ਮਾਡਲ ਸੰਦਰਭ ਪ੍ਰੋਟੋਕੋਲ: ਇੱਕ ਨਵਾਂ ਯੁੱਗ

ਲਾਰਜ ਲੈਂਗੂਏਜ ਮਾਡਲਜ਼ (LLMs) ਦੇ ਆਗਮਨ ਨੇ ਨਿਰਵਿਵਾਦ ਰੂਪ ਵਿੱਚ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਦੇ ਲੈਂਡਸਕੇਪ ਵਿੱਚ ਕ੍ਰਾਂਤੀ ਲਿਆ ਦਿੱਤੀ ਹੈ। ਹਾਲਾਂਕਿ, ਇੱਕ ਲਗਾਤਾਰ ਚੁਣੌਤੀ ਬਣੀ ਹੋਈ ਹੈ: ਇਹਨਾਂ ਮਾਡਲਾਂ ਨੂੰ ਮਲਕੀਅਤ ਡੇਟਾ ਨਾਲ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਜੋੜਨਾ। ਜਦੋਂ ਕਿ LLMs ਇੰਟਰਨੈਟ ਤੋਂ ਜਾਣਕਾਰੀ ਦੀ ਵਿਸ਼ਾਲ ਮਾਤਰਾ ਨੂੰ ਸੰਸਾਧਿਤ ਕਰਨ ਵਿੱਚ ਨਿਪੁੰਨ ਹਨ, ਉਹਨਾਂ ਦੀ ਅਸਲ ਸਮਰੱਥਾ ਸਾਡੇ ਐਪਲੀਕੇਸ਼ਨਾਂ ਅਤੇ ਡੇਟਾ ਲਈ ਕੁਦਰਤੀ ਭਾਸ਼ਾ ਇੰਟਰਫੇਸ ਵਜੋਂ ਸੇਵਾ ਕਰਨ ਵਿੱਚ ਹੈ, ਜਿਸ ਨਾਲ ਸਾਨੂੰ ਇੱਕ ਨਿਯੰਤਰਿਤ ਵਾਤਾਵਰਣ ਦੇ ਅੰਦਰ ਉਹਨਾਂ ਦੀਆਂ ਭਵਿੱਖਬਾਣੀ ਅਤੇ ਜਨਰੇਟਿਵ ਸਮਰੱਥਾਵਾਂ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਮਿਲਦੀ ਹੈ।

LLM ਆਉਟਪੁੱਟ ਦੀ ਭਰੋਸੇਯੋਗਤਾ ਅਤੇ ਪ੍ਰਸੰਗਿਕਤਾ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ, ਵੱਖ-ਵੱਖ ਰਣਨੀਤੀਆਂ ਉਭਰ ਕੇ ਸਾਹਮਣੇ ਆਈਆਂ ਹਨ, ਹਰ ਇੱਕ ਇਹਨਾਂ ਮਾਡਲਾਂ ਅਤੇ ਖਾਸ ਡੇਟਾਸੈਟਾਂ ਵਿਚਕਾਰਲੇ ਪਾੜੇ ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤੀ ਗਈ ਹੈ। ਇਹ ਰਣਨੀਤੀਆਂ ਕਸਟਮ ਏਮਬੇਡਿੰਗਜ਼ ਬਣਾਉਣ ਅਤੇ ਰੀਟਰੀਵਲ-ਔਗਮੈਂਟੇਡ ਜਨਰੇਸ਼ਨ (RAG) ਤਕਨੀਕਾਂ ਦੀ ਵਰਤੋਂ ਕਰਨ ਤੋਂ ਲੈ ਕੇ ਹਨ – ਡੇਟਾ ਦੇ ਅੰਦਰ ਗੁੰਝਲਦਾਰ ਸਬੰਧਾਂ ਨੂੰ ਉਜਾਗਰ ਕਰਨ ਲਈ ਗ੍ਰਾਫ ਡੇਟਾਬੇਸ ਦਾ ਲਾਭ ਉਠਾਉਣਾ – ਉਪਭੋਗਤਾ ਪ੍ਰੋਂਪਟ ਦੁਆਰਾ ਸ਼ੁਰੂ ਕੀਤੀਆਂ ਗਈਆਂ OpenAPI ਕਾਲਾਂ ਦੁਆਰਾ ਪ੍ਰਾਪਤ ਕੀਤੇ ਡੇਟਾ ਨੂੰ ਡਿਸਟਿਲ ਅਤੇ ਪੇਸ਼ ਕਰਨ ਲਈ LLMs ਦੀ ਵਰਤੋਂ ਕਰਨ ਤੱਕ। ਇਸ ਤੋਂ ਇਲਾਵਾ, OpenAI ਦੇ ChatGPT ਦੁਆਰਾ ਪ੍ਰਸਿੱਧ ਕੀਤਾ ਗਿਆ ਪਲੱਗ-ਇਨ ਮਾਡਲ ਡੇਟਾ ਏਕੀਕਰਣ ਲਈ ਇੱਕ ਹੋਰ ਰਾਹ ਪੇਸ਼ ਕਰਦਾ ਹੈ। ਇਹਨਾਂ ਵਿਭਿੰਨ ਪਹੁੰਚਾਂ ਵਿੱਚੋਂ, ਮਾਡਲ ਸੰਦਰਭ ਪ੍ਰੋਟੋਕੋਲ (MCP) LLMs ਅਤੇ ਬਾਹਰੀ ਡਾਟਾ ਸਰੋਤਾਂ ਵਿਚਕਾਰ ਕਨੈਕਸ਼ਨ ਨੂੰ ਮਿਆਰੀ ਬਣਾਉਣ ਲਈ ਇੱਕ ਵਾਅਦਾ ਕਰਨ ਵਾਲੇ ਹੱਲ ਵਜੋਂ ਖੜ੍ਹਾ ਹੈ।

ਮਾਡਲ ਸੰਦਰਭ ਪ੍ਰੋਟੋਕੋਲ ਦਾ ਪਰਦਾਫਾਸ਼

ਮਾਡਲ ਸੰਦਰਭ ਪ੍ਰੋਟੋਕੋਲ, ਜੋ ਕਿ ਐਂਥਰੋਪਿਕ ਦੁਆਰਾ 2024 ਦੇ ਅਖੀਰ ਵਿੱਚ ਜਾਰੀ ਕੀਤਾ ਗਿਆ, LLMs ਅਤੇ ਉਪਭੋਗਤਾ-ਵਿਸ਼ੇਸ਼ ਡੇਟਾ ਵਿਚਕਾਰ ਪਰਸਪਰ ਪ੍ਰਭਾਵ ਨੂੰ ਸੁਚਾਰੂ ਬਣਾਉਣ ਵੱਲ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਕਦਮ ਦਰਸਾਉਂਦਾ ਹੈ। ਇਹ ਪ੍ਰੋਟੋਕੋਲ AI ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿੱਚ ਸੰਦਰਭ ਦੀ ਮਹੱਤਵਪੂਰਨ ਭੂਮਿਕਾ ਨੂੰ ਉਜਾਗਰ ਕਰਦਾ ਹੈ, ਇਹ ਮੰਨਦੇ ਹੋਏ ਕਿ AI ਦੀ ਇਕਸਾਰ ਅਤੇ ਅਰਥਪੂਰਨ ਆਉਟਪੁੱਟ ਪ੍ਰਦਾਨ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਢੁਕਵੀਂ ਪ੍ਰਸੰਗਿਕ ਜਾਣਕਾਰੀ ਦੀ ਉਪਲਬਧਤਾ ‘ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ। ਸਮਝਦਾਰ ਜਵਾਬਾਂ ਨੂੰ ਕੱਢਣ ਲਈ ਸਿਰਫ਼ ਚੈਟ ਪ੍ਰੋਂਪਟ ‘ਤੇ ਭਰੋਸਾ ਕਰਨਾ, ਸਭ ਤੋਂ ਵਧੀਆ, ਆਸ਼ਾਵਾਦੀ ਹੋਣ ਦੀ ਕਸਰਤ ਹੈ ਅਤੇ, ਸਭ ਤੋਂ ਮਾੜੀ ਗੱਲ, ਗਲਤ ਜਾਂ ਗੁੰਮਰਾਹਕੁੰਨ ਨਤੀਜਿਆਂ ਲਈ ਇੱਕ ਵਿਅੰਜਨ ਹੈ। ਸਾਡੇ ਡੇਟਾ ਦੇ ਆਲੇ-ਦੁਆਲੇ ਵਰਕਫਲੋਜ਼ ਨੂੰ ਆਰਕੈਸਟਰੇਟ ਕਰਨ ਦੇ ਸਮਰੱਥ ਮਜ਼ਬੂਤ, ਅਰਧ-ਖੁਦਮੁਖਤਿਆਰ ਏਜੰਟ ਬਣਾਉਣ ਲਈ, ਉਹਨਾਂ ਏਜੰਟਾਂ ਨੂੰ ਉਹ ਡੇਟਾ ਪ੍ਰਦਾਨ ਕਰਨ ਲਈ ਇੱਕ ਭਰੋਸੇਯੋਗ ਵਿਧੀ ਜ਼ਰੂਰੀ ਹੈ।

ਇੱਕ ਓਪਨ-ਸੋਰਸ ਪਹਿਲਕਦਮੀ ਦੇ ਤੌਰ ‘ਤੇ, MCP ਪ੍ਰੋਗਰਾਮਿੰਗ ਭਾਸ਼ਾਵਾਂ ਦੀ ਇੱਕ ਵਿਸ਼ਾਲ ਲੜੀ ਲਈ SDK ਲਾਗੂਕਰਨ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ, ਇਸਦੇ GitHub ਰਿਪੋਜ਼ਟਰੀ ਦੇ ਅੰਦਰ ਵਿਆਪਕ ਦਸਤਾਵੇਜ਼ਾਂ ਦੇ ਨਾਲ। ਇਹ ਦਸਤਾਵੇਜ਼ ਡਿਵੈਲਪਰਾਂ ਨੂੰ MCP ਸਰਵਰਾਂ ਨੂੰ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਲਾਗੂ ਕਰਨ ਜਾਂ ਵਰਤਣ ਲਈ ਸ਼ਕਤੀ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ। MCP ਦੇ “AI ਐਪਲੀਕੇਸ਼ਨਾਂ ਲਈ USB-C ਪੋਰਟ” ਵਜੋਂ ਪ੍ਰੋਜੈਕਟ ਦਾ ਵਰਣਨ ਇਸਦੇ ਤੱਤ ਨੂੰ ਢੁਕਵੇਂ ਰੂਪ ਵਿੱਚ ਕੈਪਚਰ ਕਰਦਾ ਹੈ, ਵਿਭਿੰਨ ਡਾਟਾ ਸਰੋਤਾਂ ਨਾਲ ਕਨੈਕਸ਼ਨਾਂ ਨੂੰ ਮਿਆਰੀ ਬਣਾਉਣ ਦੀ ਇਸਦੀ ਯੋਗਤਾ ਨੂੰ ਉਜਾਗਰ ਕਰਦਾ ਹੈ। ਇੱਕ ਮਿਆਰੀ ਨੀਂਹ ‘ਤੇ ਬਣਾਇਆ ਗਿਆ, MCP ਮੌਜੂਦਾ ਪ੍ਰੋਜੈਕਟਾਂ ਨਾਲ ਆਸਾਨੀ ਨਾਲ ਏਕੀਕ੍ਰਿਤ ਹੋ ਜਾਂਦਾ ਹੈ, ਵੱਖ-ਵੱਖ LLMs ਅਤੇ ਅਨੁਮਾਨ ਪ੍ਰਦਾਤਾਵਾਂ ਨਾਲ ਸਹਿਜਤਾ ਨਾਲ ਇੰਟਰਫੇਸ ਕਰਦਾ ਹੈ।

MCP ਦਾ ਆਰਕੀਟੈਕਚਰ ਇੱਕ ਚੰਗੀ ਤਰ੍ਹਾਂ ਸਥਾਪਿਤ ਕਲਾਇੰਟ/ਸਰਵਰ ਮਾਡਲ ਦੀ ਪਾਲਣਾ ਕਰਦਾ ਹੈ, ਜਿੱਥੇ ਇੱਕ ਬ੍ਰੋਕਰ MCP ਬੇਨਤੀਆਂ ਨੂੰ ਸਥਾਨਕ ਜਾਂ ਰਿਮੋਟ ਬੇਨਤੀਆਂ ਵਿੱਚ ਅਨੁਵਾਦ ਕਰਨ ਦੀ ਜ਼ਿੰਮੇਵਾਰੀ ਮੰਨਦਾ ਹੈ। ਇਹ ਡਿਜ਼ਾਈਨ ਇੰਟਰਫੇਸ ਪਰਿਭਾਸ਼ਾ ਭਾਸ਼ਾਵਾਂ ਜਿਵੇਂ ਕਿ CORBA ਦੀ ਕਾਰਜਕੁਸ਼ਲਤਾ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ, MCP ਨੂੰ ਇੱਕ ਬਹੁਮੁਖੀ ਅੰਤਰ-ਕਾਰਜਸ਼ੀਲਤਾ ਪਰਤ ਵਿੱਚ ਬਦਲਦਾ ਹੈ ਜੋ ਜਾਣਕਾਰੀ ਸਰੋਤਾਂ ਅਤੇ LLM ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿਚਕਾਰ ਸਹਿਜ ਸਵਿਚਿੰਗ ਦੀ ਸਹੂਲਤ ਦਿੰਦਾ ਹੈ। ਇੱਕ JSON RPC ਕਨੈਕਸ਼ਨ ਦਾ ਲਾਭ ਉਠਾਉਂਦੇ ਹੋਏ, MCP Azure API ਪ੍ਰਬੰਧਨ ਵਰਗੇ ਸਾਧਨਾਂ ਦੁਆਰਾ ਵਿਅਕਤੀਗਤ ਉਪਭੋਗਤਾ ਪੱਧਰ ‘ਤੇ ਵਧੀਆ-ਦਾਣੇ ਵਾਲੇ ਨਿਯੰਤਰਣ ਨੂੰ ਸਮਰੱਥ ਬਣਾਉਂਦਾ ਹੈ।

MCP AI-ਸੰਚਾਲਿਤ ਕੋਡ ਲਈ ਜੈਨਰਿਕ ਇੰਟਰਫੇਸ ਦੇ ਵਿਕਾਸ ਨੂੰ ਉਤਸ਼ਾਹਿਤ ਕਰਦਾ ਹੈ, ਜਿਸਦਾ ਸਬੂਤ Microsoft ਦੇ AI ਵਿਕਾਸ ਪਲੇਟਫਾਰਮਾਂ ਵਿੱਚ ਇਸਦੇ ਵਧਦੇ ਗੋਦ ਲੈਣ ਦੁਆਰਾ ਮਿਲਦਾ ਹੈ। ਸੇਮੈਂਟਿਕ ਕਰਨਲ ਮਾਡਲ ਆਰਕੈਸਟ੍ਰੇਸ਼ਨ ਟੂਲ ਦੇ ਅੰਦਰ ਇਸਦੇ ਏਕੀਕਰਣ ਤੋਂ ਲੈ ਕੇ Azure OpenAI ਅਤੇ Azure AI ਫਾਉਂਡਰੀ ਦੇ ਅਨੁਕੂਲ MCP ਸਰਵਰਾਂ ਵਜੋਂ ਇਸਦੀ ਤਾਇਨਾਤੀ ਤੱਕ, MCP ਤੇਜ਼ੀ ਨਾਲ ਖਿੱਚ ਪ੍ਰਾਪਤ ਕਰ ਰਿਹਾ ਹੈ। Microsoft ਉਪਭੋਗਤਾ ਪ੍ਰਮਾਣ ਪੱਤਰਾਂ ਦੇ ਆਧਾਰ ‘ਤੇ ਡਾਟਾ ਪਹੁੰਚ ਨੂੰ ਨਿਯੰਤਰਿਤ ਕਰਨ ਲਈ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦੇ ਨਾਲ Azure API ਪ੍ਰਬੰਧਨ ਨੂੰ ਵੀ ਵਧਾ ਰਿਹਾ ਹੈ, ਸੁਰੱਖਿਅਤ ਅਤੇ ਸ਼ਾਸਨ ਕੀਤੇ AI ਤੈਨਾਤੀਆਂ ਵਿੱਚ MCP ਦੀ ਭੂਮਿਕਾ ਨੂੰ ਹੋਰ ਮਜ਼ਬੂਤ ਕਰ ਰਿਹਾ ਹੈ।

Azure MCP ਸਰਵਰ: ਇੱਕ ਸ਼ੁਰੂਆਤੀ ਲਾਗੂਕਰਣ

ਓਪਨ-ਸੋਰਸ Azure MCP ਸਰਵਰ, ਜੋ ਹਾਲ ਹੀ ਵਿੱਚ ਜਨਤਕ ਪੂਰਵਦਰਸ਼ਨ ਵਿੱਚ ਜਾਰੀ ਕੀਤਾ ਗਿਆ ਹੈ, Microsoft ਦੇ ਪਲੇਟਫਾਰਮ ‘ਤੇ MCP ਦੇ ਇੱਕ ਸ਼ੁਰੂਆਤੀ ਲਾਗੂਕਰਨ ਦੀ ਉਦਾਹਰਣ ਦਿੰਦਾ ਹੈ। ਇਹ ਸਰਵਰ ਮੁੱਖ Azure ਸੇਵਾਵਾਂ ਤੱਕ AI ਪਹੁੰਚ ਲਈ ਇੱਕ ਆਮ ਬ੍ਰੋਕਰ ਵਜੋਂ ਕੰਮ ਕਰਦਾ ਹੈ, Azure ਪ੍ਰੋਜੈਕਟਾਂ ਦੁਆਰਾ ਅਪਣਾਏ ਗਏ ਓਪਨ-ਸੋਰਸ ਸਿਧਾਂਤਾਂ ਦੀ ਪਾਲਣਾ ਕਰਦਾ ਹੈ। ਇਸਦਾ ਕੋਡ GitHub ‘ਤੇ ਆਸਾਨੀ ਨਾਲ ਪਹੁੰਚਯੋਗ ਹੈ। Azure MCP ਸਰਵਰ Azure ਪਲੇਟਫਾਰਮ ਦੇ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਹਿੱਸੇ ਤੱਕ ਪਹੁੰਚ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਡੇਟਾਬੇਸ, ਸਟੋਰੇਜ ਹੱਲ, ਅਤੇ Azure CLI ਵਰਗੀਆਂ ਸੇਵਾਵਾਂ ਸ਼ਾਮਲ ਹਨ।

Azure CLI (ਅਤੇ ਡਿਵੈਲਪਰ CLI) ਲਈ ਸਹਾਇਤਾ ਨੂੰ ਸ਼ਾਮਲ ਕਰਨਾ ਖਾਸ ਤੌਰ ‘ਤੇ ਧਿਆਨ ਦੇਣ ਯੋਗ ਹੈ, ਕਿਉਂਕਿ ਇਹ MCP-ਸੰਚਾਲਿਤ ਏਜੰਟਾਂ ਨੂੰ MCP ਕਾਲਾਂ ਨੂੰ ਆਪਰੇਟਰਾਂ ਵਜੋਂ ਮੰਨਦੇ ਹੋਏ, Azure ਨਾਲ ਸਿੱਧਾ ਇੰਟਰੈਕਟ ਕਰਨ ਲਈ ਸ਼ਕਤੀ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ। ਇਹ ਸਮਰੱਥਾ ਏਜੰਟਾਂ ਦੇ ਨਿਰਮਾਣ ਦਾ ਰਾਹ ਪੱਧਰਾ ਕਰਦੀ ਹੈ ਜੋ Azure ਲਈ ਇੱਕ ਕੁਦਰਤੀ ਭਾਸ਼ਾ ਸਵੈ-ਸੇਵਾ ਇੰਟਰਫੇਸ ਪੇਸ਼ ਕਰਦੇ ਹਨ। ਉਦਾਹਰਨ ਲਈ, ਇੱਕ ਏਜੰਟ ਇੱਕ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦਾ ਵਰਣਨ ਲੈ ਸਕਦਾ ਹੈ ਅਤੇ ਇਸਦੀ ਤਾਇਨਾਤੀ ਲਈ ਲੋੜੀਂਦੇ ARM ਟੈਂਪਲੇਟਾਂ ਨੂੰ ਆਪਣੇ ਆਪ ਤਿਆਰ ਕਰ ਸਕਦਾ ਹੈ। ਇਸ ਸੰਕਲਪ ਨੂੰ ਅੱਗੇ ਵਧਾਉਂਦੇ ਹੋਏ, ਕੋਈ ਇੱਕ ਮਲਟੀਮੋਡਲ ਏਜੰਟ ਦੀ ਕਲਪਨਾ ਕਰ ਸਕਦਾ ਹੈ ਜੋ ਇੱਕ ਵਾਈਟਬੋਰਡ ਸਕੈਚ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦਾ ਹੈ, ਜ਼ਰੂਰੀ ਸਰੋਤਾਂ ਦਾ ਵਰਣਨ ਲੈਂਦਾ ਹੈ, ਅਤੇ ਫਿਰ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਨੂੰ ਤੈਨਾਤ ਕਰਦਾ ਹੈ, ਤੁਰੰਤ ਕੋਡ ਵਿਕਾਸ ਨੂੰ ਸਮਰੱਥ ਬਣਾਉਂਦਾ ਹੈ। Azure MCP ਸਰਵਰ ਦੁਆਰਾ ਪਹੁੰਚਯੋਗ ਵਾਧੂ ਸਿਸਟਮ ਪ੍ਰਸ਼ਾਸਨ ਸੇਵਾਵਾਂ ਵਿੱਚ ਮੌਜੂਦਾ ਸਰੋਤ ਸਮੂਹਾਂ ਦੀ ਸੂਚੀ ਬਣਾਉਣਾ ਅਤੇ Azure ਨਿਗਰਾਨੀ ਲੌਗਸ ਨੂੰ ਪੁੱਛਗਿੱਛ ਕਰਨ ਲਈ KQL ਦਾ ਲਾਭ ਉਠਾਉਣਾ ਸ਼ਾਮਲ ਹੈ।

GitHub Copilot Chat ਨਾਲ Azure MCP ਸਰਵਰ ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਕਰਨਾ

ਕਿਉਂਕਿ ਇਹ MCP ਸਟੈਂਡਰਡ ਦੀ ਪਾਲਣਾ ਕਰਦਾ ਹੈ, Azure MCP ਸਰਵਰ ਕਿਸੇ ਵੀ AI ਟੂਲ ਨਾਲ ਸਹਿਜਤਾ ਨਾਲ ਏਕੀਕ੍ਰਿਤ ਹੋ ਜਾਂਦਾ ਹੈ ਜੋ MCP ਦਾ ਸਮਰਥਨ ਕਰਦਾ ਹੈ, ਜਿਵੇਂ ਕਿ GitHub Copilot ਏਜੰਟ ਮੋਡ। ਬਸ ਸਰਵਰ ਨੂੰ ਆਪਣੇ ਕਿਰਾਏਦਾਰ ਵਿੱਚ ਜੋੜ ਕੇ, ਤੁਸੀਂ Copilot ਦੁਆਰਾ ਸਿੱਧੇ ਤੌਰ ‘ਤੇ ਜਾਂ ਵਿਜ਼ੂਅਲ ਸਟੂਡੀਓ ਕੋਡ ਏਕੀਕਰਣ ਰਾਹੀਂ ਸਵਾਲ ਪੁੱਛਣਾ ਸ਼ੁਰੂ ਕਰ ਸਕਦੇ ਹੋ। ਇਹ ਬਾਅਦ ਵਾਲਾ ਵਿਕਲਪ MCP ਦਾ ਲਾਭ ਕਿਵੇਂ ਲੈਣਾ ਹੈ ਅਤੇ ਆਪਣੀਆਂ ਖੁਦ ਦੀਆਂ MCP-ਅਧਾਰਿਤ AI ਐਪਲੀਕੇਸ਼ਨਾਂ ਲਈ ਪ੍ਰੋਂਪਟਾਂ ਨੂੰ ਕਿਵੇਂ ਬਣਾਉਣਾ ਹੈ, ਇਹ ਸਿੱਖਣ ਦਾ ਇੱਕ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਸਾਧਨ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ।

ਵਰਤਮਾਨ ਵਿੱਚ, Microsoft ਨੇ ਅਜੇ ਤੱਕ ਆਪਣੀਆਂ ਪ੍ਰੋਗਰਾਮਿੰਗ ਭਾਸ਼ਾਵਾਂ ਲਈ ਇੱਕ ਸਮਰਪਿਤ MCP ਟੂਲ ਜਾਰੀ ਨਹੀਂ ਕੀਤਾ ਹੈ, ਜਿਸ ਲਈ ਕਸਟਮ ਕੋਡ ਵਿਕਸਤ ਕਰਨ ਲਈ ਅਧਿਕਾਰਤ SDK ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਲੋੜ ਹੈ। TypeScript, C#, ਅਤੇ Python ਲਈ ਸਹਾਇਤਾ ਦੇ ਨਾਲ, ਡਿਵੈਲਪਰਾਂ ਕੋਲ ਆਪਣੇ ਖੁਦ ਦੇ Azure MCP ਏਜੰਟ ਬਣਾਉਣ ਲਈ ਜ਼ਰੂਰੀ ਟੂਲ ਤੱਕ ਪਹੁੰਚ ਹੈ। ਮੌਜੂਦਾ Azure ਪ੍ਰਮਾਣ ਪੱਤਰਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ, Visual Studio ਕੋਡ ਦੇ ਅੰਦਰ ਪ੍ਰਯੋਗ ਕੀਤੇ ਜਾ ਸਕਦੇ ਹਨ।

ਸਰਵਰ ਤੁਹਾਡੇ ਵਿਕਾਸ PC ‘ਤੇ ਕੰਮ ਕਰਦਾ ਹੈ ਅਤੇ ਇਸਨੂੰ Node.js ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਇੰਸਟਾਲੇਸ਼ਨ ਸਿੱਧੇ ਪ੍ਰੋਜੈਕਟ ਦੀ GitHub ਰਿਪੋਜ਼ਟਰੀ ਤੋਂ VS ਕੋਡ ਵਿੱਚ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਇੱਕ ਵਾਰ ਇੰਸਟਾਲ ਹੋਣ ਤੋਂ ਬਾਅਦ, ਇਹ ਯਕੀਨੀ ਬਣਾਓ ਕਿ GitHub Copilot ਅਤੇ GitHub Copilot Chat ਐਕਸਟੈਂਸ਼ਨ ਦੋਵੇਂ ਪ੍ਰਯੋਗਾਤਮਕ ਏਜੰਟ ਮੋਡ ਦੀ ਵਰਤੋਂ ਕਰਨ ਲਈ ਕੌਂਫਿਗਰ ਕੀਤੇ ਗਏ ਹਨ (VS ਕੋਡ ਸੈਟਿੰਗ ਟੂਲ ਰਾਹੀਂ ਪਹੁੰਚਯੋਗ)। ਇਸ ਤੋਂ ਬਾਅਦ, GitHub Copilot ਚੈਟ ਪੈਨ ਖੋਲ੍ਹੋ ਅਤੇ ਏਜੰਟ ਮੋਡ ‘ਤੇ ਸਵਿਚ ਕਰੋ। ਤਸਦੀਕ ਕਰੋ ਕਿ Azure MCP ਸਰਵਰ ਟੂਲ ਡਰਾਪਡਾਊਨ ਦੇ ਅੰਦਰ ਸਥਾਪਿਤ ਹੈ। ਹੁਣ ਤੁਸੀਂ ਸਵਾਲ ਜਮ੍ਹਾਂ ਕਰ ਸਕਦੇ ਹੋ, ਜਿਵੇਂ ਕਿ “ਮੇਰੀਆਂ Azure ਗਾਹਕੀਆਂ ਦੀ ਸੂਚੀ ਬਣਾਓ।”

ਨਤੀਜਾ ਟੂਲ Azure ਨਾਲ ਕੰਮ ਕਰਨ ਵਾਲੇ ਕਿਸੇ ਵੀ ਵਿਅਕਤੀ ਲਈ ਬੇਮਿਸਾਲ ਸਾਬਤ ਹੁੰਦਾ ਹੈ ਅਤੇ Copilot ਏਕੀਕਰਣ ਤੋਂ ਪਰੇ ਹੈ। Azure MCP ਸਰਵਰ ਨੂੰ ਕਿਤੇ ਵੀ ਸਥਾਪਿਤ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ ਜਿੱਥੇ Node.js ਸਮਰਥਿਤ ਹੈ, ਇਸਨੂੰ ਕਸਟਮ ਏਜੰਟਾਂ ਵਿੱਚ ਏਕੀਕ੍ਰਿਤ ਕਰਨ ਦੇ ਯੋਗ ਬਣਾਉਂਦਾ ਹੈ।

Azure AI ਫਾਉਂਡਰੀ ਵਿੱਚ MCP ਦੀ ਭੂਮਿਕਾ

Microsoft MCP ਟੂਲਜ਼ ਦੇ ਆਪਣੇ ਪੋਰਟਫੋਲੀਓ ਦਾ ਤੇਜ਼ੀ ਨਾਲ ਵਿਸਤਾਰ ਕਰ ਰਿਹਾ ਹੈ, ਮੌਜੂਦਾ ਕਾਰਜਕੁਸ਼ਲਤਾਵਾਂ ਨੂੰ MCP ਦੁਆਰਾ ਜਨਤਕ ਕਰ ਰਿਹਾ ਹੈ ਜਾਂ ਉਹਨਾਂ ਦੀ ਖਪਤ ਨੂੰ ਏਜੰਟਿਕ ਐਪਲੀਕੇਸ਼ਨਾਂ ਦੇ ਅੰਦਰ ਸਮਰੱਥ ਕਰ ਰਿਹਾ ਹੈ। ਇਸ ਤੇਜ਼ੀ ਨਾਲ ਰੋਲਆਉਟ ਵਿੱਚ Copilot ਸਟੂਡੀਓ ਦੇ ਨੋ-ਕੋਡ ਏਜੰਟ ਵਿਕਾਸ ਲਈ ਟੂਲ ਸ਼ਾਮਲ ਹਨ, ਜਿਨ੍ਹਾਂ ਦਾ ਐਲਾਨ ਇਸ ਲੇਖ ਨੂੰ ਲਿਖਣ ਦੌਰਾਨ ਕੀਤਾ ਗਿਆ ਸੀ।

Azure AI ਫਾਉਂਡਰੀ, ਵੱਡੇ ਪੱਧਰ ‘ਤੇ AI ਐਪਲੀਕੇਸ਼ਨ ਵਿਕਾਸ ਲਈ Microsoft ਦਾ ਮੁੱਖ ਵਿਕਾਸ ਪਲੇਟਫਾਰਮ, Azure ਦੀ AI ਏਜੰਟ ਸੇਵਾ ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ ਇੱਕ MCP ਸਰਵਰ ਨੂੰ ਵੀ ਸਰਗਰਮੀ ਨਾਲ ਵਿਕਸਤ ਕਰ ਰਿਹਾ ਹੈ। ਇਸ ਏਕੀਕਰਣ ਦਾ ਉਦੇਸ਼ Azure AI ਫਾਉਂਡਰੀ ਦੇ ਅੰਦਰ ਚੱਲ ਰਹੇ ਏਜੰਟਾਂ ਨੂੰ ਦੂਜੇ AI ਐਪਲੀਕੇਸ਼ਨਾਂ ਦੇ ਹਿੱਸੇ ਵਜੋਂ ਕੰਮ ਕਰਨ ਵਾਲੇ ਕਲਾਇੰਟਾਂ ਨਾਲ ਜੋੜਨਾ ਹੈ।

ਇਹ ਸੇਵਾ ਤੁਹਾਨੂੰ ਮੌਜੂਦਾ AI ਕੋਡ ਅਤੇ ਸੇਵਾਵਾਂ ਨੂੰ ਜਲਦੀ ਨਾਲ ਦੁਬਾਰਾ ਤਿਆਰ ਕਰਨ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਨਵੀਆਂ ਐਪਲੀਕੇਸ਼ਨਾਂ ਨਾਲ ਜੋੜਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੀ ਹੈ। ਫੈਬਰਿਕ ਵਰਗੀਆਂ ਸੇਵਾਵਾਂ ਆਪਣੀਆਂ ਏਜੰਟ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਨੂੰ AI ਏਜੰਟ ਸੇਵਾ ਐਂਡਪੁਆਇੰਟਸ ਵਜੋਂ ਜਨਤਕ ਕਰਦੀਆਂ ਹਨ, AI ਐਪਲੀਕੇਸ਼ਨਾਂ ਨੂੰ ਕੋਰ ਲਾਈਨ-ਆਫ-ਬਿਜ਼ਨਸ ਡੇਟਾ ਨਾਲ ਸਹਿਜਤਾ ਨਾਲ ਜੁੜਨ ਦੇ ਯੋਗ ਬਣਾਉਂਦੀਆਂ ਹਨ, ਗਲਤ ਦ੍ਰਿਸ਼ਟੀਕੋਣਾਂ ਅਤੇ ਗਲਤੀਆਂ ਦੇ ਜੋਖਮਾਂ ਨੂੰ ਘਟਾਉਣ ਲਈ ਜ਼ਰੂਰੀ ਆਧਾਰ ਪ੍ਰਦਾਨ ਕਰਦੀਆਂ ਹਨ।

ਇੰਸਟਾਲੇਸ਼ਨ ‘ਤੇ, ਸਰਵਰ ਏਜੰਟਾਂ ਨਾਲ ਜੁੜਨ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਸਵਾਲ ਭੇਜਣ ਲਈ MCP ਕਾਰਵਾਈਆਂ ਦਾ ਇੱਕ ਸੈੱਟ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ। ਇਹ ਉਪਲਬਧ ਏਜੰਟਾਂ ਦੀ ਸੂਚੀ ਵੀ ਬਣਾ ਸਕਦਾ ਹੈ ਜਾਂ ਖਾਸ ਕੰਮਾਂ ਲਈ ਇੱਕ ਡਿਫਾਲਟ ਏਜੰਟ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦਾ ਹੈ। ਗੱਲਬਾਤ ਥ੍ਰੈੱਡਾਂ ਲਈ ਸਹਾਇਤਾ ਸ਼ਾਮਲ ਕੀਤੀ ਗਈ ਹੈ, ਏਜੰਟਾਂ ਨੂੰ ਪ੍ਰਸੰਗਿਕ ਗੱਲਬਾਤ ਲਈ ਇੱਕ ਬੁਨਿਆਦੀ ਅਰਥਪੂਰਨ ਮੈਮੋਰੀ ਪ੍ਰਦਾਨ ਕਰਦੀ ਹੈ। MCP ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਉਹਨਾਂ ਨੂੰ ਲਾਗੂ ਕਰਨ ਲਈ ਤੁਹਾਨੂੰ Azure AI ਏਜੰਟ ਸੇਵਾ ਏਜੰਟ IDs ਦੀ ਲੋੜ ਹੋਵੇਗੀ।

ਸਰਵਰ Python ਵਿੱਚ ਲਾਗੂ ਕੀਤਾ ਗਿਆ ਹੈ ਅਤੇ Azure CLI ਰਾਹੀਂ pip ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਸਥਾਪਿਤ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਵਿਕਲਪਕ ਤੌਰ ‘ਤੇ, ਇੱਕ TypeScript ਸੰਸਕਰਣ ਉਹਨਾਂ ਲਈ ਉਪਲਬਧ ਹੈ ਜੋ ਇਸਨੂੰ ਤਰਜੀਹ ਦਿੰਦੇ ਹਨ। Azure MCP ਸਰਵਰ ਦੇ ਸਮਾਨ, ਇਹ ਸਰਵਰ AI ਫਾਉਂਡਰੀ ਵਾਤਾਵਰਣ ਤੋਂ ਬਾਹਰ ਕੰਮ ਕਰਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਇਸਨੂੰ ਵਿਕਾਸ PC ‘ਤੇ ਜਾਂ ਇਸਦੇ ਆਪਣੇ ਕੰਟੇਨਰ ਜਾਂ VM ਦੇ ਅੰਦਰ ਇੱਕ ਕਲਾਉਡ-ਹੋਸਟਡ ਐਪਲੀਕੇਸ਼ਨ ਦੇ ਹਿੱਸੇ ਵਜੋਂ ਸਥਾਪਿਤ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਮਿਲਦੀ ਹੈ, Windows, macOS, ਅਤੇ Linux ਲਈ ਸਹਾਇਤਾ ਦੇ ਨਾਲ।

ਸੇਮੈਂਟਿਕ ਕਰਨਲ AI ਐਪਲੀਕੇਸ਼ਨਾਂ ਤੋਂ MCP ਸਰਵਰਾਂ ਦਾ ਲਾਭ ਉਠਾਉਣਾ

ਇੱਕ ਓਪਨ ਸਟੈਂਡਰਡ ਹੋਣ ਦੇ ਨਾਤੇ, MCP ਕਿਸੇ ਵੀ ਕਲਾਇੰਟ ਨਾਲ ਸਰਵਰ ਅਨੁਕੂਲਤਾ ਨੂੰ ਸਮਰੱਥ ਬਣਾਉਂਦਾ ਹੈ। GitHub ਰਿਪੋਜ਼ਟਰੀ ਐਂਥਰੋਪਿਕ ਦੇ Claude ਡੈਸਕਟਾਪ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਕਨੈਕਸ਼ਨ ਕਿਵੇਂ ਸਥਾਪਿਤ ਕਰਨਾ ਹੈ, ਇਸ ਬਾਰੇ ਹਦਾਇਤਾਂ ਪ੍ਰਦਾਨ ਕਰਦੀ ਹੈ, ਪਰ ਅਸਲ ਮੁੱਲ ਸੇਮੈਂਟਿਕ ਕਰਨਲ ਦੇ ਅੰਦਰ ਕਸਟਮ ਏਜੰਟ ਵਰਕਫਲੋਜ਼ ਬਣਾਉਣ ਵਿੱਚ ਹੈ।

Microsoft ਸੈਂਪਲ ਕੋਡ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ ਜੋ ਇਹ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ MCP ਸਹਾਇਤਾ ਨੂੰ ਇੱਕ ਸੇਮੈਂਟਿਕ ਕਰਨਲ ਆਰਕੈਸਟ੍ਰੇਸ਼ਨ ਵਿੱਚ ਕਿਵੇਂ ਏਕੀਕ੍ਰਿਤ ਕਰਨਾ ਹੈ, ਇਸਨੂੰ ਇੱਕ ਕਰਨਲ ਪਲੱਗ-ਇਨ ਵਜੋਂ ਮੰਨਦੇ ਹੋਏ ਜੋ ਜਾਣੇ-ਪਛਾਣੇ ਫੰਕਸ਼ਨ ਕਾਲਾਂ ਨਾਲ ਏਕੀਕ੍ਰਿਤ ਹੁੰਦਾ ਹੈ। ਇਹ ਏਕੀਕਰਣਾਂ ਨੂੰ ਏਜੰਟਾਂ ਵਜੋਂ ਲਪੇਟਿਆ ਜਾ ਸਕਦਾ ਹੈ ਅਤੇ ਲੋੜ ਅਨੁਸਾਰ ਪਹੁੰਚ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ। ਜਦੋਂ ਕਿ ਸੇਮੈਂਟਿਕ ਕਰਨਲ ਦੇ ਅੰਦਰ MCP ਏਕੀਕਰਣ ਅਜੇ ਵੀ ਵਿਕਾਸ ਅਧੀਨ ਹੈ, ਇਹ ਇਸਦੇ ਮੌਜੂਦਾ ਫੀਚਰ ਸੈੱਟ ਨਾਲ ਸਹਿਜਤਾ ਨਾਲ ਏਕੀਕ੍ਰਿਤ ਹੁੰਦਾ ਹੈ, AI ਐਪਲੀਕੇਸ਼ਨਾਂ ਲਈ ਇੱਕ ਸਰਵਰ ਤੋਂ MCP ਟੂਲ ਨੂੰ ਜਨਤਕ ਕਰਨ ਲਈ ਘੱਟੋ-ਘੱਟ ਵਾਧੂ ਕੋਡ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।

MCP ਵਰਗੇ ਟੂਲ ਇੱਕ ਆਧੁਨਿਕ AI ਸਟੈਕ ਦੇ ਨਾਜ਼ੁਕ ਹਿੱਸੇ ਹਨ, ਜੋ ਸਥਾਨਕ ਅਤੇ ਰਿਮੋਟ ਐਪਲੀਕੇਸ਼ਨਾਂ ਦੋਵਾਂ ਲਈ ਖੋਜਣਯੋਗ ਇੰਟਰਫੇਸ ਬਣਾਉਣ ਲਈ ਇੱਕ ਮਿਆਰੀ ਪਹੁੰਚ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ। ਇੱਕ ਵਾਰ ਪਰਿਭਾਸ਼ਿਤ ਕੀਤੇ ਜਾਣ ‘ਤੇ, MCP ਟੂਲ ਆਸਾਨੀ ਨਾਲ ਲਾਗੂ ਕੀਤੇ ਜਾਂਦੇ ਹਨ, ਇੱਕ ਸਰਵਰ ਉਪਲਬਧ ਟੂਲ ਦੀ ਇੱਕ ਸੂਚੀ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ ਅਤੇ MCP LLMs ਨੂੰ ਉਹਨਾਂ ਟੂਲ ਨੂੰ ਕਾਲ ਕਰਨ ਅਤੇ ਉਹਨਾਂ ਦੇ ਆਉਟਪੁੱਟ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦਾ ਇੱਕ ਮਿਆਰੀ ਸਾਧਨ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ। ਇਹ ਪਹੁੰਚ AI ਐਪਲੀਕੇਸ਼ਨਾਂ ਲਈ ਇੱਕ ਵਿਆਪਕ ਆਧਾਰ ਟੂਲ ਪ੍ਰਦਾਨ ਕਰਨ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਯੋਗਦਾਨ ਪਾਉਂਦੀ ਹੈ, ਮਿਆਰੀ APIs, ਡੇਟਾਬੇਸ ਪੁੱਛਗਿੱਛਾਂ, ਅਤੇ AI ਏਜੰਟਾਂ ਨਾਲ ਇੱਕੋ ਜਿਹੇ ਕੰਮ ਕਰਦੀ ਹੈ।