MCP ਦਾ ਉਭਾਰ: ਕੀ ਇਹ AI ਵਿੱਚ ਅਗਲੀ ਵੱਡੀ ਚੀਜ਼ ਹੈ?

AI (ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ) ਦੀ ਦੁਨੀਆ ਵਿੱਚ ਹਰ ਪਲ ਤਬਦੀਲੀ ਆ ਰਹੀ ਹੈ, ਜਿਸ ਵਿੱਚ ਨਵੇਂ ਸ਼ਬਦ ਅਤੇ ਤਕਨੀਕਾਂ ਬਹੁਤ ਤੇਜ਼ੀ ਨਾਲ ਸਾਹਮਣੇ ਆ ਰਹੀਆਂ ਹਨ। ਅਜਿਹਾ ਹੀ ਇੱਕ ਸ਼ਬਦ ਹੈ ‘MCP’, ਯਾਨੀ ਕਿ ਮਾਡਲ ਕੰਟੈਕਸਟ ਪ੍ਰੋਟੋਕੋਲ, ਜਿਸ ਨੇ ਹਾਲ ਹੀ ਵਿੱਚ ਸਭ ਦਾ ਧਿਆਨ ਆਪਣੇ ਵੱਲ ਖਿੱਚਿਆ ਹੈ। ਇਸ ਸੰਕਲਪ ਨੇ AI ਕਮਿਊਨਿਟੀ ਵਿੱਚ ਬਹੁਤ ਉਤਸ਼ਾਹ ਪੈਦਾ ਕੀਤਾ ਹੈ, ਅਤੇ ਇਸ ਦੀ ਤੁਲਨਾ ਮੋਬਾਈਲ ਐਪ ਵਿਕਾਸ ਦੇ ਸ਼ੁਰੂਆਤੀ ਦੌਰ ਨਾਲ ਕੀਤੀ ਜਾ ਰਹੀ ਹੈ।

ਬਾਈਡੂ ਦੇ ਚੇਅਰਮੈਨ ਲੀ ਯਾਨਹੋਂਗ ਨੇ 25 ਅਪ੍ਰੈਲ ਨੂੰ ਬਾਈਡੂ ਕਰੀਏਟ ਕਾਨਫਰੰਸ ਵਿੱਚ ਕਿਹਾ, ‘MCP ‘ਤੇ ਆਧਾਰਿਤ ਇੰਟੈਲੀਜੈਂਟ ਏਜੰਟ ਵਿਕਸਤ ਕਰਨਾ 2010 ਵਿੱਚ ਮੋਬਾਈਲ ਐਪਸ ਵਿਕਸਤ ਕਰਨ ਵਰਗਾ ਹੈ।’ ਇਸ ਤੁਲਨਾ ਤੋਂ MCP ਦੇ ਭਵਿੱਖ ਵਿੱਚ AI ਐਪਲੀਕੇਸ਼ਨਾਂ ‘ਤੇ ਪੈਣ ਵਾਲੇ ਸੰਭਾਵਿਤ ਪ੍ਰਭਾਵਾਂ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਇਆ ਜਾ ਸਕਦਾ ਹੈ।

MCP ਨੂੰ ਸਮਝਣਾ

ਜੇਕਰ ਤੁਸੀਂ ਅਜੇ ਤੱਕ MCP ਤੋਂ ਜਾਣੂ ਨਹੀਂ ਹੋ, ਤਾਂ ਤੁਸੀਂ ਸ਼ਾਇਦ ‘ਏਜੰਟ’ (ਜਾਂ ਇੰਟੈਲੀਜੈਂਟ ਏਜੰਟ) ਸ਼ਬਦ ਸੁਣਿਆ ਹੋਵੇਗਾ। 2025 ਦੇ ਸ਼ੁਰੂ ਵਿੱਚ ਇੱਕ ਚੀਨੀ ਸਟਾਰਟਅੱਪ, ਮੈਨਸ ਦੀ ਪ੍ਰਸਿੱਧੀ ਵਿੱਚ ਵਾਧੇ ਨੇ ਇਸ ਸੰਕਲਪ ਨੂੰ ਸਭ ਦੇ ਸਾਹਮਣੇ ਲਿਆਂਦਾ ਹੈ।

ਏਜੰਟ ਦੀ ਅਪੀਲ ਦਾ ਮੁੱਖ ਕਾਰਨ ਹੈ ਇਸ ਦੀ ਕਾਰਜਾਂ ਨੂੰ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਕਰਨ ਦੀ ਸਮਰੱਥਾ। ਪਹਿਲਾਂ ਵਾਲੇ ਵੱਡੇ ਭਾਸ਼ਾਈ ਮਾਡਲਾਂ (LLMs) ਤੋਂ ਉਲਟ, ਜੋ ਮੁੱਖ ਤੌਰ ‘ਤੇ ਗੱਲਬਾਤ ਕਰਨ ਵਾਲੇ ਇੰਟਰਫੇਸ ਵਜੋਂ ਕੰਮ ਕਰਦੇ ਸਨ, ਏਜੰਟ ਬਾਹਰੀ ਟੂਲਾਂ ਅਤੇ ਡਾਟਾ ਸਰੋਤਾਂ ਦਾ ਲਾਭ ਉਠਾਉਂਦੇ ਹੋਏ, ਸਰਗਰਮੀ ਨਾਲ ਕਾਰਜਾਂ ਨੂੰ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤੇ ਗਏ ਹਨ। ਰਵਾਇਤੀ LLMs ਆਪਣੀ ਸਿਖਲਾਈ ਡਾਟਾ ਦੁਆਰਾ ਸੀਮਿਤ ਹੁੰਦੇ ਹਨ ਅਤੇ ਬਾਹਰੀ ਸਰੋਤਾਂ ਤੱਕ ਪਹੁੰਚ ਕਰਨ ਲਈ ਗੁੰਝਲਦਾਰ ਪ੍ਰਕਿਰਿਆਵਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।

MCP, ਏਜੰਟ ਦੇ ਵਿਜ਼ਨ ਨੂੰ ਸਾਕਾਰ ਕਰਨ ਲਈ ਬਹੁਤ ਜ਼ਰੂਰੀ ਹੈ, ਜੋ LLMs ਨੂੰ MCP ਪ੍ਰੋਟੋਕੋਲ ਦਾ ਸਮਰਥਨ ਕਰਨ ਵਾਲੇ ਬਾਹਰੀ ਟੂਲਾਂ ਨਾਲ ਸਹਿਜਤਾ ਨਾਲ ਗੱਲਬਾਤ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ। ਇਹ ਉਹਨਾਂ ਨੂੰ ਹੋਰ ਖਾਸ ਅਤੇ ਗੁੰਝਲਦਾਰ ਕਾਰਜ ਕਰਨ ਦੇ ਯੋਗ ਬਣਾਉਂਦਾ ਹੈ।

ਵਰਤਮਾਨ ਵਿੱਚ, ਕਈ ਐਪਲੀਕੇਸ਼ਨਾਂ, ਜਿਨ੍ਹਾਂ ਵਿੱਚ Amap ਅਤੇ WeChat ਰੀਡ ਸ਼ਾਮਲ ਹਨ, ਨੇ ਅਧਿਕਾਰਤ MCP ਸਰਵਰ ਲਾਂਚ ਕੀਤੇ ਹਨ। ਇਹ ਡਿਵੈਲਪਰਾਂ ਨੂੰ ਇੱਕ ਪਸੰਦੀਦਾ LLM ਦੀ ਚੋਣ ਕਰਕੇ ਅਤੇ ਇਸਨੂੰ Amap ਜਾਂ WeChat ਰੀਡ ਵਰਗੇ MCP ਸਰਵਰਾਂ ਨਾਲ ਜੋੜ ਕੇ AI ਐਪਲੀਕੇਸ਼ਨਾਂ ਬਣਾਉਣ ਦਾ ਅਧਿਕਾਰ ਦਿੰਦਾ ਹੈ। ਇਹ LLM ਨੂੰ ਨਕਸ਼ਾ ਪੁੱਛਗਿੱਛ ਅਤੇ ਕਿਤਾਬਾਂ ਤੋਂ ਜਾਣਕਾਰੀ ਪ੍ਰਾਪਤ ਕਰਨ ਵਰਗੇ ਕੰਮ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ।

MCP ਵੇਵ ਫਰਵਰੀ 2024 ਵਿੱਚ ਸ਼ੁਰੂ ਹੋਈ ਅਤੇ ਇਸਨੇ ਦੁਨੀਆ ਭਰ ਵਿੱਚ ਤੇਜ਼ੀ ਨਾਲ ਗਤੀ ਪ੍ਰਾਪਤ ਕੀਤੀ ਹੈ।

OpenAI, Google, Meta, Alibaba, Tencent, ByteDance, ਅਤੇ Baidu ਵਰਗੇ ਵੱਡੇ ਖਿਡਾਰੀਆਂ ਨੇ MCP ਪ੍ਰੋਟੋਕੋਲ ਲਈ ਸਮਰਥਨ ਦਾ ਐਲਾਨ ਕੀਤਾ ਹੈ ਅਤੇ ਆਪਣੇ MCP ਪਲੇਟਫਾਰਮ ਲਾਂਚ ਕੀਤੇ ਹਨ, ਜਿਸ ਵਿੱਚ ਡਿਵੈਲਪਰਾਂ ਅਤੇ ਐਪਲੀਕੇਸ਼ਨ ਸੇਵਾ ਪ੍ਰਦਾਤਾਵਾਂ ਨੂੰ ਸ਼ਾਮਲ ਹੋਣ ਲਈ ਸੱਦਾ ਦਿੱਤਾ ਗਿਆ ਹੈ।

MCP: AI ਈਕੋਸਿਸਟਮ ਨੂੰ ਇਕਜੁੱਟ ਕਰਨਾ

‘ਸੁਪਰ ਐਪਸ’ ਦਾ ਸੰਕਲਪ 2024 ਵਿੱਚ AI ਖੇਤਰ ਵਿੱਚ ਇੱਕ ਗਰਮ ਵਿਸ਼ਾ ਸੀ, ਜਿਸ ਵਿੱਚ AI ਐਪਲੀਕੇਸ਼ਨਾਂ ਦੇ ਤੇਜ਼ੀ ਨਾਲ ਵਾਧਾ ਹੋਣ ਦੀ ਉਮੀਦ ਸੀ। ਹਾਲਾਂਕਿ, AI ਇਨੋਵੇਸ਼ਨ ਈਕੋਸਿਸਟਮ ਖੰਡਿਤ ਰਿਹਾ।

MCP ਦੇ ਉਭਾਰ ਦੀ ਤੁਲਨਾ ਕਿਨ ਸ਼ੀ ਹੁਆਂਗ ਦੇ ਅਧੀਨ ਚੀਨ ਦੇ ਏਕੀਕਰਨ ਨਾਲ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ, ਜਿਸ ਨੇ ਲਿਖਣ, ਆਵਾਜਾਈ ਅਤੇ ਮਾਪ ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ ਮਿਆਰੀ ਬਣਾਇਆ ਸੀ। ਇਸ ਮਿਆਰੀਕਰਨ ਨੇ ਆਰਥਿਕ ਗਤੀਵਿਧੀਆਂ ਅਤੇ ਵਪਾਰ ਨੂੰ ਬਹੁਤ ਸੁਵਿਧਾ ਦਿੱਤੀ।

ਕਈ ਮਾਰਕੀਟ ਵਿਸ਼ਲੇਸ਼ਕਾਂ ਦਾ ਮੰਨਣਾ ਹੈ ਕਿ MCP ਅਤੇ ਇਸ ਤਰ੍ਹਾਂ ਦੇ ਪ੍ਰੋਟੋਕੋਲਾਂ ਨੂੰ ਅਪਣਾਉਣ ਨਾਲ 2025 ਵਿੱਚ AI ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਵਾਧਾ ਹੋਵੇਗਾ।

ਅਸਲ ਵਿੱਚ, MCP AI ਲਈ ਇੱਕ ‘ਸੁਪਰ ਪਲੱਗ-ਇਨ’ ਵਜੋਂ ਕੰਮ ਕਰਦਾ ਹੈ, ਜੋ ਵੱਖ-ਵੱਖ ਬਾਹਰੀ ਟੂਲਾਂ ਅਤੇ ਡਾਟਾ ਸਰੋਤਾਂ ਨਾਲ ਸਹਿਜ ਏਕੀਕਰਨ ਨੂੰ ਸਮਰੱਥ ਬਣਾਉਂਦਾ ਹੈ।

MCP ਦੀ ਤਕਨੀਕੀ ਨੀਂਹ

MCP, ਜਾਂ ਮਾਡਲ ਕੰਟੈਕਸਟ ਪ੍ਰੋਟੋਕੋਲ, ਪਹਿਲੀ ਵਾਰ ਨਵੰਬਰ 2024 ਵਿੱਚ ਐਂਥਰੋਪਿਕ ਦੁਆਰਾ ਪੇਸ਼ ਕੀਤਾ ਗਿਆ ਸੀ।

ਇੱਕ ਓਪਨ ਸਟੈਂਡਰਡ ਵਜੋਂ, MCP AI ਐਪਲੀਕੇਸ਼ਨਾਂ ਨੂੰ ਬਾਹਰੀ ਡਾਟਾ ਸਰੋਤਾਂ ਅਤੇ ਟੂਲਾਂ ਨਾਲ ਸੰਚਾਰ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ।

MCP ਨੂੰ LLMs ਲਈ ਇੱਕ ਯੂਨੀਵਰਸਲ ਅਡਾਪਟਰ ਦੇ ਰੂਪ ਵਿੱਚ ਸੋਚੋ, ਇੱਕ ਸਟੈਂਡਰਡ ‘USB ਇੰਟਰਫੇਸ’ ਪਰਿਭਾਸ਼ਿਤ ਕਰਦਾ ਹੈ।

ਇਹ ਇੰਟਰਫੇਸ ਡਿਵੈਲਪਰਾਂ ਨੂੰ ਵੱਖ-ਵੱਖ ਡਾਟਾ ਸਰੋਤਾਂ ਅਤੇ ਵਰਕਫਲੋਜ਼ ਨਾਲ ਜੁੜ ਕੇ, ਵਧੇਰੇ ਮਿਆਰੀ ਅਤੇ ਸੰਗਠਿਤ ਢੰਗ ਨਾਲ ਐਪਲੀਕੇਸ਼ਨਾਂ ਬਣਾਉਣ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ।

AI ਐਪਲੀਕੇਸ਼ਨ ਵਿਕਾਸ ਵਿੱਚ ਰੁਕਾਵਟਾਂ ਨੂੰ ਦੂਰ ਕਰਨਾ

MCP ਦੇ ਉਭਾਰ ਤੋਂ ਪਹਿਲਾਂ, AI ਐਪਲੀਕੇਸ਼ਨਾਂ ਨੂੰ ਵਿਕਸਤ ਕਰਨਾ ਇੱਕ ਚੁਣੌਤੀਪੂਰਨ ਅਤੇ ਗੁੰਝਲਦਾਰ ਪ੍ਰਕਿਰਿਆ ਸੀ।

ਉਦਾਹਰਨ ਦੇ ਤੌਰ ‘ਤੇ, ਇੱਕ AI ਟਰੈਵਲ ਅਸਿਸਟੈਂਟ ਨੂੰ ਵਿਕਸਤ ਕਰਨ ਲਈ ਇੱਕ LLM ਨੂੰ ਨਕਸ਼ਿਆਂ ਤੱਕ ਪਹੁੰਚ ਕਰਨਾ, ਟਰੈਵਲ ਗਾਈਡਾਂ ਦੀ ਖੋਜ ਕਰਨਾ, ਅਤੇ ਉਪਭੋਗਤਾ ਦੀਆਂ ਤਰਜੀਹਾਂ ਦੇ ਆਧਾਰ ‘ਤੇ ਵਿਅਕਤੀਗਤ ਯਾਤਰਾ ਪ੍ਰੋਗਰਾਮ ਬਣਾਉਣ ਵਰਗੇ ਕੰਮ ਕਰਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।

LLM ਨੂੰ ਨਕਸ਼ਿਆਂ ਦੀ ਪੁੱਛਗਿੱਛ ਕਰਨ ਅਤੇ ਗਾਈਡਾਂ ਦੀ ਖੋਜ ਕਰਨ ਦੇ ਯੋਗ ਬਣਾਉਣ ਲਈ, ਡਿਵੈਲਪਰਾਂ ਨੂੰ ਹੇਠ ਲਿਖੀਆਂ ਚੁਣੌਤੀਆਂ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪਿਆ:

• ਹਰੇਕ AI ਪ੍ਰਦਾਤਾ (OpenAI, Anthropic, ਆਦਿ) ਨੇ ਫੰਕਸ਼ਨ ਕਾਲਿੰਗ ਨੂੰ ਵੱਖਰੇ ਢੰਗ ਨਾਲ ਲਾਗੂ ਕੀਤਾ। LLMs ਦੇ ਵਿਚਕਾਰ ਬਦਲਣ ਲਈ ਡਿਵੈਲਪਰਾਂ ਨੂੰ ਅਡਾਪਟੇਸ਼ਨ ਕੋਡ ਨੂੰ ਦੁਬਾਰਾ ਲਿਖਣ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਜ਼ਰੂਰੀ ਤੌਰ ‘ਤੇ LLM ਲਈ ਬਾਹਰੀ ਟੂਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰਨ ਲਈ ਇੱਕ ‘ਯੂਜ਼ਰ ਮੈਨੂਅਲ’ ਬਣਾਉਣਾ ਹੁੰਦਾ ਹੈ। ਨਹੀਂ ਤਾਂ, ਮਾਡਲ ਦੇ ਆਉਟਪੁੱਟ ਦੀ ਸ਼ੁੱਧਤਾ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਕਮੀ ਆਵੇਗੀ।
• ਬਾਹਰੀ ਦੁਨੀਆ ਨਾਲ LLM ਇੰਟਰੈਕਸ਼ਨ ਲਈ ਇੱਕ ਏਕੀਕ੍ਰਿਤ ਮਿਆਰ ਦੀ ਘਾਟ ਦੇ ਨਤੀਜੇ ਵਜੋਂ ਕੋਡ ਦੀ ਘੱਟ ਮੁੜ ਵਰਤੋਂਯੋਗਤਾ ਹੁੰਦੀ ਹੈ, ਜੋ AI ਐਪਲੀਕੇਸ਼ਨ ਈਕੋਸਿਸਟਮ ਦੇ ਵਿਕਾਸ ਵਿੱਚ ਰੁਕਾਵਟ ਪਾਉਂਦੀ ਹੈ।

ਅਲੀਬਾਬਾ ਕਲਾਉਡ ਮਾਡਲਸਕੋਪ ਦੇ ਐਲਗੋਰਿਦਮ ਟੈਕਨਾਲੋਜੀ ਮਾਹਿਰ, ਚੇਨ ਜ਼ਿਕਿਆਨ ਦੇ ਅਨੁਸਾਰ, ‘MCP ਤੋਂ ਪਹਿਲਾਂ, ਡਿਵੈਲਪਰਾਂ ਨੂੰ LLMs ਨੂੰ ਸਮਝਣ ਅਤੇ ਬਾਹਰੀ ਟੂਲਾਂ ਨੂੰ ਆਪਣੀਆਂ ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿੱਚ ਏਮਬੈੱਡ ਕਰਨ ਲਈ ਸੈਕੰਡਰੀ ਵਿਕਾਸ ਕਰਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਸੀ। ਜੇਕਰ ਟੂਲਾਂ ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ਮਾੜੀ ਸੀ, ਤਾਂ ਡਿਵੈਲਪਰਾਂ ਨੂੰ ਇਹ ਜਾਂਚ ਕਰਨੀ ਪੈਂਦੀ ਸੀ ਕਿ ਮੁੱਦਾ ਐਪਲੀਕੇਸ਼ਨ ਵਿੱਚ ਹੈ ਜਾਂ ਟੂਲਾਂ ਵਿੱਚ।’

ਮੈਨਸ, ਉਪਰੋਕਤ ਜ਼ਿਕਰ ਕੀਤਾ ਗਿਆ AI ਸਟਾਰਟਅੱਪ, ਇੱਕ ਪ੍ਰਮੁੱਖ ਉਦਾਹਰਨ ਵਜੋਂ ਕੰਮ ਕਰਦਾ ਹੈ। ਇੱਕ ਪਿਛਲੇ ਮੁਲਾਂਕਣ ਵਿੱਚ, ਇਹ ਪਾਇਆ ਗਿਆ ਕਿ ਮੈਨਸ ਨੂੰ ਇੱਕ ਸਧਾਰਨ ਖ਼ਬਰਾਂ ਦਾ ਲੇਖ ਲਿਖਣ ਲਈ ਦਸ ਤੋਂ ਵੱਧ ਟੂਲਾਂ ਨੂੰ ਕਾਲ ਕਰਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਜਿਸ ਵਿੱਚ ਇੱਕ ਬ੍ਰਾਊਜ਼ਰ ਖੋਲ੍ਹਣਾ, ਵੈੱਬ ਪੰਨਿਆਂ ਨੂੰ ਬ੍ਰਾਊਜ਼ ਕਰਨਾ ਅਤੇ ਸਕ੍ਰੈਪ ਕਰਨਾ, ਲਿਖਣਾ, ਤਸਦੀਕ ਕਰਨਾ ਅਤੇ ਅੰਤਿਮ ਨਤੀਜਾ ਦੇਣਾ ਸ਼ਾਮਲ ਹੈ।

ਜੇਕਰ ਮੈਨਸ ਨੇ ਹਰੇਕ ਪੜਾਅ ਵਿੱਚ ਬਾਹਰੀ ਟੂਲਾਂ ਨੂੰ ਕਾਲ ਕਰਨ ਦੀ ਚੋਣ ਕੀਤੀ, ਤਾਂ ਇਸਨੂੰ ਇਹ ਪ੍ਰਬੰਧ ਕਰਨ ਲਈ ਇੱਕ ‘ਫੰਕਸ਼ਨ’ ਲਿਖਣ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ ਕਿ ਬਾਹਰੀ ਟੂਲ ਕਿਵੇਂ ਚੱਲਣਗੇ। ਨਤੀਜੇ ਵਜੋਂ, ਮੈਨਸ ਅਕਸਰ ਓਵਰਲੋਡ ਕਾਰਨ ਕਾਰਜਾਂ ਨੂੰ ਖਤਮ ਕਰ ਦਿੰਦਾ ਸੀ ਅਤੇ ਬਹੁਤ ਜ਼ਿਆਦਾ ਟੋਕਨਾਂ ਦੀ ਖਪਤ ਕਰਦਾ ਸੀ।

MCP ਦੇ ਫਾਇਦੇ

MCP ਦੇ ਨਾਲ, ਡਿਵੈਲਪਰਾਂ ਨੂੰ ਹੁਣ ਬਾਹਰੀ ਟੂਲਾਂ ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ਲਈ ਜ਼ਿੰਮੇਵਾਰ ਹੋਣ ਦੀ ਲੋੜ ਨਹੀਂ ਹੈ। ਇਸ ਦੀ ਬਜਾਏ, ਉਹ ਐਪਲੀਕੇਸ਼ਨ ਨੂੰ ਖੁਦ ਬਣਾਈ ਰੱਖਣ ਅਤੇ ਡੀਬੱਗ ਕਰਨ ‘ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰ ਸਕਦੇ ਹਨ, ਜਿਸ ਨਾਲ ਵਿਕਾਸ ਦੇ ਕੰਮ ਦੇ ਭਾਰ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਕਮੀ ਆਉਂਦੀ ਹੈ।

ਈਕੋਸਿਸਟਮ ਦੇ ਅੰਦਰ ਵਿਅਕਤੀਗਤ ਸਰਵਰ, ਜਿਵੇਂ ਕਿ ਅਲੀਪੇ ਅਤੇ ਅਮੈਪ, ਆਪਣੀਆਂ MCP ਸੇਵਾਵਾਂ ਨੂੰ ਬਣਾਈ ਰੱਖ ਸਕਦੇ ਹਨ, ਨਵੀਨਤਮ ਸੰਸਕਰਣਾਂ ਵਿੱਚ ਅਪਡੇਟ ਕਰ ਸਕਦੇ ਹਨ, ਅਤੇ ਡਿਵੈਲਪਰਾਂ ਦੇ ਜੁੜਨ ਦੀ ਉਡੀਕ ਕਰ ਸਕਦੇ ਹਨ।

MCP ਦੀਆਂ ਸੀਮਾਵਾਂ ਅਤੇ ਚੁਣੌਤੀਆਂ

ਇਸਦੀ ਸੰਭਾਵਨਾ ਦੇ ਬਾਵਜੂਦ, MCP ਈਕੋਸਿਸਟਮ ਅਜੇ ਵੀ ਆਪਣੇ ਸ਼ੁਰੂਆਤੀ ਪੜਾਵਾਂ ਵਿੱਚ ਹੈ ਅਤੇ ਕਈ ਚੁਣੌਤੀਆਂ ਦਾ ਸਾਹਮਣਾ ਕਰ ਰਿਹਾ ਹੈ।

ਕੁਝ ਡਿਵੈਲਪਰਾਂ ਦਾ ਤਰਕ ਹੈ ਕਿ MCP ਗੁੰਝਲਤਾ ਦੀ ਇੱਕ ਬੇਲੋੜੀ ਪਰਤ ਹੈ, ਇਹ ਸੁਝਾਅ ਦਿੰਦੇ ਹੋਏ ਕਿ APIs ਇੱਕ ਸਧਾਰਨ ਹੱਲ ਹਨ। LLMs ਪਹਿਲਾਂ ਹੀ ਵੱਖ-ਵੱਖ ਪ੍ਰੋਟੋਕੋਲਾਂ ਦੁਆਰਾ APIs ਨੂੰ ਕਾਲ ਕਰ ਸਕਦੇ ਹਨ, ਜਿਸ ਨਾਲ MCP ਬੇਲੋੜਾ ਜਾਪਦਾ ਹੈ।

ਵਰਤਮਾਨ ਵਿੱਚ, ਵੱਡੀਆਂ ਕੰਪਨੀਆਂ ਦੁਆਰਾ ਜਾਰੀ ਕੀਤੀਆਂ ਗਈਆਂ ਜ਼ਿਆਦਾਤਰ MCP ਸੇਵਾਵਾਂ ਕੰਪਨੀਆਂ ਦੁਆਰਾ ਹੀ ਪਰਿਭਾਸ਼ਿਤ ਕੀਤੀਆਂ ਜਾਂਦੀਆਂ ਹਨ, ਇਹ ਨਿਰਧਾਰਤ ਕਰਦੀਆਂ ਹਨ ਕਿ LLMs ਦੁਆਰਾ ਕਿਹੜੇ ਫੰਕਸ਼ਨਾਂ ਨੂੰ ਕਾਲ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਕਿਵੇਂ ਤਹਿ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਹਾਲਾਂਕਿ, ਇਸ ਨਾਲ ਇਹ ਚਿੰਤਾਵਾਂ ਪੈਦਾ ਹੁੰਦੀਆਂ ਹਨ ਕਿ ਕੰਪਨੀਆਂ ਆਪਣੀ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਅਤੇ ਰੀਅਲ-ਟਾਈਮ ਜਾਣਕਾਰੀ ਤੱਕ ਪਹੁੰਚ ਪ੍ਰਦਾਨ ਨਹੀਂ ਕਰ ਸਕਦੀਆਂ ਹਨ।

ਇਸ ਤੋਂ ਇਲਾਵਾ, ਜੇਕਰ MCP ਸਰਵਰਾਂ ਨੂੰ ਅਧਿਕਾਰਤ ਤੌਰ ‘ਤੇ ਲਾਂਚ ਜਾਂ ਚੰਗੀ ਤਰ੍ਹਾਂ ਬਣਾਈ ਨਹੀਂ ਰੱਖਿਆ ਜਾਂਦਾ ਹੈ, ਤਾਂ MCP ਕਨੈਕਸ਼ਨਾਂ ਦੀ ਸੁਰੱਖਿਆ ਅਤੇ ਸਥਿਰਤਾ ਸ਼ੱਕੀ ਹੋ ਸਕਦੀ ਹੈ।

ਤਾਂਗ ਸ਼ੁਆਂਗ, ਇੱਕ ਸੁਤੰਤਰ ਡਿਵੈਲਪਰ, ਨੇ 20 ਤੋਂ ਘੱਟ ਟੂਲਾਂ ਵਾਲੇ ਇੱਕ ਨਕਸ਼ਾ MCP ਸਰਵਰ ਦੀ ਇੱਕ ਉਦਾਹਰਨ ਸਾਂਝੀ ਕੀਤੀ। ਇਹਨਾਂ ਵਿੱਚੋਂ ਪੰਜ ਟੂਲਾਂ ਲਈ ਵਿਥਕਾਰ ਅਤੇ ਲੰਬਕਾਰ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਜਦੋਂ ਕਿ ਇੱਕ ਮੌਸਮ ਟੂਲ ਲਈ ਇੱਕ ਪ੍ਰਬੰਧਕੀ ਡਿਵੀਜ਼ਨ ID ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ ਅਤੇ ਇਹਨਾਂ ID ਨੂੰ ਪ੍ਰਾਪਤ ਕਰਨ ਦੇ ਤਰੀਕੇ ਬਾਰੇ ਕੋਈ ਹਦਾਇਤਾਂ ਨਹੀਂ ਦਿੱਤੀਆਂ ਗਈਆਂ ਸਨ। ਇੱਕੋ ਇੱਕ ਹੱਲ ਇਹ ਸੀ ਕਿ ਉਪਭੋਗਤਾ ਸੇਵਾ ਪ੍ਰਦਾਤਾ ਦੇ ਈਕੋਸਿਸਟਮ ਵਿੱਚ ਵਾਪਸ ਆਉਣ ਅਤੇ ਜਾਣਕਾਰੀ ਅਤੇ ਅਧਿਕਾਰ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਕਦਮਾਂ ਦੀ ਪਾਲਣਾ ਕਰਨ।

ਜਦੋਂ ਕਿ MCP ਦੀ ਪ੍ਰਸਿੱਧੀ ਸਪੱਸ਼ਟ ਹੈ, ਅੰਤਰੀਵ ਗਤੀਸ਼ੀਲਤਾ ਗੁੰਝਲਦਾਰ ਹੈ। ਹਾਲਾਂਕਿ LLM ਵਿਕਰੇਤਾ MCP ਸੇਵਾਵਾਂ ਪ੍ਰਦਾਨ ਕਰਨ ਲਈ ਤਿਆਰ ਹਨ, ਉਹ ਨਿਯੰਤਰਣ ਬਰਕਰਾਰ ਰੱਖਦੇ ਹਨ ਅਤੇ ਦੂਜੇ ਈਕੋਸਿਸਟਮਾਂ ਨੂੰ ਲਾਭ ਪਹੁੰਚਾਉਣ ਤੋਂ ਝਿਜਕਦੇ ਹਨ। ਜੇਕਰ ਸੇਵਾਵਾਂ ਨੂੰ ਸਹੀ ਢੰਗ ਨਾਲ ਬਣਾਈ ਨਹੀਂ ਰੱਖਿਆ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਡਿਵੈਲਪਰਾਂ ਨੂੰ ਵਧੇ ਹੋਏ ਕੰਮ ਦੇ ਭਾਰ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪੈ ਸਕਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਈਕੋਸਿਸਟਮ ਦਾ ਮਕਸਦ ਕਮਜ਼ੋਰ ਹੋ ਜਾਵੇਗਾ।

ਓਪਨ ਸੋਰਸ ਦੀ ਜਿੱਤ

MCP ਹੁਣ ਕਿਉਂ ਖਿੱਚ ਪ੍ਰਾਪਤ ਕਰ ਰਿਹਾ ਹੈ?

ਸ਼ੁਰੂ ਵਿੱਚ, ਐਂਥਰੋਪਿਕ ਦੁਆਰਾ ਇਸਦੇ ਲਾਂਚ ਤੋਂ ਬਾਅਦ MCP ਵੱਲ ਬਹੁਤ ਘੱਟ ਧਿਆਨ ਦਿੱਤਾ ਗਿਆ ਸੀ। ਸਿਰਫ ਸੀਮਤ ਗਿਣਤੀ ਵਿੱਚ ਐਪਲੀਕੇਸ਼ਨਾਂ, ਜਿਵੇਂ ਕਿ ਐਂਥਰੋਪਿਕ ਦਾ ਕਲਾਉਡ ਡੈਸਕਟਾਪ, ਨੇ MCP ਪ੍ਰੋਟੋਕੋਲ ਦਾ ਸਮਰਥਨ ਕੀਤਾ। ਡਿਵੈਲਪਰਾਂ ਕੋਲ ਇੱਕ ਏਕੀਕ੍ਰਿਤ AI ਵਿਕਾਸ ਈਕੋਸਿਸਟਮ ਦੀ ਘਾਟ ਸੀ ਅਤੇ ਉਹ ਮੁੱਖ ਤੌਰ ‘ਤੇ ਇਕਾਂਤ ਵਿੱਚ ਕੰਮ ਕਰਦੇ ਸਨ।

ਡਿਵੈਲਪਰਾਂ ਦੁਆਰਾ MCP ਨੂੰ ਅਪਣਾਉਣ ਨਾਲ ਹੌਲੀ-ਹੌਲੀ ਇਹ ਸਾਹਮਣੇ ਆਇਆ ਹੈ। ਫਰਵਰੀ 2025 ਵਿੱਚ ਸ਼ੁਰੂ ਕਰਦੇ ਹੋਏ, ਕਈ ਪ੍ਰਸਿੱਧ AI ਪ੍ਰੋਗਰਾਮਿੰਗ ਐਪਲੀਕੇਸ਼ਨਾਂ, ਜਿਨ੍ਹਾਂ ਵਿੱਚ ਕਰਸਰ, ਵੀਐਸਕੋਡ, ਅਤੇ ਕਲਾਈਨ ਸ਼ਾਮਲ ਹਨ, ਨੇ MCP ਪ੍ਰੋਟੋਕੋਲ ਲਈ ਸਮਰਥਨ ਦਾ ਐਲਾਨ ਕੀਤਾ, ਜਿਸ ਨਾਲ ਇਸਦਾ ਪ੍ਰੋਫਾਈਲ ਮਹੱਤਵਪੂਰਨ ਰੂਪ ਵਿੱਚ ਵਧਿਆ।

ਡਿਵੈਲਪਰ ਕਮਿਊਨਿਟੀ ਦੁਆਰਾ ਅਪਣਾਉਣ ਤੋਂ ਬਾਅਦ, LLM ਵਿਕਰੇਤਾਵਾਂ ਦੁਆਰਾ MCP ਦਾ ਏਕੀਕਰਨ ਇਸਦੇ ਵਿਆਪਕ ਅਪਣਾਉਣ ਵਿੱਚ ਇੱਕ ਮੁੱਖ ਕਾਰਕ ਰਿਹਾ ਹੈ।

27 ਮਾਰਚ ਨੂੰ ਓਪਨਏਆਈ ਦੁਆਰਾ MCP ਲਈ ਸਮਰਥਨ ਦੇ ਐਲਾਨ ਤੋਂ ਬਾਅਦ ਗੂਗਲ ਨੇ ਵੀ ਇਸਦਾ ਸਮਰਥਨ ਕੀਤਾ।

ਗੂਗਲ ਦੇ ਸੀਈਓ ਸੁੰਦਰ ਪਿਚਾਈ ਨੇ X ‘ਤੇ MCP ਪ੍ਰਤੀ ਆਪਣੀ ਉਲਝਣ ਜ਼ਾਹਰ ਕਰਦੇ ਹੋਏ ਕਿਹਾ, ‘MCP ਕਰਨਾ ਹੈ ਜਾਂ ਨਹੀਂ ਕਰਨਾ, ਇਹੀ ਸਵਾਲ ਹੈ।’ ਹਾਲਾਂਕਿ, ਇਹ ਟਵੀਟ ਪੋਸਟ ਕਰਨ ਤੋਂ ਸਿਰਫ ਚਾਰ ਦਿਨ ਬਾਅਦ, ਗੂਗਲ ਨੇ ਵੀ MCP ਲਈ ਆਪਣੇ ਸਮਰਥਨ ਦਾ ਐਲਾਨ ਕੀਤਾ।

AI ਉਦਯੋਗ ਵਿੱਚ ਵੱਡੇ ਖਿਡਾਰੀਆਂ ਦੁਆਰਾ MCP ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਅਪਣਾਉਣ ਨਾਲ AI ਐਪਲੀਕੇਸ਼ਨਾਂ ਨੂੰ ਵਿਕਸਤ ਅਤੇ ਤਾਇਨਾਤ ਕਰਨ ਦੇ ਤਰੀਕੇ ਨੂੰ ਬਦਲਣ ਦੀ ਇਸਦੀ ਸੰਭਾਵਨਾ ਉਜਾਗਰ ਹੁੰਦੀ ਹੈ।

MCP ਲਈ ਅੱਗੇ ਦਾ ਰਸਤਾ

ਜਿਵੇਂ ਕਿ MCP ਈਕੋਸਿਸਟਮ ਵਿਕਸਤ ਹੋ ਰਿਹਾ ਹੈ, ਮੌਜੂਦਾ ਸੀਮਾਵਾਂ ਅਤੇ ਚੁਣੌਤੀਆਂ ਨੂੰ ਦੂਰ ਕਰਨਾ ਬਹੁਤ ਜ਼ਰੂਰੀ ਹੋਵੇਗਾ। ਇਸ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ:

• ਮਿਆਰੀਕਰਨ: ਇੱਕ ਵਧੇਰੇ ਮਿਆਰੀ MCP ਪ੍ਰੋਟੋਕੋਲ ਵਿਕਸਤ ਕਰਨਾ ਜੋ ਵਿਅਕਤੀਗਤ ਵਿਕਰੇਤਾਵਾਂ ਤੋਂ ਸੁਤੰਤਰ ਹੋਵੇ।
• ਸੁਰੱਖਿਆ: MCP ਕਨੈਕਸ਼ਨਾਂ ਦੀ ਸੁਰੱਖਿਆ ਅਤੇ ਭਰੋਸੇਯੋਗਤਾ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਮਜ਼ਬੂਤ ਸੁਰੱਖਿਆ ਉਪਾਵਾਂ ਨੂੰ ਲਾਗੂ ਕਰਨਾ।
• ਸੰਭਾਲਯੋਗਤਾ: ਉੱਚ-ਗੁਣਵੱਤਾ ਵਾਲੇ MCP ਸਰਵਰਾਂ ਦੇ ਵਿਕਾਸ ਅਤੇ ਰੱਖ-ਰਖਾਅ ਨੂੰ ਉਤਸ਼ਾਹਿਤ ਕਰਨਾ।
• ਪਹੁੰਚਯੋਗਤਾ: ਹਰ ਹੁਨਰ ਦੇ ਡਿਵੈਲਪਰਾਂ ਲਈ MCP ਨੂੰ ਵਧੇਰੇ ਪਹੁੰਚਯੋਗ ਬਣਾਉਣਾ।

ਇਹਨਾਂ ਚੁਣੌਤੀਆਂ ਨੂੰ ਹੱਲ ਕਰਕੇ, MCP ਵਿੱਚ AI ਨਵੀਨਤਾ ਦੇ ਇੱਕ ਨਵੇਂ ਯੁੱਗ ਨੂੰ ਖੋਲ੍ਹਣ ਦੀ ਸੰਭਾਵਨਾ ਹੈ, ਜੋ ਵਧੇਰੇ ਸ਼ਕਤੀਸ਼ਾਲੀ, ਬਹੁਪੱਖੀ, ਅਤੇ ਉਪਭੋਗਤਾ-ਅਨੁਕੂਲ AI ਐਪਲੀਕੇਸ਼ਨਾਂ ਦੀ ਸਿਰਜਣਾ ਨੂੰ ਸਮਰੱਥ ਬਣਾਉਂਦਾ ਹੈ।

ਸਿੱਟੇ ਵਜੋਂ, ਜਦੋਂ ਕਿ MCP ਅਜੇ ਵੀ ਆਪਣੇ ਸ਼ੁਰੂਆਤੀ ਪੜਾਵਾਂ ਵਿੱਚ ਹੈ, AI ਲੈਂਡਸਕੇਪ ਨੂੰ ਬਦਲਣ ਦੀ ਇਸਦੀ ਸੰਭਾਵਨਾ ਤੋਂ ਇਨਕਾਰ ਨਹੀਂ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਇੱਕ ਵਧੇਰੇ ਖੁੱਲਾ, ਮਿਆਰੀਕ੍ਰਿਤ, ਅਤੇ ਸਹਿਯੋਗੀ ਈਕੋਸਿਸਟਮ ਨੂੰ ਉਤਸ਼ਾਹਿਤ ਕਰਕੇ, MCP ਇੱਕ ਅਜਿਹੇ ਭਵਿੱਖ ਲਈ ਰਾਹ ਪੱਧਰਾ ਕਰ ਸਕਦਾ ਹੈ ਜਿੱਥੇ AI ਹਰ ਕਿਸੇ ਲਈ ਵਧੇਰੇ ਪਹੁੰਚਯੋਗ ਅਤੇ ਲਾਭਦਾਇਕ ਹੋਵੇ।