ਮਾਡਲ ਸੰਦਰਭ ਪ੍ਰੋਟੋਕੋਲ: AI ਤੇ ਡਾਟੇ ਦਾ ਨਵਾਂ ਮਿਆਰ

ਮਾਡਲ ਸੰਦਰਭ ਪ੍ਰੋਟੋਕੋਲ: ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਅਤੇ ਡਾਟਾ ਨੂੰ ਜੋੜਨ ਵਾਲਾ ਨਵਾਂ ਮਿਆਰ

ਮਾਡਲ ਸੰਦਰਭ ਪ੍ਰੋਟੋਕੋਲ (MCP) ਤੇਜ਼ੀ ਨਾਲ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਦੁਆਰਾ ਚਲਾਏ ਜਾਣ ਵਾਲੀਆਂ ਐਪਲੀਕੇਸ਼ਨਾਂ ਦੀ ਅਗਲੀ ਪੀੜ੍ਹੀ ਲਈ ਇੱਕ ਬੁਨਿਆਦੀ ਮਿਆਰ ਬਣ ਰਿਹਾ ਹੈ। 2024 ਦੇ ਅਖੀਰ ਵਿੱਚ ਐਂਥ੍ਰੋਪਿਕ (Anthropic) ਦੁਆਰਾ ਵਿਕਸਤ ਕੀਤਾ ਗਿਆ ਅਤੇ ਇੱਕ ਓਪਨ ਸਟੈਂਡਰਡ ਵਜੋਂ ਜਾਰੀ ਕੀਤਾ ਗਿਆ, MCP ਦਾ ਉਦੇਸ਼ AI ਈਕੋਸਿਸਟਮ ਵਿੱਚ ਇੱਕ ਮੂਲ ਮੁੱਦੇ ਨੂੰ ਹੱਲ ਕਰਨਾ ਹੈ: ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲਾਂ (LLMs) ਅਤੇ AI ਏਜੰਟਾਂ ਨੂੰ ਅਸਲ-ਸੰਸਾਰ ਡਾਟਾ, ਟੂਲਸ ਅਤੇ ਸੇਵਾਵਾਂ ਦੇ ਵਿਸ਼ਾਲ ਅਤੇ ਲਗਾਤਾਰ ਬਦਲਦੇ ਡੋਮੇਨ ਨਾਲ ਕਿਵੇਂ ਜੋੜਿਆ ਜਾਵੇ।

ਐਂਥ੍ਰੋਪਿਕ ਦੱਸਦਾ ਹੈ ਕਿ ਜਿਵੇਂ ਕਿ AI ਸਹਾਇਕਾਂ ਅਤੇ ਉਹਨਾਂ ਦੇ ਪਿੱਛੇ ਵੱਡੇ ਭਾਸ਼ਾਈ ਮਾਡਲਾਂ ਵਿੱਚ ਸੁਧਾਰ ਹੁੰਦਾ ਹੈ, ‘ਸਭ ਤੋਂ ਗੁੰਝਲਦਾਰ ਮਾਡਲਾਂ ਨੂੰ ਵੀ ਡਾਟਾ ਤੋਂ ਵੱਖ ਰੱਖਣ ਦੀ ਸੀਮਾ ਹੁੰਦੀ ਹੈ - ਜਾਣਕਾਰੀ ਦੇ ਟਾਪੂਆਂ ਅਤੇ ਪੁਰਾਣੇ ਸਿਸਟਮਾਂ ਦੇ ਪਿੱਛੇ ਫਸ ਜਾਂਦੇ ਹਨ। ਹਰੇਕ ਨਵੇਂ ਡਾਟਾ ਸਰੋਤ ਨੂੰ ਇਸਦੇ ਕਸਟਮ ਲਾਗੂਕਰਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਜਿਸ ਨਾਲ ਸੱਚਮੁੱਚ ਜੁੜੇ ਸਿਸਟਮਾਂ ਨੂੰ ਵਧਾਉਣਾ ਮੁਸ਼ਕਲ ਹੋ ਜਾਂਦਾ ਹੈ।’

MCP ਐਂਥ੍ਰੋਪਿਕ ਦਾ ਜਵਾਬ ਹੈ। ਕੰਪਨੀ ਦਾ ਦਾਅਵਾ ਹੈ ਕਿ ਇਹ ‘AI ਸਿਸਟਮਾਂ ਨੂੰ ਡਾਟਾ ਸਰੋਤਾਂ ਨਾਲ ਜੋੜਨ ਲਈ ਇੱਕ ਸਰਵ ਵਿਆਪਕ, ਓਪਨ ਸਟੈਂਡਰਡ ਪ੍ਰਦਾਨ ਕਰੇਗਾ, ਜੋ ਖੰਡਿਤ ਏਕੀਕਰਣਾਂ ਨੂੰ ਇੱਕ ਸਿੰਗਲ ਪ੍ਰੋਟੋਕੋਲ ਨਾਲ ਬਦਲ ਦੇਵੇਗਾ।’

MCP: AI ਡਾਟਾ ਲਈ ਇੱਕ ਸਰਵ ਵਿਆਪਕ ਅਡਾਪਟਰ

ਮੇਰੀ ਰਾਏ ਵਿੱਚ, MCP ਇੱਕ ਸਰਵ ਵਿਆਪਕ AI ਡਾਟਾ ਅਡਾਪਟਰ ਹੈ। ਜਿਵੇਂ ਕਿ AI-ਕੇਂਦਰਿਤ ਕੰਪਨੀ ਐਸੀਰਾ (Aisera) ਦੁਆਰਾ ਦੱਸਿਆ ਗਿਆ ਹੈ, ਤੁਸੀਂ MCP ਨੂੰ ‘AI ਲਈ USB-C ਪੋਰਟ’ ਵਜੋਂ ਵੇਖ ਸਕਦੇ ਹੋ। ਜਿਵੇਂ ਕਿ USB-C ਨੇ ਸਾਡੇ ਡਿਵਾਈਸਾਂ ਨੂੰ ਜੋੜਨ ਦੇ ਤਰੀਕੇ ਨੂੰ ਮਿਆਰੀ ਬਣਾਇਆ ਹੈ, ਉਸੇ ਤਰ੍ਹਾਂ MCP AI ਮਾਡਲਾਂ ਦੁਆਰਾ ਬਾਹਰੀ ਸਿਸਟਮਾਂ ਨਾਲ ਗੱਲਬਾਤ ਕਰਨ ਦੇ ਤਰੀਕੇ ਨੂੰ ਮਿਆਰੀ ਬਣਾਉਂਦਾ ਹੈ। ਦੂਜੇ ਸ਼ਬਦਾਂ ਵਿੱਚ, ਲੀਨਕਸ ਫਾਊਂਡੇਸ਼ਨ ਦੇ ਕਾਰਜਕਾਰੀ ਨਿਰਦੇਸ਼ਕ ਜਿਮ ਜ਼ੈਮਲਿਨ (Jim Zemlin) ਨੇ MCP ਨੂੰ ‘AI ਸਿਸਟਮਾਂ ਲਈ ਬੁਨਿਆਦੀ ਸੰਚਾਰ ਪਰਤ ਬਣਨ’ ਵਜੋਂ ਦਰਸਾਇਆ ਹੈ, ਜਿਵੇਂ ਕਿ HTTP ਨੇ ਵੈੱਬ ਲਈ ਕੀਤਾ ਸੀ।’

ਖਾਸ ਤੌਰ ‘ਤੇ, MCP ਇੱਕ JSON-RPC 2.0-ਅਧਾਰਤ ਸਟੈਂਡਰਡ ਪ੍ਰੋਟੋਕੋਲ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰਦਾ ਹੈ, ਜੋ AI ਐਪਲੀਕੇਸ਼ਨਾਂ ਨੂੰ ਇੱਕ ਸਿੰਗਲ, ਸੁਰੱਖਿਅਤ ਇੰਟਰਫੇਸ ਦੁਆਰਾ ਫੰਕਸ਼ਨਾਂ ਨੂੰ ਕਾਲ ਕਰਨ, ਡਾਟਾ ਪ੍ਰਾਪਤ ਕਰਨ ਅਤੇ ਕਿਸੇ ਵੀ ਅਨੁਕੂਲ ਟੂਲ, ਡਾਟਾਬੇਸ ਜਾਂ ਸੇਵਾ ਤੋਂ ਪ੍ਰੋਂਪਟਸ (prompts) ਦਾ ਲਾਭ ਲੈਣ ਦੇ ਯੋਗ ਬਣਾਉਂਦਾ ਹੈ।

MCP ਦਾ ਆਰਕੀਟੈਕਚਰ ਅਤੇ ਕੰਪੋਨੈਂਟਸ (Components)

ਇਹ ਕੁਝ ਮੁੱਖ ਕੰਪੋਨੈਂਟਸ ਵਾਲੇ ਕਲਾਇੰਟ-ਸਰਵਰ ਆਰਕੀਟੈਕਚਰ ਦੀ ਪਾਲਣਾ ਕਰਕੇ ਅਜਿਹਾ ਕਰਦਾ ਹੈ। ਇਹ ਹਨ:

• ਹੋਸਟ (Host): AI ਦੁਆਰਾ ਚਲਾਏ ਜਾਣ ਵਾਲੀ ਐਪਲੀਕੇਸ਼ਨ ਜਿਸਨੂੰ ਬਾਹਰੀ ਡਾਟਾ ਤੱਕ ਪਹੁੰਚ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ (ਉਦਾਹਰਨ ਲਈ, ਕਲਾਉਡ ਡੈਸਕਟੌਪ (Claude Desktop), ਇੰਟੀਗਰੇਟਿਡ ਡਿਵੈਲਪਮੈਂਟ ਇਨਵਾਇਰਨਮੈਂਟ (IDE), ਚੈਟਬੋਟ)।
• ਕਲਾਇੰਟ (Client): ਇੱਕ ਸਿੰਗਲ MCP ਸਰਵਰ ਨਾਲ ਸਮਰਪਿਤ, ਸਟੇਟਫੁੱਲ ਕਨੈਕਸ਼ਨ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਦਾ ਹੈ, ਸੰਚਾਰ ਅਤੇ ਸਮਰੱਥਾ ਵਾਰਤਾ ਨੂੰ ਸੰਭਾਲਦਾ ਹੈ।
• ਸਰਵਰ (Server): MCP ਪ੍ਰੋਟੋਕੋਲ ਦੁਆਰਾ ਖਾਸ ਕਾਰਜਕੁਸ਼ਲਤਾਵਾਂ - ਟੂਲਸ (ਫੰਕਸ਼ਨ), ਸਰੋਤ (ਡਾਟਾ) ਅਤੇ ਪ੍ਰੋਂਪਟਸ ਨੂੰ ਉਜਾਗਰ ਕਰਦਾ ਹੈ, ਸਥਾਨਕ ਜਾਂ ਰਿਮੋਟ ਡਾਟਾ ਸਰੋਤਾਂ ਨਾਲ ਜੁੜਦਾ ਹੈ।
• ਬੇਸ ਪ੍ਰੋਟੋਕੋਲ (Base protocol): ਸਟੈਂਡਰਡਾਈਜ਼ਡ ਮੈਸੇਜਿੰਗ ਪਰਤ (JSON-RPC 2.0) ਇਹ ਯਕੀਨੀ ਬਣਾਉਂਦਾ ਹੈ ਕਿ ਸਾਰੇ ਕੰਪੋਨੈਂਟ ਭਰੋਸੇਯੋਗ ਅਤੇ ਸੁਰੱਖਿਅਤ ਢੰਗ ਨਾਲ ਸੰਚਾਰ ਕਰਦੇ ਹਨ।

ਇਹ ਆਰਕੀਟੈਕਚਰ ‘M×N ਏਕੀਕਰਣ ਸਮੱਸਿਆ’ (ਜਿੱਥੇ M AI ਐਪਲੀਕੇਸ਼ਨਾਂ ਨੂੰ N ਟੂਲਸ ਨਾਲ ਜੁੜਨਾ ਚਾਹੀਦਾ ਹੈ, ਜਿਸ ਲਈ M×N ਕਸਟਮ ਕਨੈਕਟਰਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ) ਨੂੰ ਇੱਕ ਸਰਲ ‘M+N ਸਮੱਸਿਆ’ ਵਿੱਚ ਬਦਲਦਾ ਹੈ। ਇਸ ਲਈ, ਹਰੇਕ ਟੂਲ ਅਤੇ ਐਪਲੀਕੇਸ਼ਨ ਨੂੰ ਇੰਟਰਓਪਰੇਬਿਲਟੀ (interoperability) ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਸਿਰਫ ਇੱਕ ਵਾਰ MCP ਦਾ ਸਮਰਥਨ ਕਰਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਇਹ ਡਿਵੈਲਪਰਾਂ ਲਈ ਅਸਲ ਵਿੱਚ ਸਮਾਂ ਬਚਾ ਸਕਦਾ ਹੈ।

MCP ਕਿਵੇਂ ਕੰਮ ਕਰਦਾ ਹੈ

ਸਭ ਤੋਂ ਪਹਿਲਾਂ, ਜਦੋਂ ਇੱਕ AI ਐਪਲੀਕੇਸ਼ਨ ਸ਼ੁਰੂ ਹੁੰਦੀ ਹੈ, ਤਾਂ ਇਹ MCP ਕਲਾਇੰਟ ਸ਼ੁਰੂ ਕਰਦੀ ਹੈ, ਹਰੇਕ ਕਲਾਇੰਟ ਵੱਖ-ਵੱਖ MCP ਸਰਵਰਾਂ ਨਾਲ ਜੁੜਦਾ ਹੈ। ਇਹ ਕਲਾਇੰਟ ਪ੍ਰੋਟੋਕੋਲ ਸੰਸਕਰਣਾਂ ਅਤੇ ਸਮਰੱਥਾਵਾਂ ‘ਤੇ ਗੱਲਬਾਤ ਕਰਦੇ ਹਨ। ਕਲਾਇੰਟ ਨਾਲ ਕਨੈਕਸ਼ਨ ਸਥਾਪਤ ਹੋਣ ਤੋਂ ਬਾਅਦ, ਇਹ ਉਪਲਬਧ ਟੂਲਸ, ਸਰੋਤਾਂ ਅਤੇ ਪ੍ਰੋਂਪਟਸ ਲਈ ਸਰਵਰ ਨੂੰ ਪੁੱਛਦਾ ਹੈ।

ਕਨੈਕਸ਼ਨ ਸਥਾਪਤ ਹੋਣ ਤੋਂ ਬਾਅਦ, AI ਮਾਡਲ ਹੁਣ ਸਰਵਰ ਦੇ ਰੀਅਲ-ਟਾਈਮ ਡਾਟਾ ਅਤੇ ਕਾਰਜਕੁਸ਼ਲਤਾਵਾਂ ਤੱਕ ਪਹੁੰਚ ਕਰ ਸਕਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਇਸਦੇ ਸੰਦਰਭ ਨੂੰ ਗਤੀਸ਼ੀਲ ਰੂਪ ਵਿੱਚ ਅਪਡੇਟ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ MCP AI ਚੈਟਬੋਟਸ ਨੂੰ ਪਹਿਲਾਂ ਤੋਂ ਇੰਡੈਕਸ ਕੀਤੇ ਡਾਟਾਸੈਟਸ, ਏਮਬੈਡਿੰਗ (embedding) ਜਾਂ LLM ਵਿੱਚ ਕੈਸ਼ ਕੀਤੀ ਜਾਣਕਾਰੀ ‘ਤੇ ਨਿਰਭਰ ਕਰਨ ਦੀ ਬਜਾਏ, ਨਵੀਨਤਮ ਰੀਅਲ-ਟਾਈਮ ਡਾਟਾ ਤੱਕ ਪਹੁੰਚ ਕਰਨ ਦੇ ਯੋਗ ਬਣਾਉਂਦਾ ਹੈ।

ਇਸ ਲਈ, ਜਦੋਂ ਤੁਸੀਂ AI ਨੂੰ ਕੋਈ ਕੰਮ ਕਰਨ ਲਈ ਕਹਿੰਦੇ ਹੋ (ਉਦਾਹਰਨ ਲਈ, ‘ਨਿਊਯਾਰਕ ਤੋਂ ਲਾਸ ਏਂਜਲਸ ਤੱਕ ਦੀਆਂ ਨਵੀਨਤਮ ਫਲਾਈਟਾਂ ਦੀਆਂ ਕੀਮਤਾਂ ਕੀ ਹਨ?’), ਤਾਂ AI ਬੇਨਤੀ ਨੂੰ MCP ਕਲਾਇੰਟ ਦੁਆਰਾ ਸੰਬੰਧਿਤ ਸਰਵਰ ‘ਤੇ ਭੇਜੇਗਾ। ਫਿਰ, ਸਰਵਰ ਉਸ ਫੰਕਸ਼ਨ ਨੂੰ ਲਾਗੂ ਕਰਦਾ ਹੈ, ਨਤੀਜੇ ਵਾਪਸ ਕਰਦਾ ਹੈ, ਅਤੇ AI ਇਸ ਨਵੀਨਤਮ ਡਾਟਾ ਨੂੰ ਤੁਹਾਡੇ ਜਵਾਬ ਵਿੱਚ ਸ਼ਾਮਲ ਕਰਦਾ ਹੈ।

ਇਸ ਤੋਂ ਇਲਾਵਾ, MCP AI ਮਾਡਲਾਂ ਨੂੰ ਰਨਟਾਈਮ ‘ਤੇ ਨਵੇਂ ਟੂਲਸ ਦੀ ਖੋਜ ਅਤੇ ਵਰਤੋਂ ਕਰਨ ਦੇ ਯੋਗ ਬਣਾਉਂਦਾ ਹੈ। ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਤੁਹਾਡਾ AI ਏਜੰਟ ਵੱਡੇ ਕੋਡ ਬਦਲਾਵਾਂ ਜਾਂ ਮਸ਼ੀਨ ਲਰਨਿੰਗ (ML) ਦੀ ਮੁੜ-ਸਿਖਲਾਈ ਦੀ ਲੋੜ ਤੋਂ ਬਿਨਾਂ ਨਵੇਂ ਕੰਮਾਂ ਅਤੇ ਵਾਤਾਵਰਣਾਂ ਦੇ ਅਨੁਕੂਲ ਹੋ ਸਕਦਾ ਹੈ।

ਸੰਖੇਪ ਵਿੱਚ, MCP ਖੰਡਿਤ, ਕਸਟਮ-ਬਿਲਟ ਏਕੀਕਰਣਾਂ ਨੂੰ ਇੱਕ ਸਿੰਗਲ, ਓਪਨ ਪ੍ਰੋਟੋਕੋਲ ਨਾਲ ਬਦਲਦਾ ਹੈ। ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਡਿਵੈਲਪਰਾਂ ਨੂੰ AI ਮਾਡਲ ਨੂੰ ਕਿਸੇ ਵੀ ਅਨੁਕੂਲ ਡਾਟਾ ਸਰੋਤ ਜਾਂ ਟੂਲ ਨਾਲ ਜੋੜਨ ਲਈ ਸਿਰਫ ਇੱਕ ਵਾਰ MCP ਨੂੰ ਲਾਗੂ ਕਰਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਜਿਸ ਨਾਲ ਏਕੀਕਰਣ ਦੀ ਗੁੰਝਲਤਾ ਅਤੇ ਰੱਖ-ਰਖਾਅ ਦੇ ਖਰਚੇ ਬਹੁਤ ਘੱਟ ਜਾਂਦੇ ਹਨ। ਇਹ ਡਿਵੈਲਪਰਾਂ ਦੇ ਜੀਵਨ ਨੂੰ ਹੋਰ ਆਸਾਨ ਬਣਾਉਂਦਾ ਹੈ।

ਹੋਰ ਸਿੱਧੇ ਤੌਰ ‘ਤੇ, ਤੁਸੀਂ MCP ਕੋਡ ਤਿਆਰ ਕਰਨ ਅਤੇ ਲਾਗੂਕਰਨ ਦੀਆਂ ਚੁਣੌਤੀਆਂ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ AI ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦੇ ਹੋ।

MCP ਦੇ ਮੁੱਖ ਫਾਇਦੇ

ਇੱਥੇ MCP ਕੀ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ:

• ਏਕੀਕ੍ਰਿਤ ਸਟੈਂਡਰਡਾਈਜ਼ਡ ਏਕੀਕਰਣ: MCP ਇੱਕ ਸਰਵ ਵਿਆਪਕ ਪ੍ਰੋਟੋਕੋਲ ਵਜੋਂ ਕੰਮ ਕਰਦਾ ਹੈ, ਜੋ ਡਿਵੈਲਪਰਾਂ ਨੂੰ ਇੱਕ ਸਿੰਗਲ ਸਟੈਂਡਰਡਾਈਜ਼ਡ ਇੰਟਰਫੇਸ ਦੁਆਰਾ ਆਪਣੀਆਂ ਸੇਵਾਵਾਂ, API ਅਤੇ ਡਾਟਾ ਸਰੋਤਾਂ ਨੂੰ ਕਿਸੇ ਵੀ AI ਕਲਾਇੰਟ (ਉਦਾਹਰਨ ਲਈ ਚੈਟਬੋਟ, IDE ਜਾਂ ਕਸਟਮ ਏਜੰਟ) ਨਾਲ ਜੋੜਨ ਦੇ ਯੋਗ ਬਣਾਉਂਦਾ ਹੈ।

• ਦੋ-ਪਾਸੀ ਸੰਚਾਰ ਅਤੇ ਭਰਪੂਰ ਗੱਲਬਾਤ: MCP AI ਮਾਡਲ ਅਤੇ ਬਾਹਰੀ ਸਿਸਟਮਾਂ ਵਿਚਕਾਰ ਸੁਰੱਖਿਅਤ, ਰੀਅਲ-ਟਾਈਮ, ਦੋ-ਪਾਸੀ ਸੰਚਾਰ ਦਾ ਸਮਰਥਨ ਕਰਦਾ ਹੈ, ਨਾ ਸਿਰਫ ਡਾਟਾ ਪ੍ਰਾਪਤੀ ਨੂੰ ਸਮਰੱਥ ਬਣਾਉਂਦਾ ਹੈ, ਬਲਕਿ ਟੂਲ ਕਾਲਾਂ ਅਤੇ ਕਾਰਵਾਈਆਂ ਨੂੰ ਵੀ ਲਾਗੂ ਕਰਦਾ ਹੈ।

• ਸਕੇਲੇਬਿਲਟੀ (Scalability) ਅਤੇ ਈਕੋਸਿਸਟਮ (Ecosystem) ਦੀ ਮੁੜ ਵਰਤੋਂ: ਇੱਕ ਵਾਰ ਜਦੋਂ ਤੁਸੀਂ ਕਿਸੇ ਸੇਵਾ ਲਈ MCP ਨੂੰ ਲਾਗੂ ਕਰ ਲੈਂਦੇ ਹੋ, ਤਾਂ ਕੋਈ ਵੀ MCP-ਅਨੁਕੂਲ AI ਕਲਾਇੰਟ ਇਸ ਤੱਕ ਪਹੁੰਚ ਕਰ ਸਕਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਮੁੜ ਵਰਤੋਂ ਯੋਗ ਕਨੈਕਟਰਾਂ ਦੇ ਈਕੋਸਿਸਟਮ ਨੂੰ ਉਤਸ਼ਾਹ ਮਿਲਦਾ ਹੈ ਅਤੇ ਅਪਣਾਉਣ ਵਿੱਚ ਤੇਜ਼ੀ ਆਉਂਦੀ ਹੈ।

• ਸੰਗਤਤਾ ਅਤੇ ਇੰਟਰਓਪਰੇਬਿਲਟੀ (Interoperability): MCP ਇੱਕਸਾਰ JSON ਬੇਨਤੀ/ਜਵਾਬ ਫਾਰਮੈਟ ਨੂੰ ਲਾਗੂ ਕਰਦਾ ਹੈ। ਇਸ ਨਾਲ ਡੀਬੱਗ ਕਰਨਾ, ਰੱਖ-ਰਖਾਅ ਕਰਨਾ ਅਤੇ ਏਕੀਕਰਣਾਂ ਨੂੰ ਵਧਾਉਣਾ ਸੌਖਾ ਹੋ ਜਾਂਦਾ ਹੈ, ਬੁਨਿਆਦੀ ਸੇਵਾ ਜਾਂ AI ਮਾਡਲ ਦੀ ਪਰਵਾਹ ਕੀਤੇ ਬਿਨਾਂ। ਇਸਦਾ ਇਹ ਵੀ ਮਤਲਬ ਹੈ ਕਿ ਭਾਵੇਂ ਤੁਸੀਂ ਮਾਡਲ ਬਦਲਦੇ ਹੋ ਜਾਂ ਨਵੇਂ ਟੂਲ ਜੋੜਦੇ ਹੋ, ਏਕੀਕਰਣ ਭਰੋਸੇਯੋਗ ਰਹਿੰਦਾ ਹੈ।

• ਵਧੀ ਹੋਈ ਸੁਰੱਖਿਆ ਅਤੇ ਪਹੁੰਚ ਕੰਟਰੋਲ: MCP ਨੂੰ ਸੁਰੱਖਿਆ ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਰੱਖਦੇ ਹੋਏ ਡਿਜ਼ਾਈਨ ਕੀਤਾ ਗਿਆ ਹੈ, ਜੋ ਏਨਕ੍ਰਿਪਸ਼ਨ (encryption), ਵਧੀਆ ਪਹੁੰਚ ਕੰਟਰੋਲ ਅਤੇ ਸੰਵੇਦਨਸ਼ੀਲ ਕਾਰਵਾਈਆਂ ਲਈ ਉਪਭੋਗਤਾ ਦੀ ਮਨਜ਼ੂਰੀ ਦਾ ਸਮਰਥਨ ਕਰਦਾ ਹੈ। ਤੁਸੀਂ MCP ਸਰਵਰ ਨੂੰ ਸਵੈ-ਹੋਸਟ ਵੀ ਕਰ ਸਕਦੇ ਹੋ, ਜਿਸ ਨਾਲ ਤੁਸੀਂ ਡਾਟਾ ਨੂੰ ਅੰਦਰ ਰੱਖ ਸਕਦੇ ਹੋ।

• ਘਟਾਇਆ ਗਿਆ ਵਿਕਾਸ ਸਮਾਂ ਅਤੇ ਰੱਖ-ਰਖਾਅ: ਖੰਡਿਤ, ਇੱਕ-ਵਾਰ ਏਕੀਕਰਣਾਂ ਤੋਂ ਬਚ ਕੇ, ਡਿਵੈਲਪਰ ਸੈਟਅਪ ਅਤੇ ਨਿਰੰਤਰ ਰੱਖ-ਰਖਾਅ ‘ਤੇ ਸਮਾਂ ਬਚਾ ਸਕਦੇ ਹਨ, ਜਿਸ ਨਾਲ ਉਹ ਉੱਚ ਪੱਧਰੀ ਐਪਲੀਕੇਸ਼ਨ ਲਾਜਿਕ ਅਤੇ ਨਵੀਨਤਾ ‘ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰ ਸਕਦੇ ਹਨ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਏਜੰਟ ਲਾਜਿਕ ਅਤੇ ਬੈਕਐਂਡ ਕਾਰਜਕੁਸ਼ਲਤਾ ਵਿਚਕਾਰ MCP ਵਿੱਚ ਸਪਸ਼ਟ ਵੱਖ ਹੋਣ ਨਾਲ ਕੋਡਬੇਸ ਹੋਰ ਮਾਡਿਊਲਰ ਅਤੇ ਰੱਖ-ਰਖਾਅ ਕਰਨ ਵਿੱਚ ਆਸਾਨ ਹੋ ਜਾਂਦਾ ਹੈ।

MCP ਨੂੰ ਅਪਣਾਉਣਾ ਅਤੇ ਭਵਿੱਖ ਦੀਆਂ ਸੰਭਾਵਨਾਵਾਂ

ਕਿਸੇ ਵੀ ਮਿਆਰ ਲਈ, ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਗੱਲ ਇਹ ਹੈ: ‘ਕੀ ਲੋਕ ਇਸਨੂੰ ਅਪਣਾਉਣਗੇ?’ ਸਿਰਫ਼ ਕੁਝ ਮਹੀਨਿਆਂ ਬਾਅਦ, ਜਵਾਬ ਉੱਚਾ ਅਤੇ ਸਪੱਸ਼ਟ ਹੈ: ਹਾਂ। ਓਪਨਏਆਈ (OpenAI) ਨੇ ਮਾਰਚ 2025 ਵਿੱਚ ਇਸਦਾ ਸਮਰਥਨ ਸ਼ਾਮਲ ਕੀਤਾ। 9 ਅਪ੍ਰੈਲ ਨੂੰ, ਗੂਗਲ ਡੀਪਮਾਈਂਡ (Google DeepMind) ਦੇ ਲੀਡਰ ਡੇਮਿਸ ਹਸਾਬਿਸ (Demis Hassabis) ਨੇ ਸਮਰਥਨ ਦਾ ਐਲਾਨ ਕੀਤਾ। ਗੂਗਲ ਦੇ ਸੀਈਓ ਸੁੰਦਰ ਪਿਚਾਈ (Sundar Pichai) ਨੇ ਤੁਰੰਤ ਸਹਿਮਤੀ ਪ੍ਰਗਟਾਈ। ਮਾਈਕ੍ਰੋਸਾਫਟ, ਰੀਪਲਿਟ (Replit) ਅਤੇ ਜ਼ੈਪੀਅਰ (Zapier) ਸਮੇਤ ਹੋਰ ਕੰਪਨੀਆਂ ਨੇ ਵੀ ਇਸਦੀ ਪਾਲਣਾ ਕੀਤੀ।

ਇਹ ਸਿਰਫ਼ ਕਹਿਣਾ ਹੀ ਨਹੀਂ ਹੈ। ਇੱਕ ਵਧ ਰਹੀ ਪੂਰਵ-ਨਿਰਮਿਤ MCP ਕਨੈਕਟਰ ਲਾਇਬ੍ਰੇਰੀ ਉੱਭਰ ਰਹੀ ਹੈ। ਉਦਾਹਰਨ ਲਈ, ਡੌਕਰ (Docker) ਨੇ ਹਾਲ ਹੀ ਵਿੱਚ ਐਲਾਨ ਕੀਤਾ ਹੈ ਕਿ ਇਹ MCP ਡਾਇਰੈਕਟਰੀ ਦੁਆਰਾ MCP ਦਾ ਸਮਰਥਨ ਕਰੇਗਾ। MCP ਦੇ ਲਾਂਚ ਹੋਣ ਤੋਂ ਛੇ ਮਹੀਨਿਆਂ ਤੋਂ ਵੀ ਘੱਟ ਸਮੇਂ ਵਿੱਚ, ਡਾਇਰੈਕਟਰੀ ਵਿੱਚ ਗ੍ਰਾਫਾਨਾ ਲੈਬਜ਼ (Grafana Labs), ਕਾਂਗ (Kong), ਨਿਓ4ਜੇ (Neo4j), ਪੁਲੁਮੀ (Pulumi), ਹੇਰੋਕੂ (Heroku), ਇਲਾਸਟਿਕਸਰਚ (Elasticsearch) ਅਤੇ ਹੋਰ ਕੰਪਨੀਆਂ ਦੇ 100 ਤੋਂ ਵੱਧ MCP ਸਰਵਰ ਸ਼ਾਮਲ ਹਨ।

ਡੌਕਰ ਦੁਆਰਾ ਪਹੁੰਚ ਕੀਤੀ ਜਾ ਸਕਣ ਵਾਲੀ ਸਮੱਗਰੀ ਤੋਂ ਇਲਾਵਾ, ਪਹਿਲਾਂ ਹੀ ਸੈਂਕੜੇ MCP ਸਰਵਰ ਹਨ। ਇਹ ਸਰਵਰ ਹੇਠਾਂ ਦਿੱਤੇ ਕੰਮਾਂ ਲਈ ਵਰਤੇ ਜਾ ਸਕਦੇ ਹਨ:

• ਗਾਹਕ ਸਹਾਇਤਾ ਚੈਟਬੋਟਸ (Chatbots): AI ਸਹਾਇਕ ਰੀਅਲ ਟਾਈਮ ਵਿੱਚ CRM ਡਾਟਾ, ਉਤਪਾਦ ਜਾਣਕਾਰੀ ਅਤੇ ਸਹਾਇਤਾ ਟਿਕਟਾਂ ਤੱਕ ਪਹੁੰਚ ਕਰ ਸਕਦੇ ਹਨ, ਜਿਸ ਨਾਲ ਸਹੀ, ਪ੍ਰਸੰਗਿਕ ਸਹਾਇਤਾ ਪ੍ਰਦਾਨ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ।
• ਕਾਰਪੋਰੇਟ AI ਖੋਜ: AI ਦਸਤਾਵੇਜ਼ ਸਟੋਰਾਂ, ਡਾਟਾਬੇਸਾਂ ਅਤੇ ਕਲਾਉਡ ਸਟੋਰੇਜ ਦੀ ਖੋਜ ਕਰ ਸਕਦਾ ਹੈ, ਅਤੇ ਜਵਾਬਾਂ ਨੂੰ ਉਹਨਾਂ ਦੇ ਸੰਬੰਧਿਤ ਸਰੋਤ ਦਸਤਾਵੇਜ਼ਾਂ ਨਾਲ ਜੋੜ ਸਕਦਾ ਹੈ।
• ਡਿਵੈਲਪਰ ਟੂਲਸ: ਕੋਡਿੰਗ ਸਹਾਇਕ CVS ਅਤੇ ਹੋਰ ਸੰਸਕਰਣ ਨਿਯੰਤਰਣ ਪ੍ਰਣਾਲੀਆਂ, ਮੁੱਦਾ ਟਰੈਕਰਾਂ ਅਤੇ ਦਸਤਾਵੇਜ਼ਾਂ ਨਾਲ ਗੱਲਬਾਤ ਕਰ ਸਕਦੇ ਹਨ।
• AI ਏਜੰਟ: ਬੇਸ਼ੱਕ, ਖੁਦਮੁਖਤਿਆਰ ਏਜੰਟ ਬਹੁ-ਪੜਾਵੀ ਕੰਮਾਂ ਦੀ ਯੋਜਨਾ ਬਣਾ ਸਕਦੇ ਹਨ, ਉਪਭੋਗਤਾਵਾਂ ਦੀ ਤਰਫੋਂ ਕਾਰਵਾਈਆਂ ਕਰ ਸਕਦੇ ਹਨ, ਅਤੇ MCP-ਕਨੈਕਟ ਕੀਤੇ ਟੂਲਸ ਅਤੇ ਡਾਟਾ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਬਦਲਦੀਆਂ ਲੋੜਾਂ ਅਨੁਸਾਰ ਢਾਲ ਸਕਦੇ ਹਨ।

ਅਸਲ ਸਵਾਲ ਇਹ ਹੈ ਕਿ MCP ਕਿਸ ਲਈ ਨਹੀਂ ਵਰਤਿਆ ਜਾ ਸਕਦਾ।

MCP ਇੱਕ ਪੈਰਾਡਾਈਮ ਸ਼ਿਫਟ (paradigm shift) ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ: ਅਲੱਗ-ਥਲੱਗ ਸਥਿਰ AI ਤੋਂ ਡੂੰਘਾਈ ਨਾਲ ਏਕੀਕ੍ਰਿਤ, ਸੰਦਰਭ-ਜਾਣੂ ਅਤੇ ਕਾਰਵਾਈ ਕਰਨ ਦੇ ਯੋਗ ਸਿਸਟਮਾਂ ਤੱਕ। ਜਿਵੇਂ ਕਿ ਪ੍ਰੋਟੋਕੋਲ ਪਰਿਪੱਕ ਹੁੰਦਾ ਹੈ, ਇਹ AI ਏਜੰਟਾਂ ਅਤੇ ਸਹਾਇਕਾਂ ਦੀ ਇੱਕ ਨਵੀਂ ਪੀੜ੍ਹੀ ਨੂੰ ਸਮਰੱਥ ਕਰੇਗਾ, ਜੋ ਸੁਰੱਖਿਅਤ, ਕੁਸ਼ਲ ਅਤੇ ਵੱਡੇ ਪੱਧਰ ‘ਤੇ ਡਿਜੀਟਲ ਟੂਲਸ ਅਤੇ ਡਾਟਾ ਦੀ ਇੱਕ ਪੂਰੀ ਸ਼੍ਰੇਣੀ ਵਿੱਚ ਤਰਕ, ਕਾਰਵਾਈ ਅਤੇ ਸਹਿਯੋਗ ਕਰ ਸਕਦੇ ਹਨ।

2022 ਵਿੱਚ ਜਨਰੇਟਿਵ AI ਦੇ ਪਹਿਲੇ ਧਮਾਕੇ ਤੋਂ ਬਾਅਦ, ਮੈਂ ਅਜਿਹੀ ਕੋਈ ਤਕਨਾਲੋਜੀ ਨਹੀਂ ਦੇਖੀ ਹੈ ਜੋ ਇਸ ਤਰ੍ਹਾਂ ਤੇਜ਼ੀ ਨਾਲ ਵਧੀ ਹੈ। ਪਰ ਅਸਲ ਵਿੱਚ ਜੋ ਮੈਨੂੰ ਯਾਦ ਦਿਵਾਉਂਦਾ ਹੈ ਉਹ ਹੈ ਦਹਾਕੇ ਤੋਂ ਵੀ ਪਹਿਲਾਂ ਕੂਬਰਨੇਟਸ (Kubernetes) ਦਾ ਉਭਾਰ। ਉਸ ਸਮੇਂ, ਬਹੁਤ ਸਾਰੇ ਲੋਕਾਂ ਦਾ ਮੰਨਣਾ ਸੀ ਕਿ ਕੰਟੇਨਰ ਆਰਕੈਸਟਰੇਟਰਾਂ (container orchestrators) ਵਿੱਚ ਇੱਕ ਮੁਕਾਬਲਾ ਹੋਵੇਗਾ, ਜਿਵੇਂ ਕਿ ਸਵਰਮ (Swarm) ਅਤੇ ਮੇਸੋਸਫੀਅਰ (Mesosphere) ਵਰਗੇ ਪ੍ਰੋਗਰਾਮ ਜੋ ਹੁਣ ਲਗਭਗ ਭੁੱਲ ਗਏ ਹਨ। ਮੈਨੂੰ ਸ਼ੁਰੂ ਤੋਂ ਹੀ ਪਤਾ ਸੀ ਕਿ ਕੂਬਰਨੇਟਸ ਜੇਤੂ ਹੋਵੇਗਾ।

ਇਸ ਲਈ, ਮੈਂ ਹੁਣ ਭਵਿੱਖਬਾਣੀ ਕਰਦਾ ਹਾਂ। MCP AI ਦਾ ਕਨੈਕਸ਼ਨ ਹੋਵੇਗਾ, ਅਤੇ ਇਹ ਉਦਯੋਗਾਂ, ਕਲਾਉਡ ਅਤੇ ਵਿਆਪਕ ਖੇਤਰ ਵਿੱਚ AI ਦੀ ਪੂਰੀ ਸਮਰੱਥਾ ਨੂੰ ਜਾਰੀ ਕਰੇਗਾ।