Model Context Protocol (MCP) Java, OpenSearch आणि C# मध्ये एकत्रितपणे वापरला जातो. Quarkus आणि Spring AI सारख्या फ्रेमवर्कमध्ये हे मोठ्या प्रमाणावर वापरले जाते. ॲप्लिकेशन्सना LLMs सोबत संदर्भ डेटा पुरवण्यासाठी हे मदत करते.
जावा वातावरणात मॉडेल कॉन्टेक्स्ट प्रोटोकॉलचा उदय
जावा इकोसिस्टममध्ये मॉडेल कॉन्टेक्स्ट प्रोटोकॉल (MCP) चा वापर ॲप्लिकेशन्स आणि मोठ्या भाषिक मॉडेल (LLMs) यांच्यातील संवादात बदल घडवून आणतो. Quarkus आणि Spring AI सारखे फ्रेमवर्क MCP च्या क्षमतेचा उपयोग करण्यासाठी विकासकांना मजबूत प्लॅटफॉर्म देतात. JBang सारख्या साधनांचा वापर करून MCP सर्व्हर्स कार्यक्षमतेने चालवण्याची क्षमता विकासकांच्या उत्पादकतेत आणि तैनाती सुलभतेमध्ये लक्षणीय वाढ दर्शवते. MCP Java Server Configuration Generator कॉन्फिगरेशनची गुंतागुंत कमी करण्यात महत्त्वाची भूमिका बजावते, ज्यामुळे MCP जावा विकासकांच्या विस्तृत श्रेणीसाठी अधिक सुलभ होते. ही सुलभता जावा समुदायामध्ये नवकल्पना आणि प्रयोगांना प्रोत्साहन देण्यासाठी महत्त्वपूर्ण आहे.
Anthropic ने MCP एक मुक्त मानक म्हणून सादर केले आहे, जे ॲप्लिकेशन्सना LLMs ला প্রাসঙ্গিক माहिती पुरवण्यासाठी सक्षम करते. LLM प्रतिसादांची अचूकता आणि प्रासंगिकता सुधारण्यासाठी हे প্রাসঙ্গিক সমৃদ্ধीकरण महत्वाचे आहे, ज्यामुळे एकूण वापरकर्ता अनुभव वाढतो. OpenAI आणि Google सारख्या प्रमुख खेळाडूंकडून मिळालेला पाठिंबा MCP च्या संभाव्यतेची उद्योगाची স্বীকৃতি अधोरेखित करतो. VS कोड वापरकर्त्यांसाठी GitHub च्या MCP सर्व्हर समर्थनाच्या एकत्रीकरणामुळे आधुनिक विकास कार्यप्रवाहात MCP चे महत्त्व आणखी वाढले आहे. लोकप्रिय विकास साधनांसह अखंड एकत्रीकरण सुलभ करून, MCP AI-आधारित ॲप्लिकेशन्समध्ये एक मानक घटक बनण्यास सज्ज आहे.
MCP फ्रेमवर्क विकासकांना विविध कार्यांना LLMs सोबत संवाद साधू शकणाऱ्या साधनांमध्ये रूपांतरित करण्यास अनुमती देते, जे AI एकत्रीकरणासाठी लवचिक आणि विस्तारण्यायोग्य दृष्टीकोन प्रदान करते. प्रोटोकॉलचे मानक इनपुट आणि सर्व्हर-साइड इव्हेंट्स (SSE) द्वारे संप्रेषणासाठी समर्थन प्रणाली आणि आर्किटेक्चरच्या विस्तृत श्रेणीशी सुसंगतता सुनिश्चित करते. LangChain4j, Quarkus आणि Spring AI सारख्या Java फ्रेमवर्कमध्ये MCP साठी वाढता पाठिंबा ॲप्लिकेशन्स आणि LLMs दरम्यान संवाद सुलभ करणाऱ्या मानकीकृत प्रोटोकॉलची वाढती मागणी दर्शवते. आंतरकार्यक्षमता वाढवण्यासाठी आणि AI एकत्रीकरणाची गुंतागुंत कमी करण्यासाठी हे मानकीकरण आवश्यक आहे.
MCP अंमलबजावणीमध्ये सुरक्षा विचारांना संबोधित करणे
तथापि, MCP च्या जलद स्वीकृतीमुळे गंभीर सुरक्षा विचारणा देखील समोर येतात. LLMs ला डेटा उघड केल्याने हॅल्युसिनेशनचा धोका आणि संभाव्य माहिती गळती यासारख्या असुरक्षितता येऊ शकतात. विकासकांनी हे धोके कमी करण्यासाठी मजबूत सुरक्षा उपाययोजना करण्यात दक्ष असणे आवश्यक आहे. सर्वोत्तम पद्धतींमध्ये हे समाविष्ट आहे:
- डेटा सॅनिटायझेशन: दुर्भावनापूर्ण कोड किंवा संवेदनशील माहितीच्या इंजेक्शनला प्रतिबंध करण्यासाठी LLMs ला उघड करण्यापूर्वी सर्व डेटा पूर्णपणे सॅनिटाइझ करा.
- ॲक्सेस कंट्रोल: डेटाचा एक्सपोजर अधिकृत LLMs आणि वापरकर्त्यांपर्यंत मर्यादित करण्यासाठी कठोर ॲक्सेस कंट्रोल धोरणे अंमलात आणा.
- निरीक्षण आणि ऑडिटिंग: कोणत्याही संशयास्पद क्रियाकलापांचे निदान करण्यासाठी आणि त्यावर प्रतिक्रिया देण्यासाठी MCP संवादांचे सतत निरीक्षण आणि ऑडिट करा.
- नियमित सुरक्षा मूल्यांकन: MCP अंमलबजावणीमध्ये संभाव्य असुरक्षितता ओळखण्यासाठी आणि त्यांचे निराकरण करण्यासाठी नियमित सुरक्षा मूल्यांकन करा.
या सुरक्षा समस्यांचे सक्रियपणे निराकरण करून, विकासक त्यांच्या ॲप्लिकेशन्समध्ये MCP चा सुरक्षित आणि जबाबदार वापर सुनिश्चित करू शकतात. सुरक्षा विचारांबद्दल अधिक माहितीसाठी, The Hacker News सारखी संसाधने मौल्यवान माहिती प्रदान करतात.
OpenSearch 3.0: GPU प्रवेग आणि मूळ MCP समर्थनाचा स्वीकार
लिनक्स फाउंडेशन अंतर्गत OpenSearch 3.0 ची रिलीज ओपन-सोर्स शोध आणि विश्लेषण प्लॅटफॉर्मच्या उत्क्रांतीमध्ये एक महत्त्वपूर्ण टप्पा आहे. हे प्रकाशन प्रायोगिक GPU-प्रवेगित वेक्टर अनुक्रमणिका आणि मूळ MCP समर्थन सादर करते, जे OpenSearch ला ElasticSearch साठी एक प्रभावी प्रतिस्पर्धी म्हणून स्थापित करते. GPU प्रवेगचा समावेश विशेष उल्लेखनीय आहे, कारण इंडेक्स बांधणीमध्ये 9.3 पट वेग वाढवण्याचा दावा केला जात आहे. हे कार्यप्रदर्शन वर्धन मोठ्या डेटासेट अनुक्रमित करण्यासाठी आवश्यक असलेला वेळ आणि संसाधने लक्षणीयरीत्या कमी करू शकते, ज्यामुळे मोठ्या प्रमाणात डेटा हाताळणाऱ्या संस्थांसाठी OpenSearch एक आकर्षक पर्याय बनते.
मूळ MCP समर्थनाच्या एकत्रीकरणामुळे AI एजंट्सना OpenSearch सोबत थेट संवाद साधता येतो, ज्यामुळे AI-आधारित शोध आणि विश्लेषण ॲप्लिकेशन्ससाठी नवीन शक्यता उघड होतात. या एकत्रीकरणामुळे AI क्षमता त्यांच्या उत्पादनांमध्ये समाकलित करू पाहणाऱ्या विक्रेत्यांमध्ये MCP चा अवलंब वाढण्याची अपेक्षा आहे.
नवीन आवृत्ती gRPC प्रोटोकॉल देखील सादर करते, क्लायंट, सर्व्हर आणि नोड्स दरम्यान डेटा वहन वाढवते. हे सुधारित कम्युनिकेशन प्रोटोकॉल जलद आणि अधिक कार्यक्षम डेटा हस्तांतरणास कारणीभूत ठरू शकते, ज्यामुळे OpenSearch चे कार्यप्रदर्शन आणखी वाढते. Apache Kafka सारख्या स्ट्रीमिंग सिस्टममधील डेटासाठी पुल-आधारित इंजेक्शन आणि Java कोडमधील सुधारणा, ज्यासाठी आता किमान Java 21 आवश्यक आहे, यांचा इतर उल्लेखनीय वैशिष्ट्यांमध्ये समावेश आहे. ही वाढ OpenSearch ची तंत्रज्ञानाच्या आघाडीवर राहण्याची आणि वापरकर्त्यांना नवीनतम साधने आणि क्षमता प्रदान करण्याची बांधिलकी दर्शवते.
AWS द्वारे ElasticSearch मधून तयार केलेले OpenSearch, Elastic पुन्हा ओपन सोर्सकडे वळत असताना समुदायाच्या सहभागाचा सक्रियपणे पाठपुरावा करत आहे. Trail of Bits द्वारे केलेले अलीकडील कार्यप्रदर्शन तुलना दर्शवते की OpenSearch काही ऑपरेशन्समध्ये Elasticsearch पेक्षा सरस ठरते, ज्यामुळे एक व्यवहार्य पर्याय म्हणून त्याची स्थिती अधिक मजबूत होते.
मॉडेल कॉन्टेक्स्ट प्रोटोकॉल सर्व्हर्स प्रोजेक्टचे अनावरण
mcp-servers हा प्रकल्प, Quarkus वापरून तयार केला आहे, मॉडेल कॉन्टेक्स्ट प्रोटोकॉलच्या व्यावहारिक ॲप्लिकेशन्सचे उदाहरण देतो. या प्रकल्पात तीन भिन्न सर्व्हर आहेत: JDBC, Filesystem आणि JavaFX, जे सर्व JBang द्वारे सहजपणे चालवले जाऊ शकतात. तैनातीची ही सुलभता Java चा पूर्वीचा अनुभव नसलेल्या सर्व कौशल्य स्तरांमधील विकासकांसाठी ते सुलभ करते.
विकासक या सर्व्हर्सचा उपयोग AI ॲप्लिकेशन्सना कोणत्याही JDBC-सुसंगत डेटाबेसशी कनेक्ट करण्यासाठी, स्थानिक फाइल सिस्टीममध्ये प्रवेश करण्यासाठी किंवा JavaFX कॅनव्हासवर काढण्यासाठी करू शकतात. JBang सह सेटअपची साधेपणा विस्तृत Java इंस्टॉलेशनची आवश्यकता दूर करते, ज्यामुळे गैर-जावा विकासकांना हे सर्व्हर जलद आणि सहजपणे वापरता येतात.
सर्व्हरसह प्रारंभ करण्यासाठी, वापरकर्त्यांना JBang स्थापित करणे आणि त्यानुसार त्यांचे MCP क्लायंट कॉन्फिगर करणे आवश्यक आहे. सुसंगत MCP क्लायंटमध्ये Claude Desktop, mcp-cli आणि Goose यांचा समावेश आहे, Goose त्याच्या ओपन-सोर्स स्वरूपासाठी वेगळा आहे.
मायक्रोसॉफ्ट आणि अँथ्रोपिकचे संयुक्त उद्यम: MCP साठी C# SDK
Microsoft आणि Anthropic यांच्यातील सहकार्याने मॉडेल कॉन्टेक्स्ट प्रोटोकॉल (MCP) साठी अधिकृत C# SDK तयार केला आहे. हा SDK, मॉडलकॉन्टेक्स्टप्रोटोकॉल GitHub संस्थेअंतर्गत उपलब्ध आहे, जो ओपन-सोर्स आहे, सामुदायिक योगदानाला प्रोत्साहन देतो आणि नवकल्पना वाढवतो.
SDK सामुदायिक प्रकल्प mcpdotnet वर आधारित आहे, ज्याचे नेतृत्व Peder Holdgaard Pedersen यांनी केले आहे. मायक्रोसॉफ्टचे डेव्हिड फाउलर यांनी पेडर्सन यांच्या योगदानाला दुजोरा दिला आहे आणि .NET ॲप्लिकेशन्ससाठी प्रकल्पाचे महत्त्व अधोरेखित केले आहे.
MCP साधन- आणि संसाधन-होस्टिंग सर्व्हरशी संवाद साधणाऱ्या ॲप्लिकेशन्ससाठी संवाद सुलभ करते. हे ListToolsRequest आणि CallToolRequest सह विविध संदेशांना समर्थन देते. मायक्रोसॉफ्ट OAuth आणि OpenID Connect सारख्या प्रमाणीकरण प्रोटोकॉलला समर्थन देण्याचा मानस ठेवते, MCP अंमलबजावणीची सुरक्षा आणि विश्वसनीयता वाढवते.
SDK NuGet द्वारे सहज उपलब्ध आहे, अधिकृत GitHub भांडार मध्ये सर्वसमावेशक कागदपत्रे आणि उदाहरणे दिली आहेत. हे सर्वसमावेशक समर्थन विकासकांसाठी MCP त्यांच्या C# ॲप्लिकेशन्समध्ये समाकलित करणे सोपे करते.
MCP च्या मुख्य कार्यांमध्ये खोलवर जा
प्रासंगिक डेटासह LLM संवाद वाढवणे
मॉडेल कॉन्टेक्स्ट प्रोटोकॉल (MCP) ॲप्लिकेशन्स आणि मोठ्या भाषिक मॉडेल (LLMs) यांच्यातील संवादाला प्रासंगिक माहिती पुरवण्यासाठी एक मानकीकृत पद्धत प्रदान करून मूलभूतपणे वर्धित करते. LLM प्रतिसादांची अचूकता, प्रासंगिकता आणि एकूण गुणवत्ता सुधारण्यासाठी हे प्रासंगिक समृद्धीकरण महत्वाचे आहे. वापरकर्त्याच्या हेतू, ॲप्लिकेशनची वर्तमान स्थिती आणि संबंधित बाह्य डेटाबद्दल विशिष्ट तपशील LLMs ला पुरवण्यासाठी ॲप्लिकेशन्सना सक्षम करून, MCP LLMs ला अधिक माहितीपूर्ण आणि प्रासंगिकरित्या योग्य आउटपुट तयार करण्यास अनुमती देते.
उदाहरणार्थ, ग्राहक सेवा ॲप्लिकेशनचा विचार करा जे वापरकर्त्याच्या प्रश्नांची उत्तरे देण्यासाठी LLM चा वापर करते. MCP शिवाय, LLM ला मागील संवादांबद्दल, खात्याच्या तपशीलांबद्दल किंवा वर्तमान समस्येबद्दल मर्यादित ज्ञान असेल. MCP सह, ॲप्लिकेशन LLM ला ही प्रासंगिक माहिती प्रदान करू शकते, ज्यामुळे LLM ला प्रतिसाद विशिष्ट वापरकर्ता आणि त्यांच्या परिस्थितीनुसार तयार करण्यास अनुमती मिळते. यामुळे अधिक वैयक्तिकृत आणि प्रभावी ग्राहक सेवा अनुभव मिळतो.
आंतरकार्यक्षमतेसाठी मानकीकृत संवाद
MCP एक मानकीकृत संवाद प्रोटोकॉल स्थापित करते जे ॲप्लिकेशन्स आणि LLMs दरम्यान अखंड आंतरकार्यक्षमता सुलभ करते. AI एकत्रीकरणाची गुंतागुंत कमी करण्यासाठी आणि पुनर्वापर करण्यायोग्य घटकांच्या विकासास प्रोत्साहन देण्यासाठी हे मानकीकरण महत्त्वपूर्ण आहे. सामान्य प्रोटोकॉलचे पालन करून, विकासक सुसंगतता समस्यांबद्दल काळजी न करता विविध LLMs आणि ॲप्लिकेशन्स सहजपणे समाकलित करू शकतात.
संदेशवहनसाठी मानक इनपुट आणि सर्व्हर-साइड इव्हेंट्स (SSE) चा वापर MCP ची आंतरकार्यक्षमता आणखी वाढवतो. ही विस्तृतपणे समर्थित तंत्रज्ञान MCP सहजपणे प्रणाली आणि आर्किटेक्चरच्या विस्तृत श्रेणीमध्ये समाकलित केले जाऊ शकते याची खात्री करतात. MCP च्या आसपासचे मानकीकरण प्रयत्न अधिक खुले आणि सहयोगी AI इकोसिस्टमसाठी मार्ग मोकळा करत आहेत.
MCP अंमलबजावणीमध्ये सुरक्षा विचार
MCP महत्त्वपूर्ण फायदे देत असले तरी, संबंधित सुरक्षा विचारांना संबोधित करणे महत्वाचे आहे. LLMs ला डेटा उघड केल्याने हॅल्युसिनेशनचा धोका आणि संभाव्य माहिती गळती यासारख्या असुरक्षितता येऊ शकतात. विकासकांनी हे धोके कमी करण्यासाठी मजबूत सुरक्षा उपाययोजना करण्यात सक्रिय असणे आवश्यक आहे.
एक महत्त्वाची सुरक्षा पद्धत म्हणजे डेटा सॅनिटायझेशन. LLMs ला डेटा उघड करण्यापूर्वी, दुर्भावनापूर्ण कोड किंवा संवेदनशील माहितीच्या इंजेक्शनला प्रतिबंध करण्यासाठी तो पूर्णपणे सॅनिटाइझ करणे आवश्यक आहे. यात वैयक्तिकरित्या ओळखण्यायोग्य माहिती (PII) काढणे किंवा मुखवटा लावणे, वापरकर्ता इनपुट प्रमाणित करणे आणि इनपुट प्रमाणीकरण तंत्र अंमलात आणणे समाविष्ट असू शकते.
आणखी एक महत्त्वाचा सुरक्षा उपाय म्हणजे ॲक्सेस कंट्रोल. कठोर ॲक्सेस कंट्रोल धोरणे अंमलात आणल्याने डेटाचा एक्सपोजर अधिकृत LLMs आणि वापरकर्त्यांपर्यंत मर्यादित केला जाऊ शकतो. यात प्रमाणीकरण आणि अधिकृतता यंत्रणा वापरणे समाविष्ट असू शकते जेणेकरून केवळ अधिकृत घटकांना संवेदनशील डेटा ॲक्सेस करण्याची परवानगी आहे.
MCP संवादांमधील कोणत्याही संशयास्पद क्रियाकलापांचे निदान करण्यासाठी आणि त्यावर प्रतिक्रिया देण्यासाठी सतत निरीक्षण आणि ऑडिटिंग देखील महत्त्वपूर्ण आहे. यात सर्व MCP विनंत्या आणि प्रतिसाद लॉग करणे, असामान्य नमुन्यांसाठी निरीक्षण करणे आणि घुसखोरी शोध प्रणाली अंमलात आणणे समाविष्ट असू शकते.
MCP अंमलबजावणीमधील संभाव्य असुरक्षितता ओळखण्यासाठी आणि त्यांचे निराकरण करण्यासाठी नियमित सुरक्षा मूल्यांकन केले जावे. या मूल्यांकनांमध्ये भेदक चाचणी, कोड पुनरावलोकने आणि असुरक्षितता स्कॅनिंग समाविष्ट असू शकते.
या सुरक्षा समस्यांचे सक्रियपणे निराकरण करून, विकासक त्यांच्या ॲप्लिकेशन्समध्ये MCP चा सुरक्षित आणि जबाबदार वापर सुनिश्चित करू शकतात.
MCP इकोसिस्टममध्ये OpenSearch 3.0 ची भूमिका
OpenSearch 3.0 चे मूळ MCP समर्थन शोध आणि विश्लेषण प्लॅटफॉर्ममध्ये AI क्षमतांच्या एकत्रीकरणामध्ये एक महत्त्वपूर्ण पाऊल दर्शवते. AI एजंट्सना OpenSearch सोबत थेट संवाद साधण्यास सक्षम करून, MCP AI-आधारित शोध आणि विश्लेषण ॲप्लिकेशन्ससाठी नवीन शक्यता उघड करते.
उदाहरणार्थ, AI एजंट्स MCP चा उपयोग जटिल क्वेरी करण्यासाठी, डेटा नमुन्यांचे विश्लेषण करण्यासाठी आणि अंतर्दृष्टी निर्माण करण्यासाठी करू शकतात, जे पारंपारिक शोध पद्धती वापरून मिळवणे कठीण किंवा अशक्य आहे. हे विशेषतः वित्त, आरोग्यसेवा आणि सायबरसुरक्षा यांसारख्या उद्योगांमध्ये मौल्यवान ठरू शकते, जिथे मोठ्या प्रमाणात डेटाचे जलद आणि अचूक विश्लेषण करण्याची क्षमता महत्त्वपूर्ण आहे.
OpenSearch 3.0 मध्ये GPU प्रवेगचे एकत्रीकरण मोठ्या डेटासेटची जलद आणि अधिक कार्यक्षम प्रक्रिया सक्षम करून, त्याच्या क्षमतांना आणखी वाढवते. हे विशेषतः AI-आधारित शोध आणि विश्लेषण ॲप्लिकेशन्ससाठी फायदेशीर ठरू शकते ज्यांना महत्त्वपूर्ण संगणकीय संसाधनांची आवश्यकता असते.
.NET विकासावर C# SDK चा प्रभाव
MCP साठी अधिकृत C# SDK .NET विकासकांना MCP-सक्षम सेवांशी संवाद साधण्यासाठी एक मानकीकृत आणि वापरण्यास सुलभ इंटरफेस प्रदान करते. हे SDK .NET ॲप्लिकेशन्समध्ये MCP समाकलित करण्याची प्रक्रिया सुलभ करते, ज्यामुळे ते विकासकांच्या विस्तृत श्रेणीसाठी अधिक सुलभ होते.
SDK ची सर्वसमावेशक कागदपत्रे आणि उदाहरणे विकासकांना MCP सह त्वरीत प्रारंभ करण्यासाठी आवश्यक संसाधने प्रदान करतात. SDK चे ओपन-सोर्स स्वरूप सामुदायिक योगदानाला प्रोत्साहन देते आणि नवकल्पना वाढवते.
.NET विकासकांना एक मजबूत आणि चांगल्या प्रकारे समर्थित MCP SDK प्रदान करून, Microsoft आणि Anthropic .NET इकोसिस्टममध्ये MCP चा अवलंब वाढविण्यात मदत करत आहेत.
MCP स्वीकृतीमधील भविष्यातील ट्रेंड
MCP ची स्वीकृती आगामी वर्षांमध्ये वाढत राहण्याची अपेक्षा आहे कारण अधिकाधिक विकासक आणि संस्थांना त्याची क्षमता लक्षात येईल. अनेक प्रमुख ट्रेंड या वाढीस चालना देण्याची अपेक्षा आहे:
- वाढलेले LLM एकत्रीकरण: विविध ॲप्लिकेशन्समध्ये LLMs अधिक प्रचलित झाल्यामुळे, MCP सारख्या मानकीकृत प्रोटोकॉलची आवश्यकता आणखी महत्त्वपूर्ण होईल.
- वाढता ओपन-सोर्स सपोर्ट: MCP चे ओपन-सोर्स स्वरूप सामुदायिक योगदानाला प्रोत्साहन देते आणि नवकल्पना वाढवते, ज्यामुळे त्याचा अवलंब आणखी वाढेल.
- वर्धित सुरक्षा उपाय: LLM एकत्रीकरणाशी संबंधित सुरक्षा चिंता वाढतच असल्याने, MCP साठी मजबूत सुरक्षा उपायांचा विकास त्याच्या व्यापक स्वीकृतीसाठी महत्त्वपूर्ण असेल.
- विस्तृत भाषा समर्थन: पायथन आणि जावास्क्रिप्ट सारख्या इतर प्रोग्रामिंग भाषांसाठी SDK चा विकास MCP ला विकासकांच्या विस्तृत श्रेणीसाठी अधिक सुलभ करेल.
- उद्योग-विशिष्ट ॲप्लिकेशन्स: MCP च्या क्षमतांचा उपयोग करणाऱ्या उद्योग-विशिष्ट ॲप्लिकेशन्सचा विकास त्याचे मूल्य दर्शवेल आणि पुढील स्वीकृतीस चालना देईल.
MCP विकसित आणि परिपक्व होत असताना, ते AI लँडस्केपचा एक मूलभूत घटक बनण्यास सज्ज आहे. LLM संवाद वाढवण्याची, आंतरकार्यक्षमतेला प्रोत्साहन देण्याची आणि सुरक्षा समस्यांचे निराकरण करण्याची क्षमता AI च्या सामर्थ्याचा उपयोग करू पाहणाऱ्या विकासक आणि संस्थांसाठी एक आवश्यक साधन बनवते.