नॅनो एआय: MCP टूलबॉक्सने सुपर एजंट्स अनलॉक केले!

आर्टिफिशियल इंटेलिजन्सच्या क्षेत्रात अलीकडील वर्षांमध्ये झपाट्याने तांत्रिक प्रगती झाली आहे, ज्यामुळे MoE, रीइन्फोर्समेंट लर्निंग, एजंट्स, कंप्यूटर-यूज आणि A2A सारख्या नवीन संज्ञा उदयास आल्या आहेत. तांत्रिक पार्श्वभूमी नसलेल्या सामान्य वापरकर्त्यांसाठी, या संज्ञा आणि तांत्रिक संकल्पना खूप कठीण वाटू शकतात, ज्यामुळे त्यांच्यावर महत्त्वपूर्ण मानसिक ताण येतो. परिणामी, AI सोबतचा त्यांचा संवाद बर्‍याचदा चॅट बॉक्समध्ये साध्या प्रश्न-उत्तरांच्या देवाणघेवाणीपुरता मर्यादित असतो.

MCP, किंवा मॉडेल कॉन्टेक्स्ट प्रोटोकॉल, ही त्यापैकीच एक तांत्रिक संकल्पना आहे. मागील वर्षभरात, AI एजंट्समध्ये वेगाने बदल झाला आहे आणि MCP प्रोटोकॉल हे जटिल कार्य ऑटोमेशनला समर्थन देणारी एक महत्त्वपूर्ण क्षमता बनले आहेत. तथापि, सध्याची MCP क्रांती अजूनही केवळ डेव्हलपर्सच्या हातात आहे, कारण प्रोटोकॉलची कागदपत्रे व्यवस्थित उपलब्ध नाहीत, टूल रजिस्ट्रेशनची प्रक्रिया किचकट आहे आणि वैयक्तिक कॉन्फिगरेशनसाठी अनेक अडचणी आहेत. त्यामुळे, बहुतेक सामान्य वापरकर्ते फक्त दूरून बघू शकतात आणि त्यांना प्रत्यक्ष अनुभव घेणे कठीण होते.

मात्र, आता हे चित्र बदलत आहे. 23 एप्रिल रोजी, 360 ची उपकंपनी नॅनो एआयने वैयक्तिक वापरकर्त्यांसाठी डिझाइन केलेले “MCP टूलबॉक्स“ लाँच करण्याची घोषणा केली. हे उत्पादन तांत्रिक पार्श्वभूमी नसलेल्या सामान्य वापरकर्त्यांसाठी तयार करण्यात आले आहे, ज्यामुळे प्रत्येकजण कमीतकमी प्रयत्नात अत्याधुनिक AI चा वापर करू शकेल.

हे उत्पादन केवळ MCP प्रोटोकॉलला पूर्णपणे सपोर्ट करत नाही, तर विविध मोठ्या मॉडेल इंफ्रास्ट्रक्चरवर आधारित एजंट कार्ये देखील चालवू शकते. याव्यतिरिक्त, यात बाह्य टूल्स आपोआप सुरू करणे, AI नॉलेज बेसमध्ये प्रवेश करणे आणि वापरकर्त्याने ठरवलेल्या कार्यप्रणालीला समर्थन देण्याची शक्तिशाली क्षमता आहे. महत्त्वाचे म्हणजे, यासाठी कोणतीही कोडिंग कौशल्ये आवश्यक नाहीत, फक्त चॅट बॉक्स उघडून ते वापरले जाऊ शकते.

सध्या, सुपर एजंट सार्वजनिक चाचणीसाठी सुरू करण्यात आले आहे. मॉडेलपासून प्रोटोकॉलपर्यंत, टूल इकोसिस्टम आणि वैयक्तिक कार्य ऑर्केस्ट्रेशनपर्यंत, नॅनो एआयचे उद्दिष्ट असे उत्पादन तयार करणे आहे जे AI एजंट्सला खऱ्या अर्थाने लोकांच्या दैनंदिन जीवनात आणेल.

तर, नॅनो एआयचे “MCP टूलबॉक्स” किती चांगले आहे? या प्रश्नाचे उत्तर देण्यासाठी, मशीन हार्ट टीमने अंतर्गत चाचणी पात्रता मिळवून अनेक चाचण्या केल्या.

टूलबॉक्सचा प्रत्यक्ष अनुभव: MCP झाले सोपे

नॅनो एआय “MCP टूलबॉक्स” वापरणे खूप सोपे आहे. वापरकर्त्यांना फक्त नॅनो एआय ॲप्लिकेशन डाउनलोड आणि इंस्टॉल करावे लागेल आणि त्यानंतर नोंदणी करून लॉग इन करावे लागेल, कोणतीही अतिरिक्त कॉन्फिगरेशनची आवश्यकता नाही.

अपडेट केलेल्या “एजंट” पेजवर प्रवेश केल्यावर, आपण पाहू शकतो की नॅनो एआयने विद्यमान एजंट्सचे अनेक विस्तृत श्रेणींमध्ये वर्गीकरण केले आहे, ज्यात सखोल संशोधन, कार्य आणि कार्यक्षमतेत सुधारणा आणि जीवन सहाय्यक यांचा समावेश आहे. त्याच वेळी, ते टूलबॉक्स आणि केस स्टडी स्क्वेअरमध्ये प्रवेश देखील प्रदान करते.

टूलबॉक्समध्ये प्रवेश केल्यावर, आपण पाहू शकतो की नॅनो एआयने आधीपासूनच 100 पेक्षा जास्त MCP सर्व्हर्स कॉन्फिगर केले आहेत (या लेखाच्या लिखाणादरम्यान ही संख्या 120 वरून 132 पर्यंत वाढली आहे), ज्यात नॅनो एआयने विकसित केलेल्या डझनभर MCP टूल्स आणि शेकडो थर्ड-पार्टीMCP टूल्सचा समावेश आहे, जे ऑफिसमधील काम, शिक्षण, जीवन सेवा, सर्च इंजिन, वित्त, मीडिया मनोरंजन आणि डेटा क्रॉलिंग यांसारख्या विविध परिस्थितींमध्ये उपयुक्त आहेत. हे चीनमधील सर्वात मोठे MCP इकोसिस्टम आहे. याव्यतिरिक्त, नॅनो एआय वापरकर्त्यांना त्यांचे स्वतःचे MCP सर्व्हर्स कॉन्फिगर करण्यास देखील समर्थन देते. यापुढे, आम्ही “MCP सर्व्हर” ऐवजी “टूल“ हा शब्द वापरू, आणि याचे कारण सविस्तरपणे स्पष्ट केले जाईल.

सर्वप्रथम, मशीन हार्ट वाचकांना सर्वात जास्त आवडेल अशा ॲप्लिकेशनची चाचणी करूया: विशिष्ट संशोधन विषयाशी संबंधित arXiv वरील अलीकडील संशोधनातील निष्कर्ष शोधणे आणि व्यवस्थित करणे.

प्रथम, टूलबॉक्स शोधा आणि आपल्याला दिसेल की नॅनो एआयच्या प्रीसेट टूल्समध्ये आधीपासूनच “arXiv सर्च” समाविष्ट आहे, त्यामुळे आपल्याला ते स्वतः कॉन्फिगर करण्याची आवश्यकता नाही. मागे वळून पाहिल्यास, आपण हे देखील पाहू शकतो की नॅनो एआयकडे आधीपासूनच अनेक एजंट्स आहेत जे arXiv पेपर शोधण्यास मदत करतात. आम्ही “प्रोफेशनल पेपर सर्च” ही पहिली पायरी म्हणून निवडू. आपण पाहू शकतो की हा एजंट चार टूल्ससह कॉन्फिगर केलेला आहे: नॅनो एआय सुपर सर्च, arXiv सर्च, गुगल स्कॉलर आणि ॲकॅडेमिक सर्च, जे आपल्या गरजा पूर्णपणे भागवतात. एक सूचना लिहा आणि कार्यान्वित करा:

मागील महिन्यात arXiv वरील रीइन्फोर्समेंट लर्निंगशी संबंधित संशोधन निष्कर्ष मिळवा, सैद्धांतिक संशोधन, तांत्रिक सुधारणा आणि ॲप्लिकेशन्सनुसार त्यांचे वर्गीकरण करा आणि महत्त्वाच्या प्रगतीचा एक सोपा अर्थ सांगा.

“प्रोफेशनल पेपर सर्च” ची कार्य प्रक्रिया खालीलप्रमाणे आहे:

हे कार्य अगदी सोपे आहे. एजंटने फक्त एकदा “arXiv सर्च” टूल वापरले आणि त्यामुळे अर्ध्या मिनिटापेक्षा कमी वेळेत कार्य पूर्ण केले, तीनपैकी प्रत्येकी दोन प्रातिनिधिक संशोधन निष्कर्ष निवडले.

पुढे, “चोंगकिंगमधील गुआनयिन ब्रिजजवळ चांगले सायकलिंग मार्ग आहेत का?” ही कमांड वापरून सायकलिंग प्लॅनर एजंट वापरून पहा.

आपण पाहू शकतो की या एजंटने तीन टूल्स वापरली: amapmcpserver-cloud चे maps_weather (हवामान विचारण्यासाठी) आणि maps_direction_bicycling (मार्ग सेट करण्यासाठी) आणि gen_html (वेबपेज तयार करण्यासाठी), एकूण 362 सेकंद चालले आणि शेवटी वरील डायनॅमिक वेबपेज प्राप्त झाला. आपण या लिंकद्वारे देखील त्यात प्रवेश करू शकता: . होय, आपण व्युत्पन्न केलेले वेबपेज सार्वजनिकपणे सामायिक करू शकता!

पुढे, आपण अडचणी वाढवूया. यावेळी आपली आवश्यकता आहे “नेटवर्क शोधा, सध्याच्या महिलांच्या फॅशन ट्रेंडचे विश्लेषण करा आणि महिलांच्या फॅशन घटकांचे विश्लेषण अहवाल जारी करा.” यावेळी आपण थेट नॅनो एआयचे “इन-डेप्थ रिसर्च एजंट” वापरू, जे वापरकर्त्याच्या विशिष्ट गरजेनुसार योग्य साधने वापरू शकते, ज्यात MCP सर्व्हर्स आणि विविध कंप्यूटर-यूज कार्ये पूर्ण करण्यासाठी बिल्ट-इन ब्राउझरचा समावेश आहे. अर्थात, त्यामुळे, इन-डेप्थ रिसर्च एजंटला कार्य कार्यान्वित करण्यासाठी बर्‍याचदा जास्त वेळ लागतो, काहीवेळा तो 10 मिनिटांपेक्षा जास्त असू शकतो.

कार्य कार्यान्वित करताना, इन-डेप्थ रिसर्च एजंट प्रथम कार्यान्वित करायच्या पायऱ्यांची योजना तयार करेल आणि नंतर योजनेनुसार एक-एक करून पायऱ्या कार्यान्वित करेल.

या विशिष्ट कार्यासाठी इन-डेप्थ रिसर्च एजंटने तयार केलेल्या अंमलबजावणीच्या पायऱ्या खालील आकृतीत दर्शविल्या आहेत.

प्रथम, त्याने अनेक वेबसाइट्सवर सध्याच्या महिलांच्या फॅशन ट्रेंडशी संबंधित सामग्री शोधली, त्यानंतर शोधलेल्या सामग्रीचे विश्लेषण केले आणि निकालांचे व्हिज्युअलाइज केले. शेवटी, त्याने अंतिम अहवाल दिला.

या प्रक्रियेत, त्याने लोकल सर्च टूल aiso_do_search तीन वेळा, डेटा क्रॉलिंग टूल 360_crawl एकदा, क्लाउड कोड सँडबॉक्स टूल cloud-sandbox नऊ वेळा, समरी टूल summary एकदा आणि वेबपेज जनरेशन टूल gen_html एकदा वापरले.

अखेरीस, आम्हाला 30 पानांचा सखोल अहवाल मिळाला, ज्यात सहा प्रमुख विभाग आहेत: लोकप्रियशैली थीम विश्लेषण, लोकप्रिय रंग ट्रेंड, लोकप्रिय शैली आणि घटक विश्लेषण, लोकप्रिय घटकांचे विस्तृत मूल्यांकन, फॅब्रिक आणि तंत्रज्ञान ट्रेंड आणि जुळणार्‍या सूचना आणि ॲप्लिकेशन्स, जे आपल्या सुरुवातीच्या एका वाक्याच्या कार्यापेक्षा खूप जास्त आहे.

अहवालातून काढलेल्या काही पानांची सामग्री

खालील व्हिडिओ नॅनो एआयच्या इन-डेप्थ रिसर्च एजंटने कार्य पूर्ण करण्याची संपूर्ण प्रक्रिया दर्शवितो:

4x वेगाने प्ले केलेला

इतकेच नाही, तर नॅनो एआयने एक डायनॅमिक वेबपेज देखील तयार केला आहे जो प्राप्त झालेल्या विश्लेषण निकालांना अधिक स्पष्टपणे दर्शवू शकतो:

याव्यतिरिक्त, गुगलने नुकताच त्यांचा पहिल्या तिमाहीचा आर्थिक अहवाल जारी केला आहे हे लक्षात घेऊन, आपण नॅनो एआयच्या “चीफ इंडस्ट्री इनसाइट ऑफिसर” एजंटला त्याचे स्पष्टीकरण देण्यासाठी मदत करू शकतो.

त्याच्या वेबपेज आवृत्तीवर येथे प्रवेश केला जाऊ शकतो: , आणि संपूर्ण कार्य प्रक्रिया खालील व्हिडिओमध्ये पाहिली जाऊ शकते:

अलीकडेच लोकप्रिय झालेल्या “द गुड लाइफ” या टीव्ही मालिकेसाठी Xiaohongshu वर पोस्ट करण्यासाठी योग्य असलेले चित्रपट समीक्षण लिहिण्यासाठी नॅनो एआय वापरण्याचा प्रयत्न करूया आणि प्रीसेट Xiaohongshu ब्राउझिंग रोबोट हे काम व्यवस्थित करू शकतो.

सावधान! सामग्रीमध्ये स्पॉयलर असतील.

खालील व्हिडिओ नॅनो एआयच्या कामाची संपूर्ण प्रक्रिया दर्शवितो.

आपण पाहू शकतो की या प्रक्रियेत, नॅनो एआयने Xiaohongshu शी संबंधित दोन टूल्स वापरली, ज्यात Xiaohongshu वरील माहिती गोळा करण्यासाठी collect_relate_info_redbook आणि Xiaohongshu सामग्री तयार करण्यासाठी red_book_generate यांचा समावेश आहे; याव्यतिरिक्त, त्याने browser_automation_task देखील वापरले - हे टूल नॅनो एआय ॲप्लिकेशनमध्ये अंगभूत ब्राउझर उघडून कार्ये करू शकते. योग्य सूचनांसह, आपण हे टूल ट्रेनची तिकीट बुक करणे, Weibo वर पोस्ट करणे आणि एका वाक्यात नोट्स घेणे यासारखी कार्ये पूर्ण करण्यासाठी देखील वापरू शकता.

अखेरीस, नॅनो एआयवर, वापरकर्ते त्यांचे स्वतःचे MCP देखील सहजपणे कॉन्फिगर करू शकतात. उदाहरणार्थ, येथे, आम्ही फक्त काही पॅरामीटर सेटिंग्जसह Obsidian नोट्स क्वेरी आणि विश्लेषण करण्यासाठी एक टूल यशस्वीरित्या कॉन्फिगर केले.

त्यानंतर, फक्त टूलला कॉल करणार्‍या एजंटला कॉन्फिगर करा आणि आम्ही नॅनो एआयमध्ये आमच्या एकत्रित नोट्सला इंटेलिजेंटपणे शोधू आणि त्यांचे विश्लेषण करू शकतो. खालील व्हिडिओ एक उदाहरण दर्शवितो:

वरील उदाहरणे नॅनो एआयच्या क्षमतेचा फक्त एक छोटासा भाग आहेत. MCP टूलबॉक्ससह, वापरकर्ते इतर अनेक गोष्टी करू शकतात, जसे की माहिती क्रॉल आणि शोधणे, प्रतिमा आणि व्हिडिओ सामग्री तयार करणे, एआयला आपल्या flomo तुकड्यांच्या नोट्स व्यवस्थित करण्यास सांगणे आणि निकाल Notion वर्कस्पेसमध्ये टाकणे, स्टॉकचे विश्लेषण करणे, पोर्तुगालला जाण्यासाठी सर्वात स्वस्त विमान मार्ग शोधणे, प्रवास किंवा फिटनेस योजना निर्दिष्ट करणे, कंपनी अहवाल तयार करणे, क्लाउड स्टोरेज रिपॉजिटरी किंवा लोकल फाइल्स व्यवस्थापित करणे… तुमची कल्पना हीच अंतिम मर्यादा आहे!

टूलबॉक्समध्ये MCP लपवणे: नॅनो एआय हे कसे करते

MCP, किंवा मॉडेल कॉन्टेक्स्ट प्रोटोकॉल, ॲन्थ्रोपिकने नोव्हेंबर 2024 मध्ये प्रथम जारी केला होता. हे मोठे मॉडेल आणि वास्तविक जग यांना जोडणारा एक महत्त्वाचा “सेतू” आहे - हे मॉडेलला केवळ प्रश्नांची उत्तरे देण्यासच नव्हे, तर टूल्स वापरण्यास, डेटा मिळवण्यास आणि माणसांप्रमाणे कार्ये करण्यास देखील अनुमती देते. यावर्षी, अधिकाधिक कंपन्यांनी या प्रोटोकॉलचा स्वीकार केल्यामुळे, ते LLM च्या टूल वापरामध्ये एक डी फॅक्टो स्टँडर्ड बनले आहे, ज्यामुळे AI एजंट्सची क्षमता अधिक वाढली आहे.

तथापि, बहुतेक वापरकर्त्यांसाठी, MCP प्रोटोकॉलचे वैशिष्ट्य म्हणजे “जटिलता”, “उच्च तांत्रिक मर्यादा” आणि “केवळ डेव्हलपर्ससाठी”. हे कौशल्य, जे मूळतः व्यावसायिक अभियंत्यांचे होते, ते प्रत्येक सामान्य व्यक्तीला कसे द्यायचे?

या वास्तविक समस्येच्या प्रतिसादात, 360 चे उत्तर आहे: MCP समजून घेण्यासाठी शिकवण्याऐवजी, थेट “दृश्यमान, क्लिक करण्यायोग्य आणि निकाल-अंदाजित” टूलबॉक्समध्ये समाविष्ट करा.

1. संकल्पना सरळ करणे ते संवाद कमी करणे

नॅनो एआय टीमने प्रथम संकल्पनांचे भाषांतर केले: वापरकर्त्यांना MCP सर्व्हर किंवा API की काय आहे हे समजून घेण्याची आवश्यकता नाही, त्यांना फक्त हे माहित असणे आवश्यक आहे की हे वापरण्यायोग्य “टूल“ किंवा “कौशल्य“ आहे - म्हणूनच आम्ही पूर्वी “टूल” हा शब्द वापरला. मूळ अस्पष्ट प्रोटोकॉल इंटरफेसला “शोध”, “लेखन” आणि “डेटा विश्लेषण” यांसारख्या सोप्याTool मध्ये रूपांतरित केल्याने वापरकर्त्यांची आकलन क्षमता मोठ्या प्रमाणात कमी होते आणि AI मोठ्या मॉडेलसाठी MCP सर्व्हरचा अर्थ काय आहे हे वापरकर्त्यांना अधिक सहजपणे समजते. हे नॅनो एआय टूलबॉक्सचे डिझाइन तत्त्वज्ञान आहे. यामागे नॅनो एआयने MCP प्रोटोकॉलचे केलेले पुन: संरचितीकरण आणि इंटरफेस लेयरची अभियांत्रिकी पुनर्रचना आहे.

वापरकर्ते इंटरफेसमध्ये जे पाहतात ते साधे सिलेक्शन आणि ड्रॅगिंग असते, परंतु प्रत्यक्षात, नॅनो एआयने स्वतः विकसित केलेले किंवा काळजीपूर्वक निवडलेले 100 हून अधिक MCP सर्व्हर्सचे शेड्युलिंग असते. ही टूल्स ऑफिस, शिक्षण, वित्त, सर्च इंजिन, वेब क्रॉलिंग आणि इमेज प्रोसेसिंग यांसारख्या परिस्थितीत उपयुक्त आहेत. वापरकर्ते मोठ्या मॉडेलला कोडची एक ओळही न लिहिता जटिल कार्ये पूर्ण करण्यासाठी या “बाह्य बुद्धी” चा आपोआप वापर करू देऊ शकतात.

नॅनो एआयमध्ये Firecrawl, Brava Search आणि AutoNavi Maps सारख्या अनेक MCP टूल्ससाठी API Keys देखील आहेत.

2. मॉडेल आणि टूल्समधील “अंतिम अंतर” तोडणे

पूर्वी, मोठ्या मॉडेलमध्ये शक्तिशाली भाषा आकलन क्षमता असली तरी, ते अजूनही “टूल कॉलिंग” च्या बेटामध्ये अडकलेले होते. नॅनो एआयचा दृष्टिकोन MCP प्रोटोकॉलला मध्यस्थ भाषा म्हणून वापरणे आहे, ज्यामुळे “मोठे मॉडेल + टूल” च्या सहकार्याच्या यंत्रणेला मूलभूतपणे तोडता येईल.

हे केवळ कॉल करण्याच्या समस्येचे निराकरण करत नाही, तर मॉडेलच्या वास्तविक क्षमतेची कक्षा देखील मोठ्या प्रमाणात वाढवते. उदाहरणार्थ, वापरकर्त्यांना एजंटला फक्त “मला NVIDIA स्टॉक किंमत विश्लेषण अहवाल तयार करण्यात मदत करा” असे सांगण्याची आवश्यकता आहे आणि एजंट आपोआप कार्य पायऱ्यांचे विभाजन करू शकतो, सर्च इंजिन सक्रिय करू शकतो, पेज सामग्री क्रॉल करू शकतो, विश्लेषण चार्ट तयार करू शकतो आणि स्पष्टपणे संरचित अहवाल देऊ शकतो. या काळात, 5 ते 7 टूल्स वापरली जाऊ शकतात, परंतु वापरकर्त्याला फक्त एकच निकाल पृष्ठ दिसेल.

हेच MCP च्या “टूल कॉम्बिनेशन” क्षमतेचे मूर्त स्वरूप आहे: हे एजंट्सला संसाधने स्वतंत्रपणे शेड्युल करण्याची, प्रक्रियांची योजना आखण्याची आणि ऑपरेशन दरम्यान ट्रायल-ॲन्ड-एरर फीडबॅक आणि सेल्फ-ऑप्टिमायझेशन आयोजित करण्याची परवानगी देते, ज्यामुळे अत्यंत मानवी कार्य- निराकरण मार्ग तयार होतो.

3. लोकल ऑपरेशन, सुरक्षित आणि विश्वसनीय: तंत्रज्ञान स्टॅकचे सखोल पॉलिशिंग

अनेक “क्लाउड इंटेलिजेंट बॉडी” च्या विपरीत, नॅनो एआयने अधिक कठीण पण अधिक आशादायक मार्ग निवडला: MCP क्लायंट्स स्थानिक पातळीवर तैनात करणे, वापरकर्त्यांना अधिक नियंत्रण देणे.

यामुळे किमान तीन महत्त्वाचे फायदे मिळतात:

• कॉल स्वातंत्र्य: लोकल इंटेलिजेंट बॉडी वापरकर्त्याच्या फाइल सिस्टममध्ये प्रवेश करू शकते, ब्राउझरला कॉल करू शकते आणि खरी वैयक्तिकृत कार्य प्रक्रिया साध्य करण्यासाठी डेटाबेस पुनर्प्राप्त करू शकते.
• अडथळे तोडणे: AI च्या विशिष्ट गरजांच्या प्रतिसादात, 360 ने नॅनो एआयसाठी एक समर्पित AI ब्राउझर तयार केला आहे आणि तो चीनमधील मुख्य प्रवाहातील प्लॅटफॉर्मशी जुळवून घेतला आहे. हे लॉगिन वॉल्स, मानव-मशीन पडताळणी आणि माहिती प्रवाहातील अडथळे तोडू शकते आणि लॉगिन आणि स्लाइडिंग पडताळणीसारखी कार्ये आपोआप पूर्ण करू शकते.
• सँडबॉक्स हमी: 360 च्या सुरक्षा तंत्रज्ञानाच्या आधारावर, नॅनो एआय भविष्यात लोकल रनटाइम सँडबॉक्स देखील सादर करेल, जे डेटा सुरक्षितता सुनिश्चित करण्यासाठी मोठ्या मॉडेलला स्थानिक फाइल्स चुकीच्या पद्धतीने ऑपरेट करण्यापासून रिअल टाइममध्ये निरीक्षण, लवकर इशारा आणि प्रतिबंधित करू शकते.

ही संपूर्ण प्रणाली केवळ वापरकर्त्यांना “वापरण्याची” परवानगी देत नाही, तर “सुरक्षितपणे, कार्यक्षमतेने आणि स्केलेबल पद्धतीने वापरण्याची” परवानगी देते.

4. मोठ्या प्रमाणावर वापरकर्त्यांचा सामना करणे: एक खऱ्या अर्थाने ओपन MCP इकोसिस्टम तयार करणे

नॅनो एआय केवळ MCP टूल्स समाविष्ट करत नाही, तर ओपन स्किल इकोसिस्टम उघडण्यातही आघाडी घेतली आहे. सध्या, 400 दशलक्षाहून अधिक मासिक भेटी असलेले हे प्लॅटफॉर्म 100 हून अधिक उच्च-गुणवत्तेची MCP टूल्स ऑनलाइन आहेत आणि अधिक थर्ड-पार्टी MCP सर्व्हर्स प्रवेश करत आहेत. वापरकर्ते त्यांचे स्वतःचे AI एजंट तयार करण्यासाठी Tool Skills स्वतंत्रपणे अपलोड, पुन्हा वापरू आणि एकत्र करू शकतात.

सामान्य वापरकर्त्यांसाठी, याचा अर्थ असा आहे की ते आता “इतरांनी सेट केलेले AI वापरत नाहीत”, तर ते त्यांच्या स्वतःच्या गरजेनुसार वैयक्तिकृत AI सहाय्यक तयार करू शकतात. पेपर विश्लेषण, डेटा जनरेशन, ट्रेंड मॉनिटरिंग, वेबपेज बांधकाम, स्टॉक अंदाज… जोपर्यंत मागणी आहे, तोपर्यंत एकत्रितपणे वापरली जाणारी साधने आहेत आणि आपोआप कार्यान्वित करता येणारी कार्ये आहेत.

संपूर्ण उद्योगासाठी, याचा अर्थ असा आहे की एजंट तंत्रज्ञान “बंद प्रणाली” मधून “इकोलॉजिकल नेटवर्क” टप्प्यात जात आहे. टूल्स, मॉडेल आणि कार्ये यापुढे स्वतंत्र राहणार नाहीत, तर MCP द्वारे एक सामान्य भाषा म्हणून जोडली जातील, ज्यामुळे अभूतपूर्व बुद्धिमत्तापूर्ण सहकार्याचे स्वरूप तयार होईल.

तांत्रिक अडथळे तोडले: इंटेलिजेंट बॉडी C एंड पर्यंत पोहोचली

एकेकाळी, इंटेलिजेंट बॉडी वापरण्याची मर्यादा अजूनही डेव्हलपर्सच्या दाराच्या चौकटीवर उच्च होती. आता, नॅनो एआय “MCP टूलबॉक्स” च्या लाँचिंगसह, MCP, एक प्रोटोकॉल जो AI ऑटोमेशन इन्फ्रास्ट्रक्चर म्हणून ओळखला जातो, तो पहिल्यांदाच सामान्य वापरकर्त्यांच्या दृष्टीक्षेपात जवळजवळ “मूर्ख-शैली” स्वरूपात आला आहे. 360 ग्रुपचे अध्यक्ष Zhou Hongyi यांनी रिलीझपूर्वी शेअरिंग मीटिंगमध्ये म्हटल्याप्रमाणे: “एजंटमध्ये MCP सर्व्हर आपोआप काय कॉल करतो हे वापरकर्त्यांना जाणून घेण्याची गरज नाही.” टूलबॉक्ससह, नॅनो एआय MCP चे तांत्रिक अडथळे तोडत आहे आणि इंटेलिजेंट बॉडीला C एंड पर्यंत पोहोचण्यास मदत करत आहे.

MCP ला “टूलबॉक्स” बनवणे ऐकायला सोपे वाटते, पण ते करणे कठीण आहे. हे केवळ तंत्रज्ञान एकत्रित करण्याच्या क्षमतेचीच चाचणी करत नाही, तर उत्पादन विचार आणि वापरकर्ता आकलनाच्या “सहानुभूतीची” देखील चाचणी करते. नॅनो एआय जे करत आहे ते म्हणजे कोअरमध्ये गुंतागुंत समाविष्ट करणे आणि वापरकर्त्यांना स्वातंत्र्य देणे - जेणेकरून प्रत्येक सामान्य व्यक्तीला डेव्हलपर्सप्रमाणे “AI जगाला कॉल” करण्याची परवानगी मिळू शकेल.

ही प्रक्रिया केवळ साध्या व्हिज्युअल इंटरफेसची रचना नाही, तर AI ॲप्लिकेशन पॅराडाइममधील एक सखोल बदल आहे: इंटेलिजेंट बॉडी आता केवळ बोलू शकणारी आणि उत्तरे देऊ शकणारी मॉडेल नाहीत, तर क्षमतांचे शेड्युल करण्याची, टूल्स वापरण्याची आणि कार्ये पूर्ण करण्याची क्षमता असलेले खरे भागीदार आहेत.

त्यानंतर, MCP खऱ्या अर्थाने C-एंड वापरकर्त्यांकडे वाटचाल करू लागले आहे, जो एक ऐतिहासिक प्रारंभ बिंदू लक्षात ठेवण्यासारखा आहे.