ਮਾਡਲ ਸੰਦਰਭ ਪ੍ਰੋਟੋਕੋਲ (MCP): ਇੱਕ ਕੁੰਜੀ

ਮਾਡਲ ਸੰਦਰਭ ਪ੍ਰੋਟੋਕੋਲ (MCP) ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਖੁੱਲਾ ਮਿਆਰ ਬਣ ਰਿਹਾ ਹੈ, ਜੋ ਕਿ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਦੁਆਰਾ ਸੰਚਾਲਿਤ ਟੂਲਾਂ ਅਤੇ ਡਾਟਾ ਸਰੋਤਾਂ ਦੇ ਵਿਚਕਾਰ ਪਰਸਪਰ ਪ੍ਰਭਾਵ ਦੇ ਤਰੀਕੇ ਨੂੰ ਮੁੜ ਆਕਾਰ ਦੇਵੇਗਾ। ਸੁਰੱਖਿਅਤ ਦੋ-ਪੱਖੀ ਕਨੈਕਸ਼ਨਾਂ ਦੀ ਸਹੂਲਤ ਦੇ ਕੇ, MCP ਏਜੰਟ ਵਣਜ (a-commerce) ਦੇ ਤੇਜ਼ੀ ਨਾਲ ਵਿਕਾਸ ਲਈ ਨੀਂਹ ਰੱਖਦਾ ਹੈ, ਜੋ ਕਿ ਇੱਕ ਪਰਿਵਰਤਨਸ਼ੀਲ ਪਹੁੰਚ ਹੈ ਜੋ ਵਪਾਰਕ ਲੈਣ-ਦੇਣ ਨੂੰ ਸਵੈਚਲਿਤ ਅਤੇ ਵਧਾਉਣ ਲਈ AI ਏਜੰਟਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੀ ਹੈ।

MCP ਦਾ ਤੱਤ

ਮੂਲ ਰੂਪ ਵਿੱਚ Anthropic ਦੁਆਰਾ ਵਿਕਸਤ ਕੀਤਾ ਗਿਆ, ਅਤੇ ਹੁਣ OpenAI ਦੁਆਰਾ ਵੀ ਸਮਰਥਤ, MCP ਦਾ ਉਦੇਸ਼ ਡਿਵੈਲਪਰਾਂ ਲਈ AI ਐਪਲੀਕੇਸ਼ਨਾਂ ਨੂੰ ਬਣਾਉਣ ਦੇ ਤਰੀਕੇ ਨੂੰ ਸਰਲ ਬਣਾਉਣਾ ਹੈ, ਜੋ ਵੱਖ-ਵੱਖ ਸਰੋਤਾਂ ਤੋਂ ਡਾਟਾ ਨੂੰ ਸਹਿਜ ਰੂਪ ਵਿੱਚ ਐਕਸੈਸ ਅਤੇ ਵਰਤ ਸਕਦੇ ਹਨ। ਇਸ ਪ੍ਰੋਟੋਕੋਲ ਦਾ ਆਰਕੀਟੈਕਚਰ ਸਰਲ ਹੈ, ਇਹ ਡਿਵੈਲਪਰਾਂ ਨੂੰ MCP ਸਰਵਰਾਂ ਦੁਆਰਾ ਆਪਣੀਆਂ ਸਮਰੱਥਾਵਾਂ ਨੂੰ ਜਨਤਕ ਕਰਨ ਜਾਂ MCP ਕਲਾਇੰਟ ਬਣਾਉਣ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ, ਜੋ ਉਪਲਬਧ ਸਮਰੱਥਾਵਾਂ ਦਾ ਲਾਭ ਲੈਣ ਲਈ ਇਹਨਾਂ ਸਰਵਰਾਂ ਨਾਲ ਜੁੜ ਸਕਦੇ ਹਨ।

ਤਕਨੀਕੀ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਤੋਂ, MCP ਸਰਵਰ ਡਿਵੈਲਪਰਾਂ ਲਈ ਉਹਨਾਂ ਦੇ ਟੂਲ ਅਤੇ ਫੰਕਸ਼ਨਾਂ ਨੂੰ ਜਨਤਕ ਕਰਨ ਲਈ ਇੱਕ ਗੇਟਵੇ ਵਜੋਂ ਕੰਮ ਕਰਦਾ ਹੈ। ਫਿਰ, AI ਏਜੰਟ MCP ਕਲਾਇੰਟ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਇਹਨਾਂ ਸਰਵਰਾਂ ਨਾਲ ਜੁੜ ਸਕਦੇ ਹਨ, ਲੋੜ ਅਨੁਸਾਰ ਟੂਲਾਂ ਦੀ ਖੋਜ ਅਤੇ ਵਰਤੋਂ ਕਰ ਸਕਦੇ ਹਨ। ਜਦੋਂ ਏਜੰਟ ਉਪਲਬਧ ਟੂਲਾਂ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਨ ਲਈ ਸਰਵਰ ਨੂੰ ਪੁੱਛਦਾ ਹੈ, ਤਾਂ ਸਰਵਰ ਇੱਕ ਸਟੈਂਡਰਡਾਈਜ਼ਡ JSON ਫਾਰਮੈਟ ਵਿੱਚ ਮੈਟਾਡੇਟਾ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਏਜੰਟ ਇਹ ਸਮਝ ਸਕਦਾ ਹੈ ਕਿ ਟੂਲ ਦੀ ਵਰਤੋਂ ਕਿਵੇਂ ਕਰਨੀ ਹੈ। ਜਦੋਂ ਏਜੰਟ ਟੂਲ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦਾ ਫੈਸਲਾ ਕਰਦਾ ਹੈ, ਤਾਂ ਇਹ ਇੱਕ ਟੂਲ ਕਾਲ ਬੇਨਤੀ ਭੇਜਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਸਰਵਰ ਅਤੇ ਕਲਾਇੰਟ ਦੇ ਵਿਚਕਾਰ ਸਹਿਜ ਪਰਸਪਰ ਪ੍ਰਭਾਵ ਦੀ ਸਹੂਲਤ ਮਿਲਦੀ ਹੈ।

MCP ਦੀ ਮਹੱਤਤਾ: ਅੰਤਰ-ਕਾਰਜਸ਼ੀਲਤਾ, ਤਾਲਮੇਲ ਅਤੇ ਵਾਤਾਵਰਣ ਪ੍ਰਣਾਲੀ ਨੂੰ ਸਮਰੱਥ ਬਣਾਉਣਾ

MCP ਦੀ ਮਹੱਤਤਾ ਟੂਲਾਂ ਅਤੇ ਏਜੰਟਾਂ ਵਿਚਕਾਰ ਸੰਚਾਰ ਕਰਨ ਅਤੇ ਉਪਭੋਗਤਾਵਾਂ, ਕਾਰਜਾਂ, ਡਾਟਾ ਅਤੇ ਟੀਚਿਆਂ ਬਾਰੇ ਜਾਣਕਾਰੀ ਦਾ ਆਦਾਨ-ਪ੍ਰਦਾਨ ਕਰਨ ਲਈ ਇੱਕ ਸਟੈਂਡਰਡਾਈਜ਼ਡ ਤਰੀਕਾ ਪ੍ਰਦਾਨ ਕਰਨ ਦੀ ਯੋਗਤਾ ਵਿੱਚ ਹੈ। ਇਹ ਸਟੈਂਡਰਡਾਈਜ਼ੇਸ਼ਨ ਬਹੁਤ ਸਾਰੇ ਲਾਭ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ:

• ਅੰਤਰ-ਕਾਰਜਸ਼ੀਲਤਾ: MCP ਵੱਖ-ਵੱਖ AI ਮਾਡਲਾਂ, ਸਹਾਇਕਾਂ ਅਤੇ ਬਾਹਰੀ ਐਪਲੀਕੇਸ਼ਨਾਂ ਨੂੰ ਸੰਦਰਭ ਸਾਂਝਾ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਕਈ AI-ਸੰਚਾਲਿਤ ਟੂਲਾਂ ਅਤੇ ਸੇਵਾਵਾਂ ਨੂੰ ਜੋੜਨਾ ਆਸਾਨ ਹੋ ਜਾਂਦਾ ਹੈ। ਇਹ ਅੰਤਰ-ਕਾਰਜਸ਼ੀਲਤਾ ਵੱਖ-ਵੱਖ ਸਿਸਟਮਾਂ ਵਿਚਕਾਰ ਟਾਪੂਆਂ ਨੂੰ ਖਤਮ ਕਰਦੀ ਹੈ, ਜਿਸ ਨਾਲ ਉਹ ਆਮ ਟੀਚਿਆਂ ਨੂੰ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਮਿਲ ਕੇ ਕੰਮ ਕਰ ਸਕਦੇ ਹਨ।
• ਤਾਲਮੇਲ: MCP ਵੱਖ-ਵੱਖ AI ਏਜੰਟਾਂ ਅਤੇ ਬਾਹਰੀ ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿਚਕਾਰ ਕਾਰਜਾਂ ਵਿੱਚ ਤਾਲਮੇਲ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ, ਇਹ ਯਕੀਨੀ ਬਣਾਉਂਦਾ ਹੈ ਕਿ ਉਹ ਡੁਪਲੀਕੇਟ ਕੰਮ ਕੀਤੇ ਬਿਨਾਂ ਜਾਂ ਵਾਰ-ਵਾਰ ਉਪਭੋਗਤਾ ਇਨਪੁਟ ਦੀ ਲੋੜ ਤੋਂ ਬਿਨਾਂ ਸੁਚਾਰੂ ਢੰਗ ਨਾਲ ਮਿਲ ਕੇ ਕੰਮ ਕਰਦੇ ਹਨ। ਕਾਰਜਾਂ ਵਿੱਚ ਤਾਲਮੇਲ ਕਰਕੇ, MCP ਕੁਸ਼ਲਤਾ ਅਤੇ ਉਤਪਾਦਕਤਾ ਨੂੰ ਵਧਾਉਂਦਾ ਹੈ, ਜਿਸ ਨਾਲ AI-ਸੰਚਾਲਿਤ ਪ੍ਰਕਿਰਿਆਵਾਂ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਇਆ ਜਾਂਦਾ ਹੈ।
• ਵਾਤਾਵਰਣ ਪ੍ਰਣਾਲੀ: MCP ਵਰਗੇ ਮਿਆਰ ਤੀਜੀ-ਧਿਰ ਦੇ ਡਿਵੈਲਪਰਾਂ ਨੂੰ ਪਲੱਗਇਨ ਜਾਂ ਟੂਲ ਬਣਾਉਣ ਦੇ ਯੋਗ ਬਣਾਉਂਦੇ ਹਨ ਜੋ AI ਸਹਾਇਕਾਂ ਨਾਲ ਆਸਾਨੀ ਨਾਲ ‘ਇੱਕੋ ਭਾਸ਼ਾ ਬੋਲ ਸਕਦੇ ਹਨ’, ਜਿਸ ਨਾਲ ਵਾਤਾਵਰਣ ਪ੍ਰਣਾਲੀ ਦੇ ਵਾਧੇ ਨੂੰ ਤੇਜ਼ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਇਹ ਸਟੈਂਡਰਡਾਈਜ਼ੇਸ਼ਨ ਨਵੀਨਤਾ ਅਤੇ ਸਹਿਯੋਗ ਨੂੰ ਉਤਸ਼ਾਹਿਤ ਕਰਦੀ ਹੈ, ਜਿਸ ਨਾਲ ਸਕੇਲੇਬਲ AI ਸਮਰੱਥਾਵਾਂ ਅਤੇ ਐਪਲੀਕੇਸ਼ਨਾਂ ਦੀ ਭਰਪੂਰਤਾ ਹੁੰਦੀ ਹੈ।

ਉਦਾਹਰਨ ਲਈ, Google Maps MCP ਸਰਵਰ ਸੱਤ ਫੰਕਸ਼ਨ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਪਤੇ ਨੂੰ ਕੋਆਰਡੀਨੇਟਸ ਵਿੱਚ ਬਦਲਣਾ (ਅਤੇ ਇਸਦੇ ਉਲਟ), ਸਥਾਨਾਂ ਦੀ ਖੋਜ ਕਰਨਾ, ਸਥਾਨਾਂ ਬਾਰੇ ਵਿਸਤ੍ਰਿਤ ਜਾਣਕਾਰੀ ਪ੍ਰਾਪਤ ਕਰਨਾ, ਸਥਾਨਾਂ ਦੇ ਵਿਚਕਾਰ ਦੂਰੀ (ਅਤੇ ਯਾਤਰਾ ਦਾ ਸਮਾਂ) ਦੀ ਗਣਨਾ ਕਰਨਾ, ਉਚਾਈ ਡਾਟਾ ਪ੍ਰਾਪਤ ਕਰਨਾ ਅਤੇ ਰੂਟ ਪ੍ਰਾਪਤ ਕਰਨਾ ਸ਼ਾਮਲ ਹੈ। ਇਹ ਫੰਕਸ਼ਨ ਦਰਸਾਉਂਦੇ ਹਨ ਕਿ MCP ਕਿਸ ਤਰ੍ਹਾਂ ਵੱਖ-ਵੱਖ ਸੇਵਾਵਾਂ ਅਤੇ ਡਾਟਾ ਤੱਕ ਸਹਿਜ ਪਹੁੰਚ ਦੀ ਸਹੂਲਤ ਦਿੰਦਾ ਹੈ, ਜਿਸ ਨਾਲ AI-ਸੰਚਾਲਿਤ ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿੱਚ ਵੱਖ-ਵੱਖ ਵਰਤੋਂ ਦੇ ਮਾਮਲਿਆਂ ਦਾ ਸਮਰਥਨ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।

ਏਜੰਟ ਵਣਜ: MCP ਦਾ ਪਰਿਵਰਤਨਸ਼ੀਲ ਪ੍ਰਭਾਵ

MCP ਵਿੱਚ ਦਿਲਚਸਪੀ ਰੱਖਣ ਵਾਲੀਆਂ ਸੰਸਥਾਵਾਂ ਵਿੱਚ ਰਿਟੇਲਰ, ਬੈਂਕ ਅਤੇ ਹੋਰ ਸੰਸਥਾਵਾਂ ਸ਼ਾਮਲ ਹਨ ਜੋ ਆਪਣੀਆਂ AI ਸਮਰੱਥਾਵਾਂ ਨੂੰ ਵਿਕਸਤ ਕਰਨਾ ਚਾਹੁੰਦੀਆਂ ਹਨ ਤਾਂ ਜੋ ਉਹਨਾਂ ਦੇ ਏਜੰਟ ਗਾਹਕ ਏਜੰਟਾਂ ਨਾਲ ਗੱਲਬਾਤ ਕਰ ਸਕਣ। ਉਦਾਹਰਨ ਲਈ, ਵਾਲਮਾਰਟ ਦਾ ਯੂ.ਐੱਸ. ਓਪਰੇਸ਼ਨ ਖਪਤਕਾਰ ਏਜੰਟਾਂ ਨਾਲ ਗੱਲਬਾਤ ਕਰਨ ਲਈ ਆਪਣੇ ਖੁਦ ਦੇ ਏਜੰਟ ਬਣਾ ਰਿਹਾ ਹੈ ਤਾਂ ਜੋ ਸਿਫ਼ਾਰਸ਼ਾਂ ਜਾਂ ਵਾਧੂ ਉਤਪਾਦ ਜਾਣਕਾਰੀ ਪ੍ਰਦਾਨ ਕੀਤੀ ਜਾ ਸਕੇ। ਉਸੇ ਸਮੇਂ, ਖਪਤਕਾਰ ਏਜੰਟ ਤਰਜੀਹਾਂ ਆਦਿ ਬਾਰੇ ਜਾਣਕਾਰੀ ਰਿਟੇਲਰ ਏਜੰਟਾਂ ਨੂੰ ਪ੍ਰਦਾਨ ਕਰ ਸਕਦੇ ਹਨ।

ਬੈਂਕ ਅਤੇ ਰਿਟੇਲਰ ਚਾਹੁੰਦੇ ਹਨ ਕਿ ਗਾਹਕ ਏਜੰਟ ਰਿਟੇਲਰ ਏਜੰਟਾਂ ਨਾਲ ਗੱਲਬਾਤ ਕਰਨ, ਨਾ ਕਿ ਉਹਨਾਂ ਸੇਵਾਵਾਂ ਨੂੰ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਵੈੱਬਪੇਜਾਂ ਜਾਂ API ਦੀ ਵਰਤੋਂ ਕਰਨ ਜੋ ਉਹ ਚਾਹੁੰਦੇ ਹਨ। ਫਰੈਂਕ ਯੰਗ ਨੇ ਇਸ ਗਤੀਸ਼ੀਲਤਾ ਨੂੰ ਚੰਗੀ ਤਰ੍ਹਾਂ ਸੰਖੇਪ ਵਿੱਚ ਦੱਸਿਆ, ਉਸਨੇ ਸੁਝਾਅ ਦਿੱਤਾ ਕਿ ਸੰਸਥਾਵਾਂ ਮੌਜੂਦਾ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਸਧਾਰਨ ਪ੍ਰਕਿਰਿਆਵਾਂ (ਉਦਾਹਰਨ ਲਈ, ਗਾਹਕੀ) ਦਾ ਸਮਰਥਨ ਕਰਨ ਲਈ API ਪ੍ਰਦਾਨ ਕਰਦੀਆਂ ਹਨ, ਪਰ ਏਜੰਟ ਵਣਜ ਦੇ ਮੋਹਰੀ ਕਿਨਾਰੇ (ਗੱਲਬਾਤ, ਧੋਖਾਧੜੀ ਦਾ ਜਵਾਬ, ਅਨੁਕੂਲਨ) ਲਈ, ਇਹਨਾਂ ਗੁੰਝਲਦਾਰ, ਉੱਚ-ਮੁੱਲ ਵਾਲੇ ਦ੍ਰਿਸ਼ਾਂ ਨੂੰ ਹਾਸਲ ਕਰਨ ਲਈ MCP ਸਰਵਰ ਨੂੰ ਲਾਗੂ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ।

MCP ਦੀਆਂ ਸੁਰੱਖਿਆ ਚੁਣੌਤੀਆਂ

ਹਾਲਾਂਕਿ ਏਜੰਟ ਵਣਜ ਦਾ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਆਕਰਸ਼ਕ ਹੈ, ਪਰ MCP ਨਾਲ ਜੁੜੇ ਸੁਰੱਖਿਆ ਮੁੱਦਿਆਂ ਨੂੰ ਇਸਦੀ ਸੁਰੱਖਿਅਤ, ਭਰੋਸੇਮੰਦ ਅਤੇ ਲਾਗਤ-ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਤਾਇਨਾਤੀ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਹੱਲ ਕਰਨਾ ਲਾਜ਼ਮੀ ਹੈ। MCP ਸਰਵਰਾਂ ਅਤੇ ਕਲਾਇੰਟਾਂ ਨੂੰ ਇੱਕ ਦੂਜੇ ਨੂੰ ਪ੍ਰਮਾਣਿਤ ਕਰਨ ਲਈ ਇੱਕ ਮਿਆਰੀ ਵਿਧੀ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਨਹੀਂ ਕਰਦਾ ਹੈ, ਅਤੇ ਨਾ ਹੀ ਇਹ ਦੱਸਦਾ ਹੈ ਕਿ API ਪ੍ਰਤੀਨਿਧੀ ਪ੍ਰਮਾਣਿਕਤਾ ਦੀ ਵਰਤੋਂ ਕਿਵੇਂ ਕਰਨੀ ਹੈ। ਇਹ ਸੁਰੱਖਿਆ ਕਮਜ਼ੋਰੀ ਖਤਰਨਾਕ ਏਜੰਟਾਂ ਲਈ ਕਾਨੂੰਨੀ ਸੰਸਥਾਵਾਂ ਵਜੋਂ ਪੇਸ਼ ਕਰਨ, ਸੰਵੇਦਨਸ਼ੀਲ ਡਾਟਾ ਤੱਕ ਅਣਅਧਿਕਾਰਤ ਪਹੁੰਚ ਕਰਨ ਜਾਂ ਖਤਰਨਾਕ ਗਤੀਵਿਧੀਆਂ ਸ਼ੁਰੂ ਕਰਨ ਲਈ ਦਰਵਾਜ਼ੇ ਖੋਲ੍ਹ ਸਕਦੀ ਹੈ।

ਇਹਨਾਂ ਸੁਰੱਖਿਆ ਮੁੱਦਿਆਂ ਨੂੰ ਹੱਲ ਕਰਨ ਦਾ ਇੱਕ ਤਰੀਕਾ ਇਹ ਹੈ ਕਿ MCP ਸਰਵਰ ਏਜੰਟ ਪ੍ਰਮਾਣ ਪੱਤਰਾਂ ਨੂੰ ਕਿਸੇ ਕਿਸਮ ਦੇ ਰਜਿਸਟਰੀ ਦੇ ਵਿਰੁੱਧ ਪ੍ਰਮਾਣਿਤ ਕਰਨ, ਜੋ ਕਿ AI ਦਾ ਬੁਨਿਆਦੀ KYC (ਆਪਣੇ ਗਾਹਕ ਨੂੰ ਜਾਣੋ) ਹੈ, ਤਾਂ ਜੋ ਸਿਰਫ਼ ਭਰੋਸੇਯੋਗ ਏਜੰਟ ਹੀ ਦਾਖਲ ਹੋ ਸਕਣ। ਇਹ ਵਧੇਰੇ ਗੁੰਝਲਦਾਰ ਆਪਣੇ ਏਜੰਟ ਨੂੰ ਜਾਣੋ (KYA) ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦਾ ਇੱਕ ਅਗਰਦੂਤ ਹੋ ਸਕਦਾ ਹੈ, ਜੋ ਵਧੇਰੇ ਮਜ਼ਬੂਤ ਪ੍ਰਮਾਣਿਕਤਾ ਅਤੇ ਅਧਿਕਾਰ ਵਿਧੀ ਪ੍ਰਦਾਨ ਕਰੇਗਾ।

ਕਿਉਂਕਿ MCP ਸਰਵਰ ਸੁਤੰਤਰ ਡਿਵੈਲਪਰਾਂ ਅਤੇ ਯੋਗਦਾਨੀਆਂ ਦੁਆਰਾ ਪ੍ਰਬੰਧਿਤ ਕੀਤੇ ਜਾਂਦੇ ਹਨ, ਇਸ ਲਈ ਸੁਰੱਖਿਆ ਮਾਪਦੰਡਾਂ ਦੀ ਸਮੀਖਿਆ, ਲਾਗੂ ਕਰਨ ਜਾਂ ਪ੍ਰਮਾਣਿਤ ਕਰਨ ਲਈ ਕੋਈ ਕੇਂਦਰੀ ਪਲੇਟਫਾਰਮ ਨਹੀਂ ਹੈ। ਇਹ ਵਿਕੇਂਦਰੀਕ੍ਰਿਤ ਮਾਡਲ ਸੁਰੱਖਿਆ ਅਭਿਆਸਾਂ ਵਿੱਚ ਅਸੰਗਤਤਾ ਦੀ ਸੰਭਾਵਨਾ ਨੂੰ ਵਧਾਉਂਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਇਹ ਯਕੀਨੀ ਬਣਾਉਣਾ ਮੁਸ਼ਕਲ ਹੋ ਜਾਂਦਾ ਹੈ ਕਿ ਸਾਰੇ MCP ਸਰਵਰ ਸੁਰੱਖਿਅਤ ਵਿਕਾਸ ਸਿਧਾਂਤਾਂ ਦੀ ਪਾਲਣਾ ਕਰਦੇ ਹਨ। ਇਸ ਤੋਂ ਇਲਾਵਾ, MCP ਸਰਵਰਾਂ ਵਿੱਚ ਇੱਕ ਯੂਨੀਫਾਈਡ ਪੈਕੇਜ ਪ੍ਰਬੰਧਨ ਸਿਸਟਮ ਦੀ ਘਾਟ ਹੈ, ਜੋ ਸਥਾਪਨਾ ਅਤੇ ਰੱਖ-ਰਖਾਅ ਦੀਆਂ ਪ੍ਰਕਿਰਿਆਵਾਂ ਨੂੰ ਗੁੰਝਲਦਾਰ ਬਣਾਉਂਦੀ ਹੈ, ਪੁਰਾਣੇ ਜਾਂ ਗਲਤ ਢੰਗ ਨਾਲ ਕੌਂਫਿਗਰ ਕੀਤੇ ਸੰਸਕਰਣਾਂ ਨੂੰ ਤੈਨਾਤ ਕਰਨ ਦੀ ਸੰਭਾਵਨਾ ਨੂੰ ਵਧਾਉਂਦੀ ਹੈ। ਵੱਖ-ਵੱਖ MCP ਕਲਾਇੰਟਾਂ ਵਿੱਚ ਗੈਰ-ਅਧਿਕਾਰਤ ਸਥਾਪਨਾ ਟੂਲਾਂ ਦੀ ਵਰਤੋਂ ਸਰਵਰ ਤੈਨਾਤੀ ਦੀ ਪਰਿਵਰਤਨਸ਼ੀਲਤਾ ਨੂੰ ਹੋਰ ਪੇਸ਼ ਕਰਦੀ ਹੈ, ਜਿਸ ਨਾਲ ਇਕਸਾਰ ਸੁਰੱਖਿਆ ਮਾਪਦੰਡਾਂ ਨੂੰ ਬਣਾਈ ਰੱਖਣਾ ਮੁਸ਼ਕਲ ਹੋ ਜਾਂਦਾ ਹੈ।

MCP ਵਿੱਚ ਲੈਣ-ਦੇਣ ਵਾਲੇ ਵਿਰੋਧੀ ਪ੍ਰਮਾਣਿਕਤਾ ਅਤੇ ਅਧਿਕਾਰ ਲਈ ਇੱਕ ਮਿਆਰੀ ਢਾਂਚੇ ਦੀ ਵੀ ਘਾਟ ਹੈ, ਅਤੇ ਨਾ ਹੀ ਪਛਾਣ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨ ਜਾਂ ਪਹੁੰਚ ਨੂੰ ਨਿਯਮਤ ਕਰਨ ਲਈ ਕੋਈ ਵਿਧੀ ਹੈ। ਇਹਨਾਂ ਵਿਧੀਆਂ ਤੋਂ ਬਿਨਾਂ, ਵਧੀਆ-ਦਾਣੇ ਵਾਲੀਆਂ ਅਨੁਮਤੀਆਂ ਨੂੰ ਲਾਗੂ ਕਰਨਾ ਮੁਸ਼ਕਲ ਹੈ। ਕਿਉਂਕਿ MCP ਵਿੱਚ ਇੱਕ ਅਨੁਮਤੀ ਮਾਡਲ ਦੀ ਵੀ ਘਾਟ ਹੈ ਅਤੇ OAuth ‘ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ, ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਟੂਲ ਨਾਲ ਸੈਸ਼ਨ ਜਾਂ ਤਾਂ ਪਹੁੰਚਯੋਗ ਹੈ ਜਾਂ ਪੂਰੀ ਤਰ੍ਹਾਂ ਪ੍ਰਤਿਬੰਧਿਤ ਹੈ, ਜਿਵੇਂ ਕਿ Andreessen Horowitz ਨੇ ਨੋਟ ਕੀਤਾ ਹੈ, ਜਿਵੇਂ ਕਿ ਹੋਰ ਏਜੰਟ ਅਤੇ ਟੂਲ ਪੇਸ਼ ਕੀਤੇ ਜਾਂਦੇ ਹਨ, ਇਸ ਵਿੱਚ ਵਾਧੂ ਗੁੰਝਲਤਾ ਹੋਵੇਗੀ। ਇਸ ਲਈ, ਹੋਰ ਚੀਜ਼ਾਂ ਦੀ ਲੋੜ ਹੋਵੇਗੀ, ਇੱਕ ਉਮੀਦਵਾਰ ਨੂੰ ਨੀਤੀ ਫੈਸਲਾ ਬਿੰਦੂ (PDP) ਕਿਹਾ ਜਾਂਦਾ ਹੈ। ਇਹ ਇੱਕ ਅਜਿਹਾ ਭਾਗ ਹੈ ਜੋ ਪਹੁੰਚ ਨਿਯੰਤਰਣ ਨੀਤੀਆਂ ਦਾ ਮੁਲਾਂਕਣ ਕਰਦਾ ਹੈ। ਕਿਸੇ ਕਾਰਵਾਈ ਦੀ ਪਛਾਣ, ਕਾਰਵਾਈ, ਸਰੋਤ ਅਤੇ ਸੰਦਰਭ ਵਰਗੇ ਇਨਪੁਟਸ ਦਿੱਤੇ ਜਾਣ ‘ਤੇ, ਇਹ ਫੈਸਲਾ ਕਰਦਾ ਹੈ ਕਿ ਕਾਰਵਾਈ ਦੀ ਇਜਾਜ਼ਤ ਦੇਣੀ ਹੈ ਜਾਂ ਇਨਕਾਰ ਕਰਨਾ ਹੈ।

ਸਾਈਬਰ ਸੁਰੱਖਿਆ ਸਟਾਰਟਅੱਪ Gluu ਦੇ ਸੰਸਥਾਪਕ ਮਾਈਕ ਸ਼ਵਾਰਟਜ਼ ਦਾ ਦਾਅਵਾ ਹੈ ਕਿ ਹਾਲਾਂਕਿ PDP ਇੱਕ ਵਾਰ ਇੱਕ ਭਾਰੀ ਬੁਨਿਆਦੀ ਢਾਂਚਾ ਹੁੰਦਾ ਸੀ ਜੋ ਸਰਵਰਾਂ ਜਾਂ ਵੱਡੇ ਮੇਨਫ੍ਰੇਮਾਂ ‘ਤੇ ਚੱਲਦਾ ਸੀ, Cedar ਓਪਨ ਸੋਰਸ ਨੀਤੀ ਭਾਸ਼ਾ ਦੀ ਵਰਤੋਂ ਕਰਨ ਵਾਲਾ PDP ਮੋਬਾਈਲ ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿੱਚ ਏਮਬੈਡ ਕੀਤੇ ਜਾਣ ਲਈ ਕਾਫ਼ੀ ਛੋਟਾ ਅਤੇ ਤੇਜ਼ ਹੈ, ਅਤੇ ਏਜੰਟ AI ਸਟੈਕ ਦਾ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਹਿੱਸਾ ਬਣਨ ਲਈ ਵਿਕਸਤ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ। ਆਟੋਮੇਟਿਡ ਤਰਕ ਦੇ ਵਿਸ਼ੇ ‘ਤੇ ਵਿਆਪਕ ਵਿਗਿਆਨਕ ਖੋਜ ਤੋਂ ਬਾਅਦ, AWS ਨੇ 2024 ਵਿੱਚ Cedar ਨੀਤੀ ਸੰਟੈਕਸ ਦੀ ਘੋਸ਼ਣਾ ਕੀਤੀ। ਮਹੱਤਵਪੂਰਨ ਗੱਲ ਇਹ ਹੈ ਕਿ Cedar ਨਿਰਧਾਰਤ ਹੈ—ਇੱਕੋ ਇਨਪੁਟ ਦਿੱਤੇ ਜਾਣ ‘ਤੇ, ਤੁਹਾਨੂੰ ਹਮੇਸ਼ਾ ਇੱਕੋ ਜਵਾਬ ਮਿਲੇਗਾ। ਸੁਰੱਖਿਆ ਵਿੱਚ ਨਿਰਧਾਰਤਤਾ ਭਰੋਸਾ ਬਣਾਉਣ ਲਈ ਜ਼ਰੂਰੀ ਹੈ, ਜਿਸ ਲਈ ਇੱਕੋ ਚੀਜ਼ ਨੂੰ ਵਾਰ-ਵਾਰ ਕਰਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਜਿਵੇਂ ਕਿ ਮਾਈਕ ਨੇ ਕਿਹਾ, Cedar-ਅਧਾਰਤ ਏਮਬੈਡੇਬਲ PDP ਏਜੰਟ AI ਲਈ ਸਾਰੀਆਂ ਜ਼ਰੂਰਤਾਂ ਦੀ ਜਾਂਚ ਕਰਦਾ ਹੈ।

MCP ਦੀ ਨਵੀਂ ਸ਼ੁਰੂਆਤ

ਇਹ ਸਿਰਫ਼ ਇੱਕ ਹੋਰ ਈ-ਕਾਮਰਸ ਨਹੀਂ ਹੈ। ਜਿਵੇਂ ਕਿ ਜੈਮੀ ਸਮਿਥ ਨੇ ਦੱਸਿਆ, ਜਦੋਂ ਤੁਸੀਂ ਆਪਣੇ ਏਜੰਟ ਨੂੰ ਦੱਸਦੇ ਹੋ ਕਿ ‘ਪੈਰਿਸ ਵਿੱਚ 400 ਡਾਲਰ ਤੋਂ ਘੱਟ ਦਾ ਇੱਕ ਹੋਟਲ ਲੱਭੋ ਜਿੱਥੋਂ ਆਈਫਲ ਟਾਵਰ ਦਿਖਾਈ ਦਿੰਦਾ ਹੋਵੇ’, ਤਾਂ ਇਹ ਸਿਰਫ਼ Google ‘ਤੇ ਜਾ ਕੇ ਖੋਜ ਨਹੀਂ ਕਰਦਾ। ਇਹ ਤੁਹਾਡੇ ਪ੍ਰਮਾਣਿਤ ਪ੍ਰਮਾਣ ਪੱਤਰਾਂ (ਤੁਹਾਡੇ ਡਿਜੀਟਲ ਵਾਲਿਟ ਤੋਂ), ਭੁਗਤਾਨ ਤਰਜੀਹਾਂ, ਮੈਂਬਰਸ਼ਿਪ ਪ੍ਰੋਗਰਾਮਾਂ (ਆਦਿ) ਦੇ ਨਾਲ-ਨਾਲ ਕੀਮਤ ਸੀਮਾਵਾਂ, ਮਿਤੀ ਸੀਮਾਵਾਂ ਅਤੇ ਮੈਂਬਰਸ਼ਿਪ ਪ੍ਰੋਗਰਾਮਾਂ ਵਰਗੀਆਂ ਰੁਕਾਵਟਾਂ ਨਾਲ ਬੇਨਤੀ ਨੂੰ ਪੈਕ ਕਰਦਾ ਹੈ। ਇਹ ‘ਢਾਂਚਾਗਤ ਸੰਦਰਭ ਪੇਲੋਡ’ ਹੈ ਜੋ ਵੱਖ-ਵੱਖ ਯਾਤਰਾ ਵੈੱਬਸਾਈਟਾਂ ਨੂੰ ਭੇਜਿਆ ਜਾਂਦਾ ਹੈ ਜੋ ਜਵਾਬ ਦੇਣ ਅਤੇ ਤੁਹਾਡੇ ਏਜੰਟ ਨਾਲ ਗੱਲਬਾਤ ਕਰਨ ਦੇ ਸਮਰੱਥ ਹਨ।

ਬਿਨਾਂ ਕਿਸੇ ਸੁਰੱਖਿਆ ਪਰਤ ਦੇ ਇੰਟਰਨੈੱਟ ‘ਤੇ ਬਣੇ ਈ-ਕਾਮਰਸ (ਇਸ ਲਈ ਕੋਈ ਡਿਜੀਟਲ ਮੁਦਰਾ ਨਹੀਂ ਹੈ, ਕੋਈ ਡਿਜੀਟਲ ਪਛਾਣ ਨਹੀਂ ਹੈ) ਤੋਂ ਉਲਟ, ਏਜੰਟ ਵਣਜ ਇੱਕ ਅਜਿਹੇ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ‘ਤੇ ਬਣੇਗਾ ਜੋ ਮਾਰਕੀਟ ਭਾਗੀਦਾਰਾਂ ਨੂੰ ਅਸਲ ਸੁਰੱਖਿਆ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ। ਇਸ ਸੁਰੱਖਿਆ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਨੂੰ ਲਾਗੂ ਕਰਨਾ ਫਿਨਟੈਕ ਕੰਪਨੀਆਂ ਅਤੇ ਹੋਰ ਸਟਾਰਟਅੱਪਾਂ ਲਈ ਇੱਕ ਸ਼ਾਨਦਾਰ ਮੌਕਾ ਹੈ ਜੋ ਡਿਜੀਟਲ ਮੁਦਰਾ ਅਤੇ ਡਿਜੀਟਲ ਪਛਾਣ ਨੂੰ ਮੁੱਖ ਹਿੱਸੇ ਵਜੋਂ ਪੇਸ਼ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹਨ। ਜਿਵੇਂ ਕਿ MCP ਦੇ ਆਲੇ ਦੁਆਲੇ ਪਛਾਣ, ਪ੍ਰਮਾਣਿਕਤਾ ਅਤੇ ਅਧਿਕਾਰ ਵਿਧੀਆਂ ਨੂੰ ਮਿਆਰੀ ਬਣਾਇਆ ਗਿਆ ਹੈ, ਇਸ ਗੱਲ ਦਾ ਕੋਈ ਕਾਰਨ ਨਹੀਂ ਹੈ ਕਿ ਏਜੰਟ ਵਣਜ ਦੀ ਜਨਤਕ ਮਾਰਕੀਟ ਵਿੱਚ ਤੇਜ਼ੀ ਨਾਲ ਤੇਜ਼ੀ ਦੀ ਉਮੀਦ ਨਾ ਕੀਤੀ ਜਾਵੇ।

ਜਿਵੇਂ ਕਿ MCP ਸੁਰੱਖਿਆ ਮੁੱਦਿਆਂ ਨੂੰ ਹੱਲ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਅਤੇ ਮਿਆਰੀਕਰਨ ਦੇ ਯਤਨ ਪੂਰੇ ਕੀਤੇ ਜਾਂਦੇ ਹਨ, ਏਜੰਟ ਵਣਜ ਵਿੱਚ ਸਾਡੇ ਦੁਆਰਾ ਵਪਾਰਕ ਲੈਣ-ਦੇਣ ਕਰਨ ਦੇ ਤਰੀਕੇ ਵਿੱਚ ਕ੍ਰਾਂਤੀ ਲਿਆਉਣ ਦੀ ਸਮਰੱਥਾ ਹੈ। ਵੱਖ-ਵੱਖ ਪ੍ਰਕਿਰਿਆਵਾਂ ਨੂੰ ਸਵੈਚਲਿਤ ਅਤੇ ਵਧਾਉਣ ਲਈ AI ਏਜੰਟਾਂ ਦੀ ਸ਼ਕਤੀ ਦਾ ਲਾਭ ਲੈ ਕੇ, ਏਜੰਟ ਵਣਜ ਕਾਰੋਬਾਰਾਂ ਅਤੇ ਖਪਤਕਾਰਾਂ ਦੋਵਾਂ ਲਈ ਨਵੇਂ ਮੌਕੇ ਪੈਦਾ ਕਰਦੇ ਹੋਏ, ਕੁਸ਼ਲਤਾ, ਸਹੂਲਤ ਅਤੇ ਵਿਅਕਤੀਗਤਕਰਨ ਨੂੰ ਵਧਾਉਣ ਦਾ ਵਾਅਦਾ ਕਰਦਾ ਹੈ।

ਅੰਤ ਵਿੱਚ, MCP ਵਧੇਰੇ ਸੁਰੱਖਿਅਤ, ਕੁਸ਼ਲ ਅਤੇ AI-ਕੇਂਦਰਿਤ ਵਪਾਰਕ ਭਵਿੱਖ ਵੱਲ ਇੱਕ ਪਰਿਵਰਤਨ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ, ਜੋ ਕਾਰੋਬਾਰਾਂ ਦੁਆਰਾ ਆਪਣੇ ਗਾਹਕਾਂ ਨਾਲ ਗੱਲਬਾਤ ਕਰਨ ਅਤੇ ਉਹਨਾਂ ਦੇ ਕੰਮ ਕਰਨ ਦੇ ਤਰੀਕੇ ਨੂੰ ਮੁੜ ਪਰਿਭਾਸ਼ਿਤ ਕਰੇਗਾ।