MCP चा उदय: AI मधील पुढील मोठी गोष्ट?

कृत्रिम बुद्धिमत्तेच्या (AI) जगात सतत बदल होत असतात आणि नवीन शब्द तसेच तंत्रज्ञान झपाट्याने उदयास येत आहेत. ‘MCP’ किंवा ‘Model Context Protocol’ हा त्यापैकीच एक शब्द आहे, ज्याने अलीकडेच लक्षणीय लोकप्रियता मिळवली आहे. AI समुदायात या संकल्पनेबद्दल खूप उत्साह आहे आणि मोबाइल ॲप डेव्हलपमेंटच्या सुरुवातीच्या दिवसांशी त्याची तुलना केली जात आहे.

बायडूचे अध्यक्ष ली यान्होंग यांनी 25 एप्रिल रोजी बायडू क्रिएट कॉन्फरन्समध्ये म्हटले, ‘MCP वर आधारित इंटेलिजेंट एजंट विकसित करणे म्हणजे 2010 मध्ये मोबाइल ॲप्स विकसित करणे.’ या विधानावरून AI ॲप्लिकेशन्सच्या भविष्यावर MCP चा किती मोठा प्रभाव पडू शकतो, हे स्पष्ट होते.

MCP म्हणजे काय?

जर तुम्ही MCP बद्दल अनभिज्ञ असाल, तर तुम्ही ‘एजंट’ (किंवा इंटेलिजेंट एजंट) हा शब्द ऐकला असेल. 2025 च्या सुरुवातीला चीनमधील स्टार्टअप Manus च्या वाढत्या लोकप्रियतेने ही संकल्पना प्रकाशझोतात आणली.

एजंटच्या लोकप्रियतेचं मुख्य कारण म्हणजे त्याची कार्यक्षमतेने काम करण्याची क्षमता. पूर्वीचे लार्ज लँग्वेज मॉडेल (LLM) केवळ संभाषणात्मक इंटरफेस म्हणून काम करत होते, तर एजंट्स बाह्य साधने आणि डेटा स्रोतांचा वापर करून सक्रियपणे कार्य करण्यासाठी डिझाइन केलेले आहेत. पारंपरिक LLM त्यांच्या ट्रेनिंग डेटाद्वारे मर्यादित आहेत आणि बाह्य संसाधनांमध्ये प्रवेश करण्यासाठी त्यांना क्लिष्ट प्रक्रियांची आवश्यकता असते.

एजंट व्हिजन साकार करण्यासाठी MCP महत्त्वाचे आहे, कारण ते LLM ला MCP प्रोटोकॉलला सपोर्ट करणाऱ्या बाह्य साधनांशी अखंडपणे संवाद साधण्यास मदत करते. यामुळे LLM अधिक विशिष्ट आणि जटिल कार्ये करू शकतात.

सध्या, Amap आणि WeChat Read सह अनेक ॲप्लिकेशन्सने अधिकृत MCP सर्व्हर्स लाँच केले आहेत. हे डेव्हलपर्सना त्यांचे आवडते LLM निवडण्याची आणि Amap किंवा WeChat Read सारख्या MCP सर्व्हर्समध्ये समाकलित करून AI ॲप्लिकेशन्स तयार करण्यास सक्षम करते. यामुळे LLM नकाशे शोधणे आणि पुस्तकांमधून माहिती मिळवणे यासारखी कार्ये करू शकते.

MCP ची लाट फेब्रुवारी 2024 मध्ये सुरू झाली आणि तिने जगभरात झपाट्याने गती पकडली आहे.

OpenAI, Google, Meta, Alibaba, Tencent, ByteDance आणि Baidu सारख्या प्रमुख कंपन्यांनी MCP प्रोटोकॉलसाठी सपोर्ट जाहीर केला आहे आणि आपले स्वतःचे MCP प्लॅटफॉर्म लाँच केले आहेत, ज्यात डेव्हलपर्स आणि ॲप्लिकेशन सर्व्हिस प्रोव्हायडर्सना सहभागी होण्यासाठी आमंत्रित केले आहे.

MCP: AI इकोसिस्टमला एकत्र आणणे

‘सुपर ॲप्स’ ही संकल्पना 2024 मध्ये AI क्षेत्रात खूप चर्चेत होती, ज्यात AI ॲप्लिकेशन्सच्या झपाट्याने वाढ होण्याची अपेक्षा होती. तथापि, AI इनोव्हेशन इकोसिस्टम अजूनही विखुरलेली होती.

MCP चा उदय चीनमध्ये किन शी हुआंगने केलेल्या एकत्रीकरणासारखा आहे, ज्याने लेखन, वाहतूक आणि मापन प्रणालींचे प्रमाणीकरण केले. या मानकीकरणामुळे आर्थिक क्रियाकलाप आणि व्यापाराला मोठी मदत झाली.

अनेक बाजारातील विश्लेषकांचा असा विश्वास आहे की MCP आणि तत्सम प्रोटोकॉलचा अवलंब केल्याने 2025 मध्ये AI ॲप्लिकेशन्समध्ये लक्षणीय वाढ होईल.

थोडक्यात, MCP हे AI साठी ‘सुपर प्लग-इन’ म्हणून काम करते, जे विविध बाह्य साधने आणि डेटा स्रोतांशी अखंडपणे समाकलित होण्यास सक्षम करते.

MCP चा तांत्रिक आधार

MCP, किंवा मॉडेल कॉन्टेक्स्ट प्रोटोकॉल, नोव्हेंबर 2024 मध्ये अँथ्रोपिकने प्रथम सादर केले.

एक ओपन स्टँडर्ड म्हणून, MCP AI ॲप्लिकेशन्सना बाह्य डेटा स्रोत आणि साधनांशी संवाद साधण्याची परवानगी देतो.

MCP ला LLM साठी युनिव्हर्सल अडॅप्टर म्हणून समजा, जे एक स्टँडर्ड ‘USB इंटरफेस’ आहे.

हा इंटरफेस डेव्हलपर्सना अधिक मानकीकृत आणि व्यवस्थित पद्धतीने ॲप्लिकेशन्स तयार करण्यास, तसेच विविध डेटा स्रोत आणि वर्कफ्लोमध्ये कनेक्ट होण्यास मदत करतो.

AI ॲप्लिकेशन डेव्हलपमेंटमधील अडथळे दूर करणे

MCP च्या उदयापूर्वी, AI ॲप्लिकेशन्स विकसित करणे एक कठीण आणि गुंतागुंतीची प्रक्रिया होती.

उदाहरणार्थ, AI ट्रॅव्हल असिस्टंट विकसित करण्यासाठी LLM ला नकाशे ॲक्सेस करणे, ट्रॅव्हल गाईड शोधणे आणि वापरकर्त्याच्या आवडीनुसार वैयक्तिकृत प्रवासाचे नियोजन तयार करणे यासारखी कार्ये करणे आवश्यक होते.

LLM ला नकाशे क्वेरी करण्यास आणि गाईड शोधण्यास सक्षम करण्यासाठी, डेव्हलपर्सना खालील आव्हानांचा सामना करावा लागला:

• प्रत्येक AI प्रदाता (OpenAI, Anthropic, इत्यादी) फंक्शन कॉलिंग वेगवेगळ्या प्रकारे लागू करतात. LLM मध्ये स्विच करण्यासाठी डेव्हलपर्सना ॲडॉप्टेशन कोड पुन्हा लिहावा लागत होता, ज्यामुळे LLM ला बाह्य साधने वापरण्यासाठी ‘युजर मॅन्युअल’ तयार करावे लागत होते. अन्यथा, मॉडेलच्या आउटपुटची अचूकता लक्षणीयरीत्या कमी होते.
• LLM च्या बाहेरील जगाशी संवाद साधण्यासाठी एकात्मिक मानकांची कमतरता असल्यामुळे कोडची रियुसेबिलिटी कमी होती, ज्यामुळे AI ॲप्लिकेशन इकोसिस्टमच्या विकासात अडथळे येत होते.

Alibaba Cloud ModelScope मधील अल्गोरिदम तंत्रज्ञान तज्ञ चेन झिकियान यांच्या मते, ‘MCP पूर्वी, डेव्हलपर्सना LLM समजून घेणे आणि बाह्य साधने त्यांच्या ॲप्लिकेशन्समध्ये एम्बेड करण्यासाठी सेकंडरी डेव्हलपमेंट करणे आवश्यक होते. जर साधनांची कार्यक्षमता खराब असेल, तर समस्या ॲप्लिकेशनमध्ये आहे की साधनांमध्ये, हे डेव्हलपर्सना शोधावे लागत होते.’

वर नमूद केलेले AI स्टार्टअप Manus हे याचे उत्तम उदाहरण आहे. मागील एका अभ्यासात असे आढळून आले की Manus ला एक साधा बातमी लेख लिहिण्यासाठी ब्राउझर उघडणे, वेब पेजेस ब्राउझ करणे आणि स्क्रॅप करणे, लिहिणे, पडताळणी करणे आणि अंतिम निकाल देणे यासह दहा पेक्षा जास्त साधनांना कॉल करणे आवश्यक होते.

जर Manus ने प्रत्येक टप्प्यात बाह्य साधनांना कॉल करणे निवडले, तर बाह्य साधने कशी चालतील याची व्यवस्था करण्यासाठी त्याला एक ‘फंक्शन’ लिहावे लागले असते. परिणामी, Manus अनेकदा ओव्हरलोडमुळे कार्ये पूर्ण करू शकले नाही आणि जास्त टोकन वापरले गेले.

MCP चे फायदे

MCP मुळे डेव्हलपर्सना बाह्य साधनांच्या कार्यक्षमतेची जबाबदारी घेण्याची आवश्यकता नाही. त्याऐवजी, ते ॲप्लिकेशनची देखभाल आणि डीबगिंग करण्यावर लक्ष केंद्रित करू शकतात, ज्यामुळे डेव्हलपमेंटचा भार लक्षणीयरीत्या कमी होतो.

Alipay आणि Amap सारखे इकोसिस्टममधील स्वतंत्र सर्व्हर्स त्यांच्या MCP सेवांची देखभाल करू शकतात, नवीनतम आवृत्त्यांमध्ये अपडेट करू शकतात आणि डेव्हलपर्स कनेक्ट होण्याची वाट पाहू शकतात.

MCP च्या मर्यादा आणि आव्हाने

त्याच्या क्षमतेनुसार, MCP इकोसिस्टम अजूनही सुरुवातीच्या टप्प्यात आहे आणि त्याला अनेक आव्हानांचा सामना करावा लागत आहे.

काही डेव्हलपर्स असा युक्तिवाद करतात की MCP हे अनावश्यक गुंतागुंत आहे, APIs हा एक सोपा उपाय आहे. LLM विविध प्रोटोकॉलद्वारे APIs ला कॉल करू शकतात, ज्यामुळे MCP निरर्थक वाटतो.

सध्या, मोठ्या कंपन्यांनी जारी केलेल्या बहुतेक MCP सेवा कंपन्यांद्वारेच परिभाषित केल्या जातात, ज्यामुळे LLM द्वारे कोणती कार्ये कॉल केली जाऊ शकतात आणि ती कशी शेड्यूल केली जातात हे ठरवले जाते. तथापि, यामुळे कंपन्या त्यांच्या सर्वात महत्त्वपूर्ण आणि रिअल-टाइम माहितीमध्ये प्रवेश देऊ शकत नाहीत, अशी चिंता वाढते.

शिवाय, जर MCP सर्व्हर्स अधिकृतपणे लाँच केले गेले नाहीत किंवा त्यांची योग्य देखभाल केली गेली नाही, तर MCP कनेक्शनची सुरक्षा आणि स्थिरता questionable असू शकते.

स्वतंत्र डेव्हलपर टँग श्वांग यांनी एका नकाशा MCP सर्व्हरचे उदाहरण शेअर केले, ज्यामध्ये 20 पेक्षा कमी साधने होती. यापैकी पाच साधनांना अक्षांश आणि रेखांश आवश्यक होते, तर हवामान Tool ला प्रशासकीय विभाग ID आवश्यक होता, परंतु हे IDs कसे मिळवायचे याबद्दल कोणतीही माहिती दिली नव्हती. त्यामुळे वापरकर्त्यांना सेवा प्रदात्याच्या इकोसिस्टममध्ये परत जावे लागले आणि माहिती आणि परवानग्या मिळवण्यासाठी steps follow कराव्या लागल्या.

MCP ची लोकप्रियता स्पष्ट असली, तरी त्यामागील गतीशीलता खूपच गुंतागुंतीची आहे. LLM विक्रेते MCP सेवा पुरवण्यास इच्छुक असले, तरी ते नियंत्रण ठेवतात आणि इतर इकोसिस्टमला ​​लाभ देण्यास कचरतात. जर सेवांची योग्य देखभाल केली गेली नाही, तर डेव्हलपर्सना जास्त कामाचा सामना करावा लागू शकतो, ज्यामुळे इकोसिस्टमचा उद्देशच धोक्यात येऊ शकतो.

ओपन सोर्सचा विजय

MCP ला आता जास्त traction का मिळत आहे?

सुरुवातीला, अँथ्रोपिकने MCP लाँच केल्यानंतर त्याला फारसे लक्ष मिळाले नाही. अँथ्रोपिकच्या Claude Desktop सारख्या मोजक्या ॲप्लिकेशन्सनी MCP प्रोटोकॉलला सपोर्ट केला. डेव्हलपर्समध्ये एकात्मिक AI डेव्हलपमेंट इकोसिस्टमचा अभाव होता आणि ते प्रामुख्याने isolated काम करत होते.

डेव्हलपर्सनी MCP चा स्वीकार केल्यामुळे ते हळूहळू प्रसिद्धीच्या झोतात आले. फेब्रुवारी 2025 मध्ये, Cursor, VSCode आणि Cline यांसारख्या अनेक लोकप्रिय AI प्रोग्रामिंग ॲप्लिकेशन्सनी MCP प्रोटोकॉलसाठी सपोर्ट जाहीर केला, ज्यामुळे त्याची लोकप्रियता लक्षणीयरीत्या वाढली.

डेव्हलपर समुदायाच्या स्वीकृतीनंतर, LLM विक्रेत्यांनी MCP चे integration करणे हे त्याच्या व्यापक स्वीकृतीमधील महत्त्वाचे factor ठरले.

OpenAI ने 27 मार्च रोजी MCP साठी सपोर्ट जाहीर केला, त्यानंतर Google ने सपोर्ट जाहीर केल्यामुळे हे एक महत्त्वपूर्ण पाऊल ठरले.

Google चे CEO सुंदर पिचाई यांनी X वर MCP बद्दल त्यांची द्विधा मनःस्थिती व्यक्त केली, ‘MCP करायचं की नाही, हाच प्रश्न आहे.’ मात्र, हे tweet पोस्ट केल्यानंतर अवघ्या चार दिवसांनी Google ने देखील MCP साठी आपला सपोर्ट जाहीर केला.

AI उद्योगातील मोठ्या खेळाडूंनी MCP चा झपाट्याने स्वीकार केल्यामुळे AI ॲप्लिकेशन्स विकसित आणि तैनात करण्याच्या पद्धतीत बदल करण्याची क्षमता दिसून येते.

MCP चा पुढील मार्ग

MCP इकोसिस्टम जसजसा विकसित होत आहे, तसतसे सध्याच्या मर्यादा आणि आव्हानांवर मात करणे महत्त्वाचे ठरेल. यामध्ये खालील गोष्टींचा समावेश आहे:

• प्रमाणीकरण: स्वतंत्र विक्रेत्यांपासून स्वतंत्र असलेला अधिक प्रमाणित MCP प्रोटोकॉल विकसित करणे.
• सुरक्षा: MCP कनेक्शनची सुरक्षा आणि विश्वसनीयता सुनिश्चित करण्यासाठी मजबूत सुरक्षा उपाय लागू करणे.
• देखभाल: उच्च-गुणवत्तेचे MCP सर्व्हर्स विकसित करण्यास आणि त्यांची देखभाल करण्यास प्रोत्साहन देणे.
• उपलब्धता: MCP सर्व कौशल्य स्तरांतील डेव्हलपर्ससाठी अधिक सुलभ बनवणे.

या आव्हानांना सामोरे जाऊन, MCP मध्ये AI इनोव्हेशनच्या एका नवीन युगाला अनलॉक करण्याची क्षमता आहे, ज्यामुळे अधिक शक्तिशाली, बहुमुखी आणि वापरकर्ता-अनुकूल AI ॲप्लिकेशन्स तयार करणे शक्य होईल.

निष्कर्ष म्हणून, MCP अजूनही त्याच्या सुरुवातीच्या टप्प्यात असले, तरी AI क्षेत्रात बदल घडवण्याची क्षमता नाकारता येत नाही. अधिक खुले, प्रमाणित आणि सहयोगी इकोसिस्टमला प्रोत्साहन देऊन, MCP एक असे भविष्य निर्माण करू शकते, जिथे AI सर्वांसाठी अधिक सुलभ आणि फायदेशीर असेल.