सेवाओं के लिए समर्थन के साथ।

सीमाएँ और चुनौतियाँ

अपनी क्षमता के बावजूद, MCP अभी भी परिपक्व हो रहा है:

• प्रमाणीकरण और प्राधिकरण: वर्तमान समाधानों को बाहरी रूप से OAuth या API कुंजियों को लेयरिंग करने की आवश्यकता होती है, जो एक एकीकृत प्रमाणीकरण मानक के बिना परिनियोजन को जटिल बना सकती है।
• बहु-चरणीय वर्कफ़्लो: लंबे समय तक चलने वाले, स्टेटफुल वर्कफ़्लो का आयोजन अभी भी बाहरी शेड्यूलर या प्रॉम्प्ट चेनिंग पर निर्भर करता है, क्योंकि प्रोटोकॉल में अंतर्निहित सत्र अवधारणा का अभाव है।
• स्केल पर खोज: बड़े वातावरण में कई MCP सर्वर एंडपॉइंट का प्रबंधन बोझिल हो सकता है।
• पारिस्थितिकी तंत्र परिपक्वता: MCP नया है, इसलिए हर उपकरण या डेटा स्रोत में मौजूदा कनेक्टर नहीं है।
• विकास ओवरहेड: एकल, सरल टूल कॉल के लिए, MCP सेटअप एक त्वरित, प्रत्यक्ष API कॉल की तुलना में भारी लग सकता है।