तंत्रज्ञानातील आंतरकार्यक्षमतेच्या (Interoperability) संदर्भात चर्चा वाढत आहे. बायडूने (Baidu) मागील आठवड्यात झालेल्या डेव्हलपर कॉन्फरन्समध्ये (Developer Conference) त्यांच्या सर्वंकष MCP सेवांची घोषणा केल्यानंतर, अलीबाबा (Alibaba), बाइटडान्स (ByteDance) आणि टेन्सेंट (Tencent) यांसारख्या प्रमुख चिनी तंत्रज्ञान कंपन्यांनी MCP च्या प्रवासाला सुरुवात केली आहे.
MCP, म्हणजेच मॉडेल कॉन्टेक्स्ट प्रोटोकॉल (Model Context Protocol), ही एक अशी मानके प्रणाली आहे, जी कृत्रिम बुद्धिमत्तेला (Artificial Intelligence) विविध ॲप्लिकेशन्स आणि सेवांशी अखंडपणे जोडण्यास सक्षम करते. याची तुलना संगणक आणि स्मार्टफोनमध्ये आढळणाऱ्या USB इंटरफेसशी (USB Interface) करता येते, जे विविध बाह्य उपकरणांना (External devices) प्लग-अँड-प्ले (Plug-and-play) पद्धतीने जोडण्याची सोय पुरवते. थोडक्यात, MCP चा उद्देश कृत्रिम बुद्धिमत्तेला साधने वापरण्यासाठी आणि कार्ये करण्यासाठी एक सार्वत्रिक ‘USB पोर्ट’ प्रदान करणे हा आहे.
नोव्हेंबर 2024 मध्ये, अमेरिकन कृत्रिम बुद्धिमत्ता कंपनी अँथ्रोपिकने (Anthropic) MCP मानक सादर केले, जे OpenAI आणि Google सारख्या प्रतिस्पर्धकांनी तत्काळ स्वीकारले. या कंपन्यांच्या नेहमीच्या मालकीच्या इकोसिस्टमच्या (Proprietary ecosystems) तुलनेत हे एक वेगळे पाऊल होते. एप्रिल महिन्यापासून, अलीबाबा क्लाउडचे (Alibaba Cloud) बैलियन (Bailian), टेन्सेंट क्लाउडचे (Tencent Cloud) नॉलेज इंजिन (Knowledge Engine), बाइटडान्सचे (ByteDance) Kouzi Space आणि बायडू एआय क्लाउड (Baidu AI Cloud) यांसारख्या आघाडीच्या चिनी तंत्रज्ञान कंपन्यांनी त्यांच्या स्वतःच्या सर्वंकष MCP सेवा सुरू केल्या आहेत.
एकत्रीकरणाचे आश्वासन आणि आव्हाने
MCP चा प्राथमिक उद्देश एकत्रीकरण (Unification) करणे आहे, परंतु या प्रयत्नात अनेक महत्त्वपूर्ण आव्हाने आहेत. अनेक डेव्हलपर्स (Developers) आणि संशोधकांच्या मते, MCP स्थानिक एंटरप्राइज डेटा (Enterprise data) ॲक्सेस (Access) करण्यासाठी प्रभावी आहे, परंतु विमाने बुक करणे, किमती तपासणे आणि प्रवासाचे मार्गदर्शक (Travel guides) तयार करणे यांसारख्या कामांसाठी इंटरनेट ॲप्लिकेशन्समध्ये इंटिग्रेट (Integrate) करताना अडचणी येतात. या अडचणी कृत्रिम बुद्धिमत्तेच्याInvocation प्रक्रियेतील अपरिपक्वता आणि इंटरनेट साधनांच्या मर्यादित उपलब्धतेमुळे येतात, कारण अनेक प्लॅटफॉर्म केवळ परिघीय कार्यक्षमतेसाठी (Peripheral functionalities) ॲक्सेस देतात.
सर्वच इंटरनेट प्लॅटफॉर्म हे समान मानके स्वीकारण्यासाठी आणि MCP सेवा प्रदाता नेटवर्कमध्ये (Service provider network) सामील होण्यासाठी तितकेच उत्सुक नाहीत. चिनी इंटरनेट इकोसिस्टमचे (Chinese internet ecosystem) बंदिस्त स्वरूप आणि डेटा गोपनीयतेच्या (Data privacy) वाढत्या संवेदनशीलतेमुळे अनेक प्लॅटफॉर्म सावध झाले आहेत. पूर्णपणेCommit होण्यापूर्वी ते MCP इकोसिस्टमची व्यवहार्यता (Viability) आणि विकास तपासण्यास प्राधान्य देतात.
कृत्रिम बुद्धिमत्ता क्षेत्र हे झपाट्याने बदलणाऱ्या शब्दावली आणि संकल्पनांसाठी ओळखले जाते. अँथ्रोपिकने (Anthropic) गेल्या वर्षी MCP प्रोटोकॉल (Protocol) ओपन-सोर्स (Open-source)केल्यानंतर, उद्योगाने बऱ्याच अंशी ‘प्रतीक्षा करा आणि पाहा’ (Wait-and-see) धोरण स्वीकारले. मात्र, Manus च्या प्रचंड लोकप्रियतेमुळे चीनमध्ये MCP मध्ये रस वाढला आहे.
कृत्रिम बुद्धिमत्ता एजन्सीसाठी MCP उत्प्रेरक
हुआझोंग युनिव्हर्सिटी ऑफ सायन्स अँड टेक्नॉलॉजीचे (Huazhong University of Science and Technology) होऊ झिन्यी (Hou Xinyi) यांच्या मते, ‘चॅटबॉट्स’ (Chatbots) च्या मर्यादा ओलांडून कृत्रिम बुद्धिमत्तेला बाह्य डेटा (External data) आणि साधनांशी संवाद साधण्यास सक्षम करणे हे महत्त्वाचे पाऊल आहे आणि MCP हे नेमके तेच साध्य करण्याचा प्रयत्न करते.
MCP पूर्वी, ‘कृत्रिम बुद्धिमत्ता एजन्सी’च्या (AI agency) कमतरतेवर मात करण्यासाठी पर्यायी दृष्टिकोन शोधले गेले. 2023 च्या उत्तरार्धात, OpenAI ने ॲप स्टोअरची (App store) (GPT Store) संकल्पना सादर केली, ज्यामुळे ChatGPT एका परिभाषित मानकांच्या आधारे प्लगइनद्वारे (Plugins) बाह्य साधने वापरू शकणार होते. बाइटडान्सचे (ByteDance) Kouzi, बायडूचे (Baidu) Qianfan आणि अलीबाबाचे (Alibaba) Bailian सारखी AI ॲप स्टोअर्स त्यानंतर सुरू झाली.
परंतु, या दृष्टिकोनची कालांतराने मर्यादा आली. प्लगइन आणि ॲप स्टोअर्समध्ये एक समान समस्या होती: ती म्हणजे siloization (स्वतंत्रता). प्रत्येक Tool चे स्वतःचे वेगळे डेव्हलपमेंट डॉक्युमेंटेशन (Development documentation), पॅरामीटर फॉरमॅट (Parameter format) आणि इंटरफेस स्पेसिफिकेशन्स (Interface specifications) होते. याचा अर्थ असा होता की डेव्हलपर्सना (Developers) AI मध्ये नवीन Tool इंटिग्रेट (Integrate)करताना प्रत्येक वेळी नव्याने सुरुवात करावी लागत होती, ज्यामुळे कार्यक्षमतेत घट होत होती.
कालांतराने, ॲप स्टोअर्समध्ये नवीन Tools जोडण्याची संख्या घटली आणि प्लगइनची गुणवत्ता मोठ्या प्रमाणात बदलली, ज्यामुळे गुंतागुंतीची कार्ये (Complex tasks) हाताळण्याची क्षमता कमी झाली. यावरून असे दिसून आले की विद्यमान दृष्टिकोन त्यांच्या अंतिम टप्प्यात पोहोचत आहेत.
MCP एक एकत्रीकरण उपाय
MCP ला एक आशादायक उपाय म्हणून पाहिले जाते, कारण ते एकत्रीकरणावर (Unification) भर देते. अँथ्रोपिकने (Anthropic) त्यांच्या अधिकृत डॉक्युमेंटेशनमध्ये (Documentation) MCP ची तुलना AI जगासाठी युनिव्हर्सल USB-C इंटरफेसशी (Universal USB-C interface) केली आहे. होऊ झिन्यी (Hou Xinyi) याला ‘डॉकिंग स्टेशन’ (Docking station) म्हणून संबोधणे पसंत करतात - एक बहुमुखी ॲडॉप्टर (Adapter) जे AI ला एकाच वेळी अनेक बाह्य Tools शी कनेक्ट (Connect)करण्यास मदत करते, ज्यामुळे फॉरमॅट रूपांतरण (Format conversions) करण्याची आवश्यकता दूर होते.
अनेकांचा असा अंदाज आहे की MCP चा रूपांतरणात्मक (Transformative) प्रभाव पडेल, जसा Qin Shi Huang च्याWeights आणि Measures च्या मानकीकरणामुळे झाला, ज्यामुळे पूर्वीच्या Spring आणि Autumn काळात विभागलेल्या राज्यांमध्ये व्यापार आणि संवाद सुलभ झाला.
एका मोठ्या तंत्रज्ञान कंपनीच्या इंटेलिजेंट इंटरकनेक्शन वर्किंग ग्रुपमधील (Intelligent interconnection working group) टेक्निकल लीडनुसार (Technical lead), MCP हे AI च्या भाषिक संवादांना (Language interactions) देखील अनुकूल करते. पूर्वी, नेव्हिगेशन सेवेचे (Navigation service) API वापरण्यासाठी AI ला वापरकर्त्यांना अचूकपणे ‘मला नेव्हिगेट (Navigate) करायचे आहे’ असे सांगावे लागत होते. थोडा जरी बदल झाला तरी AI अयशस्वी ठरण्याची शक्यता होती. आता, प्रत्येक Tool ला प्रमाणित नावे, पॅरामीटर्स (Parameters) आणि कार्यात्मक वर्णन (Functional descriptions) प्रदान करणे आवश्यक आहे. परिणामी, AI ला फक्त वापरकर्त्याचा हेतू समजून घेणे आणि नंतर वर्णनांवर आधारित सर्वात योग्य MCP सर्व्हरशी जुळवणे आवश्यक आहे.
हा दृष्टिकोन मोठ्या भाषिक मॉडेल्सच्या (Large language models) मूळ क्षमतांशी अधिक जुळतो, ज्यामुळे वापरकर्त्यांना एका वाक्यात सेवा सुरू करता येतात आणि इंटरफेस-टू-इंटरफेस (Interface-to-interface) संवादाच्या मागील आवश्यकतेतून मुक्ती मिळते.
MCP ची सध्याची स्वीकृती आणि मर्यादा
त्याच्या संभाव्य क्षमतेनंतरही, MCP ने अद्याप मोठ्या प्रमाणात स्वीकृती मिळवलेली नाही आणि त्याचे प्रत्यक्ष अनुप्रयोग (Practical applications) मर्यादित आहेत. सध्या, MCP हे एंटरप्राइज टेक्निकल Personnel (Enterprise technical personnel) आणि स्वतंत्र डेव्हलपर्समध्ये (Independent developers) सर्वाधिक लोकप्रिय आहे.
एक फ्रंट-एंड इंजिनियर (Front-end engineer) म्हणून, Gong Dian AI प्रोग्रामिंग असिस्टंट (Programming assistant) कर्सरवर (Cursor) खूप अवलंबून आहे. तथापि, कर्सरला त्याच्या कंपनीच्या अंतर्गत प्रकल्प प्रणालीमध्ये (Internal project systems) अखंडपणेIntigrate करण्यात अडचणी येत आहेत, ज्यामुळे मॅन्युअल इंटरव्हेन्शनची (Manual intervention) आवश्यकता आहे. पूर्वी प्लगइन किंवा फंक्शन कॉल्स (Function calls) वापरले जाऊ शकत होते, परंतु बाह्य AI कंपनीच्या अंतर्गत प्रणालीमध्ये ॲक्सेस करू शकत नव्हते आणि रिअल-टाइम Invocation मुळे सुरक्षिततेची (Security) चिंता वाढली होती. दुसरीकडे, MCP कंपनीच्या अंतर्गत नेटवर्कमध्ये सुरू केले जाऊ शकते, ज्यामुळे ते अधिक विश्वसनीय आणि Compliant बनते.
स्वतंत्र डेव्हलपर Zhu Mama ने अलीकडेच कर्सरला (Cursor) MCP डॉक्युमेंटेशन (Documentation) शिकण्यास आणि गुगल मॅप्स (Google Maps) आणि सर्च APIs (Search APIs) MCP सर्व्हरमध्ये पॅकेज (Package) करण्यास सांगितले, जे नंतर गुगलच्या जेमिनी (Gemini) मोठ्या भाषिक मॉडेलला Invoke करण्यासाठी वापरले गेले. परिणामी MCP-सज्ज जेमिनीला (Gemini) ट्रॅव्हल गाइड असिस्टंटमध्ये (Travel guide assistant) रूपांतरित केले गेले. सिंगापूर विमानतळावरून (Singapore Airport) विविध Attractions पर्यंत सार्वजनिक वाहतूक मार्गांबद्दल विचारले असता, असिस्टंटने Doubao च्या प्रतिसादाच्या तुलनेत अधिक तपशीलवार आणि अचूक माहिती प्रदान केली.
डेव्हलपर कम्युनिटीमध्ये (Developer community) विविध ट्रॅव्हल असिस्टंट्स (Travel assistants) उदयास येत आहेत. बाइटडान्सच्या (ByteDance) Kouzi Space ने 19 एप्रिल रोजी त्यांचे Internal Beta (Internal Beta) लाँच (Launch) केले, तेव्हा प्रात्यक्षिक केस (Demonstration case) देखील एक ट्रॅव्हल AI असिस्टंट (Travel AI assistant) होती, ज्यामुळे काही जणांना उद्योगाच्या प्रवासाच्या वेडाबद्दल विनोद करण्याची संधी मिळाली.
Zhu Mama स्पष्टपणे कबूल करतात की प्रवासाच्या परिस्थितीवर दिलेले लक्ष प्रामुख्याने रोजच्या Consumers च्या गरजांशी संबंधित आहे. दुसरे कारण म्हणजे चीनमध्ये MCP-Compliant इंटरनेट सॉफ्टवेअरची (Internet software) मर्यादित उपलब्धता, ज्यामुळे बाजाराची क्षमता मर्यादित आहे.
navigation प्लॅटफॉर्म MCP.so च्या नवीनतम आकडेवारीनुसार, जगभरात 11,028 पेक्षा जास्त MCP सेवा प्रदाते आहेत आणि त्यांची संख्या झपाट्याने वाढत आहे. तथापि, चीनमध्ये, AutoNavi, बायडू मॅप्स (Baidu Maps) आणि टेन्सेंट मॅप्स (Tencent Maps) सारखी काही प्रमुख भौगोलिक स्थान ॲप्लिकेशन्स (Geographical location applications) सध्या मोठ्या प्रमाणावर MCP सर्व्हर म्हणून कार्यरत आहेत.
या मर्यादेमुळे Zhu Mama ची चीनी आवृत्तीतील ट्रॅव्हल असिस्टंट (Travel assistant) तयार करण्याची योजना लवकरच थांबली. चायनीज ट्रॅव्हल गाइड (Chinese travel guide) विकसित करण्यासाठी, देशांतर्गत मॅप सेवा (Map services) वापरणे आदर्श ठरेल. तथापि, Zhu Mama ला असे आढळले की AutoNavi द्वारे प्रदान केलेल्या अधिकृत MCP सर्व्हरमध्ये (Official MCP server) अतिशय मर्यादित माहिती उपलब्ध आहे. जरी ते दोन स्थानांदरम्यान Route Queries (Route queries) प्रदान करू शकत असले, तरी त्यात Landmarks (Landmarks), Reviews (Reviews), हॉटेल तिकीट किमती (Hotel ticket prices) आणि इतर आवश्यक तपशीलांची माहिती नव्हती.
याउलट, Google Maps API तपशीलवार बुकिंग पद्धती (Booking methods), हॉटेलच्या किमती (Hotel prices), हॉटेलचे रिव्ह्यू (Hotel reviews), हॉटेल सुविधा (Hotel facilities) आणि अनेक प्लॅटफॉर्मवरील किमतींची तुलना (Price comparisons) देखील पुरवते, ज्याची कल्पना करणे चिनी इकोसिस्टममध्ये (Chinese ecosystem) कठीण आहे.
टेन्सेंट (Tencent), अलीबाबा (Alibaba), बाइटडान्स (ByteDance) आणि बायडू (Baidu) उत्पादने MCP स्वीकारत असली, तरी त्यांची उच्च-वारंवारता ॲप्लिकेशन्स (High-frequency applications) अद्याप MCP सेवा प्रदाता नेटवर्कमध्ये (Service provider network) औपचारिकपणे सामील झालेली नाहीत. WeChat, Xiaohongshu आणि Douyin तसेच Ele.me, Meituan आणि Ctrip सारखे लाईफस्टाइल सेवा प्लॅटफॉर्म (Lifestyle service platform) स्पष्टपणे अनुपस्थित आहेत.
Tool उपलब्धता आणि AI शेड्युलिंगमधील (Scheduling) आव्हाने
Tools च्या मर्यादित उपलब्धतेव्यतिरिक्त, AI ची शेड्युलिंग क्षमता देखील एक मर्यादा आहे. Zhu Mama ने गुगल हॉटेल्स (Google Hotels), मॅप्स (Maps) आणि सर्च (Search) यांसारख्या 6-8 API इंटरफेसला (API interfaces) एकाच MCP सर्व्हरमध्ये पॅकेज केले, जे जास्तीत जास्त मर्यादेपेक्षा खूपच कमी आहे (कर्सर (Cursor) प्रति एजंट (Agent) जास्तीत जास्त 40 Tools ला परवानगी देतो). तथापि, AI ला आधीपासूनच कोणते Tool Invoke करायचे हे ठरवण्यासाठी संघर्ष करावा लागत होता. जेव्हा AI ला गुंतागुंतीच्या विनंत्यांचा (Complex requests) सामना करावा लागला, तेव्हा AI प्रक्रिया खंडित (Break down) करण्यास आणि MCP ला टप्प्याटप्प्याने Invoke करण्यास असमर्थ ठरले, त्याऐवजी एकाच वेळी सर्वकाही हाताळण्याचा प्रयत्न करत होते.
Gong Dian च्या मते, MCP चे मूल्य क्लायंट (Client) आणि सर्व्हर (Server) दोन्ही बाजूंच्या गुणवत्तेवर अवलंबून असते. USB पोर्टमध्ये (USB port) जशी कोणतीही मूळ क्षमता नसते आणि ते त्यामागील सेवांवर अवलंबून असते, त्याचप्रमाणे MCP ला त्याची क्षमता साकार करण्यासाठी मजबूत सेवांची आवश्यकता असते.
MCP AI एजंट्सचा (AI agents) पाया घालते, परंतु ते सर्व समस्यांचे निराकरण करत नाही. न वापरलेले मानक केवळ कागदाचा तुकडा आहे.
वर नमूद केलेल्या टेक्निकल लीडने (Technical lead) असे सुचवले की अँथ्रोपिकच्या (Anthropic) MCP मानकांची मोठ्या प्रमाणावर स्वीकृती त्याच्या ओपन-सोर्स (Open-source), ना-नफा (Non-profit) स्वरूपा आणि निर्मात्याच्या विश्वासार्हतेमुळे आहे. इतर संस्था प्रतिष्ठित संस्थेने(Reputable entity) निश्चित केलेल्या मानकांचे पालन करण्यास तयार आहेत.
सध्या, लहान आणि मध्यम आकाराच्या कंपन्या आणि त्यांच्या महसुलाचे (Revenue) स्रोत विविधीकरण (Diversify) करू इच्छिणाऱ्या मोठ्या इंटरनेट कंपन्या MCP मानकांचे प्राथमिक स्वीकारकर्ते आहेत.
AI कंपेनियनशिप कंपनी (AI companionship company) MiniMax ने अलीकडेच एक MCP सर्व्हर सुरू केला आहे, ज्यामध्ये कम्युनिटी मॅनेजर (Community manager) Cai Jiaren यांनी सांगितले की डेव्हलपर्स (Developers) व्हिडिओ जनरेशन (Video generation), व्हॉइस जनरेशन (Voice generation) आणि व्हॉइस क्लोनिंगसाठी (Voice cloning) MiniMax च्या मल्टी-मॉडल क्षमतांना (Multi-modal capabilities) Invoke करण्यासाठी MCP चा वापर करू शकतात. एंटरप्राइजेस (Enterprises) जेव्हा Internal Data ॲक्सेस (Internal data access) करतात तेव्हा Compliance (अनुपालन) सुनिश्चित करण्यासाठी MCP मध्ये कठोर ॲक्सेस कंट्रोल मेकॅनिझम (Access control mechanisms) समाविष्ट आहेत. संपूर्ण Invocation प्रक्रिया देखील सुलभ केली आहे, ज्यामुळे अतिरिक्त टोकन खर्च (Token costs) लागत नाही.
MiniMax ने MCP सर्व्हर लाँच करण्याचा निर्णय जागतिक डेव्हलपर्सना (Global developers) MiniMax च्या मॉडेल क्षमतांचा सहजपणे लाभ घेता यावा आणि अधिक लवचिक (Flexible) आणि कार्यक्षम निर्मिती करता यावी या उद्देशाने घेतला.
इतर स्टार्टअप्सची (Startups) देखील अशीच महत्वाकांक्षा आहे. Biu Technology ने एका मुलाखतीत नमूद केले की डेव्हलपर्स (Developers) ऑटोNavi (AutoNavi) MCP वापरून वाहतूक डेटा (Transportation data) मिळवू शकतात आणि नंतर PPT तयार करण्यासाठी Biu ची उत्पादने वापरू शकतात. MCP ऑटोNavi च्या इंटरफेसमध्ये ॲक्सेस (Access) प्रदान करून प्रवेशाचा अडथळा कमी करते, जो अन्यथा त्यांच्यासाठी अनुपलब्ध असेल.
वर नमूद केलेल्या टेक्निकल लीडचा (Technical lead) असा विश्वास आहे की MCP ही अनिवार्यपणे सेवा प्रदात्यांबद्दलची (Service providers) कथा आहे. MCP मानकांनुसार त्यांचे APIs (APIs) Encapsulate करून, ॲप्लिकेशन सेवा प्रदाते (Application service providers) त्यांच्या सेवा सर्व AI साठी ॲक्सेसिबल (Accessible) करू शकतात.
सेवा प्रदात्यांमधील (Service providers) मतभेद आणि चिंता
तथापि, सेवा प्रदात्यांमध्ये (Service providers) मतभेद आहेत. अनेक कंपन्या या कल्पनेसाठी पूर्णपणेCommit नाहीत. AutoNavi आणि बायडू मॅप्स (Baidu Maps) सारख्या प्रमुख प्लॅटफॉर्मने MCP सर्व्हर लाँच केले असले तरी, ते प्रामुख्याने विद्यमान API इंटरफेस (API interface) पुन्हा पॅकेज (Repackage) करतात, पारंपारिक कार्यक्षमता (Conventional functionalities) देतात आणि Core User Permissions (Core user permissions) आणि Transaction Data (Transaction data) वर कठोर नियंत्रण ठेवतात.
मॅप लोकेशन सेवांव्यतिरिक्त (Map location services), थर्ड-पार्टी डेव्हलपरचे (Third-party developer) Xiaohongshu ऑटो-पब्लिशर (Auto-publisher), जे Content चे सर्च (Search) आणि पोस्टिंग (Posting) स्वयंचलित (Automate) करते, सध्या Modeng Community च्या MCP प्लाझामधील (MCP plaza) सर्वात लोकप्रिय आयटम (Item) आहे. होऊ झिन्यी (Hou Xinyi) यांचे म्हणणे आहे की याचा Xiaohongshu सारख्या सोशल Content प्लॅटफॉर्मवर (Social content platform) मर्यादित परिणाम होऊ शकतो, परंतु अन्न वितरण प्लॅटफॉर्मसारख्या (Food delivery platforms) Transaction-Intensive (Transaction-intensive) परिस्थितीमध्ये डेटा (Data) आणि परवानग्या (Permissions) विशेषतः संवेदनशील (Sensitive) बनतात.
सेवा प्रदात्यांसाठी (Service providers) मुख्य चिंतेपैकी एक म्हणजे यूजर एक्सपीरियंसचे (User experience) नियंत्रण.
उदाहरणार्थ, संपूर्ण अन्न वितरण सेवा (Food delivery service) सुरू करण्यासाठी AI एजंट्सना (AI agents) किमती (Prices), स्टोअर माहिती (Store information) आणि User Addresses (User addresses) आणि संपर्क माहिती (Contact information) यांसारख्या संवेदनशील वैयक्तिक डेटा (Sensitive personal data) ॲक्सेस करण्याची परवानगी देणे आवश्यक आहे. अँथ्रोपिकने (Anthropic) कबूल केले आहे की परमिशन मॅनेजमेंट (Permission management) आणि Invocation ऑडिटिंग (Invocation auditing) यांसारख्या MCP च्या सुरक्षा प्रणालीवर (Security system) अजूनही काम सुरू आहे. परिणामी, MCP शी कनेक्ट (Connect) करताना अनधिकृत Invocation चा धोका असल्याबद्दल काही प्लॅटफॉर्म चिंतित आहेत.
काही प्लॅटफॉर्म तुलनेने सुरक्षित Transaction परिस्थितीची (Transaction scenarios) चाचणी करत आहेत. उदाहरणार्थ, Alipay ने अलीकडेच एक MCP सर्व्हर सुरू केला आहे, ज्यामध्ये AI एजंट्सना (AI agents) ‘पेमेंट क्षमतांमध्ये (Payment capabilities) वन-क्लिक ॲक्सेस’ (One-click access) देण्याचा दावा केला आहे. तथापि, बारकाईने पाहिल्यास असे दिसून येते की ते पेमेंट सेवांपेक्षा (Payment services) प्रामुख्याने कलेक्शन (Collection) सेवा देतात.
होऊ झिन्यी (Hou Xinyi) यांच्या मते, Alipay चा दृष्टिकोन ग्राहकांच्या वतीने AI ला पेमेंट (Payment) करण्याची परवानगी देण्याऐवजी व्यापाऱ्यांचे पेमेंट (Payment) कलेक्शन (Collection) सुलभ करण्यावर लक्ष केंद्रित करतो. हा एक व्यवहार्य पर्याय (Viable option) आहे, कारण AI ला वॉलेट्स (Wallets) नियंत्रित (Control) करण्याची आणि मुक्तपणे ऑर्डर (Order) देण्याची परवानगी देणे अजूनही प्रत्येकासाठी पुरेसे सुरक्षित नाही. हे देखील एक महत्त्वाचे कारण आहे की Transaction सेवांना (Transaction services) मोठ्या प्रमाणावर प्रोत्साहन दिले जाऊ शकत नाही.
यामधील एक सखोल मुद्दा असा आहे की जर AI Transaction प्रक्रियेत (Transaction process) मुक्तपणे सहभागी झाला - वापरकर्त्यांना किमतींची तुलना (Compare prices) करण्यास मदत करणे किंवा सर्वात किफायतशीर (Cost-effective) रेस्टॉरंटची शिफारस करणे - तर ते निःसंशयपणे वापरकर्त्यांसाठी महत्त्वपूर्ण सोयी प्रदान करेल. तथापि, याचा अर्थ असा होईल की सेवा प्लॅटफॉर्म (Service platform) वापरकर्त्याच्या निवड प्रक्रियेवरील (Selection process) नियंत्रण गमावतील आणि त्यांचे Core Algorithm फायदे (Core algorithm advantages) कमी होतील, ज्यामुळे ते सामान्य पुरवठादार (Ordinary suppliers) बनतील.
सुरक्षा सुनिश्चित करणे आणि सार्वत्रिकतेला प्रोत्साहन देणे
अनेक मुलाखतकारांचा असा विश्वास आहे की MCP ला दोन प्रमुख समस्यांचे निराकरण करणे आवश्यक आहे: सुरक्षा आणि सार्वत्रिकता.
पहिले म्हणजे सुरक्षा. होऊ झिन्यी (Hou Xinyi) यांनी निदर्शनास आणून दिले की MCP ला दोन सुरक्षाविषयक आव्हानांचा सामना करावा लागत आहे: केंद्रीकृत सुरक्षा पर्यवेक्षणाचा (Centralized security supervision) अभाव आणि अपूर्ण ओळख पडताळणी (Identity verification) आणि डेटा ऑथरायझेशन यंत्रणा (Data authorization mechanism). सध्या, MCP साठी कोणतेही अधिकृत ‘Discovery Plaza’ (डिस्कव्हरी प्लाझा) नाही. अनेक थर्ड-पार्टी नेव्हिगेशन प्लॅटफॉर्म (Third-party navigation platform) GitHub वरून थेट कोड प्रोजेक्ट्स (Code projects) Pull करून MCP सेवा गोळा करतात, जे जलद आणि सरळ आहे परंतु त्यात औपचारिक पुनरावलोकन प्रक्रियेचा (Formal review process) अभाव आहे. अँथ्रोपिकने (Anthropic) म्हटले आहे की ते यावर्षी MCP होस्टिंग यंत्रणेचा (Hosting mechanism) आणि शोधण्यायोग्यतेच्या (Discoverability) समस्यांवर औपचारिकपणे लक्ष देईल. अँथ्रोपिकच्या (Anthropic) अलीकडेच अपडेट (Update) केलेल्या प्रोटोकॉल ड्राफ्टमध्ये (Protocol draft) ही कमतरता दूर करण्याचा प्रयत्न करत आहे. याव्यतिरिक्त, IIFAA (इंटरनेट ट्रस्टेड ऑथेंटिकेशन अलायन्स) (Internet Trusted Authentication Alliance) सारख्या देशांतर्गत संस्था सुरक्षेतील (Security) अंतर भरून काढण्याचा प्रयत्न करत आहेत.
AI एजंट क्षेत्रात (AI agent field) प्रॉम्प्ट हायजॅकिंग (Prompt hijacking) आणि Tool कॉम्बिनेशन अटॅकसारख्या (Tool combination attacks) दीर्घकाळ चालणाऱ्या समस्या देखील आहेत. तथापि, वर नमूद केलेल्या टेक्निकल लीडचा (Technical lead) असा विश्वास आहे की हे MCP चे धोके (Vulnerabilities) नाहीत, तर AI एजंटसाठी (AI agent) धोके आहेत. सध्या, MCP प्रोटोकॉलमध्ये (MCP protocol) कोणतीही स्पष्ट सुरक्षा त्रुटी (Security vulnerabilities) आढळलेली नाही आणि डेटा ट्रान्समिशन (Data transmission) आणि इंटरॲक्शन यंत्रणा (Interaction mechanism) सामान्यतः विश्वसनीय आहेत.
सुरक्षा ही फक्त पहिली पायरी आहे. खरे आव्हान म्हणजे उत्पादकांच्या (Manufacturers) हिताचे संरक्षण (Interest defenses) करणे आणि अधिक उत्पादकांना MCP सर्व्हर बनण्यास राजी करणे.
होऊ झिन्यी (Hou Xinyi) यांच्या मते, हे इंटरनेट प्लॅटफॉर्मच्या (Internet platform) ‘Walled Garden’ (वेढलेले उद्यान) स्वरूपाच्या समजुतीशी संबंधित आहे. डेटा (Data) हा विविध प्लॅटफॉर्मसाठी एक महत्त्वाचा स्पर्धात्मक अडथळा (Competitive barrier) आहे, त्यामुळे अनेक उत्पादक चाचणीसाठी (Testing) MCP सर्व्हर म्हणून काही परिघीय कार्ये (Peripheral functions) उघडू शकतात. MCP इकोसिस्टमचा (MCP ecosystem) किती परिणाम होईल हे पाहण्यासाठी उत्पादकांना प्रतीक्षा करावी लागेल.
वर नमूद केलेल्या प्रभारी व्यक्तीने सांगितले की जर ते MCP सर्व्हर म्हणून AI शी कनेक्ट (Connect) झाले तर ते अधिक User Data (वापरकर्ता डेटा) आणि सवयी मिळवू शकतात आणि त्यांच्या स्वतःच्या बेस मॉडेलला (Base model) परत देऊ शकतात, ज्यामुळे उत्पादकांना सक्रियपणे सामील होण्याची सर्वात मोठी प्रेरणा मिळू शकते.
जेव्हा MCP सर्व्हर मार्केट (MCP server market) खऱ्या अर्थाने विपुल (Abundant) असेल, तेव्हा आणखी दूरच्या समस्यांचा विचार करणे आवश्यक आहे.
उदाहरणार्थ, स्मार्ट बॉडीज (Smart bodies) मोबाईल फोनवर (Mobile phones) विविध ॲप्स (Apps) कसे कॉल (Call) करतात? प्रभारी व्यक्तीने नमूद केले की मोबाईल फोनच्या लोकल AI स्मार्ट बॉडीद्वारे (Local AI smart body) दुसरा ॲप वेक अप (Wake up) करण्यासाठी ॲप्लिकेशन ऑथरायझेशनचा (Application authorization) आणि ओळख पडताळणीचा (Identity verification) एक अतिरिक्त स्तर असेल, जो MCP क्लाउड सेवांना (Cloud services) कॉल (Call) करण्याइतका सोपा नाही आणि सध्या कोणताही योग्य उपाय नाही.
आणखी एक उदाहरण म्हणजे, जेव्हा सेवेचा पुरवठा जास्त असतो, तेव्हा स्मार्ट बॉडीज (Smart bodies) निवड कशी करतात - JD Takeaway (जेडी टेकअवे) किंवा Meituan Takeaway (मेइटुआन टेकअवे) कॉल (Call) करायचा? Gaode Map (गाओडे मॅप) वापरावे की बायडू मॅप (Baidu Map)? अनेक मुलाखतकारांनी नमूद केले की आजचे MCP Invocation लॉजिक (Invocation logic) अजूनही खूप मूलभूत (Basic) आहे, जे प्रामुख्याने सेवा प्रदात्याच्या ‘कार्यात्मक वर्णनाद्वारे’ (Functional description) निर्धारित केले जाते आणि कोणतीही क्रमवारी (Sorting) आणि ऑप्टिमायझेशन यंत्रणा (Optimization mechanism) नाही. जर सेवा प्रदात्याने (Service provider) वर्णनामध्ये (Description) हेतुपुरस्सरपणे इंडक्टिव्ह भाषा (Inductive language) जोडली, जसे की ‘सर्वात कार्यक्षम’ (Most efficient) आणि ‘आवश्यक’, तर AI ची दिशाभूल (Misled) होऊ शकते आणि त्याला अशा ठिकाणी वळवले जाऊ शकते जिथे त्याने जाऊ नये.
वर नमूद केलेल्या तंत्रज्ञानाच्या प्रभारी व्यक्तीने स्पष्ट केले की, “हे असे आहे की तुम्हाला सर्च इंजिनमध्ये (Search engine) हवी असलेली सेवा मिळत नाही, परंतु बरीच गोंधळलेली माहिती समोर येते. वापरकर्त्यांना (Users) सर्वाधिक आवश्यक असलेली सेवा अचूकपणे कशी जुळवायची, भविष्यात MCP इकोसिस्टमला (MCP ecosystem) देखील त्याच समस्येचा सामना करावा लागेल.”
अखेरीस, कोणत्याही मानकांची (Standard) अंमलबजावणी प्रक्रिया (Implementation process) आव्हानांनी परिपूर्ण असते. होऊ झिन्यी (Hou Xinyi) यांनी सांगितले की MCP च्या लोकप्रियतेला प्रोत्साहन देण्यासाठी, Manus प्रमाणेच एका महत्त्वाच्या संधीची (Key opportunity) आवश्यकता असू शकते, ज्यामुळे संपूर्ण उद्योगाला MCP ची शक्ती खऱ्या अर्थाने कळेल.