MCP: குறைபாடுகள், சாத்தியக்கூறுகள் ஒரு ஆய்வு

MCP: ஒரு விமர்சனப் பார்வை - குறைபாடுகளும் சாத்தியக்கூறுகளும்

மெஷின் கம்யூனிகேஷன் புரோட்டோகால் (MCP) என்ற கருத்து தொழில்நுட்ப உலகில், குறிப்பாக பெரிய மொழி மாதிரிகள் (LLMs) துறையில் கணிசமான கவனத்தைப் பெற்றுள்ளது. இது LLM-களுக்கும் வெளிப்புற வளங்களுக்கும் இடையிலான தொடர்பை ஒழுங்குபடுத்தும் என்று உறுதியளித்தாலும், ஒரு நெருக்கமான பார்வை பல உள்ளார்ந்த சிக்கல்களையும் வரம்புகளையும் வெளிப்படுத்துகிறது, அவை கவனமாக பரிசீலிக்கப்பட வேண்டும். இந்த பகுப்பாய்வு MCP ஐச் சுற்றியுள்ள விமர்சனங்களை ஆராய்கிறது, அதன் பாதிப்புகள், அளவிடுதல் சவால்கள் மற்றும் AI ஏஜென்ட் மேம்பாட்டிற்கான பரந்த தாக்கங்களை ஆராய்கிறது.

MCP-ன் பொறுப்புகளை அதிகப்படுத்துதல்

MCPக்கு அதிகப்படியான பொறுப்பு கொடுக்கப்படுகிறது என்பது ஒரு பொதுவான விமர்சனம். MCP முதன்மையாக LLM-கள் வெளிப்புற ஆதாரங்களை அணுகுவதற்கும் தொடர்புகொள்வதற்கும் ஒரு நுழைவாயிலாக செயல்பட வேண்டும் என்று ஆசிரியர் வாதிடுகிறார். இதை வெறுமனே ‘வாசல்’ அல்லது ‘பாலம்’ என்று பார்ப்பது அதன் நோக்கத்தையும் வரம்புகளையும் தெளிவுபடுத்த உதவுகிறது.

தற்செயலான தரவு வெளிப்பாடு, பிராம்ட் இன்ஜெக்ஷன் பாதிப்புகள் மற்றும் செலவுக் கட்டுப்பாட்டு குறைபாடுகள் போன்ற சிக்கல்களை MCPக்கு காரணம் கூறுவது தவறான குற்றச்சாட்டாகும். இவை டெவலப்பர்கள் அவர்கள் கட்டுப்படுத்தும் எல்லைக்குள் தீர்க்க வேண்டிய பிரச்சினைகள். டெவலப்பர்கள் எந்த நெறிமுறையைப் பயன்படுத்தினாலும், விகித வரம்புகளைச் செயல்படுத்தி பயன்பாட்டைக் கண்காணிக்க வேண்டும். இதை வேகத்திற்காக சாலையை குறை கூறுவது பொருத்தமானது - தனிப்பட்ட நடத்தைக்கு உள்கட்டமைப்பு பொறுப்பல்ல.

இறுதியில், எழுப்பப்பட்ட பல கவலைகள் AI ஏஜென்ட்களுக்கு பணிகளை ஒப்படைப்பது தொடர்பான பரந்த பிரச்சினைகள். டெவலப்பர்கள் இந்த சவால்களை அவர்களின் குறிப்பிட்ட பயன்பாடுகளுக்குள் நிர்வகிப்பதற்கான பொறுப்பை ஏற்க வேண்டும், API எல்லாவற்றையும் கையாளும் என்று எதிர்பார்க்கக் கூடாது.

LLM-களின் இருபுறமும் கூரான கத்தி மற்றும் பிராம்ட் இன்ஜெக்ஷன்

MCP ஐச் சுற்றியுள்ள சமீபத்திய விவாதங்கள் பெரும்பாலும் கூர்மையான கத்திகளின் உள்ளார்ந்த ஆபத்துகள் பற்றிய எச்சரிக்கைகளை ஒத்திருக்கின்றன - தவறாகக் கையாளப்பட்டால் அவை வெட்டலாம். பிராம்ட் இன்ஜெக்ஷன், ஒரு குறிப்பிடத்தக்க கவலை, LLM-களின் இயல்பின் விளைவாகும். பிராம்ட் இன்ஜெக்ஷனை அகற்ற முயற்சிப்பது LLM-களை மதிப்புமிக்கதாக மாற்றும் திறன்களைக் குறைக்கிறது.

பாரம்பரிய அமைப்புகளில் பொதுவான ‘கட்டுப்பாடு எதிர் தரவு’ பிரிப்பு, LLM-களில் இயற்கையாக இல்லை. LLM-கள் இந்த கடுமையான பிரிப்பு இல்லாததால் அவற்றின் சக்தி மற்றும் பொதுவான தன்மையைப் பெறுகின்றன. இந்த உள்ளார்ந்த பண்பு அவற்றைப் பிராம்ட் இன்ஜெக்ஷன் தாக்குதல்களுக்கு பாதிக்கப்பட வைக்கிறது.

சேவையாக ரிமோட் MCP-கள் அபாயங்களை ஏற்படுத்தக்கூடும் என்றாலும், தவறு நெறிமுறையில் இல்லை, ஆனால் நம்பகமற்ற மூன்றாம் தரப்பினரிடம் முக்கியமான பணிகளை ஒப்படைப்பதில் உள்ளது. இந்த ஒப்புமை ஒரு கத்தியை ஒழுங்கற்ற ரூம்பாவில் ஒட்டுவதைப் போன்றது - பிரச்சனை கத்தி அல்ல, ஆனால் அதை கணிக்க முடியாத சாதனத்துடன் இணைக்க முடிவு செய்வதுதான்.

‘எச்சரிக்கையாக இருங்கள்’ அல்லது பாதுகாப்பு கியர் குறித்த ஆலோசனைகள், தொழில்நுட்ப ரீதியாக துல்லியமாக இருந்தாலும், முக்கிய சிக்கலைத் தவறவிடுகின்றன: கூர்மையான கருவியை கட்டுப்பாடற்ற அமைப்புடன் இணைக்க அறிவுறுத்தப்படாத முடிவு.

அளவிடுதல் சவால்கள்

பாதுகாப்புக் கவலைகளுக்கு அப்பால், MCP அடிப்படை அளவிடுதல் வரம்புகளை எதிர்கொள்கிறது. LLM நம்பகத்தன்மைக்கும் வழங்கப்பட்ட அறிவுறுத்தல்களின் அளவுக்கும் இடையே எதிர்மறை தொடர்பு இருப்பதாக ஆசிரியர் எடுத்துக்காட்டுகிறார். இது அதிக தரவு மற்றும் ஒருங்கிணைப்புகளைச் சேர்ப்பது தானாகவே சிக்கல்களைத் தீர்க்கும் என்ற பொதுவான நம்பிக்கைக்கு சவால் விடுகிறது. கருவிகள் மற்றும் ஒருங்கிணைப்புகளின் எண்ணிக்கை அதிகரிக்கும் போது, ஒரு ஏஜென்ட்டின் செயல்திறன் குறையக்கூடும், அதே நேரத்தில் ஒவ்வொரு கோரிக்கையின் செலவும் அதிகரிக்கும்.

MCP ஒரு குறிப்பிட்ட வரம்பைத் தாண்டி அளவிடப்படவில்லை என்று ஆசிரியர் வலியுறுத்துகிறார். ஒரு ஏஜென்ட்டின் சூழலில் வரம்பற்ற எண்ணிக்கையிலான கருவிகளைச் சேர்க்க முயற்சிப்பது தவிர்க்க முடியாமல் அதன் திறன்களை எதிர்மறையாக பாதிக்கும். இந்த வரம்பு MCP இன் கருத்துக்கு உள்ளார்ந்ததாகும், மேலும் அங்கீகார சிக்கல்களை விட அதிக கவனம் தேவை.

பயனர்கள் அதிக MCP சேவையகங்களை இயக்கும்போது, அவற்றின் செயல்திறன் குறைவதை அனுபவிக்கலாம், இதனால் அவர்களுக்கு இடையே குறுக்கீடு ஏற்படுகிறது. இது வழக்கமான தொகுப்பு மேலாண்மை அமைப்புகளுக்கு முற்றிலும் மாறானது, அங்கு குறுக்கீடு அல்லாதது ஒரு அடிப்படை சொத்து.

MCP இல் உள்ள முக்கிய சிக்கல் என்னவென்றால், அதன் உண்மையான நடத்தை பயனர் எதிர்பார்ப்புகளிலிருந்து விலகிச் செல்கிறது. MCP என்பது வரம்பற்ற எண்ணிக்கையிலான கருவிகளை எந்த விளைவுகளும் இல்லாமல் தடையின்றி ஒருங்கிணைக்கும் ஒரு பிளக்-அண்ட்-பிளே தீர்வு அல்ல என்பதை அங்கீகரிப்பது முக்கியம்.

UI மற்றும் கருவி மேலாண்மை மூலம் வரம்புகளை நிவர்த்தி செய்தல்

MCP இன் வரம்புகளுக்கு முன்மொழியப்பட்ட ஒரு தீர்வு பயனர் இடைமுகத்தை மேம்படுத்துவதாகும். ஒரு கருவி வேண்டுமென்றே இயக்கப்படாவிட்டால், அதை முடக்க அல்லது அதன் நோக்கம் கொண்ட பயன்பாட்டை தெளிவுபடுத்த அதன் விளக்கத்தை மாற்ற UI எளிதான வழியை வழங்க வேண்டும்.

சூழல் வளர்ச்சி பெரும்பாலும் மேம்பட்ட செயல்திறன் மற்றும் உண்மையான உலக பயன்பாட்டு திறன்களுக்கு வழிவகுக்கிறது என்று ஆசிரியர் குறிப்பிடுகிறார், இது கண்டிப்பாக எதிர்மறை தொடர்பு என்ற கருத்துக்கு முரணானது. இருப்பினும், சில பயன்பாட்டு நிகழ்வுகளில் அல்லது மோசமாக வடிவமைக்கப்பட்ட சூழல்களில், செயல்திறன் குறைபாடு ஏற்படலாம் என்பதை அவர்கள் ஒப்புக்கொள்கிறார்கள்.

கருவிகளின் அதிகப்படியான தேர்வை நிவர்த்தி செய்ய, ஒரு ‘பிரித்து வெல்லுதல்’ அணுகுமுறை பரிந்துரைக்கப்படுகிறது. ஒரு குறிப்பிட்ட பணிக்கு மிகவும் பொருத்தமான கருவிகளைத் தேர்ந்தெடுப்பதற்காக வடிவமைக்கப்பட்ட ஒரு கருவியை இது உள்ளடக்குகிறது. இந்த ‘கருவி தேர்ந்தெடுக்கும் கருவி’ மற்றொரு LLM அழைப்பாக இருக்கலாம், ‘பெற்றோர்’ ஏஜென்ட்டுக்கு கிடைக்கக்கூடிய கருவிகளின் துணைக்குழுவை திருப்பித் தரும் பணியை மேற்கொள்கிறது. இந்த அடுக்கு அணுகுமுறை சிக்கலை நிர்வகிக்க கூடுதல் நிலைகளைச் சேர்க்கிறது.

இருப்பினும், சூழலில் கருவிகளைக் கொண்டிருப்பது ஒரு மாதிரியின் வெளியீட்டை கணிசமாக மாற்றும். சூழல் பொருத்தமான கருவிகள் (Retrieval-Augmented Generation அல்லது RAG போன்ற நுட்பங்கள் மூலம் அடையப்படுகின்றன) பயனளிக்கும் போது, ‘get_tools’ கோரிக்கையின் பின்னால் அனைத்து கருவிகளையும் மறைப்பது தீங்கு விளைவிக்கும்.

போக்குவரத்து மற்றும் அங்கீகார அடுக்காக MCP

MCP முதன்மையாக ஒரு போக்குவரத்து மற்றும் கம்பி வடிவமைப்பாக கோரிக்கை / பதில் வாழ்க்கைச் சுழற்சியுடன் செயல்படுகிறது, கருவி நிலை அங்கீகாரத்தில் கவனம் செலுத்துகிறது. AI ஏஜென்ட்களை செயல்பாட்டு ரீதியாக கருவிகளை இணைக்க MCP தவறிவிட்டது MCPயின் மிகப்பெரிய பிரச்சனை என்று கட்டுரை வாதிடுகிறது.

OpenAPI விவரக்குறிப்புகளைப் பயன்படுத்தி ஆவணப்படுத்தப்பட்ட API-களுடன் தொடர்புகொள்வதற்கான திறனை LLM-கள் ஏற்கனவே வைத்திருப்பதால், MCP முதலில் தேவையில்லாமல் இருக்கலாம் என்று ஆசிரியர் கருதுகிறார். காணாமல் போன உறுப்பு அங்கீகாரம் - ஒரு AI எந்த API-களை அணுகலாம் என்பதைக் கட்டுப்படுத்தும் திறன். MCP க்கு பதிலாக, குறிப்பிட்ட இறுதி புள்ளிகளுக்கு அங்கீகாரத்தைப் பயன்படுத்தும் போது AI-கள் HTTP கோரிக்கைகளைச் செய்ய ஆசிரியர்கள் பரிந்துரைக்கின்றனர். இந்த அணுகுமுறை தற்போதுள்ள API-களை மெல்லிய MCP கருவிகளுடன் கட்டியெழுப்பும் தற்போதைய போக்குடன் ஒத்துப்போகிறது.

MCP இன் ஒரு எரிச்சலூட்டும் அம்சம் என்னவென்றால், ஸ்ட்ரீமிங் கருவி அழைப்பு முடிவுகளுக்கான ஆதரவு இல்லை. ஒற்றை கோரிக்கை / பதில் ஜோடி பக்கமாக்கலுக்காக கருவிகளை மீண்டும் மீண்டும் அழைக்க வாடிக்கையாளர்களை கட்டாயப்படுத்துகிறது, நீண்டகால செயல்முறைகளைத் தடுக்கிறது. ஸ்ட்ரீமிங் திறனை செயல்படுத்துவது, ஒருவேளை gRPC ஐப் பயன்படுத்துவது MCP இன் செயல்திறனை கணிசமாக மேம்படுத்தும்.

முக்கியமான தரவை வெளிப்படுத்துவதன் எளிமை

MCP உடன் உள்ள ஒரு குறிப்பிடத்தக்க கவலை என்னவென்றால், முக்கியமான தரவை எளிதாக வெளிப்படுத்துவதற்கான சாத்தியம். மேலும், MCP AI ஏஜென்ட்களை உள்ளார்ந்ததாக நம்பகமானதாக ஆக்குவதில்லை; இது அதிக கருவிகளுக்கான அணுகலை அவர்களுக்கு வழங்குகிறது, இது சில சூழ்நிலைகளில் நம்பகத்தன்மையைக் குறைக்கும்.

இந்த சிக்கல்களை MCP தீர்க்கும் அல்லது பொறுப்பாகும் என்று தாங்கள் எதிர்பார்க்கவில்லை என்று ஆசிரியர் ஒப்புக்கொள்கிறார். மாறாக, MCP இந்த சிக்கல்களுக்கு ஒரு பெரிய மேற்பரப்பை உருவாக்குகிறது, பயன்பாட்டு டெவலப்பர்கள் மற்றும் பயனர்கள் விழிப்புடன் இருக்க வேண்டும்.

ஒப்புமைகள் மற்றும் நகர்ப்புற திட்டமிடல்

இந்த சிக்கலை விளக்க ஆசிரியர் நகர்ப்புற திட்டமிடல் ஒப்புமையைப் பயன்படுத்துகிறார். 25mph வேக வரம்புடன் கூடிய ஆறுவழி நகர சாலையுடன் MCP ஐ ஒப்பிடுவது வடிவமைப்புக்கும் நோக்கம் கொண்ட பயன்பாட்டிற்கும் இடையிலான தொடர்பைத் தூண்டுகிறது. அபராதம் விதிப்பது அல்லது மேலோட்டமான ‘சரிசெய்தல்களை’ சேர்ப்பது மோசமான வடிவமைப்பின் அடிப்படை சிக்கலை தீர்க்காது.

வேக வரம்புகளை இயற்கையாகவே கடைப்பிடிக்க ஊக்குவிக்கும் சாலைகளை வடிவமைப்பது பயனுள்ள நகர்ப்புற திட்டமிடல் ஆகும். இதேபோல், MCP வெளிப்புற கட்டுப்பாடுகளை மட்டுமே நம்பாமல், சாத்தியமான அபாயங்களைத் தணிக்க உள்ளார்ந்ததாக வடிவமைக்கப்பட வேண்டும்.

LLM-கள் தேவையற்ற நடவடிக்கைகளை எடுக்கின்றன

சேவைகளில் செயல்களைச் செயல்படுத்த LLM-களை அனுமதிக்கும் நெறிமுறைகள் பற்றிய ஒரு பரந்த விமர்சனத்திற்கு கட்டுரை மாறுகிறது. பயனர்கள் எடுக்க விரும்பாத செயல்களை LLM-கள் எடுக்கக்கூடும் என்ற முக்கிய சிக்கலை ஆசிரியர் அடையாளம் காட்டுகிறார். LLM-கள் சுயாதீனமாக எடுக்கக்கூடிய செயல்களுக்கும் பயனர் தூண்டுதல் தேவைப்படும் செயல்களுக்கும் இடையே அவர்கள் வேறுபடுகிறார்கள்.

இறுதி இலக்கு LLM-கள் முழு வணிகங்களையும் நிர்வகிப்பதாக இருந்தாலும், தொழில்நுட்பம் இன்னும் அத்தகைய சுயாட்சிக்கு தயாராகவில்லை. தற்போது, பயனர்கள் AI-கள் முன் மதிப்பாய்வு இல்லாமல் மின்னஞ்சல்களை அனுப்ப விரும்ப மாட்டார்கள்.

பயனர்களிடம் உறுதிப்படுத்தலுக்கான தீர்வை ஆசிரியர் நிராகரிக்கிறார், பெரும்பாலான கருவிகள் பாதிப்பில்லாததாகத் தோன்றும்போது, பயனர்கள் தானியங்கி உறுதிப்படுத்தல் முறைகளில் (“YOLO-mode”) விழும் ஆபத்தை மேற்கோள் காட்டுகிறார். இது மக்கள் பணத்தை விட அட்டைகளுடன் அதிகமாக செலவழிக்கும் உளவியல் நிகழ்வைப் போன்றது - ஒரு பிரச்சினை மனித நடத்தையில் வேரூன்றியது, தொழில்நுட்பத்தில் அல்ல.

அடிப்படை கேள்வி: ஏன் API-களைப் பயன்படுத்தக்கூடாது?

MCP ஐப் பற்றிய விவாதங்களில் மீண்டும் மீண்டும் வரும் கேள்வி என்னவென்றால், ஏன் API-களை நேரடியாகப் பயன்படுத்தக்கூடாது.

MCP பயனர்கள் நேரடியாகக் கட்டுப்படுத்தாத LLM கிளையண்டுகளை (எ.கா., கிளாட், சாட்ஜிபிடி, கர்சர், வி.எஸ்.கோட்) API-களுடன் தொடர்பு கொள்ள அனுமதிக்கிறது. MCP இல்லாமல், டெவலப்பர்கள் LLM API-களைப் பயன்படுத்தி தனிப்பயன் கிளையண்டுகளை உருவாக்க வேண்டும், இது இருக்கும் கிளையண்டுகளை சந்தாவுடன் பயன்படுத்துவதை விடவும், குறிப்பிட்ட கருவிகளை எவ்வாறு பயன்படுத்துவது என்று அவர்களுக்குக் கற்பிப்பதை விடவும் மிகவும் விலையுயர்ந்தது.

USB வழியாக தங்கள் FM வன்பொருள் சின்தசைசரை இணைக்க ஒரு MCP சேவையகத்தை உருவாக்குவதன் அனுபவத்தை ஒரு டெவலப்பர் பகிர்ந்து கொள்கிறார், இது AI மூலம் இயக்கப்படும் ஒலி வடிவமைப்பை செயல்படுத்துகிறது.

LLM கிளையண்ட் ஒருங்கிணைப்பு மற்றும் தரப்படுத்தல்

அனைத்து LLM கிளையண்டுகளும் சொந்தமாக நேரடி API தொடர்புகளை ஆதரிக்கவில்லை என்பதே முக்கிய பிரச்சினை, சாட்ஜிபிடி தனிப்பயன் GPT செயல்கள் ஒரு குறிப்பிடத்தக்க விதிவிலக்கு. கிளாட், சாட்ஜிபிடி மற்றும் கர்சர் போன்ற LLM மூலம் இயங்கும் கிளையண்டுகளுக்கான செயல்முறையை ஒழுங்குபடுத்த ஒரு பகிரப்பட்ட நெறிமுறையாக MCP ஐ ஏற்றுக்கொள்ள ஆந்த்ரோபிக், கூகிள் மற்றும் ஓபன்ஏஐ ஒப்புக்கொண்டுள்ளன.

LLM கிளையண்டுகளை உருவாக்குபவர்களுக்கான செயல்முறையை MCP எளிதாக்குகிறது. ஒரு API உடன் LLM தொடர்பு கொள்ள நீங்கள் விரும்பினால், நீங்கள் ஒரு API விசையை வழங்க முடியாது என்று எதிர்பார்க்க முடியாது - நீங்கள் ஒரு ஏஜென்ட்டை உருவாக்க வேண்டும்.

MCP ஐ API-களை ஆவணப்படுத்துவதற்கும் அவற்றை எவ்வாறு அழைப்பது என்பதை விவரிப்பதற்கும் ஒரு வழியாகக் காணலாம், அந்த ஆவணத்தை வெளிப்படுத்தவும் அழைப்புகளை எளிதாக்கவும் தரப்படுத்தப்பட்ட கருவிகளுடன். இது தேவையற்ற சிக்கல்கள் இல்லாமல் API-களை கட்டியெழுப்ப போதுமான சுருக்கத்தை வழங்குகிறது, ஆனால் இந்த எளிமை பயனர்கள் ‘தங்களைத் தாங்களே சுட்டுக்கொள்ள’ வழிவகுக்கும்.

MCP இன் செயல்திறன் மற்றும் மறுபயன்பாடு

MCP இல்லாமல், டெவலப்பர்கள் ஒவ்வொரு முறையும் ஒரு கருவி அழைக்கப்படும் போதெல்லாம் ஒரு கருவியைப் பயன்படுத்துவது எப்படி என்று LLM க்கு மீண்டும் மீண்டும் விளக்க வேண்டும். மறக்கப்பட்ட தகவல்கள் அல்லது தரமற்ற API நடத்தை காரணமாக LLM கருவியைப் பயன்படுத்தத் தவறினால் இது ஆபத்தை ஏற்படுத்துகிறது.

இந்த நிலையான விளக்கம் மற்றும் நகல் சூழலில் டோக்கன்களை வீணாக்கி, செலவுகளையும் நேரத்தையும் அதிகரிக்கிறது. MCP தேவையான அனைத்து தகவல்களையும் தொகுப்பதன் மூலம் இந்த செயல்முறையை ஒழுங்குபடுத்துகிறது, கருவி பயன்பாட்டை மிகவும் திறமையாக்குகிறது மற்றும் கருவி பகிர்வை எளிதாக்குகிறது.

ஒரு LLM வழங்குநரிடம் ‘நீங்கள் பயன்படுத்தக்கூடிய ஒரு கருவி இங்கே உள்ளது’ என்று API ஆவணத்துடன் கூறும்போது, பயனர்கள் அந்த கருவியை மீண்டும் மீண்டும் நினைவூட்டல்கள் இல்லாமல் பல அரட்டைகளில் மீண்டும் பயன்படுத்தலாம். இது டெஸ்க்டாப் LLM கிளையண்டுகளை உள்நாட்டில் இயங்கும் நிரல்களுடன் இணைக்க உதவுகிறது, OS-குறிப்பிட்ட Execution process பிரச்சனையை தீர்க்கிறது.

MCP மற்றும் உள்ளூர் வள அணுகல்

LLM-களுக்கான கோப்புகள், சுற்றுச்சூழல் மாறிகள் மற்றும் நெட்வொர்க் அணுகல் போன்ற உள்ளூர் ஆதாரங்களுக்கான அணுகலை MCP எளிதாக்குகிறது. இது உள்நாட்டில் இயக்க வடிவமைக்கப்பட்டுள்ளது, இந்த ஆதாரங்களுக்கான கட்டுப்படுத்தப்பட்ட அணுகலை LLM க்கு வழங்குகிறது.

தரமான LLM கருவி அழைப்பு ‘வடிவம்’ MCP கருவி அழைப்பு ‘வடிவத்தை’ நெருக்கமாக பிரதிபலிக்கிறது, இது கருவிகளை ஏஜென்ட்களுடன் இணைக்க நேரடியான தரநிலையாகும்.

MCP AI மாதிரிக்கு வெளிப்படும் செயல்பாட்டு அழைப்பு திட்டம் மற்றும் அடிப்படை API-களுக்கு இடையே ஒரு பாலமாக செயல்படுகிறது. இது செயல்பாட்டு அழைப்புகளை கருவிகளாக மொழிபெயர்க்கிறது, தடையற்ற தகவல்தொடர்பை செயல்படுத்துகிறது.

நீங்கள் ஒரு கருவி வழங்குநராக இருந்தால், AI ஏஜென்ட் முன்முனைகள் உங்கள் கருவியுடன் இணைக்க MCP தரப்படுத்தப்பட்ட நெறிமுறையை வழங்குகிறது. நிலையான நெறிமுறை வெறுமனே HTTP மற்றும் OpenAPI ஆக இருக்க முடியாது என்ற கேள்விக்கு இது பதிலளிக்கிறது.

MCP என்பது ஒரு மெட்டா-API ஆகும், இது இறுதி புள்ளிகளையும் அவற்றின் செயல்பாட்டு விவரங்களையும் விவரக்குறிப்பில் இணைக்கிறது, LLM-கள் அவர்களுடன் மிகவும் திறம்பட தொடர்பு கொள்ள உதவுகிறது.

குறிப்பிட்ட காட்சிகளில் MCP

பயனர்கள் கேள்விகளைக் கேட்கும்போது அல்லது எந்த API-களைப் பயன்படுத்த வேண்டும் என்று உறுதியாகத் தெரியாதபோது MCP சிக்கல்களைத் தீர்க்க முடியும். இது முந்தைய செய்திகளின் அடிப்படையில் கோரிக்கைகளை செயலாக்க முடியும்.

ஒரு பயனரின் ‘X’ ஐ மீட்டெடுத்து அதை ஒரு இறுதிப் புள்ளியில் அனுப்ப விரும்புவதாக ஒரு பயனர் தனது அனுபவத்தைப் பகிர்ந்து கொள்கிறார். அத்தகைய எளிய பணிக்கு MCP மிகையாக இருப்பதாக அவர்கள் கண்டறிந்தனர், அடிப்படை API தொடர்புகளுக்கு இது எப்போதும் தேவையில்லை என்பதைக் குறிக்கிறது.

MCP ஒரு நெட்வொர்க் வழியாக தொடர்பு கொள்ளக்கூடிய மென்பொருளை உருவாக்க FastAPI வலை பயன்பாட்டு கட்டமைப்பைப் போன்றது, குறிப்பாக ஏஜென்டிக் அனுபவங்களுக்காக வடிவமைக்கப்பட்டுள்ளது. AI ஏஜென்ட் மேம்பாட்டிற்கான தரப்படுத்தப்பட்ட கட்டமைப்பை வழங்கும் “Rails-for-Skynet” ஆக இதைக் காணலாம்.

வழங்குநர் கட்டுப்பாட்டிற்கான கவலைகள்

அமைப்பின் மீது வழங்குநர் பக்க கட்டுப்பாட்டை அதிகரிக்க MCP தள்ளப்படுகிறது என்ற கவலைகள் உள்ளன. Google Gmail உடன் IMAP / SMTP ஐப் பயன்படுத்துவது கடினமாக்கியது போல, LLM வழங்குநர்கள் API அணுகலை இறுதியாக கட்டுப்படுத்தலாம்.

OpenAPI /openapi.json இலிருந்து API விவரக்குறிப்புகளை மீட்டெடுக்க ஏஜென்ட்களை அனுமதிக்கிறது.

MCP விரைவான தொடர்புகளை செயல்படுத்துகிறது, உள்ளீட்டுத் தரவை தயார் செய்வதில் நேரம் செலவழிப்பதை விடவும், API க்கு அனுப்புவதையும், வெளியீட்டைப் பிரிப்பதையும், ஒவ்வொரு செய்தியையும் மீண்டும் செய்வதையும் விட பயனர்கள் சில நொடிகளில் பணிகளைச் செய்ய அனுமதிக்கிறது.

சாண்ட்பாக்ஸிங் மற்றும் பாதுகாப்பு அபாயங்கள்

ஒரு MCP சேவையக கருவியின் வெளியீடு அதே செய்தி நூலில் உள்ள மற்ற கருவிகளை எவ்வாறு பாதிக்கும் என்பது மிகப்பெரிய பிரச்சினைகளில் ஒன்றாகும். இது தேவையற்ற விளைவுகளைத் தடுக்க கருவிகளுக்கு இடையில் சாண்ட்பாக்ஸிங் தேவைப்படுகிறது. இன்வேரியண்ட் ஆய்வகங்கள் கருவி விளக்கங்களுடன் இதை உரையாற்றியுள்ளன, மற்றவர்கள் MCP வள இணைப்புகளைப் பயன்படுத்தியுள்ளனர். சாண்ட்பாக்ஸிங் இல்லாதது பிராம்ட் இன்ஜெக்ஷன் அபாயங்களை அதிகரிக்கிறது.

இது SQL இன்ஜெக்ஷனைப் போன்றது - குறைந்த கண்காணிப்புடன் எந்த நேரத்திலும் பாதிப்புகளைச் சுரண்டக்கூடிய ஒரு அமைப்பு.

பிராம்ட் இன்டர்ஃபேஸ் ஒரு வகையான SQL இன்ஜெக்ஷனுக்கும் பாதிக்கப்படுகிறது, ஏனெனில் மாதிரி பயனரால் கறைபட்ட உள்ளீட்டிலிருந்து நம்பிக்கையான பாகங்களை வேறுபடுத்த முடியாது. இதைத் தீர்க்க குறியாக்கம், டிகோடிங் மற்றும் மாதிரி பயிற்சிக்கு அடிப்படை மாற்றங்கள் தேவை.

இது பிராம்ட் இன்ஜெக்ஷன் மற்றும் கருவி இன்ஜெக்ஷன் இரண்டையும் அனுமதிக்கிறது, இது நம்பகமற்ற குறியீட்டின் Execution processக்கு வழிவகுக்கும்.

கொள்கலனாக்கம் மற்றும் கட்டுப்படுத்தப்பட்ட அணுகல்

ஒரு டெவலப்பர் MCP சேவையகத்தை உருவாக்கியுள்ளார், இது திட்ட குறியீடு ஏற்றப்பட்ட டாக்கர் கொள்கலனைத் தொடங்குகிறது. இந்த அணுகுமுறை LLM ஐ சாண்ட்பாக்ஸ் சூழலில் முழு யூனிக்ஸ் கருவித்தொகுப்பிற்கும் திட்டம்-குறிப்பிட்ட கருவிகளுக்கும் அணுக அனுமதிக்கிறது.

அரட்டை அடிப்படையிலான இடைமுகம் மூலம் இயக்கப்படும் இந்த ஏஜென்டிக் பணிப்பாய்வு பாரம்பரிய முறைகளை விட மிகவும் பயனுள்ளதாக நிரூபிக்கப்பட்டுள்ளது.

MCP ஏஜென்ட்களுக்கு அவர்களுக்கு என்ன தேவையோ அதை அணுகுவதே முக்கியம், மேலும் எதுவும் இல்லை. கொள்கலனாக்கம் மற்றும் வெளிப்படையான கருவி UX ஆகியவை பாதுகாப்பு அபாயங்களைத் தணிக்க முக்கியம்.

மெய்நிகர் இயந்திரங்கள் மற்றும் இணைய அணுகல்

ஏஜென்ட்களுக்கு குறைந்தபட்ச லினக்ஸ் நிறுவலுடன் கூடிய கணினியைக் கொடுப்பது (வி.எம் அல்லது கொள்கலனாக) சிறந்த முடிவுகளைத் தரும், இது இணையத்திலிருந்து தகவல்களைப் பெற அனுமதிக்கிறது. இருப்பினும், இது தீங்கு விளைவிக்கும் அறிவுறுத்தல்கள் மற்றும் தரவு வெளிப்பாடு குறித்த பாதுகாப்பு கவலைகளை எழுப்புகிறது.

நம்பகமான வலைத்தளங்களுக்கான அணுகலைக் கட்டுப்படுத்துவது சில அபாயங்களைத் தணிக்கும், ஆனால் நம்பகமான ஆதாரங்களும் தீங்கு விளைவிக்கும் உள்ளடக்கத்தை வழங்க முடியும். தீங்கு விளைவிக்கும் அறிவுறுத்தல்களை எதிர்கொள்ளும் சாத்தியக்கூறு மற்றும் உற்பத்தித்திறன் நன்மைகளுக்கு இடையிலான வர்த்தகத்தை கவனமாக கருத்தில் கொள்ள வேண்டும்.

ஊழியர்களுக்கும் AI ஏஜென்ட்களுக்கும் இடையிலான வேறுபாடுகள் குறிப்பிடத்தக்கவை. ஊழியர்கள் சட்டங்கள் மற்றும் ஒப்பந்தங்களுக்கு உட்பட்ட சட்ட நபர்கள், பொறுப்புக்கூறலை வழங்குகிறார்கள். AI ஏஜென்ட்களுக்கு இந்த சட்ட கட்டமைப்பின் குறைபாடு உள்ளது, இது நம்பிக்கையை கடினமாக்குகிறது.

MCP மேம்பாட்டின் ஆரம்ப கட்டங்கள்

MCP நவம்பர் 2024 இல் மட்டுமே அறிவிக்கப்பட்டது, மேலும் RFC தீவிரமாக உருவாகி வருகிறது.

MCP உட்பட AI தனிப்பட்ட உதவியாளர் கருத்து முழுவதுமாக தவறானது என்று சிலர் கருதுகின்றனர்.

1990 களின் பிற்பகுதியிலும் 2000 களின் முற்பகுதியிலும் AI உதவியாளர்களுக்கான ஆரம்ப தள்ளுபடி தோல்வியடைந்தது, ஏனெனில் செங்குத்து ஒருங்கிணைப்பு மற்றும் மொத்த வாங்கும் சக்தி கொண்ட உள்ளடக்க திரட்டிகள் மிகவும் பயனுள்ளதாக நிரூபிக்கப்பட்டன. இது எக்ஸ்பீடியா மற்றும் ஈபே போன்ற தளங்களின் வளர்ச்சிக்கு வழிவகுத்தது.

பல ஏஜென்ட் அமைப்புகளுக்கு புரோகிராமர்கள் ஏஜென்ட்களின் நிலையை பாதிக்க வேண்டும், இது ஒரு சவாலான நிரலாக்க பணியாகும்.

இலவச மதிப்பின் வரம்புகள்

‘பார்க்கிங் கிடைக்கும் தன்மையின் அடிப்படையில் முடிவுகளை தரவரிசைப்படுத்த’ என்ற ஆசை கட்டண API-களுக்குப் பின்னால் அல்லது விளம்பர ஆதரவு முன்முனைகளுக்குப் பின்னால் உள்ள தரவை அணுகும் சிக்கலை எடுத்துக்காட்டுகிறது. நிறுவனங்கள் தங்கள் முழு தரவுத்தொகுப்பிற்கும் ஒரு API மூலம் இலவசமாக அணுகலை வழங்க வாய்ப்பில்லை.

அனைத்து நிறுவனங்களும் தங்கள் தரவை AI ஏஜென்ட்களுடன் ஒருங்கிணைக்கவில்லை என்றாலும், பணிப்பாய்வுகளை இயக்க பல்வேறு கருவிகளை ஒருங்கிணைக்கும் சாத்தியம் குறிப்பிடத்தக்கது.

ஒரு தரவு அகழியைக் காப்பதில் முன்னுரிமை அளிக்கும் நிறுவனங்கள் அந்த அகழிக்கு அச்சுறுத்தும் புதிய தொழில்நுட்பங்களை எதிர்க்க வாய்ப்புள்ளது.

Booking.com க்கு ஒரு API இருந்தால், அவர்கள் தங்கள் வலைத்தளத்தைப் போலவே அதே முடிவுகளைத் திருப்பித் தரலாம், JSON அல்லது XML வடிவமைப்பிலும் சாத்தியமாகும்.

இடைத்தரகரைத் தவிர்ப்பது

Booking.com போன்ற ஒரு இடைத்தரகர் பயனர்கள் தங்கள் சேவைகளை முழுமையாகத் தவிர்க்க அனுமதிப்பது அர்த்தமற்றது.

இருப்பினும், தனிப்பட்ட ஹோட்டல்கள் Booking.com ஐத் தவிர்க்க பயனுள்ளதாக இருக்கலாம், அவர்கள் பெரும்பாலும் விரும்பாத ஒரு இடைத்தரகர்.

ஒரு டீப் ரிசர்ச் AI குறிப்பிட்ட அளவுகோல்களின் அடிப்படையில் ஹோட்டல்களை ஸ்கேன் செய்து தனிப்பட்ட ஹோட்டல்களால் இயக்கப்படும் ஹோட்டல் டிஸ்கவரி MCP சேவையகங்களுடன் தொடர்பு கொள்ளலாம், Booking.com இன் இடைமுகம் மற்றும் விளம்பரங்களை வழிநடத்த வேண்டிய தேவையைத் தவிர்க்கலாம்.

நடைமுறை பயன்பாட்டு நிகழ்வுகள்

MCP எலாஸ்டிக் தேடலிலிருந்து பதிவுகளைப் பெறுவது அல்லது தரவுத்தளங்களைக் கட்டமைக்கப்பட்ட முறையில் வினவுவது போன்ற பணிகளை எளிதாக்கும்.

புதிய சேவையகங்களுக்கு json கோப்பைத் திருத்தி பயன்பாட்டை மறுதொடக்கம் செய்வது தேவைப்படும் MCP சேவையக உள்ளமைவின் நிலையான தன்மை கட்டுப்படுத்தப்படலாம்.

நன்றாக ட்யூன் செய்யப்பட்ட மாதிரிகள்

MCP பல MCP கருவிகளைப் புரிந்துகொண்டு ஒவ்வொரு உரையாடலுக்கும் சரியானவற்றைத் தேர்ந்தெடுக்கும் ஒரு சிறிய, நன்றாக ட்யூன் செய்யப்பட்ட மாதிரியாகக் காணலாம்.

சூழலின் அடிப்படையில் கருவிகளை மாறும் வகையில் சரிசெய்வது சில சூழ்நிலைகளுக்கு அவசியமாக இருக்கலாம்.

திறந்த உரையாடல்கள் மற்றும் வணிக சிக்கல்கள்

MCP ஒரு முன் வரையறுக்கப்பட்ட ஓட்டம் இல்லாத பொதுவான, திறந்த உரையாடல் அமைப்புகளுக்கு ஏற்றது. இருப்பினும், இது ஒவ்வொரு வணிக பிரச்சினைக்கும் ஒரு அளவு-அனைவருக்கும் பொருந்தும் தீர்வு அல்ல. இது லாங்க் செயின் போன்ற கட்டமைப்புகளை மாற்றும் நோக்கம் கொண்டது அல்ல.

MCP க்கான மாற்று, திறந்த சமூகம் இயக்கும் தரநிலை, துண்டாக்கப்பட்ட, தனியுரிமை மற்றும் விற்பனையாளர் பூட்டப்பட்ட நெறிமுறைகள். குறைபாடுள்ள ஆனால் உருவாகி வரும் தரநிலை எதுவுமே இல்லை என்பதை விட சிறந்தது.

MCP ஐப் பார்க்க சிறந்த வழி என்னவென்றால், தனிப்பட்ட டெவலப்பர்கள் API களைச் சுற்றி கிளையன்ட் ரேப்பர்களை உருவாக்குவதிலிருந்து, API வழங்குநர்கள் அல்லது சமூகம் பராமரிக்கும் ரேப்பர்கள் அவற்றை உருவாக்குவதற்கு மாறுவதாகும். இது NPM அல்லது பைபி போன்ற ஒரு பெரிய கருவிப்பெட்டியை வழங்குகிறது. இருப்பினும், ஒழுங்கமைத்தல், பாதுகாப்பு மற்றும் பயன்பாட்டு வரையறை இன்னும் தேவை.

அடுத்த தலைமுறை லாங்க் செயின்கள் இந்த பெரிய கருவித்தொகுப்பிலிருந்து பயனடையும், ஆனால் கண்டுபிடிப்பு இன்னும் தேவை.

பயனர்-குறிப்பிட்ட கருவிகள்

சில சந்தர்ப்பங்களில், கருவிகள் பயனர் தரவுக்கு குறிப்பிட்டதாக இருக்கலாம், அதாவது பதிவேற்றிய CSV கோப்புகளை வெட்டுதல் மற்றும் கையாளுதல் கருவிகள்.

அடிக்கடி கவனிக்கப்படாத ஒரு பிரச்சினை என்னவென்றால், MCP மாதிரி சூழலை அதிகமான விருப்பங்களுடன் கூட்ட முடியும். முன்னுரிமை மற்றும் மெட்டாடேட்டா வெளிப்பாடு ஆகியவை வீணான டோக்கன் பயன்பாடு மற்றும் ஒழுங்கற்ற மாதிரி நடத்தையைத் தவிர்க்க முக்கியம்.

தரநிலைகள் மற்றும் உருவாகி வரும் தொழில்நுட்பம்

புதிய தரநிலைகள் காலப்போக்கில் வெளிப்படுகின்றன, மேலும் தரநிலைகள் உண்மையில் முக்கியத்துவம் வாய்ந்த காலம் கடந்துவிட்டது, மக்கள் அவை எவ்வாறு உருவாகின்றன என்பதை மறந்துவிட்டனர்.

LLM கிளையண்டுகளுக்கு ‘கருவிகளை’ சேர்க்க சீரற்ற டெவலப்பர்களிடமிருந்து சிறிய சேவையக நிரல்களைப் பதிவிறக்குவது ஆபத்தானது.

எழுப்பப்பட்ட சிக்கல்கள் MCP சுற்றுச்சூழல் அமைப்பு தீர்க்க வேண்டிய நியாயமான சிக்கல்கள். சில தீர்வுகள் MCP விவரக்குறிப்பில் இருக்கும், மற்றவை வெளிப்புறமாக இருக்கும்.

கிளாட் குறியீடு மற்றும் உண்மையான உலக பயன்பாடு

MCP இன் வெற்றி குறித்து மாறுபட்ட கருத்துகள் உள்ளன. சில நிறுவனங்கள் MCP உடன் ஒருங்கிணைக்கப்படுவதைப் பற்றிய கதைகளை சிலர் கேள்விப்பட்டிருக்கிறார்கள், மற்றவர்கள் அதைக் கண்டுபிடித்த பயனர்களிடமிருந்து ஏமாற்றமளிப்பதாகக் கேள்விப்பட்டிருக்கிறார்கள்.

இது மிகைப்படுத்தல் மற்றும் ஆரம்பகால தத்தெடுப்பின் குறைபாட்டை எடுத்துக்காட்டுகிறது.

சில டெவலப்பர்கள் பெரும்பாலான பயன்பாட்டு நிகழ்வுகளுக்கு HTTP API கள் MCP ஐ விட உயர்ந்தவை என்று நினைக்கிறார்கள். ‘கருவி’ பயன்பாடு திறன்கள் மற்றும் செயல்பாட்டிற்கான API இறுதி புள்ளிகளுக்கு கொதிக்கிறது என்று அவர்கள் வாதிடுகின்றனர்.

API கள் இயல்பாகவே சுய-விவரிக்கும் வகையில் இல்லை, REST மற்றும் HATEOAS ஆதரவாளர்கள் தங்கள் அணுகுமுறைகளைக் காண்பிப்பதற்கான ஒரு தவறவிட்ட வாய்ப்பைக் குறிக்கிறது.

லாங்க் செயின் மாற்றாக MCP?

MCP ஒரு ‘லாங்க் செயின் வாசனை’ இருப்பதாக விவரிக்கப்பட்டுள்ளது - ஒரு அழுத்தமான சிக்கலைத் தீர்க்கவில்லை, அதிகமாக சுருக்கமாக இருக்கிறது, மற்றும் அதன் நன்மைகளை விளக்குவதில் சிரமம் உள்ளது.

ஒருவேளை அது ‘END OF LINE’ என்று கூறி, இருக்க விரும்பும் ஹேக்கர்களை விளையாட்டு கட்டத்திற்கு வெளியேற்ற வேண்டும்!

‘பொது’ சாட்பாட் முன்னுதாரணம் நிலைத்திருக்குமா என்பது முக்கிய கேள்வி. சொந்த கருவிகளைக் கொண்ட சிறப்பு பயன்பாடுகளுக்கு MCP தேவையில்லை.

மாறாக, LLM கள் மேலும் திறமையானதாக மாறும்போது, வெளிப்புற கருவிகள் குறைவாக அவசியமாக இருக்கலாம். LLM வெறுமனே படத்தை நேரடியாக எடிட் செய்யும் போது நீங்கள் ஏன் Photoshop ஐ இயக்க MCP ஐ விரும்புகிறீர்கள்?

அறிவியல் புனைகதை ரோபோ உதவியாளர் கனவு பலிக்காமல் போகலாம், மேலும் சிறப்பு மொழி கையாளுதல் கருவிகள் மிகவும் பயனுள்ளதாக இருக்கும்.

பயனர் தளம் மற்றும் பாதுகாப்பு விழிப்புணர்வு

MCP இன் பயனர் தளத்தில் குறைவான தொழில்நுட்ப நபர்கள் உள்ளனர், இது பாதுகாப்பு சிக்கல்களை குறிப்பாக பொருத்தமாக்குகிறது. பாதுகாப்பு சிறந்த நடைமுறைகள் குறித்த விழிப்புணர்வை ஏற்படுத்துவது முக்கியம்.

வெளியீடுகள் உள்ளீடுகளுடன் எவ்வாறு இணைகின்றன என்பதைத் திட்டமிட உதவும் OpenRPC ஐ அடிப்படையாகக் கொண்ட Xops, சிக்கலான பணிப்பாய்வுகளுக்கான நம்பகத்தன்மையை மேம்படுத்துகிறது.

தொழில்நுட்பம் காலப்போக்கில் உருவாகி குடியேற வாய்ப்புள்ளது.

பணிநீக்கம் மற்றும் கிளவுட் உள்கட்டமைப்பு

OpenAPI தரநிலையின் மீது MCP ஐப் பயன்படுத்துவதன் லாபத்தை சிலர் கேள்விக்குள்ளாக்குகிறார்கள், அதை பணிநீக்கமாகப் பார்க்கிறார்கள்.

OpenAPI அமைப்பிற்கு அழைக்க LLM என்ன பயன்படுத்தும்? அது ஷெல்லுடன் எவ்வாறு பிணைக்கப்படும்? LLM ஹோஸ்ட் அதை எவ்வாறு ஒழுங்கமைக்கும்?

கருவி அழைப்புகளைச் செய்ய LLM களுக்கு MCP ஒரு கட்டமைக்கப்பட்ட வழியை வழங்குகிறது.

MCP சேவையகங்கள் ஏற்கனவே HTTP சேவையகங்கள்.

MCP இன் மிகப்பெரிய நன்மை பயன்பாட்டு டெவலப்பர்களுக்கு அல்ல, OpenAI போன்ற LLM வழங்குநர்களுக்கு.

LLM கள் கருவிகள் இல்லாத மூளைகள், மற்றும் கருவி அழைப்பு அவர்களுக்கு அதிகாரம் அளிக்கிறது. இருப்பினும், சாதாரண API களுடன், LLM வழங்குநர்களுக்கு அந்த கருவிகளுக்கான அணுகல் இல்லை. MCP அவர்களுக்கு அணுகலை வழங்குகிறது, அவர்களை AI க்கான நுழைவாயிலாக நிலைநிறுத்துகிறது.

CLI எதிராக API

இயற்கை மொழி மற்றும் CLI களில் LLM கள் பயிற்சி அளிக்கப்படுவதால் CLI ஐ நேரடியாகப் பயன்படுத்தக்கூடாது, CLI கள் ஒரு பொதுவான மனிதனால் படிக்கக்கூடிய மற்றும் எழுதக்கூடிய தீர்வு?

MCP மிக விரைவாக உருவானது மற்றும் முதிர்ச்சியடைய நேரம் தேவை. இது ஒரு வழக்கமான தரநிலைகள் அமைப்பு மூலம் சரிபார்க்கப்படவில்லை மற்றும் மிகைப்படுத்தலால் இயக்கப்படுகிறது.

உண்மையான உலக பயன்பாடுகளின் பற்றாக்குறை உள்ளது.

MCP இன் முக்கிய பயன்பாடுகள்

MCP கிளாட் டெஸ்க்டாப் மற்றும் நிச் AI அரட்டை பயன்பாடுகள், குறியீடு ஆட்டோமேஷன் கருவிகள் மற்றும் ஏஜென்ட் / LLM ஆட்டோமேஷன் கட்டமைப்புகளில் பயன்படுத்தப்படுகிறது.

இது மற்றொரு அவசர தொழில்நுட்பமாகும், இது அடுத்த மிகைப்படுத்தக்கூடிய சுருக்கம் வரும்போது கைவிடப்படும்.

இரண்டு வகையான மொழி மாதிரி கருவி அழைப்பு நெறிமுறைகள் உள்ளன: மக்கள் புகார் செய்யும் மற்றும் யாரும் பயன்படுத்தாதவை.

ஆந்த்ரோபிக் இந்த ‘தரத்தை’ வெற்றிடத்தில் உருவாக்கினார், இது பாதுகாப்பு சிக்கல்களுக்கு வழிவகுக்கிறது.

JSON-RPC 2.0

MCP JSON-RPC 2.0 இல் கட்டமைக்கப்பட்டுள்ளது, இது JSON ஐப் பயன்படுத்தி கிளையன்ட் மற்றும் சேவையக தகவல்தொடர்புகளை அனுமதிக்கும் ஒரு இலகுரக நெறிமுறை.

இது ஒரு குறிப்பிட்ட சுற்றுச்சூழல் அமைப்புக்காக வடிவமைக்கப்பட்ட மையப்படுத்தப்பட்ட விவரக்குறிப்பு போல் உணர்கிறது, அது சம்பாதிக்காமல் உலகளாவிய தன்மைக்கு உரிமை கோருகிறது.

MCP பயனுள்ள விஷயங்களைச் செய்ய போதுமான சக்தி வாய்ந்தது, இது பாதுகாப்பு கவலைகளை எழுப்புகிறது.

இது முதிர்ச்சியடையாத தரம் மற்றும் பாதுகாப்பாக வடிவமைக்கப்படவில்லை.

பரிந்துரைகள் இருந்தாலும், அவை செயல்படுத்தப்படவோ அல்லது செயல்படுத்தப்படவோ இல்லை.

லாங்க் செயின் மற்றும் கருவி அழைப்பு

‘கருவி அழைப்பு’ முறையை செயல்படுத்தும் பல கட்டமைப்புகளில் லாங்க் செயின் ஒன்றாகும்.

கருவி அழைப்பு, டெம்ப்ளேட் உள்ளீடு, ரத்து செய்தல், முன்னேற்ற கண்காணிப்பு மற்றும் கருவி சேவையகங்களின் நிலைத்தன்மை உள்ளிட்ட வெளி தகவல்கள் மொழி மாதிரியின் சூழல் சாளரத்திற்குள் எவ்வாறு நுழைகின்றன என்பதற்கான விவரக்குறிப்பு MCP.

எந்த உதவியாளர் / ஒருங்கிணைப்பு காம்போவும் இணக்கமாக இருக்கும் வகையில் விவரங்களை தரப்படுத்த உதவுகிறது.

MCP க்கு நியாயமான சிக்கல்கள் இருந்தாலும், விமர்சகர்கள் தங்கள் வாதங்களைச் செம்மைப்படுத்த வேண்டும்.

அங்கீகாரம் முக்கியமானது மற்றும் ஆரம்ப பதிப்பிலிருந்து தவிர்க்கப்பட்டிருக்கக்கூடாது.

அதிகப்படியான சிக்கல்கள் உள்ளன.