மாதிரி சூழல் நெறிமுறை: AI தரவு இணைப்பு

மாதிரி சூழல் நெறிமுறை (MCP): AI மற்றும் தரவுக்கான புதிய தரநிலை

மாதிரி சூழல் நெறிமுறை (Model Context Protocol - MCP) அடுத்த தலைமுறை செயற்கை நுண்ணறிவு (Artificial Intelligence - AI) இயக்கப்படும் பயன்பாடுகளுக்கான ஒரு அடிப்படை தரநிலையாக வேகமாக உருவாகி வருகிறது. 2024 ஆம் ஆண்டின் இறுதியில் Anthropic நிறுவனத்தால் உருவாக்கப்பட்டு திறந்த தரநிலையாக வெளியிடப்பட்ட MCP, AI சூழல் அமைப்பில் ஒரு முக்கிய பிரச்சினையை தீர்க்கும் நோக்கம் கொண்டது: பெரிய மொழி மாதிரிகள் (Large Language Models - LLM) மற்றும் AI ஏஜெண்டுகளை எவ்வாறு தடையின்றி மற்றும் பாதுகாப்பாக பரந்த மற்றும் எப்போதும் மாறிவரும் உண்மையான உலக தரவு, கருவிகள் மற்றும் சேவைகளுடன் இணைப்பது.

AI உதவியாளர்கள் மற்றும் அவர்களுக்கு பின்னால் உள்ள பெரிய மொழி மாதிரிகள் மேம்படும்போது, ‘மிகவும் சிக்கலான மாதிரிகள் கூட தரவுகளுடன் அவற்றின் தனிமைப்படுத்தலால் கட்டுப்படுத்தப்படுகின்றன - தகவல் தீவுகள் மற்றும் பாரம்பரிய அமைப்புகளுக்குப் பின்னால் சிக்கியுள்ளன. ஒவ்வொரு புதிய தரவு மூலத்திற்கும் அதன் சொந்த தனிப்பயன் செயலாக்கம் தேவைப்படுகிறது, இது உண்மையில் இணைக்கப்பட்ட அமைப்புகளை அளவிடுவது கடினம்’ என்று Anthropic விளக்குகிறது.

MCP என்பது Anthropic வழங்கும் பதில். இது ‘AI அமைப்புகளை தரவு ஆதாரங்களுடன் இணைப்பதற்கான ஒரு உலகளாவிய, திறந்த தரநிலையை வழங்கும், மேலும் துண்டு துண்டான ஒருங்கிணைப்புகளை ஒரே நெறிமுறையுடன் மாற்றும்’ என்று நிறுவனம் கூறுகிறது.

MCP: AI தரவுகளுக்கான பொதுவான அடாப்டர்

MCP என்பது AI தரவுகளுக்கான ஒரு பொதுவான அடாப்டர் என்று நான் கருதுகிறேன். AI-ஐ மையமாகக் கொண்ட நிறுவனமான Aisera கூறியது போல், MCP ஐ ‘AI க்கான USB-C போர்ட்’ என்று நீங்கள் நினைக்கலாம். USB-C சாதனங்களை இணைக்கும் முறையை தரப்படுத்தியது போலவே, MCP AI மாதிரிகள் வெளிப்புற அமைப்புகளுடன் தொடர்பு கொள்ளும் முறையை தரப்படுத்துகிறது. வேறு வார்த்தைகளில் கூறுவதானால், Linux அறக்கட்டளையின் நிர்வாக இயக்குனர் ஜிம் ஜெம்லின் MCP ஐ ‘வலைக்கு HTTP செய்ததைப் போன்ற AI அமைப்புகளுக்கான அடிப்படை தொடர்பு அடுக்காக மாறுகிறது’ என்று விவரிக்கிறார்.

குறிப்பாக, MCP என்பது JSON-RPC 2.0 ஐ அடிப்படையாகக் கொண்ட ஒரு நிலையான நெறிமுறையை வரையறுக்கிறது, இது AI பயன்பாடுகள் ஒரு ஒற்றை, பாதுகாப்பான இடைமுகம் மூலம் செயல்பாடுகளை அழைக்கவும், தரவைப் பெறவும் மற்றும் எந்தவொரு இணக்கமான கருவி, தரவுத்தளம் அல்லது சேவையிலிருந்தும் தூண்டுதல்களைப் பயன்படுத்தவும் உதவுகிறது.

MCP-இன் கட்டமைப்பு மற்றும் கூறுகள்

இது ஒரு வாடிக்கையாளர்-சேவையகம் கட்டமைப்பைப் பின்பற்றுவதன் மூலம் இதைச் செய்கிறது, இதில் சில முக்கிய கூறுகள் உள்ளன. அவை:

• ஹோஸ்ட் (Host): வெளிப்புற தரவை அணுக வேண்டிய AI மூலம் இயக்கப்படும் பயன்பாடு (எடுத்துக்காட்டாக, Claude Desktop, ஒருங்கிணைந்த மேம்பாட்டு சூழல் (Integrated Development Environment - IDE), சாட் போட்).
• கிளையன்ட் (Client): ஒரு MCP சேவையகத்துடன் ஒரு பிரத்யேக, நிலைத்திருக்கும் இணைப்பை நிர்வகிக்கிறது, தொடர்பு மற்றும் திறன் பேச்சுவார்த்தைகளை கையாளுகிறது.
• சேவையகம் (Server): MCP நெறிமுறை மூலம் குறிப்பிட்ட செயல்பாடுகளை வெளிப்படுத்துகிறது - கருவிகள் (செயல்பாடுகள்), ஆதாரங்கள் (தரவு) மற்றும் தூண்டுதல்கள், உள்ளூர் அல்லது தொலை தரவு ஆதாரங்களுடன் இணைக்கிறது.
• அடிப்படை நெறிமுறை (Base protocol): தரப்படுத்தப்பட்ட செய்தி அனுப்புதல் அடுக்கு (JSON-RPC 2.0) அனைத்து கூறுகளும் நம்பகமானதாகவும் பாதுகாப்பாகவும் தொடர்பு கொள்கின்றன என்பதை உறுதி செய்கிறது.

இந்த கட்டமைப்பு ‘M×N ஒருங்கிணைப்பு சிக்கலை’ (M AI பயன்பாடுகள் N கருவிகளுடன் இணைக்கப்பட வேண்டும், இதற்கு M×N தனிப்பயன் இணைப்பிகள் தேவை) ஒரு எளிய ‘M+N சிக்கலாக’ மாற்றுகிறது. எனவே, ஒவ்வொரு கருவியும் பயன்பாடும் ஒரு முறை மட்டுமே MCP ஐ ஆதரிக்க வேண்டும். இது டெவலப்பர்களுக்கு நேரத்தை மிச்சப்படுத்தும்.

MCP எவ்வாறு வேலை செய்கிறது

முதலில், AI பயன்பாடு தொடங்கும்போது, அது MCP கிளையண்டைத் தொடங்குகிறது, ஒவ்வொரு கிளையண்டும் வெவ்வேறு MCP சேவையகத்துடன் இணைக்கிறது. இந்த கிளையண்டுகள் நெறிமுறை பதிப்புகள் மற்றும் திறன்களைப் பேச்சுவார்த்தை நடத்துகின்றன. கிளையண்டுகளுடன் ஒரு இணைப்பு நிறுவப்பட்டதும், அது கிடைக்கும் கருவிகள், ஆதாரங்கள் மற்றும் தூண்டுதல்களுக்கு சேவையகத்தை வினவுகிறது.

ஒரு இணைப்பு நிறுவப்பட்டதும், AI மாதிரி இப்போது சேவையகத்தின் நிகழ்நேர தரவு மற்றும் செயல்பாடுகளை அணுக முடியும், அதன் சூழலை மாறும் வகையில் புதுப்பிக்கிறது. இதன் பொருள் MCP, AI சாட் போட்களை முன்கூட்டியே அட்டவணைப்படுத்தப்பட்ட தரவுத்தொகுப்புகள், உட்பொதிப்புகள் அல்லது LLM களில் சேமிக்கப்பட்ட தகவல்களை நம்பாமல், சமீபத்திய நிகழ்நேர தரவை அணுக அனுமதிக்கிறது.

எனவே, நீங்கள் AI-யிடம் ஒரு பணியைச் செய்யும்படி கேட்கும்போது (எடுத்துக்காட்டாக, ‘நியூயார்க்கிலிருந்து லாஸ் ஏஞ்சல்ஸுக்கு சமீபத்திய விமானங்களின் விலை என்ன?’), AI கோரிக்கையை MCP கிளையண்ட் மூலம் தொடர்புடைய சேவையகத்திற்கு அனுப்புகிறது. பின்னர், சேவையகம் செயல்பாட்டைச் செய்து, முடிவுகளைத் திருப்பித் தருகிறது, மேலும் AI இந்த சமீபத்திய தரவை உங்கள் பதிலில் ஒருங்கிணைக்கிறது.

கூடுதலாக, MCP AI மாதிரிகள் இயக்க நேரத்தில் புதிய கருவிகளைக் கண்டறிந்து பயன்படுத்த உதவுகிறது. இதன் பொருள் உங்கள் AI ஏஜென்ட் குறிப்பிடத்தக்க குறியீடு மாற்றங்கள் அல்லது இயந்திர கற்றல் (Machine Learning - ML) மறுபயிற்சி இல்லாமல் புதிய பணிகள் மற்றும் சூழல்களுக்கு ஏற்றதாக இருக்கும்.

சுருக்கமாக, MCP துண்டு துண்டான, தனிப்பயனாக்கப்பட்ட ஒருங்கிணைப்புகளை ஒரு ஒற்றை, திறந்த நெறிமுறையுடன் மாற்றுகிறது. இதன் பொருள் டெவலப்பர்கள் ஒரு முறை MCP ஐ செயல்படுத்தினால், AI மாதிரிகளை எந்தவொரு இணக்கமான தரவு மூலத்துடனும் அல்லது கருவியுடனும் இணைக்க முடியும், இதன் மூலம் ஒருங்கிணைப்பு சிக்கல் மற்றும் பராமரிப்பு செலவினங்களை பெரிதும் குறைக்கிறது. இது டெவலப்பர்களின் வாழ்க்கையை மிகவும் எளிதாக்குகிறது.

நேரடியாகச் சொன்னால், MCP குறியீட்டை உருவாக்கவும், செயல்படுத்தும் சவால்களைத் தீர்க்கவும் AI ஐப் பயன்படுத்தலாம்.

MCP-இன் முக்கிய நன்மைகள்

MCP வழங்குவது இங்கே:

• ஒருங்கிணைக்கப்பட்ட தரப்படுத்தப்பட்ட ஒருங்கிணைப்பு: MCP ஒரு பொதுவான நெறிமுறையாக செயல்படுகிறது, இது டெவலப்பர்கள் தங்கள் சேவைகள், API கள் மற்றும் தரவு மூலங்களை ஒரு ஒற்றை தரப்படுத்தப்பட்ட இடைமுகம் மூலம் எந்த AI கிளையண்ட்டுடன் இணைக்க உதவுகிறது (எடுத்துக்காட்டாக சாட் போட், IDE அல்லது தனிப்பயன் ஏஜென்ட்).

• இருவழித் தொடர்பு மற்றும் பணக்கார ஊடாடல்கள்: MCP AI மாதிரிகள் மற்றும் வெளிப்புற அமைப்புகளுக்கு இடையில் பாதுகாப்பான, நிகழ்நேர, இருவழித் தொடர்பை ஆதரிக்கிறது, இது தரவு மீட்டெடுப்பதை மட்டுமல்லாமல், கருவி அழைப்புகள் மற்றும் செயல்பாடு செயலாக்கத்தையும் செயல்படுத்துகிறது.

• அளவிடுதல் மற்றும் சூழல் அமைப்பு மறுபயன்பாடு: நீங்கள் ஒரு சேவைக்கு MCP ஐ செயல்படுத்தியதும், எந்தவொரு MCP-இணக்கமான AI கிளையண்ட்டும் அதை அணுக முடியும், இது மீண்டும் பயன்படுத்தக்கூடிய இணைப்பிகளின் சூழல் அமைப்பை ஊக்குவிக்கிறது மற்றும் ஏற்றுக்கொள்ளலை விரைவுபடுத்துகிறது.

• ஒருமைப்பாடு மற்றும் இயங்குதன்மை: MCP நிலையான JSON கோரிக்கை/பதில் வடிவத்தை அமல்படுத்துகிறது. இது பிழைதிருத்தம், பராமரிப்பு மற்றும் ஒருங்கிணைப்பை நீட்டிப்பது எளிதாக்குகிறது, இது அடிப்படை சேவை அல்லது AI மாதிரியைப் பொருட்படுத்தாமல். நீங்கள் மாதிரியை மாற்றினாலும் அல்லது புதிய கருவிகளைச் சேர்த்தாலும், ஒருங்கிணைப்பு நம்பகமானதாக இருக்கும் என்று இதன் பொருள்.

• மேம்படுத்தப்பட்ட பாதுகாப்பு மற்றும் அணுகல் கட்டுப்பாடு: MCP வடிவமைப்பில் பாதுகாப்பைக் கருத்தில் கொண்டு உருவாக்கப்பட்டது, இது குறியாக்கம், துல்லியமான அணுகல் கட்டுப்பாடு மற்றும் முக்கியமான செயல்பாடுகளுக்கான பயனர் ஒப்புதலை ஆதரிக்கிறது. உங்கள் தரவை உள்நாட்டில் வைத்திருக்க MCP சேவையகத்தை நீங்களே ஹோஸ்ட் செய்யலாம்.

• குறைக்கப்பட்ட மேம்பாட்டு நேரம் மற்றும் பராமரிப்பு: துண்டு துண்டான, ஒரு முறை ஒருங்கிணைப்புகளைத் தவிர்ப்பதன் மூலம், டெவலப்பர்கள் அமைவு மற்றும் தொடர்ச்சியான பராமரிப்பில் நேரத்தை மிச்சப்படுத்தலாம், இது உயர் மட்ட பயன்பாட்டு தர்க்கம் மற்றும் புதுமைகளில் கவனம் செலுத்த அனுமதிக்கிறது. கூடுதலாக, ஏஜென்ட் தர்க்கம் மற்றும் பின்தள செயல்பாடு ஆகியவற்றுக்கு இடையேயான MCP-இன் தெளிவான பிரிப்பு குறியீடு தளத்தை மேலும் தொகுதி மற்றும் பராமரிக்க எளிதாக்குகிறது.

MCP-இன் தத்தெடுப்பு மற்றும் எதிர்கால வாய்ப்புகள்

எந்தவொரு தரநிலைக்கும் மிக முக்கியமான விஷயம்: ‘மக்கள் அதை ஏற்றுக்கொள்வார்களா?’ சில மாதங்களுக்குப் பிறகு, பதில் உரத்த மற்றும் தெளிவாக உள்ளது: ஆம். OpenAI 2025 ஆம் ஆண்டு மார்ச் மாதம் அதன் ஆதரவைச் சேர்த்தது. ஏப்ரல் 9 ஆம் தேதி, கூகிள் DeepMind தலைவர் டெமிஸ் ஹசாபிஸ் ஆதரவு தெரிவித்தார். கூகிள் தலைமை நிர்வாக அதிகாரி சுந்தர் பிச்சை விரைவாக தனது ஒப்புதலைத் தெரிவித்தார். மைக்ரோசாப்ட், ரெப்ளிட் மற்றும் Zapier உள்ளிட்ட பிற நிறுவனங்களும் அதைப் பின்பற்றின.

இது வெறுமனே பேசப்படுவதை விட அதிகம். முன்னமைக்கப்பட்ட MCP இணைப்பிகளின் வளர்ந்து வரும் நூலகம் வெளிவருகிறது. உதாரணமாக, Docker சமீபத்தில் MCP கோப்பகத்தின் மூலம் MCP ஐ ஆதரிக்கும் என்று அறிவித்தது. MCP அறிமுகப்படுத்தப்பட்டு ஆறு மாதங்களுக்குள், இந்த கோப்பகத்தில் Grafana Labs, Kong, Neo4j, Pulumi, Heroku, Elasticsearch போன்ற நிறுவனங்களிடமிருந்து 100 க்கும் மேற்பட்ட MCP சேவையகங்கள் உள்ளன.

Docker அணுகக்கூடிய உள்ளடக்கத்தைத் தவிர, ஏற்கனவே நூற்றுக்கணக்கான MCP சேவையகங்கள் உள்ளன. இந்த சேவையகங்கள் பின்வரும் பணிகளுக்குப் பயன்படுத்தப்படலாம்:

• வாடிக்கையாளர் ஆதரவு சாட்போட்கள்: AI உதவியாளர்கள் CRM தரவு, தயாரிப்பு தகவல் மற்றும் ஆதரவு டிக்கெட்டுகளை நிகழ்நேரத்தில் அணுக முடியும், இது துல்லியமான, சூழல் சார்ந்த உதவியை வழங்குகிறது.
• நிறுவன AI தேடல்: AI ஆவண சேமிப்பகங்கள், தரவுத்தளங்கள் மற்றும் கிளவுட் சேமிப்பிடங்களைத் தேடலாம் மற்றும் பதில்களை அந்தந்த மூல ஆவணங்களுடன் இணைக்கலாம்.
• டெவலப்பர் கருவிகள்: குறியீடு உதவியாளர்கள் CVS மற்றும் பிற பதிப்பு கட்டுப்பாட்டு அமைப்புகள், சிக்கல் கண்காணிப்பாளர்கள் மற்றும் ஆவணங்களுடன் தொடர்பு கொள்ள முடியும்.
• AI ஏஜெண்டுகள்: நிச்சயமாக, தன்னாட்சி ஏஜெண்டுகள் பல-படி பணிகளைத் திட்டமிடலாம், பயனர்களைப் பிரதிநிதித்துவப்படுத்தி நடவடிக்கைகளைச் செய்யலாம் மற்றும் MCP இணைக்கப்பட்ட கருவிகள் மற்றும் தரவைப் பயன்படுத்தி மாறும் தேவைகளுக்கு ஏற்ப மாற்றியமைக்கலாம்.

உண்மையான கேள்வி என்னவென்றால், MCP எதற்காகப் பயன்படுத்த முடியாது.

MCP ஒரு முன்னுதாரண மாற்றத்தைக் குறிக்கிறது: தனிமைப்படுத்தப்பட்ட நிலையான AI இலிருந்து ஆழமாக ஒருங்கிணைக்கப்பட்ட, சூழல் சார்ந்த மற்றும் நடவடிக்கை எடுக்கக்கூடிய அமைப்புகளுக்கு. நெறிமுறை முதிர்ச்சியடையும்போது, இது அடுத்த தலைமுறை AI ஏஜெண்ட்கள் மற்றும் உதவியாளர்களுக்கு உறுதுணையாக இருக்கும், அவர்கள் பாதுகாப்பாகவும், திறமையாகவும் மற்றும் பெரிய அளவில் டிஜிட்டல் கருவிகள் மற்றும் தரவுகளின் முழு அளவிலும் காரணம், நடவடிக்கை மற்றும் ஒத்துழைப்பு செய்ய முடியும்.

2022 ஆம் ஆண்டில் ஜெனரேட்டிவ் AI முதன்முதலில் வெடித்ததிலிருந்து, இப்படி ஒரு தொழில்நுட்பம் வேகமாக வளர்வதை நான் பார்த்ததில்லை. ஆனால் இது ஒரு தசாப்தத்திற்கு முன்பு Kubernetes தோன்றியதை எனக்கு நினைவூட்டுகிறது. அந்த நேரத்தில், ஸ்வார்ம் மற்றும் மெசோஸ்பியர் போன்ற கிட்டத்தட்ட மறக்கப்பட்ட நிரல்கள் போன்ற கொள்கலன் ஆர்கெஸ்ட்ரேட்டர்களில் ஒரு போட்டி இருக்கும் என்று பலர் நினைத்தார்கள். Kubernetes தான் வெற்றியாளராக இருப்பார் என்று நான் ஆரம்பத்திலிருந்தே அறிந்தேன்.

எனவே, நான் இப்போது கணிக்கிறேன். MCP என்பது AI க்கான இணைப்பு, இது நிறுவனங்கள், கிளவுட் மற்றும் பரந்த அளவில் AI இன் முழு திறனையும் திறக்கும்.