ਨੈਨੋ ਏਆਈ ਨੇ ਐਮਸੀਪੀ ਟੂਲਬਾਕਸ ਜਾਰੀ ਕੀਤਾ

ਨੈਨੋ ਏਆਈ ਨੇ ਐਮਸੀਪੀ ਟੂਲਬਾਕਸ ਜਾਰੀ ਕੀਤਾ: ਹਰ ਕਿਸੇ ਨੂੰ ਸੁਪਰ ਏਜੰਟਾਂ ਨਾਲ ਤਾਕਤਵਰ ਬਣਾਉਂਦਾ ਹੈ

ਹਾਲ ਹੀ ਦੇ ਸਾਲਾਂ ਵਿੱਚ, ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (artificial intelligence) ਦੇ ਖੇਤਰ ਵਿੱਚ ਤੇਜ਼ੀ ਨਾਲ ਤਕਨੀਕੀ ਤਰੱਕੀ ਹੋਈ ਹੈ, ਜਿਸ ਨਾਲ MoE, ਰੀਇਨਫੋਰਸਮੈਂਟ ਲਰਨਿੰਗ (reinforcement learning), ਏਜੰਟ, ਕੰਪਿਊਟਰ-ਯੂਜ਼ (computer-use) ਅਤੇ A2A ਵਰਗੀਆਂ ਨਵੀਆਂ ਸ਼ਰਤਾਂ ਸਾਹਮਣੇ ਆਈਆਂ ਹਨ। ਤਕਨੀਕੀ ਪਿਛੋਕੜ ਤੋਂ ਬਿਨਾਂ ਆਮ ਉਪਭੋਗਤਾਵਾਂ ਲਈ, ਇਹ ਸ਼ਰਤਾਂ ਅਤੇ ਤਕਨੀਕੀ ਸੰਕਲਪ ਬਹੁਤ ਜ਼ਿਆਦਾ ਹੋ ਸਕਦੇ ਹਨ, ਜਿਸ ਨਾਲ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਬੋਧਾਤਮਕ ਬੋਝ ਪੈਂਦਾ ਹੈ। ਨਤੀਜੇ ਵਜੋਂ, AI ਨਾਲ ਉਹਨਾਂ ਦਾ ਸੰਪਰਕ ਅਕਸਰ ਚੈਟ ਬਾਕਸਾਂ ਵਿੱਚ ਸਧਾਰਨ ਸਵਾਲ-ਜਵਾਬਾਂ ਦੇ ਆਦਾਨ-ਪ੍ਰਦਾਨ ਤੱਕ ਹੀ ਸੀਮਤ ਹੁੰਦਾ ਹੈ।

ਐਮਸੀਪੀ (MCP), ਜਾਂ ਮਾਡਲ ਕੰਟੈਕਸਟ ਪ੍ਰੋਟੋਕਾਲ (Model Context Protocol), ਇਹਨਾਂ ਤਕਨੀਕੀ ਸੰਕਲਪਾਂ ਵਿੱਚੋਂ ਇੱਕ ਹੈ। ਪਿਛਲੇ ਸਾਲ ਵਿੱਚ, AI ਏਜੰਟ ਤੇਜ਼ੀ ਨਾਲ ਵਿਕਸਤ ਹੋਏ ਹਨ, ਅਤੇ MCP ਪ੍ਰੋਟੋਕਾਲ ਗੁੰਝਲਦਾਰ ਟਾਸਕ ਆਟੋਮੇਸ਼ਨ (task automation) ਦਾ ਸਮਰਥਨ ਕਰਨ ਵਾਲੀ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਅੰਤਰੀਵ ਸਮਰੱਥਾ ਵਜੋਂ ਉਭਰੇ ਹਨ। ਹਾਲਾਂਕਿ, ਮੌਜੂਦਾ MCP ਕ੍ਰਾਂਤੀ ਅਜੇ ਵੀ ਡਿਵੈਲਪਰਾਂ (developers) ਦਾ ਹੀ ਖੇਤਰ ਜਾਪਦੀ ਹੈ, ਜਿਸ ਵਿੱਚ ਅਸਪਸ਼ਟ ਪ੍ਰੋਟੋਕਾਲ ਦਸਤਾਵੇਜ਼, ਗੁੰਝਲਦਾਰ ਟੂਲ ਰਜਿਸਟ੍ਰੇਸ਼ਨ (tool registration), ਅਤੇ ਵਿਅਕਤੀਗਤ ਸੰਰਚਨਾ ਲਈ ਉੱਚ ਰੁਕਾਵਟਾਂ ਹਨ। ਨਤੀਜੇ ਵਜੋਂ, ਜ਼ਿਆਦਾਤਰ ਆਮ ਉਪਭੋਗਤਾ ਸਿਰਫ਼ ਦੂਰੋਂ ਹੀ ਦੇਖ ਸਕਦੇ ਹਨ ਅਤੇ ਅਸਲ ਵਿੱਚ ਹੱਥੀਂ ਤਜਰਬਾ ਪ੍ਰਾਪਤ ਕਰਨਾ ਮੁਸ਼ਕਲ ਲੱਗਦਾ ਹੈ।

ਪਰ, ਇਹ ਸਥਿਤੀ ਬਦਲ ਰਹੀ ਹੈ। 23 ਅਪ੍ਰੈਲ ਨੂੰ, 360 ਦੀ ਸਹਾਇਕ ਕੰਪਨੀ ਨੈਨੋ ਏਆਈ (Nano AI) ਨੇ ਵਿਅਕਤੀਗਤ ਉਪਭੋਗਤਾਵਾਂ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ “MCP ਟੂਲਬਾਕਸ‘ (MCP Toolbox)’ ਲਾਂਚ ਕਰਨ ਦਾ ਐਲਾਨ ਕੀਤਾ। ਇਹ ਉਤਪਾਦ ਤਕਨੀਕੀ ਪਿਛੋਕੜ ਤੋਂ ਬਿਨਾਂ ਆਮ ਉਪਭੋਗਤਾਵਾਂ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ, ਜੋ ਹਰ ਕਿਸੇ ਨੂੰ ਘੱਟੋ ਘੱਟ ਸਿਖਲਾਈ ਲਾਗਤਾਂ ਨਾਲ ਅਤਿ-ਆਧੁਨਿਕ ਏਆਈ ਵਰਤੋਂ ਵਿੱਚ ਮਾਹਰ ਬਣਾਉਣ ਦੇ ਯੋਗ ਬਣਾਉਂਦਾ ਹੈ।

ਇਹ ਉਤਪਾਦ ਨਾ ਸਿਰਫ MCP ਪ੍ਰੋਟੋਕਾਲ ਦਾ ਪੂਰਾ ਸਮਰਥਨ ਕਰਦਾ ਹੈ, ਸਗੋਂ ਵੱਖ-ਵੱਖ ਵੱਡੇ ਮਾਡਲ ਬੁਨਿਆਦੀ ਢਾਂਚਿਆਂ ‘ਤੇ ਅਧਾਰਤ ਏਜੰਟ ਟਾਸਕ ਵੀ ਚਲਾ ਸਕਦਾ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਇਸ ਵਿੱਚ ਬਾਹਰੀ ਟੂਲ ਆਪਣੇ ਆਪ ਚਲਾਉਣ, AI ਗਿਆਨ ਦੇ ਠਿਕਾਣਿਆਂ ਤੱਕ ਪਹੁੰਚਣ, ਅਤੇ ਉਪਭੋਗਤਾ ਦੁਆਰਾ ਪਰਿਭਾਸ਼ਿਤ ਟਾਸਕ ਫਲੋਅ (task flows) ਦਾ ਸਮਰਥਨ ਕਰਨ ਵਰਗੀਆਂ ਸ਼ਕਤੀਸ਼ਾਲੀ ਸਮਰੱਥਾਵਾਂ ਹਨ। ਮਹੱਤਵਪੂਰਨ ਗੱਲ ਇਹ ਹੈ ਕਿ, ਸੰਚਾਲਨ ਥ੍ਰੈਸ਼ਹੋਲਡ (operational threshold) ਨੂੰ ਮਹੱਤਵਪੂਰਨ ਤੌਰ ‘ਤੇ ਘਟਾ ਦਿੱਤਾ ਗਿਆ ਹੈ, ਜਿਸ ਵਿੱਚ ਕਿਸੇ ਕੋਡਿੰਗ ਹੁਨਰ ਦੀ ਲੋੜ ਨਹੀਂ ਹੈ, ਅਤੇ ਇਸਨੂੰ ਸਿਰਫ਼ ਇੱਕ ਚੈਟ ਬਾਕਸ ਖੋਲ੍ਹ ਕੇ ਹੀ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ।

ਵਰਤਮਾਨ ਵਿੱਚ, ਸੁਪਰ ਏਜੰਟ (Super Agent) ਨੇ ਜਨਤਕ ਜਾਂਚ ਸ਼ੁਰੂ ਕਰ ਦਿੱਤੀ ਹੈ। ਮਾਡਲਾਂ ਤੋਂ ਲੈ ਕੇ ਪ੍ਰੋਟੋਕਾਲਾਂ, ਟੂਲ ਈਕੋਸਿਸਟਮ (tool ecosystems), ਅਤੇ ਵਿਅਕਤੀਗਤ ਟਾਸਕ ਆਰਕੈਸਟ੍ਰੇਸ਼ਨ (task orchestration) ਤੱਕ, ਨੈਨੋ ਏਆਈ ਇੱਕ ਉਤਪਾਦ-ਪੱਧਰ ਦੇ ਨਵੀਨਤਾ ਦਾ ਟੀਚਾ ਰੱਖਦੀ ਜਾਪਦੀ ਹੈ ਜੋ ਅਸਲ ਵਿੱਚ AI ਏਜੰਟਾਂ ਨੂੰ ਹਰ ਕਿਸੇ ਦੇ ਰੋਜ਼ਾਨਾ ਜੀਵਨ ਵਿੱਚ ਲਿਆਉਂਦਾ ਹੈ।

ਤਾਂ, ਨੈਨੋ ਏਆਈ ਦਾ ‘ਐਮਸੀਪੀ ਟੂਲਬਾਕਸ’ ਕਿੰਨਾ ਵਧੀਆ ਹੈ? ਇਸ ਸਵਾਲ ਦਾ ਜਵਾਬ ਦੇਣ ਲਈ, ਮਸ਼ੀਨ ਹਾਰਟ (Machine Heart) ਟੀਮ ਨੇ, ਅੰਦਰੂਨੀ ਜਾਂਚ ਯੋਗਤਾਵਾਂ ਪ੍ਰਾਪਤ ਕਰਨ ਤੋਂ ਬਾਅਦ, ਟੈਸਟਾਂ ਦੀ ਇੱਕ ਲੜੀ ਚਲਾਈ।

ਟੂਲਬਾਕਸ ਨਾਲ ਹੱਥੀਂ ਤਜਰਬਾ: ਐਮਸੀਪੀ ਨੂੰ ਆਸਾਨ ਬਣਾਇਆ ਗਿਆ

ਨੈਨੋ ਏਆਈ ‘ਐਮਸੀਪੀ ਟੂਲਬਾਕਸ’ ਦੀ ਵਰਤੋਂ ਕਰਨ ਵਿੱਚ ਦਾਖਲੇ ਲਈ ਬਹੁਤ ਘੱਟ ਰੁਕਾਵਟ ਹੈ। ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਸਿਰਫ਼ ਨੈਨੋ ਏਆਈ ਐਪਲੀਕੇਸ਼ਨ (application) ਨੂੰ ਡਾਊਨਲੋਡ (download) ਅਤੇ ਇੰਸਟਾਲ (install) ਕਰਨ ਅਤੇ ਫਿਰ ਬਿਨਾਂ ਕਿਸੇ ਵਾਧੂ ਸੰਰਚਨਾ ਦੇ ਰਜਿਸਟਰ (register) ਅਤੇ ਲੌਗ ਇਨ (log in) ਕਰਨ ਦੀ ਲੋੜ ਹੈ।

ਅੱਪਡੇਟ ਕੀਤੇ ‘ਏਜੰਟ’ ਪੇਜ (page) ‘ਤੇ ਦਾਖਲ ਹੋਣ ‘ਤੇ, ਅਸੀਂ ਦੇਖ ਸਕਦੇ ਹਾਂ ਕਿ ਨੈਨੋ ਏਆਈ ਨੇ ਮੌਜੂਦਾ ਏਜੰਟਾਂ ਨੂੰ ਕਈ ਵਿਆਪਕ ਸ਼੍ਰੇਣੀਆਂ ਵਿੱਚ ਸ਼੍ਰੇਣੀਬੱਧ ਕੀਤਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਡੂੰਘਾਈ ਨਾਲ ਖੋਜ, ਕੰਮ ਅਤੇ ਕੁਸ਼ਲਤਾ, ਅਤੇ ਜੀਵਨ ਸਹਾਇਕ ਸ਼ਾਮਲ ਹਨ। ਇਸ ਦੇ ਨਾਲ ਹੀ, ਇਹ ਟੂਲਬਾਕਸ ਅਤੇ ਕੇਸ ਸਟੱਡੀ ਸਕੁਏਅਰ (case study square) ਤੱਕ ਪਹੁੰਚ ਵੀ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ।

ਟੂਲਬਾਕਸ ਵਿੱਚ ਦਾਖਲ ਹੋਣ ‘ਤੇ, ਅਸੀਂ ਦੇਖ ਸਕਦੇ ਹਾਂ ਕਿ ਨੈਨੋ ਏਆਈ ਨੇ ਪਹਿਲਾਂ ਹੀ 100 ਤੋਂ ਵੱਧ ਐਮਸੀਪੀ ਸਰਵਰਾਂ (MCP Servers) ਨੂੰ ਕੌਂਫਿਗਰ (configure) ਕੀਤਾ ਹੈ (ਇਸ ਲੇਖ ਨੂੰ ਲਿਖਣ ਦੌਰਾਨ ਇਹ ਗਿਣਤੀ 120 ਤੋਂ ਵਧ ਕੇ 132 ਹੋ ਗਈ), ਜਿਸ ਵਿੱਚ ਨੈਨੋ ਏਆਈ ਦੁਆਰਾ ਵਿਕਸਤ ਕੀਤੇ ਗਏ ਇੱਕ ਦਰਜਨ ਐਮਸੀਪੀ ਟੂਲ ਅਤੇ ਸੈਂਕੜੇ ਥਰਡ-ਪਾਰਟੀ ਐਮਸੀਪੀ ਟੂਲ ਸ਼ਾਮਲ ਹਨ, ਜੋ ਕਿ ਵੱਖ-ਵੱਖ ਦ੍ਰਿਸ਼ਾਂ ਜਿਵੇਂ ਕਿ ਦਫਤਰ ਸਹਿਯੋਗ, ਅਕਾਦਮਿਕ, ਜੀਵਨ ਸੇਵਾਵਾਂ, ਖੋਜ ਇੰਜਣ, ਵਿੱਤ, ਮੀਡੀਆ ਮਨੋਰੰਜਨ, ਅਤੇ ਡਾਟਾ ਕ੍ਰੌਲਿੰਗ (data crawling) ਨੂੰ ਕਵਰ ਕਰਦੇ ਹਨ, ਇਸ ਨੂੰ ਚੀਨ ਵਿੱਚ ਸਭ ਤੋਂ ਵੱਡਾ ਐਮਸੀਪੀ ਈਕੋਸਿਸਟਮ (MCP ecosystem) ਬਣਾਉਂਦੇ ਹਨ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਨੈਨੋ ਏਆਈ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਆਪਣੇ ਖੁਦ ਦੇ ਐਮਸੀਪੀ ਸਰਵਰਾਂ ਨੂੰ ਕੌਂਫਿਗਰ ਕਰਨ ਵਿੱਚ ਵੀ ਸਹਾਇਤਾ ਕਰਦਾ ਹੈ। ਹੇਠਾਂ, ਅਸੀਂ ‘ਐਮਸੀਪੀ ਸਰਵਰ’ ਦੀ ਬਜਾਏ ‘ਟੂਲ‘ ਸ਼ਬਦ ਦੀ ਵਰਤੋਂ ਕਰਾਂਗੇ, ਅਤੇ ਇਸ ਦਾ ਕਾਰਨ ਬਾਅਦ ਵਿੱਚ ਵਿਸਥਾਰ ਵਿੱਚ ਦੱਸਿਆ ਜਾਵੇਗਾ।

ਪਹਿਲਾਂ, ਆਓ ਇੱਕ ਐਪਲੀਕੇਸ਼ਨ ਦੀ ਜਾਂਚ ਕਰੀਏ ਜੋ ਮਸ਼ੀਨ ਹਾਰਟ ਦੇ ਪਾਠਕਾਂ ਨੂੰ ਸਭ ਤੋਂ ਵੱਧ ਆਕਰਸ਼ਤ ਕਰੇਗੀ: ਇੱਕ ਖਾਸ ਖੋਜ ਵਿਸ਼ੇ ਨਾਲ ਸਬੰਧਤ arXiv ‘ਤੇ ਹਾਲ ਹੀ ਵਿੱਚ ਖੋਜ ਨਤੀਜਿਆਂ ਨੂੰ ਖੋਜਣਾ ਅਤੇ ਸੰਗਠਿਤ ਕਰਨਾ।

ਆਓ ਪਹਿਲਾਂ ਟੂਲਬਾਕਸ ਨੂੰ ਖੋਜੀਏ ਅਤੇ ਇਹ ਪਤਾ ਕਰੀਏ ਕਿ ਨੈਨੋ ਏਆਈ ਦੇ ਪ੍ਰੀਸੈੱਟ ਟੂਲ ਵਿੱਚ ਪਹਿਲਾਂ ਹੀ ‘arXiv ਸਰਚ’ (arXiv Search) ਸ਼ਾਮਲ ਹੈ, ਇਸ ਲਈ ਸਾਨੂੰ ਇਸਨੂੰ ਆਪਣੇ ਆਪ ਕੌਂਫਿਗਰ ਕਰਨ ਦੀ ਲੋੜ ਨਹੀਂ ਹੈ। ਪਿੱਛੇ ਮੁੜ ਕੇ ਦੇਖੀਏ, ਅਸੀਂ ਇਹ ਵੀ ਦੇਖ ਸਕਦੇ ਹਾਂ ਕਿ ਨੈਨੋ ਏਆਈ ਕੋਲ ਪਹਿਲਾਂ ਹੀ ਬਹੁਤ ਸਾਰੇ ਏਜੰਟ ਹਨ ਜੋ arXiv ਪੇਪਰ ਰਿਟਰੀਵਲ (paper retrieval) ਦਾ ਸਮਰਥਨ ਕਰਦੇ ਹਨ। ਅਸੀਂ ‘ਪ੍ਰੋਫੈਸ਼ਨਲ ਪੇਪਰ ਸਰਚ’ (Professional Paper Search) ਨੂੰ ਆਪਣੇ ਪਹਿਲੇ ਕਦਮ ਵਜੋਂ ਚੁਣਾਂਗੇ। ਅਸੀਂ ਦੇਖ ਸਕਦੇ ਹਾਂ ਕਿ ਇਹ ਏਜੰਟ ਚਾਰ ਟੂਲ ਨਾਲ ਕੌਂਫਿਗਰ ਕੀਤਾ ਗਿਆ ਹੈ: ਨੈਨੋ ਏਆਈ ਸੁਪਰ ਸਰਚ (Nano AI Super Search), arXiv ਸਰਚ, ਗੂਗਲ ਸਕਾਲਰ (Google Scholar), ਅਤੇ ਅਕਾਦਮਿਕ ਸਰਚ (Academic Search), ਜੋ ਸਾਡੀਆਂ ਜ਼ਰੂਰਤਾਂ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਪੂਰਾ ਕਰਦਾ ਹੈ। ਇੱਕ ਪ੍ਰੋਂਪਟ (prompt) ਲਿਖੋ ਅਤੇ ਚਲਾਓ:

ਪਿਛਲੇ ਮਹੀਨੇ ਵਿੱਚ arXiv ‘ਤੇ ਰੀਇਨਫੋਰਸਮੈਂਟ ਲਰਨਿੰਗ ਨਾਲ ਸਬੰਧਤ ਖੋਜ ਨਤੀਜਿਆਂ ਨੂੰ ਰਿਟਰੀਵ (retrieve) ਕਰੋ, ਉਹਨਾਂ ਨੂੰ ਸਿਧਾਂਤਕ ਖੋਜ, ਤਕਨੀਕੀ ਸੁਧਾਰਾਂ ਅਤੇ ਐਪਲੀਕੇਸ਼ਨਾਂ ਦੇ ਅਨੁਸਾਰ ਸ਼੍ਰੇਣੀਬੱਧ ਕਰੋ, ਅਤੇ ਮਹੱਤਵਪੂਰਨ ਤਰੱਕੀ ਦੀ ਇੱਕ ਸਧਾਰਨ ਵਿਆਖਿਆ ਪ੍ਰਦਾਨ ਕਰੋ।

‘ਪ੍ਰੋਫੈਸ਼ਨਲ ਪੇਪਰ ਸਰਚ’ ਦੀ ਕਾਰਜ ਪ੍ਰਕਿਰਿਆ ਇਸ ਤਰ੍ਹਾਂ ਹੈ:

ਇਹ ਟਾਸਕ ਬਹੁਤ ਸਧਾਰਨ ਹੈ। ਏਜੰਟ ਨੇ ਸਿਰਫ਼ ਇੱਕ ਵਾਰ ‘arXiv ਸਰਚ’ ਟੂਲ ਨੂੰ ਕਾਲ (call) ਕੀਤਾ, ਅਤੇ ਇਸ ਲਈ ਅੱਧੇ ਮਿੰਟ ਤੋਂ ਵੀ ਘੱਟ ਸਮੇਂ ਵਿੱਚ ਟਾਸਕ ਨੂੰ ਪੂਰਾ ਕੀਤਾ, ਤਿੰਨਾਂ ਸ਼੍ਰੇਣੀਆਂ ਵਿੱਚੋਂ ਹਰੇਕ ਵਿੱਚ ਦੋ ਪ੍ਰਤੀਨਿਧੀ ਖੋਜ ਨਤੀਜੇ ਚੁਣੇ।

ਅੱਗੇ, ਕਮਾਂਡ (command) ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਸਾਈਕਲਿੰਗ ਪਲੈਨਰ ਏਜੰਟ (cycling planner agent) ਨੂੰ ਅਜ਼ਮਾਓ: ‘ਚੋਂਗਕਿੰਗ (Chongqing) ਵਿੱਚ ਗੁਆਨਯਿਨ ਬ੍ਰਿਜ (Guanyin Bridge) ਦੇ ਨੇੜੇ ਕੋਈ ਵਧੀਆ ਸਾਈਕਲਿੰਗ ਰੂਟ (cycling route) ਹਨ?’

ਅਸੀਂ ਦੇਖ ਸਕਦੇ ਹਾਂ ਕਿ ਇਸ ਏਜੰਟ ਨੇ ਤਿੰਨ ਟੂਲ ਵਰਤੇ: amapmcpserver-cloud ਦੇ maps_weather (ਮੌਸਮ ਦੀ ਪੁੱਛਗਿੱਛ ਲਈ) ਅਤੇ maps_direction_bicycling (ਰੂਟ ਸੈੱਟ (route set) ਕਰਨ ਲਈ) ਅਤੇ gen_html (ਵੈੱਬਪੇਜ (webpage) ਬਣਾਉਣ ਲਈ), ਕੁੱਲ 362 ਸਕਿੰਟਾਂ ਲਈ ਚੱਲ ਰਿਹਾ ਹੈ, ਅਤੇ ਅੰਤ ਵਿੱਚ ਉੱਪਰ ਦਿਖਾਇਆ ਗਿਆ ਡਾਇਨਾਮਿਕ ਵੈੱਬਪੇਜ ਪ੍ਰਾਪਤ ਕੀਤਾ। ਤੁਸੀਂ ਇਸ ਲਿੰਕ (link) ਰਾਹੀਂ ਵੀ ਇਸ ਤੱਕ ਪਹੁੰਚ ਸਕਦੇ ਹੋ: । ਹਾਂ, ਤੁਸੀਂ ਤਿਆਰ ਕੀਤੇ ਵੈੱਬਪੇਜ ਨੂੰ ਜਨਤਕ ਤੌਰ ‘ਤੇ ਸਾਂਝਾ ਕਰ ਸਕਦੇ ਹੋ!

ਅੱਗੇ, ਆਓ ਮੁਸ਼ਕਲ ਵਧਾਉਂਦੇ ਹਾਂ। ਇਸ ਵਾਰ ਸਾਡੀ ਲੋੜ ਹੈ ‘ਨੈੱਟਵਰਕ (network) ਦੀ ਖੋਜ ਕਰੋ, ਮੌਜੂਦਾ ਔਰਤਾਂ ਦੇ ਫੈਸ਼ਨ ਰੁਝਾਨਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰੋ, ਅਤੇ ਇੱਕ ਔਰਤਾਂ ਦੇ ਫੈਸ਼ਨ ਤੱਤ ਵਿਸ਼ਲੇਸ਼ਣ ਰਿਪੋਰਟ ਜਾਰੀ ਕਰੋ।’ ਇਸ ਵਾਰ ਅਸੀਂ ਸਿੱਧੇ ਤੌਰ ‘ਤੇ ਨੈਨੋ ਏਆਈ ਦੇ ‘ਇਨ-ਡੈਪਥ ਰਿਸਰਚ ਏਜੰਟ’ (In-Depth Research Agent) ਦੀ ਵਰਤੋਂ ਕਰਾਂਗੇ, ਜੋ ਕਿ ਉਪਭੋਗਤਾ ਦੀਆਂ ਖਾਸ ਲੋੜਾਂ ਅਨੁਸਾਰ ਢੁਕਵੇਂ ਟੂਲ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਚੁਣ ਸਕਦਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਐਮਸੀਪੀ ਸਰਵਰ ਅਤੇ ਬਿਲਟ-ਇਨ ਬ੍ਰਾਊਜ਼ਰ (built-in browser) ਸ਼ਾਮਲ ਹਨ, ਤਾਂ ਜੋ ਵੱਖ-ਵੱਖ ਕੰਪਿਊਟਰ-ਯੂਜ਼ ਟਾਸਕ ਨੂੰ ਪੂਰਾ ਕੀਤਾ ਜਾ ਸਕੇ। ਬੇਸ਼ੱਕ, ਇਸ ਲਈ, ਇਨ-ਡੈਪਥ ਰਿਸਰਚ ਏਜੰਟ ਨੂੰ ਅਕਸਰ ਟਾਸਕ ਚਲਾਉਣ ਵਿੱਚ ਬਹੁਤ ਜ਼ਿਆਦਾ ਸਮਾਂ ਲੱਗਦਾ ਹੈ, ਜੋ ਕਿ ਦਸਾਂ ਮਿੰਟਾਂ ਤੱਕ ਦਾ ਹੋ ਸਕਦਾ ਹੈ।

ਟਾਸਕ ਨੂੰ ਚਲਾਉਣ ਵੇਲੇ, ਇਨ-ਡੈਪਥ ਰਿਸਰਚ ਏਜੰਟ ਪਹਿਲਾਂ ਟਾਸਕ ਦੀਆਂ ਲੋੜਾਂ ਅਨੁਸਾਰ ਚਲਾਏ ਜਾਣ ਵਾਲੇ ਕਦਮਾਂ ਦੀ ਯੋਜਨਾ ਬਣਾਏਗਾ, ਅਤੇ ਫਿਰ ਯੋਜਨਾ ਦੇ ਅਨੁਸਾਰ ਕਦਮ ਦਰ ਕਦਮ ਚਲਾਏਗਾ।

ਇਸ ਖਾਸ ਟਾਸਕ ਲਈ ਇਨ-ਡੈਪਥ ਰਿਸਰਚ ਏਜੰਟ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਗਏ ਚਲਾਉਣ ਦੇ ਕਦਮ ਹੇਠਾਂ ਦਿੱਤੇ ਚਿੱਤਰ ਵਿੱਚ ਦਿਖਾਏ ਗਏ ਹਨ।

ਪਹਿਲਾਂ, ਇਸਨੇ ਕਈ ਵੈੱਬਸਾਈਟਾਂ ‘ਤੇ ਮੌਜੂਦਾ ਔਰਤਾਂ ਦੇ ਫੈਸ਼ਨ ਰੁਝਾਨਾਂ ਨਾਲ ਸਬੰਧਤ ਸਮੱਗਰੀ ਦੀ ਖੋਜ ਕੀਤੀ, ਫਿਰ ਖੋਜੀ ਗਈ ਸਮੱਗਰੀ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕੀਤਾ, ਅਤੇ ਨਤੀਜਿਆਂ ਨੂੰ ਵਿਜ਼ੂਅਲਾਈਜ਼ (visualize) ਕੀਤਾ। ਅੰਤ ਵਿੱਚ, ਇਸਨੇ ਅੰਤਮ ਰਿਪੋਰਟ ਦਿੱਤੀ।

ਇਸ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ, ਇਸਨੇ ਸਥਾਨਕ ਖੋਜ ਟੂਲ aiso_do_search ਨੂੰ ਤਿੰਨ ਵਾਰ, ਡਾਟਾ ਕ੍ਰੌਲਿੰਗ ਟੂਲ 360_crawl ਨੂੰ ਇੱਕ ਵਾਰ, ਕਲਾਊਡ ਕੋਡ ਸੈਂਡਬਾਕਸ ਟੂਲ (cloud code sandbox tool) cloud-sandbox ਨੂੰ ਨੌਂ ਵਾਰ, ਸੰਖੇਪ ਟੂਲ summary ਨੂੰ ਇੱਕ ਵਾਰ, ਅਤੇ ਵੈੱਬਪੇਜ ਜਨਰੇਸ਼ਨ ਟੂਲ gen_html ਨੂੰ ਇੱਕ ਵਾਰ ਕਾਲ ਕੀਤਾ।

ਅੰਤ ਵਿੱਚ, ਸਾਨੂੰ ਇੱਕ 30-ਪੰਨਿਆਂ ਦੀ ਡੂੰਘਾਈ ਵਾਲੀ ਰਿਪੋਰਟ ਪ੍ਰਾਪਤ ਹੋਈ, ਜਿਸ ਵਿੱਚ ਛੇ ਵੱਡੇ ਭਾਗ ਸ਼ਾਮਲ ਹਨ: ਪ੍ਰਸਿੱਧ ਸ਼ੈਲੀ ਥੀਮ ਵਿਸ਼ਲੇਸ਼ਣ, ਪ੍ਰਸਿੱਧ ਰੰਗ ਰੁਝਾਨ, ਪ੍ਰਸਿੱਧ ਸ਼ੈਲੀਆਂ ਅਤੇ ਤੱਤ ਵਿਸ਼ਲੇਸ਼ਣ, ਪ੍ਰਸਿੱਧ ਤੱਤਾਂ ਦਾ ਵਿਆਪਕ ਮੁਲਾਂਕਣ, ਫੈਬਰਿਕ ਅਤੇ ਤਕਨਾਲੋਜੀ ਰੁਝਾਨ, ਅਤੇ ਮੈਚਿੰਗ ਸੁਝਾਅ ਅਤੇ ਐਪਲੀਕੇਸ਼ਨਾਂ (matching suggestions and applications), ਜੋ ਸਾਡੇ ਸ਼ੁਰੂਆਤੀ ਇੱਕ ਵਾਕ ਵਾਲੇ ਟਾਸਕ ਤੋਂ ਕਿਤੇ ਵੱਧ ਹਨ।

ਰਿਪੋਰਟ ਵਿੱਚੋਂ ਕੱਢੀ ਗਈ ਸਮੱਗਰੀ ਦੇ ਕਈ ਪੰਨੇ

ਹੇਠਾਂ ਦਿੱਤੀ ਵੀਡੀਓ ਨੈਨੋ ਏਆਈ ਦੇ ਇਨ-ਡੈਪਥ ਰਿਸਰਚ ਏਜੰਟ ਦੁਆਰਾ ਟਾਸਕ ਨੂੰ ਪੂਰਾ ਕਰਨ ਦੀ ਪੂਰੀ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ:

4x ਸਪੀਡ ‘ਤੇ ਚਲਾਈ ਗਈ

ਇੰਨਾ ਹੀ ਨਹੀਂ, ਨੈਨੋ ਏਆਈ ਨੇ ਇੱਕ ਡਾਇਨਾਮਿਕ ਵੈੱਬਪੇਜ ਵੀ ਤਿਆਰ ਕੀਤਾ ਹੈ ਜੋ ਪ੍ਰਾਪਤ ਕੀਤੇ ਗਏ ਵਿਸ਼ਲੇਸ਼ਣ ਨਤੀਜਿਆਂ ਨੂੰ ਹੋਰ ਸਪੱਸ਼ਟ ਰੂਪ ਵਿੱਚ ਪ੍ਰਦਰਸ਼ਿਤ ਕਰ ਸਕਦਾ ਹੈ:

ਇਸ ਤੋਂ ਇਲਾਵਾ, ਇਹ ਮੰਨਦੇ ਹੋਏ ਕਿ ਗੂਗਲ (Google) ਨੇ ਹਾਲ ਹੀ ਵਿੱਚ ਆਪਣੀ ਪਹਿਲੀ ਤਿਮਾਹੀ ਦੀ ਵਿੱਤੀ ਰਿਪੋਰਟ ਜਾਰੀ ਕੀਤੀ ਹੈ, ਅਸੀਂ ਨੈਨੋ ਏਆਈ ਦੇ ‘ਚੀਫ ਇੰਡਸਟਰੀ ਇਨਸਾਈਟ ਆਫਿਸਰ’ (Chief Industry Insight Officer) ਏਜੰਟ ਨੂੰ ਇਸਦੀ ਵਿਆਖਿਆ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਨ ਲਈ ਵੀ ਕਹਿ ਸਕਦੇ ਹਾਂ।

ਇਸਦੇ ਵੈੱਬਪੇਜ ਸੰਸਕਰਣ (webpage version) ਨੂੰ ਇਸ ‘ਤੇ ਐਕਸੈਸ (access) ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ: , ਅਤੇ ਪੂਰੀ ਕਾਰਜ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਹੇਠਾਂ ਦਿੱਤੀ ਵੀਡੀਓ ਵਿੱਚ ਦੇਖਿਆ ਜਾ ਸਕਦਾ ਹੈ:

ਆਓ ਹਾਲ ਹੀ ਵਿੱਚ ਪ੍ਰਸਿੱਧ ਟੀਵੀ ਸੀਰੀਜ਼ (TV series) ‘ਦਿ ਗੁੱਡ ਲਾਈਫ’ (The Good Life) ਲਈ Xiaohongshu ‘ਤੇ ਪੋਸਟ ਕਰਨ ਲਈ ਢੁਕਵੀਂ ਇੱਕ ਮੂਵੀ ਰਿਵਿਊ (movie review) ਲਿਖਣ ਲਈ ਨੈਨੋ ਏਆਈ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰੀਏ, ਅਤੇ ਪ੍ਰੀਸੈੱਟ Xiaohongshu ਬ੍ਰਾਊਜ਼ਿੰਗ ਰੋਬੋਟ (browsing robot) ਇਹ ਕੰਮ ਵਧੀਆ ਢੰਗ ਨਾਲ ਕਰ ਸਕਦਾ ਹੈ।

ਧਿਆਨ ਰੱਖੋ! ਸਮੱਗਰੀ ਵਿੱਚ ਸਪੋਇਲਰ (spoiler) ਹੋਣਗੇ।

ਹੇਠਾਂ ਦਿੱਤੀ ਵੀਡੀਓ ਨੈਨੋ ਏਆਈ ਦੇ ਕੰਮ ਕਰਨ ਦੀ ਪੂਰੀ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ।

ਅਸੀਂ ਦੇਖ ਸਕਦੇ ਹਾਂ ਕਿ ਇਸ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ, ਨੈਨੋ ਏਆਈ ਨੇ Xiaohongshu ਨਾਲ ਸਬੰਧਤ ਦੋ ਟੂਲ ਦੀ ਵਰਤੋਂ ਕੀਤੀ, ਜਿਸ ਵਿੱਚ Xiaohongshu ‘ਤੇ ਜਾਣਕਾਰੀ ਇਕੱਠੀ ਕਰਨ ਲਈ collect_relate_info_redbook ਅਤੇ Xiaohongshu ਸਮੱਗਰੀ ਤਿਆਰ ਕਰਨ ਲਈ red_book_generate ਸ਼ਾਮਲ ਹਨ; ਇਸ ਤੋਂ ਇਲਾਵਾ, ਇਸਨੇ browser_automation_task ਦੀ ਵੀ ਵਰਤੋਂ ਕੀਤੀ - ਇਹ ਟੂਲ ਨੈਨੋ ਏਆਈ ਐਪਲੀਕੇਸ਼ਨ ਵਿੱਚ ਬਿਲਟ-ਇਨ ਬ੍ਰਾਊਜ਼ਰ ਨੂੰ ਟਾਸਕ ਕਰਨ ਲਈ ਖੋਲ੍ਹ ਸਕਦਾ ਹੈ। ਢੁਕਵੀਆਂ ਹਦਾਇਤਾਂ ਨਾਲ, ਤੁਸੀਂ ਇਸ ਟੂਲ ਦੀ ਵਰਤੋਂ ਰੇਲ ਟਿਕਟਾਂ ਬੁੱਕ (book) ਕਰਨ, Weibo ‘ਤੇ ਪੋਸਟ (post) ਕਰਨ, ਅਤੇ ਇੱਕ ਵਾਕ ਵਿੱਚ ਨੋਟਸ (notes) ਲੈਣ ਵਰਗੇ ਟਾਸਕ ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ ਵੀ ਕਰ ਸਕਦੇ ਹੋ।

ਅੰਤ ਵਿੱਚ, ਨੈਨੋ ਏਆਈ ‘ਤੇ, ਉਪਭੋਗਤਾ ਆਸਾਨੀ ਨਾਲ ਆਪਣੇ ਖੁਦ ਦੇ ਐਮਸੀਪੀ ਨੂੰ ਵੀ ਕੌਂਫਿਗਰ ਕਰ ਸਕਦੇ ਹਨ। ਉਦਾਹਰਨ ਲਈ, ਇੱਥੇ, ਅਸੀਂ ਸਿਰਫ਼ ਕੁਝ ਪੈਰਾਮੀਟਰ ਸੈਟਿੰਗਾਂ (parameter settings) ਨਾਲ Obsidian ਨੋਟਸ (notes) ਦੀ ਪੁੱਛਗਿੱਛ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਲਈ ਇੱਕ ਟੂਲ ਨੂੰ ਸਫਲਤਾਪੂਰਵਕ ਕੌਂਫਿਗਰ ਕੀਤਾ ਹੈ।

ਫਿਰ, ਬੱਸ ਇੱਕ ਏਜੰਟ ਨੂੰ ਕੌਂਫਿਗਰ ਕਰੋ ਜੋ ਟੂਲ ਨੂੰ ਕਾਲ ਕਰਦਾ ਹੈ, ਅਤੇ ਅਸੀਂ ਨੈਨੋ ਏਆਈ ਵਿੱਚ ਆਪਣੇ ਇਕੱਠੇ ਕੀਤੇ ਨੋਟਸ ਨੂੰ ਸਮਝਦਾਰੀ ਨਾਲ ਰਿਟਰੀਵ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰ ਸਕਦੇ ਹਾਂ। ਹੇਠਾਂ ਦਿੱਤੀ ਵੀਡੀਓ ਇੱਕ ਉਦਾਹਰਨ ਦਿਖਾਉਂਦੀ ਹੈ:

ਉਪਰੋਕਤ ਕੇਸ ਨੈਨੋ ਏਆਈ ਦੀਆਂ ਸਮਰੱਥਾਵਾਂ ਦੀ ਸਿਰਫ਼ ਇੱਕ ਝਲਕ ਹਨ। ਐਮਸੀਪੀ ਟੂਲਬਾਕਸ ਨਾਲ, ਅਜਿਹੀਆਂ ਹੋਰ ਵੀ ਬਹੁਤ ਸਾਰੀਆਂ ਚੀਜ਼ਾਂ ਹਨ ਜੋ ਉਪਭੋਗਤਾ ਕਰ ਸਕਦੇ ਹਨ, ਜਿਵੇਂ ਕਿ ਜਾਣਕਾਰੀ ਨੂੰ ਕ੍ਰੌਲ (crawl) ਕਰਨਾ ਅਤੇ ਖੋਜਣਾ, ਚਿੱਤਰਾਂ ਅਤੇ ਵੀਡੀਓ ਸਮੱਗਰੀ ਤਿਆਰ ਕਰਨਾ, AI ਨੂੰ ਆਪਣੇ flomo ਫ੍ਰੈਗਮੈਂਟ ਨੋਟਸ ਨੂੰ ਸੰਗਠਿਤ ਕਰਨ ਅਤੇ ਨਤੀਜਿਆਂ ਨੂੰ Notion ਵਰਕਸਪੇਸ (workspace) ਵਿੱਚ ਪਾਉਣ, ਸਟਾਕਾਂ (stocks) ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨਾ, ਪੁਰਤਗਾਲ (Portugal) ਦੀ ਯਾਤਰਾ ਕਰਨ ਲਈ ਸਭ ਤੋਂ ਵੱਧ ਲਾਗਤ-ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਫਲਾਈਟ ਰੂਟ (flight route) ਲੱਭਣਾ, ਯਾਤਰਾ ਜਾਂ ਫਿਟਨੈਸ ਯੋਜਨਾਵਾਂ (fitness plans) ਨਿਰਧਾਰਤ ਕਰਨਾ, ਕੰਪਨੀ ਰਿਪੋਰਟਾਂ ਬਣਾਉਣਾ, ਕਲਾਊਡ ਸਟੋਰੇਜ ਰਿਪੋਜ਼ਟਰੀਆਂ (cloud storage repositories) ਜਾਂ ਸਥਾਨਕ ਫਾਈਲਾਂ (local files) ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਨਾ… ਸਿਰਫ਼ ਤੁਹਾਡੀ ਕਲਪਨਾ ਹੀ ਸੀਮਾ ਹੈ!

ਟੂਲਬਾਕਸ ਵਿੱਚ ਐਮਸੀਪੀ ਨੂੰ ਛੁਪਾਉਣਾ: ਨੈਨੋ ਏਆਈ ਇਹ ਕਿਵੇਂ ਕਰਦਾ ਹੈ

ਐਮਸੀਪੀ, ਜਾਂ ਮਾਡਲ ਕੰਟੈਕਸਟ ਪ੍ਰੋਟੋਕਾਲ, ਪਹਿਲੀ ਵਾਰ ਨਵੰਬਰ 2024 ਵਿੱਚ ਐਂਥਰੋਪਿਕ (Anthropic) ਦੁਆਰਾ ਜਾਰੀ ਕੀਤਾ ਗਿਆ ਸੀ। ਇਸਨੂੰ ਵੱਡੇ ਮਾਡਲਾਂ ਨੂੰ ਅਸਲ ਦੁਨੀਆ ਨਾਲ ਜੋੜਨ ਵਾਲਾ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ‘ਪੁਲ’ ਕਿਹਾ ਜਾ ਸਕਦਾ ਹੈ - ਇਹ ਮਾਡਲਾਂ ਨੂੰ ਨਾ ਸਿਰਫ਼ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਦੇਣ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ, ਸਗੋਂ ਟੂਲ ਨੂੰ ਕਾਲ ਕਰਨ, ਡਾਟਾ ਪ੍ਰਾਪਤ ਕਰਨ, ਅਤੇ ਮਨੁੱਖਾਂ ਵਾਂਗ ਟਾਸਕ ਚਲਾਉਣ ਦੀ ਵੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ। ਇਸ ਸਾਲ, ਜਿਵੇਂ ਕਿ ਵੱਧ ਤੋਂ ਵੱਧ ਕੰਪਨੀਆਂ ਨੇ ਇਸਪ੍ਰੋਟੋਕਾਲ ਨੂੰ ਅਪਣਾਇਆ ਹੈ, ਇਹ ਟੂਲ ਦੀ ਵਰਤੋਂ ਵਿੱਚ LLM ਦਾ ਇੱਕ ਡੀ ਫੈਕਟੋ ਸਟੈਂਡਰਡ (de facto standard) ਬਣ ਗਿਆ ਹੈ, ਜੋ AI ਏਜੰਟਾਂ ਦੀ ਸੰਭਾਵਨਾ ਨੂੰ ਹੋਰ ਜਾਰੀ ਕਰਦਾ ਹੈ।

ਹਾਲਾਂਕਿ, ਜ਼ਿਆਦਾਤਰ ਉਪਭੋਗਤਾਵਾਂ ਲਈ, ਐਮਸੀਪੀ ਪ੍ਰੋਟੋਕਾਲ ਦੇ ਆਮ ਲੇਬਲ ‘ਜਟਿਲਤਾ’, ‘ਉੱਚ ਤਕਨੀਕੀ ਥ੍ਰੈਸ਼ਹੋਲਡ’ (technical threshold) ਅਤੇ ‘ਡਿਵੈਲਪਰ ਵਿਸ਼ੇਸ਼’ ਹਨ। ਇਸ ਸਮਰੱਥਾ ਨੂੰ, ਜੋ ਅਸਲ ਵਿੱਚ ਪੇਸ਼ੇਵਰ ਇੰਜੀਨੀਅਰਾਂ (professional engineers) ਦੀ ਸੀ, ਹਰ ਆਮ ਵਿਅਕਤੀ ਨੂੰ ਕਿਵੇਂ ਸੌਂਪਿਆ ਜਾਵੇ?

ਇਸ ਅਸਲ ਸਮੱਸਿਆ ਦੇ ਜਵਾਬ ਵਿੱਚ, 360 ਦਾ ਜਵਾਬ ਹੈ: ਤੁਹਾਨੂੰ ਐਮਸੀਪੀ ਨੂੰ ਸਮਝਣਾ ਸਿਖਾਉਣਾ ਨਹੀਂ ਹੈ, ਸਗੋਂ ਇਸਨੂੰ ਸਿੱਧੇ ਤੌਰ ‘ਤੇ ‘ਦਿੱਖਣਯੋਗ, ਕਲਿੱਕ ਕਰਨ ਯੋਗ, ਅਤੇ ਨਤੀਜਾ-ਅਨੁਮਾਨ ਲਗਾਉਣ ਯੋਗ’ ਟੂਲਬਾਕਸ ਦੇ ਇੱਕ ਸੈੱਟ ਵਿੱਚ ਸ਼ਾਮਲ ਕਰਨਾ ਹੈ।

1. ਸੰਕਲਪ ਸਰਲੀਕਰਨ ਤੋਂ ਲੈ ਕੇ ਪਰਸਪਰ ਪ੍ਰਭਾਵੀ ਆਯਾਮੀ ਘਟਾਉਣ ਤੱਕ

ਨੈਨੋ ਏਆਈ ਟੀਮ ਨੇ ਪਹਿਲਾਂ ਸੰਕਲਪਾਂ ਦਾ ਅਨੁਵਾਦ ਕੀਤਾ: ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਇਹ ਸਮਝਣ ਦੀ ਲੋੜ ਨਹੀਂ ਹੈ ਕਿ ਐਮਸੀਪੀ ਸਰਵਰ ਜਾਂ API ਕੀ (API Key) ਕੀ ਹੈ, ਉਹਨਾਂ ਨੂੰ ਸਿਰਫ਼ ਇਹ ਜਾਣਨ ਦੀ ਲੋੜ ਹੈ ਕਿ ਇਹ ਇੱਕ ਵਰਤੋਂ ਯੋਗ ‘ਟੂਲ‘ ਜਾਂ ‘ਹੁਨਰ‘ ਹੈ - ਇਸ ਲਈ ਅਸੀਂ ਪਹਿਲਾਂ ‘ਟੂਲ’ ਸ਼ਬਦ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਸੀ। ਅਸਲ ਵਿੱਚ ਅਸਪਸ਼ਟ ਪ੍ਰੋਟੋਕਾਲ ਇੰਟਰਫੇਸ (interface) ਨੂੰ ਆਸਾਨੀ ਨਾਲ ਸਮਝਣ ਵਾਲੇ ਟੂਲ ਲੇਬਲਾਂ ਜਿਵੇਂ ਕਿ ‘ਖੋਜ’, ‘ਲਿਖਣਾ’, ਅਤੇ ‘ਡਾਟਾ ਵਿਸ਼ਲੇਸ਼ਣ’ ਵਿੱਚ ਪੈਕ (pack) ਕਰਨ ਨਾਲ ਉਪਭੋਗਤਾ ਦੀ ਬੋਧਾਤਮਕ ਥ੍ਰੈਸ਼ਹੋਲਡ ਬਹੁਤ ਘੱਟ ਹੋ ਜਾਂਦੀ ਹੈ ਅਤੇ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ AI ਵੱਡੇ ਮਾਡਲਾਂ ਲਈ ਅਖੌਤੀ MCP ਸਰਵਰ ਦਾ ਅਰਥ ਹੋਰ ਸਪੱਸ਼ਟ ਰੂਪ ਵਿੱਚ ਸਮਝਣ ਦੀ ਇਜਾਜ਼ਤ ਮਿਲਦੀ ਹੈ। ਇਹ ਨੈਨੋ ਏਆਈ ਟੂਲਬਾਕਸ ਦਾ ਡਿਜ਼ਾਈਨ ਦਰਸ਼ਨ ਹੈ। ਇਸਦੇ ਪਿੱਛੇ MCP ਪ੍ਰੋਟੋਕਾਲ ਦਾ ਨੈਨੋ ਏਆਈ ਦਾ ਦੁਬਾਰਾ ਐਨਕੈਪਸੂਲੇਸ਼ਨ (encapsulation) ਅਤੇ ਇੰਟਰਫੇਸ ਲੇਅਰ (interface layer) ਦਾ ਇੰਜੀਨੀਅਰਿੰਗ ਪੁਨਰ ਨਿਰਮਾਣ ਹੈ।

ਇੰਟਰਫੇਸ ਵਿੱਚ ਉਪਭੋਗਤਾ ਜੋ ਦੇਖਦੇ ਹਨ ਉਹ ਸਧਾਰਨ ਚੋਣ ਅਤੇ ਡਰੈਗਿੰਗ (dragging) ਹੈ, ਪਰ ਅਸਲ ਵਿੱਚ, ਇਹ ਨੈਨੋ ਏਆਈ ਦੁਆਰਾ ਵਿਕਸਤ ਕੀਤੇ ਗਏ 100 ਤੋਂ ਵੱਧ ਐਮਸੀਪੀ ਸਰਵਰਾਂ ਜਾਂ ਇੱਕ ਧਿਆਨ ਨਾਲ ਚੁਣੇ ਗਏ ਏਕੀਕਰਣ ਨੂੰ ਤਹਿ ਕਰ ਰਿਹਾ ਹੈ। ਇਹ ਟੂਲ ਦਫ਼ਤਰ, ਅਕਾਦਮਿਕ, ਵਿੱਤ, ਖੋਜ ਇੰਜਣ, ਵੈੱਬ ਕ੍ਰੌਲਿੰਗ, ਅਤੇ ਚਿੱਤਰ ਪ੍ਰੋਸੈਸਿੰਗ ਵਰਗੇ ਦ੍ਰਿਸ਼ਾਂ ਨੂੰ ਕਵਰ ਕਰਦੇ ਹਨ। ਉਪਭੋਗਤਾ ਇੱਕ ਲਾਈਨ ਦਾ ਕੋਡ ਲਿਖੇ ਬਿਨਾਂ ਗੁੰਝਲਦਾਰ ਟਾਸਕ ਚੇਨ (task chain) ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ ਵੱਡੇ ਮਾਡਲਾਂ ਨੂੰ ਆਪਣੇ ਆਪ ਇਹਨਾਂ ‘ਬਾਹਰੀ ਦਿਮਾਗਾਂ’ ਨੂੰ ਕਾਲ ਕਰਨ ਦੇ ਸਕਦੇ ਹਨ।

ਨੈਨੋ ਏਆਈ ਕੋਲ Firecrawl, Brava Search, ਅਤੇ AutoNavi Maps ਵਰਗੇ ਕਈ MCP ਟੂਲ ਲਈ ਬਿਲਟ-ਇਨ API ਕੀ ਵੀ ਹਨ।

2. ਮਾਡਲਾਂ ਅਤੇ ਟੂਲ ਦੇ ਵਿਚਕਾਰ ‘ਲਾਸਟ ਮਾਈਲ’ (Last Mile) ਨੂੰ ਤੋੜਨਾ

ਪਹਿਲਾਂ, ਭਾਵੇਂ ਵੱਡੇ ਮਾਡਲਾਂ ਵਿੱਚ ਸ਼ਕਤੀਸ਼ਾਲੀ ਭਾਸ਼ਾ ਸਮਝਣ ਦੀਆਂ ਸਮਰੱਥਾਵਾਂ ਸਨ, ਫਿਰ ਵੀ ਉਹ ‘ਟੂਲ ਕਾਲਿੰਗ’ ਟਾਪੂ ਪ੍ਰਭਾਵ ਵਿੱਚ ਫਸੇ ਹੋਏ ਸਨ। ਨੈਨੋ ਏਆਈ ਦਾ ਤਰੀਕਾ MCP ਪ੍ਰੋਟੋਕਾਲ ਨੂੰ ਇੱਕ ਵਿਚੋਲੇ ਭਾਸ਼ਾ ਵਜੋਂ ਵਰਤਣਾ ਹੈ, ਜੋ ‘ਵੱਡੇ ਮਾਡਲ + ਟੂਲ’ ਦੇ ਸਹਿਯੋਗੀ ਵਿਧੀ ਨੂੰ ਬੁਨਿਆਦੀ ਤੌਰ ‘ਤੇ ਤੋੜਦਾ ਹੈ।

ਇਹ ਨਾ ਸਿਰਫ਼ ਕਾਲਿੰਗ (calling) ਦੀ ਸਮੱਸਿਆ ਨੂੰ ਹੱਲ ਕਰਦਾ ਹੈ, ਸਗੋਂ ਮਾਡਲ ਦੀ ਅਸਲ ਸਮਰੱਥਾ ਸੀਮਾ ਨੂੰ ਵੀ ਬਹੁਤ ਵਧਾਉਂਦਾ ਹੈ। ਉਦਾਹਰਨ ਲਈ, ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਏਜੰਟ ਨੂੰ ਸਿਰਫ਼ ਇਹ ਦੱਸਣ ਦੀ ਲੋੜ ਹੈ ‘ਮੇਰੀ NVIDIA ਸਟਾਕ ਕੀਮਤ ਵਿਸ਼ਲੇਸ਼ਣ ਰਿਪੋਰਟ ਤਿਆਰ ਕਰਨ ਵਿੱਚ ਮੇਰੀ ਮਦਦ ਕਰੋ’, ਅਤੇ ਏਜੰਟ ਆਪਣੇ ਆਪ ਟਾਸਕ ਕਦਮਾਂ ਨੂੰ ਤੋੜ ਸਕਦਾ ਹੈ, ਖੋਜ ਇੰਜਣਾਂ ਨੂੰ ਜੁਟਾ ਸਕਦਾ ਹੈ, ਪੇਜ ਸਮੱਗਰੀ ਨੂੰ ਕ੍ਰੌਲ ਕਰ ਸਕਦਾ ਹੈ, ਵਿਸ਼ਲੇਸ਼ਣ ਚਾਰਟ (analysis chart) ਤਿਆਰ ਕਰ ਸਕਦਾ ਹੈ, ਅਤੇ ਇੱਕ ਸਪਸ਼ਟ ਰੂਪ ਵਿੱਚ ਸੰਗਠਿਤ ਰਿਪੋਰਟ ਆਊਟਪੁੱਟ (output) ਕਰ ਸਕਦਾ ਹੈ। ਇਸ ਸਮੇਂ ਦੌਰਾਨ, 5 ਤੋਂ 7 ਟੂਲ ਨੂੰ ਕਾਲ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਪਰ ਉਪਭੋਗਤਾ ਸਿਰਫ਼ ਇੱਕ ਨਤੀਜਾ ਪੇਜ ਦੇਖਦਾ ਹੈ।

ਇਹ MCP ਦੀ ‘ਟੂਲ ਸੁਮੇਲ’ ਸਮਰੱਥਾ ਦਾ ਸਹੀ ਪ੍ਰਦਰਸ਼ਨ ਹੈ: ਇਹ ਏਜੰਟਾਂ ਨੂੰ ਸਰੋਤਾਂ ਨੂੰ ਸੁਤੰਤਰ ਤੌਰ ‘ਤੇ ਤਹਿ ਕਰਨ, ਪ੍ਰਕਿਰਿਆਵਾਂ ਦੀ ਯੋਜਨਾ ਬਣਾਉਣ, ਅਤੇ ਕਾਰਵਾਈ ਦੌਰਾਨ ਅਜ਼ਮਾਇਸ਼-ਅਤੇ-ਗਲਤੀ ਫੀਡਬੈਕ ਅਤੇ ਸਵੈ-ਅਨੁਕੂਲਤਾ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ, ਇੱਕ ਬਹੁਤ ਹੀ ਮਨੁੱਖੀ ਕਾਰਜ-ਹੱਲ ਮਾਰਗ ਬਣਾਉਂਦਾ ਹੈ।

3. ਸਥਾਨਕ ਕਾਰਵਾਈ, ਸੁਰੱਖਿਅਤ ਅਤੇ ਭਰੋਸੇਮੰਦ: ਤਕਨਾਲੋਜੀ ਸਟੈਕ (technology stack) ਦੀ ਡੂੰਘਾਈ ਨਾਲ ਪਾਲਿਸ਼ਿੰਗ (polishing)

ਕਈ ‘ਕਲਾਊਡ ਇੰਟੈਲੀਜੈਂਟ ਬਾਡੀਜ਼’ (cloud intelligent bodies) ਦੇ ਉਲਟ, ਨੈਨੋ ਏਆਈ ਨੇ ਇੱਕ ਵਧੇਰੇ ਮੁਸ਼ਕਲ ਪਰ ਵਧੇਰੇ ਹੋਨਹਾਰ ਮਾਰਗ ਚੁਣਿਆ: ਸਥਾਨਕ ਤੌਰ ‘ਤੇ MCP ਕਲਾਇੰਟਸ (clients) ਨੂੰ ਡਿਪਲਾਈ (deploy) ਕਰਨਾ, ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਵਧੇਰੇ ਨਿਯੰਤਰਣ ਦੇਣਾ।

ਇਹ ਘੱਟੋ ਘੱਟ ਤਿੰਨ ਮੁੱਖ ਫਾਇਦੇ ਲਿਆਉਂਦਾ ਹੈ:

• ਕਾਲ ਆਜ਼ਾਦੀ: ਸਥਾਨਕ ਬੁੱਧੀਮਾਨ ਸੰਸਥਾਵਾਂ ਉਪਭੋਗਤਾ ਦੀ ਫਾਈਲ ਸਿਸਟਮ ਤੱਕ ਪਹੁੰਚ ਕਰ ਸਕਦੀਆਂ ਹਨ, ਬ੍ਰਾਊਜ਼ਰ ਨੂੰ ਕਾਲ ਕਰ ਸਕਦੀਆਂ ਹਨ, ਅਤੇ ਸੱਚੀ ਵਿਅਕਤੀਗਤ ਟਾਸਕ ਪ੍ਰੋਸੈਸਿੰਗ ਨੂੰ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਡਾਟਾਬੇਸ ਨੂੰ ਰਿਟਰੀਵ ਕਰ ਸਕਦੀਆਂ ਹਨ।
• ਰੁਕਾਵਟਾਂ ਨੂੰ ਤੋੜਨਾ: AI ਦੀਆਂ ਵਿਲੱਖਣ ਲੋੜਾਂ ਦੇ ਜਵਾਬ ਵਿੱਚ, 360 ਨੇ ਨੈਨੋ ਏਆਈ ਲਈ ਇੱਕ ਸਮਰਪਿਤ AI ਬ੍ਰਾਊਜ਼ਰ ਬਣਾਇਆ ਹੈ ਅਤੇ ਇਸਨੂੰ ਚੀਨ ਵਿੱਚ ਮੁੱਖਧਾਰਾ ਪਲੇਟਫਾਰਮਾਂ (mainstream platforms) ਨਾਲ ਅਨੁਕੂਲਿਤ ਕੀਤਾ ਹੈ। ਇਹ ਲੌਗਇਨ (login) ਦੀਆਂ ਕੰਧਾਂ, ਮਨੁੱਖੀ-ਮਸ਼ੀਨੀ ਤਸਦੀਕ, ਅਤੇ ਜਾਣਕਾਰੀ ਪ੍ਰਵਾਹ ਦਖਲ ਨੂੰ ਤੋੜ ਸਕਦਾ ਹੈ, ਅਤੇ ਲੌਗਇਨ ਅਤੇ ਸਲਾਈਡਿੰਗ ਤਸਦੀਕ ਵਰਗੇ ਕੰਮਾਂ ਨੂੰ ਆਪਣੇ ਆਪ ਪੂਰਾ ਕਰ ਸਕਦਾ ਹੈ।
• ਸੈਂਡਬਾਕਸ ਗਾਰੰਟੀ (sandbox guarantee): 360 ਦੀ ਸੁਰੱਖਿਆ ਤਕਨਾਲੋਜੀ ਇਕੱਤਰਤਾ ਦੇ ਅਧਾਰ ‘ਤੇ, ਨੈਨੋ ਏਆਈ ਭਵਿੱਖ ਵਿੱਚ ਇੱਕ ਸਥਾਨਕ ਰਨਟਾਈਮ ਸੈਂਡਬਾਕਸ ਵੀ ਪੇਸ਼ ਕਰੇਗਾ, ਜੋ ਰੀਅਲ ਟਾਈਮ (real time) ਵਿੱਚ ਸਥਾਨਕ ਫਾਈਲਾਂ ਨੂੰ ਗਲਤ ਢੰਗ ਨਾਲ ਸੰਚਾਲਿਤ ਕਰਨ ਤੋਂ ਸੰਭਾਵਿਤ ਵੱਡੇ ਮਾਡਲ ਦੀ ਨਿਗਰਾਨੀ, ਛੇਤੀ ਚੇਤਾਵਨੀ ਅਤੇ ਪਾਬੰਦੀ ਲਗਾ ਸਕਦਾ ਹੈ ਤਾਂ ਜੋ ਡਾਟਾ ਸੁਰੱਖਿਆ ਨੂੰ ਯਕੀਨੀ ਬਣਾਇਆ ਜਾ ਸਕੇ।

ਇਹ ਪੂਰਾ ਸਿਸਟਮ ਨਾ ਸਿਰਫ਼ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਇਸਦੀ ‘ਵਰਤੋਂ’ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ, ਸਗੋਂ ‘ਇਸ