MCP: AI கருவித் தொடர்பின் விடியல்

2025 ஆம் ஆண்டில், AI ஏஜென்ட்கள் கோட்பாடுகளிலிருந்து நடைமுறை கருவிகளாக வேகமாக மாறி வருகின்றன. Anthropic இன் Claude 3.7 போன்ற கண்டுபிடிப்புகள் கோடிங் பணிகளில் சிறந்து விளங்குகின்றன, மேலும் திறந்த மூல சமூகங்கள் உலாவி செயல்பாடுகள் மூலம் சிக்கலான செயல்பாடுகளை செயல்படுத்துகின்றன, இது ஒரு குறிப்பிடத்தக்க மாற்றத்தை எடுத்துக்காட்டுகிறது. AI இன் திறன்கள் வெறுமனே உரையாடலுக்கு அப்பாற்பட்டு செயல்படுத்துகின்றன. இருப்பினும், ஒரு அடிப்படை சவால் உள்ளது: இந்த அறிவார்ந்த முகவர்கள் எவ்வாறு திறமையாகவும் பாதுகாப்பாகவும் நிஜ உலகத்துடன் தொடர்பு கொள்கிறார்கள் என்பதை உறுதி செய்வது எப்படி? நவம்பர் 2024 இல், Anthropic Model Context Protocol (MCP) ஐ அறிமுகப்படுத்தியது, இது ஒரு திறந்த மூல, தரப்படுத்தப்பட்ட நெறிமுறையாகும், இது பெரிய மொழி மாதிரிகள் (LLM) வெளிப்புற கருவிகள் மற்றும் தரவு மூலங்களுடன் இணைக்க ஒரு ஒருங்கிணைந்த இடைமுகத்தை வழங்குவதன் மூலம் AI ஏஜென்ட்களின் மேம்பாடு மற்றும் பயன்பாட்டில் புரட்சியை ஏற்படுத்த உள்ளது. அதன் வெளியீட்டிற்கு நான்கு மாதங்களுக்குள், MCP 2000 க்கும் மேற்பட்ட சேவையகங்களின் ஆதரவைப் பெற்றது.

MCP ஐப் புரிந்துகொள்வது

வரையறை மற்றும் தோற்றம்

MCP, அல்லது Model Context Protocol, என்பது நவம்பர் 2024 இல் Anthropic ஆல் அறிமுகப்படுத்தப்பட்ட தரப்படுத்தப்பட்ட நெறிமுறையாகும். இது AI மாதிரிகள் மற்றும் வெளிப்புற கருவிகள் மற்றும் தரவுகளுக்கு இடையிலான துண்டு துண்டான தொடர்பைக் குறிக்கிறது. பெரும்பாலும் ‘AI க்கான USB-C’ என்று ஒப்பிடப்படும் MCP, ஒவ்வொரு கருவிக்கும் சிக்கலான, தனிப்பயனாக்கப்பட்ட தழுவல் குறியீடு தேவையில்லாமல், AI ஏஜென்ட்கள் தரவுத்தளங்கள், கோப்பு அமைப்புகள், வலைத்தளங்கள் மற்றும் API கள் போன்ற வெளிப்புற ஆதாரங்களை தடையின்றி அணுகுவதற்கு அனுமதிக்கும் ஒரு ஒருங்கிணைந்த இடைமுகத்தை வழங்குகிறது.

API கள் இணையத்தின் உலகளாவிய மொழியாக இருந்தால், சேவையகங்கள் மற்றும் கிளையன்ட்களை இணைத்தால், MCP என்பது AI கருவிகளுக்கான ஒரு ஒருங்கிணைக்கும் மொழியாகும், இது அறிவார்ந்த முகவர்களுக்கும் நிஜ உலகத்திற்கும் இடையிலான இடைவெளியைக் குறைக்கிறது. இது மனிதர்கள் ஸ்மார்ட்போன்களைப் பயன்படுத்துவதைப் போலவே, AI ஐ இயற்கையான மொழியின் மூலம் கருவிகளைக் கையாள அதிகாரம் அளிக்கிறது. ‘இன்றைய வானிலை என்ன என்று சொல்லுங்கள்’ போன்ற எளிய கேள்விகளிலிருந்து ‘வானிலையைச் சரிபார்த்து, குடை எடுத்து வர நினைவூட்டுங்கள்’ அல்லது ‘3D மாதிரியை உருவாக்கி கிளவுட்டில் பதிவேற்றுங்கள்’ போன்ற சிக்கலான செயல்பாடுகளுக்கு பணிகள் உருவாகின்றன.

முக்கிய பார்வை: MCP செயல்திறனை மேம்படுத்துவதையும், உறுதியான நடவடிக்கைக்கு அப்பால் நகர AI ஏஜென்ட்களை மேம்படுத்துவதையும் நோக்கமாகக் கொண்டுள்ளது. இது டெவலப்பர்கள், வணிகங்கள் மற்றும் தொழில்நுட்பம் அல்லாத பயனர்கள் கூட அறிவார்ந்த முகவர்களைத் தனிப்பயனாக்க உதவுகிறது, இது மெய்நிகர் நுண்ணறிவுக்கும் இயற்பியல் உலகத்திற்கும் இடையிலான பாலமாக அமைகிறது.

MCP ஐ உருவாக்கியது தற்செயலானதல்ல. OpenAI இன் முன்னாள் உறுப்பினர்களால் நிறுவப்பட்ட Anthropic, LLM களின் வரம்புகளை அங்கீகரித்தது, அவை பெரும்பாலும் ‘தகவல் சைலோக்களில்’ கட்டுப்படுத்தப்படுகின்றன, அவற்றின் பயிற்சித் தரவுகளுக்கு மட்டுப்படுத்தப்பட்ட அறிவும், வெளிப்புற தகவல்களுக்கான நிகழ்நேர அணுகல் இல்லாததும் ஒரு காரணமாக இருந்தது. 2024 ஆம் ஆண்டில் Claude தொடர் மாடல்களின் வெற்றிக்குப் பிறகு, AI இன் முழு திறனையும் திறக்க ஒரு உலகளாவிய நெறிமுறை தேவை என்பதை Anthropic உணர்ந்தது. MCP இன் திறந்த மூல வெளியீடு விரைவில் கவனத்தை ஈர்த்தது. மார்ச் 2025 க்குள், 2000 க்கும் மேற்பட்ட சமூகம் உருவாக்கிய MCP சேவையகங்கள் ஆன்லைனில் இருந்தன, அவை கோப்பு மேலாண்மை முதல் பிளாக்செயின் பகுப்பாய்வு வரை பல்வேறு சூழ்நிலைகளை உள்ளடக்கியது, 300 க்கும் மேற்பட்ட GitHub திட்டங்கள் சம்பந்தப்பட்டிருந்தன மற்றும் 1200% வளர்ச்சி விகிதம் இருந்தது. MCP ஒரு தொழில்நுட்ப நெறிமுறை மட்டுமல்ல, சமூகம் சார்ந்த ஒத்துழைப்பு கட்டமைப்பாகவும் உள்ளது.

அன்றாட பயனர்களுக்கான MCP

தனிப்பட்ட பயனர்களுக்கு, MCP AI க்கான ‘மந்திரச் சாவி’ ஆக செயல்படுகிறது, இது சிக்கலான அறிவார்ந்த கருவிகளை அணுகக்கூடியதாகவும் பயனர் நட்புடனும் ஆக்குகிறது. நிரலாக்க அறிவு தேவையில்லாமல் அன்றாடப் பணிகளை முடிக்க இயற்கையான மொழியைப் பயன்படுத்தி AI ஐ கட்டளையிட தனிநபர்களை இது அனுமதிக்கிறது. ‘எனது அட்டவணையை ஒழுங்கமைத்து, நாளைய கூட்டங்களை எனக்கு நினைவூட்டுங்கள்’ என்று Claude க்கு அறிவுறுத்துவதாக கற்பனை செய்து பாருங்கள். MCP தானாகவே காலெண்டர்கள், மின்னஞ்சல்கள் மற்றும் நினைவூட்டல் கருவிகளுடன் இணைகிறது, மேலும் சில நொடிகளில் பணியை நிறைவு செய்கிறது. அல்லது, ‘பிறந்தநாள் அட்டை வடிவமைக்க எனக்கு உதவுங்கள்’ என்று சொல்வதைக் கவனியுங்கள். MCP ஒரு வடிவமைப்பு சேவையகத்தை (Figma போன்றவை) அழைக்கிறது, ஒரு தனிப்பயனாக்கப்பட்ட அட்டையை உருவாக்குகிறது மற்றும் அதை கிளவுடில் சேமிக்கிறது. தொழில்நுட்பம் அல்லாத பயனர்களுக்கு, MCP ஒரு கண்ணுக்குத் தெரியாத சூப்பர் அசிஸ்டென்டாக செயல்படுகிறது, இது சலிப்பான செயல்பாடுகளை எளிய உரையாடல்களாக மாற்றுகிறது, இது தொழில்நுட்பத்தை உண்மையிலேயே வாழ்க்கைக்கு உதவுகிறது.

• எளிமையான புரிதல்: MCP ஒரு ஸ்மார்ட் அசிஸ்டென்டாக செயல்படுகிறது, உங்கள் AI உதவியாளரை ‘வெறும் அரட்டை’ என்பதிலிருந்து ‘வேலைகளைச் செய்வது’ என்று மேம்படுத்துகிறது, கோப்புகளை நிர்வகிக்கவும், உங்கள் வாழ்க்கையைத் திட்டமிடவும், உள்ளடக்கத்தை உருவாக்கவும் உதவுகிறது.
• உண்மையான மதிப்பு: இது AI ஐ அணுக முடியாத தொழில்நுட்பத்திலிருந்து தனிப்பட்ட வாழ்க்கை உதவியாளராக மாற்றுகிறது, நேரத்தை மிச்சப்படுத்துகிறது, செயல்திறனை மேம்படுத்துகிறது மற்றும் தனியுரிமையைப் பாதுகாக்கிறது.

பரந்த காட்சிகள்: வேலைகள் முதல் படைப்பாற்றல் வரை

MCP ஒரு கருவி மட்டுமல்ல; இது ஒரு வாழ்க்கை முறை மாற்றத்தை பிரதிபலிக்கிறது, இது விலையுயர்ந்த தொழில்முறை சேவைகள் தேவையில்லாமல் ஒவ்வொருவரையும் தங்கள் AI உதவியாளரைத் ‘தனிப்பயனாக்க’ உதவுகிறது. முதியவர்களுக்கு, MCP செயல்பாடுகளை எளிதாக்கும் - ‘என் மருந்து எடுத்துக்கொள்ள நினைவூட்டுங்கள், என் குடும்பத்தினருக்கு அறிவிக்கவும்’ என்று கூறுவது AI தானாகவே பணியை முடிக்கத் தூண்டுகிறது, இது சுதந்திரத்தை அதிகரிக்கிறது. MCP எளிய பணிகளுக்கு அப்பால் நீண்டுள்ளது, படைப்பாற்றலைத் தூண்டுகிறது மற்றும் தினசரி தேவைகளைப் பூர்த்தி செய்கிறது:

• தினசரி மேலாண்மை: ‘இந்த வாரத்திற்கான ஷாப்பிங் பட்டியலை இட்டு எனக்கு நினைவூட்டுங்கள்’ என்று கூறுவது, ஃப்ரிட்ஜ் இருப்பு மற்றும் விலை ஒப்பீட்டு வலைத்தளங்களைச் சரிபார்க்க MCP ஐ அனுமதிக்கிறது, ஒரு பட்டியலை உருவாக்கி அதை SMS மூலம் அனுப்புகிறது.
• கற்றல் மற்றும் வளர்ச்சி: மாணவர்கள் ‘உயிரியல் குறிப்புகளை ஒழுங்கமைத்து ஒரு படிப்பு திட்டத்தை உருவாக்குங்கள்’ என்று கூறுவது, MCP ஐ ஸ்கேன் செய்யத் தூண்டுகிறது, கற்றல் தளங்களுடன் இணைகிறது, மற்றும் ஒரு படிப்பு திட்டம் மற்றும் வினாடி வினா கேள்விகளை வெளியிடுகிறது.
• விருப்பத் தேடல்: சமைக்கக் கற்றுக்கொள்வது? ‘இத்தாலிய பாஸ்தா சமையல் மற்றும் பொருட்களைக் கண்டுபிடி’ என்று கூறுவது, MCP வலைத்தளங்களைத் தேடவும், இருப்புச் சரிபார்க்கவும், மெனுக்களை உருவாக்கவும் அனுமதிக்கிறது, புத்தகங்களைத் புரட்டிப் பார்ப்பதில் உள்ள தொந்தரவைத் தவிர்க்கிறது.
• உணர்ச்சி இணைப்பு: பிறந்தநாட்களுக்கு, ‘ஒரு அட்டையை வடிவமைத்து அம்மாவுக்கு அனுப்புங்கள்’ என்று கூறுவது, MCP ஐ Figma ஐப் பயன்படுத்தி மின்னஞ்சல் மூலம் வடிவமைத்து அனுப்ப அனுமதிக்கிறது.

தனியுரிமை மற்றும் கட்டுப்பாடு: பயனர்களுக்கான உறுதி

தனியுரிமை தனிப்பட்ட பயனர்களுக்கு ஒரு முக்கிய அக்கறை, மேலும் MCP இன் அனுமதி கட்டுப்பாட்டு பொறிமுறை பயனர்கள் தரவு ஓட்டத்தின் மீது முழுமையான கட்டுப்பாட்டை பராமரிப்பதை உறுதி செய்கிறது. உதாரணமாக, ‘AI காலெண்டரைப் படிக்க அனுமதிக்கவும், ஆனால் புகைப்படங்களைத் தொடாதே’ என்று நீங்கள் அனுமதிகளை அமைக்கலாம், இது நம்பகமான அங்கீகாரத்தை வழங்குகிறது. மேலும், MCP இன் ‘மாதிரி’ செயல்பாடு, AI முக்கியமான பணிகளைச் செயல்படுத்துவதற்கு முன்பு, வங்கி அறிக்கைகளை பகுப்பாய்வு செய்வது போன்ற கோரிக்கைகளை மதிப்பாய்வு செய்ய பயனர்களை அனுமதிக்கிறது, அங்கு பயனர்கள் ‘சமீபத்திய மாதத்தின் தரவு மட்டும்’ பயன்படுத்தப்படுவதை உறுதிப்படுத்த முடியும். இந்த வெளிப்படைத்தன்மை மற்றும் கட்டுப்பாடு வசதியை பராமரிக்கும் அதே நேரத்தில் நம்பிக்கையை வளர்க்கிறது.

MCP இன் அவசியம்

LLM களின் வரம்புகள் MCP இன் தேவையை தூண்டியுள்ளது. பாரம்பரியமாக, AI மாதிரிகளின் அறிவு அவற்றின் பயிற்சித் தரவுகளுக்கு மட்டுப்படுத்தப்பட்டுள்ளது, இது நிகழ்நேர தகவல்களை அணுகுவதைத் தடுக்கிறது. ஒரு LLM மார்ச் 2025க்கான கிரிப்டோகரன்சி சந்தை போக்குகளை பகுப்பாய்வு செய்ய விரும்பினால், அது கைமுறையாக தரவை உள்ளிட வேண்டும் அல்லது குறிப்பிட்ட API அழைப்புகளை எழுத வேண்டும், இது மணிநேரம் அல்லது நாட்கள் ஆகலாம். இன்னும் தீவிரமாக, டெவலப்பர்கள் பல மாதிரிகள் மற்றும் கருவிகளைக் கையாளும் போது ஒரு ‘M×N சிக்கலை’ எதிர்கொள்கின்றனர் - 10 AI மாதிரிகள் மற்றும் 10 வெளிப்புற கருவிகள் இருந்தால், 100 தனிப்பயன் ஒருங்கிணைப்புகள் தேவை, இது சிக்கலை அதிகரிக்கிறது. இந்த துண்டு துண்டான தன்மை திறமையற்றது மற்றும் அளவிடுவது கடினம்.

MCP இந்த தடைகளை நிவர்த்தி செய்கிறது, இணைப்புகளை N+M ஆகக் குறைக்கிறது (10 மாதிரிகள் மற்றும் 10 கருவிகளுக்கு 20 கட்டமைப்புகள் மட்டுமே தேவை), AI ஏஜென்ட்கள் கருவிகளை நெகிழ்வாக அழைக்க அனுமதிக்கிறது. நிகழ்நேர பங்கு விலைகளுடன் ஒரு அறிக்கையை உருவாக்குவது, பாரம்பரியமாக 2 மணி நேரம் ஆகும், MCP உடன் வெறும் 2 நிமிடங்களில் செய்ய முடியும்.

MCP இன் தொழில்நுட்ப கட்டமைப்பு மற்றும் உள் செயல்பாடு

தொழில்நுட்ப பின்னணி மற்றும் சூழலியல் நிலை

MCP இன் தொழில்நுட்ப அடித்தளம் JSON-RPC 2.0 ஆகும், இது நிகழ்நேர இருவழி தொடர்பை ஆதரிக்கும் ஒரு இலகுரக, திறமையான தொடர்பு தரநிலையாகும், இது WebSockets இன் உயர் செயல்திறனைப் போன்றது. இது கிளையன்ட்-சேவையக கட்டமைப்பின் மூலம் செயல்படுகிறது:

• MCP Host: பயனர்-ஊடாடும் பயன்பாடு, Claude Desktop, Cursor அல்லது Windsurf போன்றவை, கோரிக்கைகளைப் பெறுவதற்கும் முடிவுகளைக் காண்பிப்பதற்கும் பொறுப்பாகும்.
• MCP Client: ஹோஸ்டுக்குள் உட்பொதிக்கப்பட்டது, இது சேவையகத்துடன் ஒன்றுடன் ஒன்று இணைப்பை நிறுவுகிறது, நெறிமுறை தொடர்புகளை கையாளுகிறது மற்றும் தனிமைப்படுத்தல் மற்றும் பாதுகாப்பை உறுதி செய்கிறது.
• MCP Server: ஒரு இலகுரக நிரல், இது குறிப்பிட்ட செயல்பாடுகளை வழங்குகிறது, உள்ளூர் (டெஸ்க்டாப் கோப்புகள் போன்றவை) அல்லது தொலைநிலை (கிளவுட் API கள் போன்றவை) தரவு மூலங்களை இணைக்கிறது.

பரவும் முறைகள் பின்வருமாறு:

• Stdio: நிலையான உள்ளீடு/வெளியீடு, கோப்பு மேலாண்மை போன்ற உள்ளூர் வேகமான வரிசைப்படுத்தலுக்கு ஏற்றது, மில்லி விநாடிகள் அளவுக்கு குறைவான தாமதத்துடன்.
• HTTP SSE: சர்வர்-சென்ட் நிகழ்வுகள், கிளவுட் API அழைப்புகள் போன்ற தொலைநிலை நிகழ்நேர தொடர்பை ஆதரிக்கிறது, விநியோகிக்கப்பட்ட காட்சிகளுக்கு ஏற்றது.

தொலைநிலை செயல்திறனை மேலும் மேம்படுத்த 2025 இன் இறுதியில் WebSockets ஐ அறிமுகப்படுத்த Anthropic திட்டமிட்டுள்ளது. AI சுற்றுச்சூழல் அமைப்பில், MCP க்கு ஒரு தனித்துவமான நிலை உள்ளது, இது OpenAI இன் Function Calling இலிருந்து வேறுபட்டது, இது ஒரு குறிப்பிட்ட தளத்துடன் இணைக்கப்பட்டுள்ளது, மேலும் LangChain இன் கருவி நூலகம் டெவலப்பர் சார்ந்ததாக உள்ளது. MCP டெவலப்பர்கள், நிறுவனங்கள் மற்றும் தொழில்நுட்பம் அல்லாத பயனர்களுக்கு திறந்த தன்மை மற்றும் தரப்படுத்தல் மூலம் சேவை செய்கிறது.

கட்டடக்கலை வடிவமைப்பு

MCP ஒரு கிளையன்ட்-சேவையக கட்டமைப்பைப் பயன்படுத்துகிறது, இது ஒரு உணவக அமைப்பிற்கு ஒத்ததாகும்: வாடிக்கையாளர் (MCP host) உணவு (தரவு அல்லது செயல்கள்) ஆர்டர் செய்ய விரும்புகிறார், மேலும் பரிமாறுபவர் (MCP client) சமையலறையுடன் (MCP Server) தொடர்பு கொள்கிறார். செயல்திறன் மற்றும் பாதுகாப்பை உறுதிப்படுத்த, MCP ஒவ்வொரு சேவையகத்திற்கும் ஒரு பிரத்யேக கிளையன்ட்டை ஒதுக்குகிறது, இது தனிமைப்படுத்தப்பட்ட ஒன்றுடன் ஒன்று இணைப்பை உருவாக்குகிறது. முக்கிய கூறுகள் பின்வருமாறு:

• Host: பயனர் நுழைவு புள்ளி, Claude Desktop போன்றவை, கோரிக்கைகளைத் தொடங்குவதற்கும் முடிவுகளைக் காண்பிப்பதற்கும் பொறுப்பாகும்.
• Client: தொடர்பு இடைத்தரகர் JSON-RPC 2.0 ஐப் பயன்படுத்தி சேவையகத்துடன் தொடர்பு கொள்கிறார், கோரிக்கைகள் மற்றும் பதில்களை நிர்வகிக்கிறார்.
• Server: செயல்பாடு வழங்குநர் வெளிப்புற ஆதாரங்களை இணைக்கிறது மற்றும் கோப்புகளைப் படிப்பது அல்லது API களை அழைப்பது போன்ற பணிகளைச் செய்கிறது.

பரவும் முறைகள் நெகிழ்வானவை:

• Stdio: உள்ளூர் வரிசைப்படுத்தல், டெஸ்க்டாப் கோப்புகள் அல்லது உள்ளூர் தரவுத்தளங்களை விரைவாக அணுகுவதற்கு ஏற்றது, மில்லி விநாடிகள் அளவுக்கு குறைவான தாமதத்துடன், txt கோப்புகளின் எண்ணிக்கையை கணக்கிடுவது போன்றவை.
• HTTP SSE: தொலைநிலை தொடர்பு, கிளவுட் API அழைப்புகளை ஆதரிக்கிறது, வலுவான நிகழ்நேர செயல்திறனுடன், வானிலை API களைக் கேள்வி கேட்பது போன்றவை, விநியோகிக்கப்பட்ட காட்சிகளுக்கு ஏற்றது.
• எதிர்கால விரிவாக்கம்: WebSockets அல்லது ஸ்ட்ரீம் செய்யக்கூடிய HTTP 2025 இன் இறுதியில் செயல்படுத்தப்படலாம், இது தொலைநிலை செயல்திறனை மேலும் மேம்படுத்துகிறது மற்றும் தாமதத்தை குறைக்கிறது.

செயல்பாட்டு பழங்காலங்கள்

MCP மூன்று ‘பழங்காலங்கள்’ மூலம் செயல்பாடுகளை செயல்படுத்துகிறது:

1. கருவிகள்: குறிப்பிட்ட பணிகளை முடிக்க AI அழைக்கும் இயக்கக்கூடிய செயல்பாடுகள். உதாரணமாக, ஒரு ‘நாணய மாற்று’ கருவி 100 RMB ஐ நிகழ்நேரத்தில் 14 USD மற்றும் 109 HKD ஆக மாற்றுகிறது (மார்ச் 2025 இல் நிலையான மாற்று விகிதத்தின் அடிப்படையில்); ஒரு ‘தேடல்’ கருவி இன்றைய திரைப்படக் காட்சிகளை விசாரிக்க முடியும்.
2. ஆதாரங்கள்: சூழல் உள்ளீடாகப் பயன்படுத்தப்படும் கட்டமைக்கப்பட்ட தரவு. உதாரணமாக, ஒரு GitHub களஞ்சியத்திலிருந்து README கோப்பைப் படிப்பது திட்ட பின்னணியை வழங்குகிறது அல்லது 10MB PDF கோப்பை ஸ்கேன் செய்வது முக்கிய தகவல்களைப் பிரித்தெடுக்கிறது.
3. தூண்டல்கள்: கருவிகள் மற்றும் ஆதாரங்களைப் பயன்படுத்த AI ஐ வழிநடத்தும் முன் வரையறுக்கப்பட்ட அறிவுறுத்தல் வார்ப்புருக்கள். உதாரணமாக, ‘ஆவணத்தை சுருக்கவும்’ என்ற தூண்டல் 200 வார்த்தை சுருக்கத்தை உருவாக்குகிறது, மேலும் ‘பயணத்திட்டத்தைத் திட்டமிடுங்கள்’ என்ற தூண்டல் காலெண்டர் மற்றும் விமானத் தரவை ஒருங்கிணைக்கிறது.

MCP ஒரு ‘மாதிரி’ செயல்பாட்டை ஆதரிக்கிறது, அங்கு சேவையகம் ஒரு பணியைச் செயல்படுத்த LLM ஐக் கோரலாம், மேலும் பயனர் கோரிக்கை மற்றும் முடிவை மதிப்பாய்வு செய்யலாம், இது பாதுகாப்பு மற்றும் வெளிப்படைத்தன்மையை உறுதி செய்கிறது. உதாரணமாக, சேவையகம் ‘கோப்பு உள்ளடக்கத்தை பகுப்பாய்வு செய்ய’ கோரிக்கை விடுத்தால், பயனர் அதை அங்கீகரிக்கிறார், மேலும் AI ஒரு சுருக்கத்தை வழங்குகிறது, இது முக்கியமான தரவு தவறாகப் பயன்படுத்தப்படாமல் இருப்பதை உறுதி செய்கிறது, இது பாதுகாப்பு மற்றும் வெளிப்படைத்தன்மையை மேம்படுத்துகிறது.

தொடர்பு செயல்முறை

MCP இன் செயல்பாட்டில் நான்கு நிலைகள் அடங்கும்:

‘டெஸ்க்டாப் கோப்புகளைக் கேள்வி கேட்பது’ என்ற உதாரணத்தைக் கவனியுங்கள்:

1. பயனர் ‘எனது ஆவணங்களின் பட்டியலை இடுங்கள்’ என்று உள்ளிடுகிறார்.
2. Claude கோரிக்கையை பகுப்பாய்வு செய்து கோப்பு சேவையகத்தை அழைக்க வேண்டிய அவசியத்தை அடையாளம் காட்டுகிறது.
3. கிளையன்ட் சேவையகத்துடன் இணைகிறது, மேலும் பயனர் அனுமதிகளை அங்கீகரிக்கிறார்.
4. சேவையகம் கோப்புகளின் பட்டியலை வழங்குகிறது, மேலும் Claude ஒரு பதிலை உருவாக்குகிறது.

மற்றொரு உதாரணம் ‘ஒரு பயணத்திட்டத்தைத் திட்டமிடுதல்’: பயனர் ‘சனிக்கிழமை பயணத்தை ஏற்பாடு செய்யுங்கள்’ என்று உள்ளிடுகிறார், Claude காலெண்டர் மற்றும் விமான சேவையகங்களைக் கண்டுபிடித்து, அட்டவணை மற்றும் டிக்கெட் தரவைப் பெற்று, ஒருங்கிணைப்பைத் தூண்டுகிறது மற்றும் ‘சனிக்கிழமை பாரிஸுக்கு காலை 10:00 மணி விமானம்’ என்று பதிலளிக்கிறது.

MCP இல் நீங்கள் ஏன் கவனம் செலுத்த வேண்டும்?

தற்போதைய AI சுற்றுச்சூழல் அமைப்பின் வலி புள்ளிகள்

LLM களின் வரம்புகள் தெளிவாக உள்ளன:

• தகவல் சைலோக்கள்: அறிவு பயிற்சித் தரவுகளுக்கு மட்டுப்படுத்தப்பட்டுள்ளது மற்றும் நிகழ்நேரத்தில் புதுப்பிக்க முடியாது. உதாரணமாக, ஒரு LLM மார்ச் 2025 இல் பிட்காயின் பரிவர்த்தனைகளை பகுப்பாய்வு செய்ய விரும்பினால், அது கைமுறையாக தரவை உள்ளிட வேண்டும்.
• M×N சிக்கல்: பல மாதிரிகள் மற்றும் கருவிகளுக்கு இடையிலான ஒருங்கிணைப்பு சிக்கலானது. உதாரணமாக, 10 மாதிரிகள் மற்றும் 10 கருவிகளுக்கு 100 தனிப்பயன் குறியீடு ஒருங்கிணைப்புகள் தேவை.
• திறமையின்மை: பாரம்பரிய முறைகளுக்கு திசையன் உட்பொதிப்புகள் அல்லது திசையன் தேடல்கள் தேவை, அவை கணக்கீட்டு ரீதியாக விலை உயர்ந்தவை மற்றும் நீண்ட பதில் தாமதங்களைக் கொண்டுள்ளன.

இந்த சிக்கல்கள் AI ஏஜென்ட்களின் திறனைக் கட்டுப்படுத்துகின்றன, இது ‘கற்பனை செய்வதிலிருந்து’ ‘செய்வதற்கு’ நகர்வதை கடினமாக்குகிறது.

MCP இன் திருப்புமுனை நன்மைகள்

MCP ஒரு தரப்படுத்தப்பட்ட இடைமுகம் மூலம் ஏழு நன்மைகளைக் கொண்டுவருகிறது:

1. நிகழ்நேர அணுகல்: AI வினாடிகளில் சமீபத்திய தரவைக் கேள்வி கேட்க முடியும். Claude Desktop MCP வழியாக 0.5 வினாடிகளில் கோப்புகளின் பட்டியலை மீட்டெடுக்கிறது, இது செயல்திறனை பத்து மடங்கு மேம்படுத்துகிறது.
2. பாதுகாப்பு மற்றும் கட்டுப்பாடு: தரவு நேரடியாக அணுகப்படுகிறது, இடைநிலை சேமிப்பகத்தின் தேவையை நீக்குகிறது, அனுமதி மேலாண்மை நம்பகத்தன்மை 98% ஐ எட்டுகிறது. AI குறிப்பிட்ட கோப்புகளை மட்டும் படிக்க பயனர்கள் கட்டுப்படுத்தலாம்.
3. குறைந்த கணக்கீட்டு சுமை: உட்பொதிக்கப்பட்ட திசையன்களின் தேவையை நீக்குகிறது, கணினி செலவுகளில் சுமார் 70% குறைக்கிறது. பாரம்பரிய திசையன் தேடல்களுக்கு 1GB நினைவகம் தேவைப்படுகிறது, அதே நேரத்தில் MCP க்கு 100MB மட்டுமே தேவைப்படுகிறது.
4. நெகிழ்வுத்தன்மை மற்றும் அளவிடக்கூடிய தன்மை: N×M இலிருந்து N+M ஆக இணைப்புகளைக் குறைக்கிறது. 10 மாதிரிகள் மற்றும் 10 கருவிகளுக்கு 20 கட்டமைப்புகள் மட்டுமே தேவை.
5. இயங்குதன்மை: ஒரு MCP சேவையகத்தை Claude மற்றும் GPT போன்ற பல மாதிரிகள் மீண்டும் பயன்படுத்தலாம். ஒரு வானிலை சேவையகம் உலகளாவிய பயனர்களுக்கு சேவை செய்கிறது.
6. விற்பனையாளர் நெகிழ்வுத்தன்மை: LLM களை மாற்றுவதற்கு உள்கட்டமைப்பை மறுசீரமைக்க வேண்டிய அவசியமில்லை.
7. தன்னாட்சி ஏஜென்ட் ஆதரவு: கருவிகளுக்கான AI டைனமிக் அணுகலை ஆதரிக்கிறது, சிக்கலான பணிகளைச் செய்கிறது. ஒரு பயணத்தைத் திட்டமிடும்போது, AI ஒரே நேரத்தில் காலெண்டரைக் கேள்வி கேட்கலாம், விமானங்களை முன்பதிவு செய்யலாம் மற்றும் மின்னஞ்சல்களை அனுப்பலாம், இது செயல்திறனை மேம்படுத்துகிறது.

முக்கியத்துவம் மற்றும் தாக்கம்

MCP ஒரு சூழலியல் மாற்றத்திற்கான ஊக்கியாகும். இது ரோசெட்டா கல் போன்றது, AI க்கும் வெளிப்புற உலகத்திற்கும் இடையிலான தொடர்பைத் திறக்கிறது. ஒரு மருந்து நிறுவனம் MCP மூலம் 10 தரவு மூலங்களை ஒருங்கிணைத்தது, ஆராய்ச்சி வினவல் நேரத்தை 2 மணி நேரத்திலிருந்து 10 நிமிடங்களாகக் குறைத்தது, இது முடிவெடுக்கும் திறனை 90% மேம்படுத்துகிறது. இது உலகளாவிய கருவிகளை உருவாக்க டெவலப்பர்களை ஊக்குவிக்கிறது, ஒரு சேவையகம் உலகிற்கு சேவை செய்கிறது, இது ஒரு சுற்றுச்சூழல் அமைப்பின் உருவாக்கத்தை ஊக்குவிக்கிறது.

MCP இன் பயன்பாட்டு காட்சிகள் மற்றும் நடைமுறை வழக்குகள்

மாறுபட்ட பயன்பாட்டு காட்சிகள்

MCP இன் பயன்பாடுகள் விரிவானவை:

1. மேம்பாடு மற்றும் உற்பத்தித்திறன்:
   • குறியீடு பிழைதிருத்தம்: Cursor AI Browsertools சேவையகம் வழியாக 100,000 வரிக் குறியீட்டை பிழை திருத்துகிறது, இது பிழை விகிதங்களை 25% குறைக்கிறது.
   • ஆவணத் தேடல்: Mintlify சேவையகம் 2 வினாடிகளில் 1000 பக்க ஆவணங்களைத் தேடுகிறது, இது 80% நேரத்தை மிச்சப்படுத்துகிறது.
   • பணி ஆட்டோமேஷன்: Google Sheets சேவையகம் தானாகவே 500 விற்பனை தாள்களைப் புதுப்பிக்கிறது, இது செயல்திறனை 300% மேம்படுத்துகிறது.
2. படைப்பாற்றல் மற்றும் வடிவமைப்பு:
   • 3D மாதிரி: Blender MCP மாதிரி நேரத்தை 3 மணி நேரத்திலிருந்து 10 நிமிடங்களாகக் குறைக்கிறது, இது செயல்திறனை 18 மடங்கு மேம்படுத்துகிறது.
   • வடிவமைப்பு பணிகள்: Figma சேவையகம் AI ஐ தளவமைப்புகளை சரிசெய்ய உதவுகிறது, இது வடிவமைப்பு செயல்திறனை 40% மேம்படுத்துகிறது.
3. தரவு மற்றும் தொடர்பு:
   • தரவுத்தள வினவல்: Supabase சேவையகம் நிகழ்நேரத்தில் பயனர் பதிவுகளைக் கேள்வி கேட்கிறது, பதில் நேரம் 0.3 வினாடிகள்.
   • குழு ஒத்துழைப்பு: Slack சேவையகம் தானாகவே செய்திகளை அனுப்புகிறது, இது 80% கையேடு செயல்பாடுகளை மிச்சப்படுத்துகிறது.
   • வலை தேடல்: Firecrawl சேவையகம் தரவைப் பிரித்தெடுக்கிறது, வேகத்தை இரட்டிப்பாக்குகிறது.
4. கல்வி மற்றும் சுகாதாரம்:
   • கல்வி ஆதரவு: MCP சேவையகம் கற்றல் தளங்களுடன் இணைகிறது, மேலும் AI பாடத்திட்டங்களை உருவாக்குகிறது, இது ஆசிரியர் செயல்திறனை 40% மேம்படுத்துகிறது.
   • மருத்துவ நோயறிதல்: நோயாளிகளின் தரவுத்தளங்களுடன் இணைகிறது, மேலும் AI 85% துல்லிய விகிதத்துடன் நோயறிதல் அறிக்கைகளை உருவாக்குகிறது.
5. பிளாக்செயின் மற்றும் நிதி:
   • பிட்காயின் தொடர்பு: MCP சேவையகம் பிளாக்செயின் பரிவர்த்தனைகளைக் கேள்வி கேட்கிறது, நிகழ்நேர செயல்திறனை இரண்டாவது நிலைக்கு மேம்படுத்துகிறது.
   • DeFi பகுப்பாய்வு: Binance பெரிய முதலீட்டாளர் பரிவர்த்தனைகளை பகுப்பாய்வு செய்கிறது, லாபங்களை முன்னறிவிக்கிறது, துல்லிய விகிதம் 85%.

குறிப்பிட்ட வழக்கு பகுப்பாய்வு

• வழக்கு பகுப்பாய்வு: Claude 1000 கோப்புகளை ஸ்கேன் செய்து வெறும் 0.5 வினாடிகளில் 500 வார்த்தை சுருக்கத்தை உருவாக்குகிறது. பாரம்பரிய முறைகளுக்கு கைமுறையாக கோப்புகளை கிளவுட்டில் பதிவேற்ற வேண்டும், இதற்கு பல நிமிடங்கள் ஆகும்.
• பிளாக்செயின் பயன்பாடு: MCP சேவையகம் மூலம் AI மார்ச் 2025 இல் Binance பெரிய முதலீட்டாளர் பரிவர்த்தனைகளைப் பகுப்பாய்வு செய்தது, சாத்தியமான லாபங்களை முன்னறிவித்தது, இது நிதித் துறையில் அதன் திறனைக் காட்டுகிறது.

MCP சுற்றுச்சூழல் அமைப்பு: நிலை மற்றும் பங்கேற்பாளர்கள்

சுற்றுச்சூழல் அமைப்பு கட்டமைப்பு

MCP சுற்றுச்சூழல் அமைப்பு உருவாகத் தொடங்குகிறது, நான்கு முக்கிய பாத்திரங்களை உள்ளடக்கியது:

1. கிளையண்டுகள்:
   • முக்கிய பயன்பாடுகள்: Claude Desktop, Cursor, Continue.
   • உருவாகி வரும் கருவிகள்: Windsurf, LibreChat, Sourcegraph.
2. சேவையகங்கள்:
   • தரவுத்தள வகுப்பு: Supabase, ClickHouse, Neon, Postgres.
   • கருவி வகுப்பு: Resend, Stripe, Linear.
   • படைப்பு வகுப்பு: Blender, Figma.
   • தரவு வகுப்பு: Firecrawl, Tavily, Exa AI.
3. சந்தை:
   • mcp.so: சேவையகங்களை உள்ளடக்கியது, ஒரு கிளிக் நிறுவலை வழங்குகிறது.
   • பிற தளங்கள்: Mintlify, OpenTools.
4. உள்கட்டமைப்பு:
   • Cloudflare: சேவையகங்களை ஹோஸ்ட் செய்கிறது, கிடைப்பதை உறுதி செய்கிறது.
   • Toolbase: தாமதத்தை மேம்படுத்துகிறது.
   • Smithery: டைனமிக் சுமை சமநிலையை வழங்குகிறது.

சுற்றுச்சூழல் தரவு

• அளவு: மார்ச் 2025 க்குள், MCP சேவையகம் டிசம்பர் 2024 இலிருந்து +யூனிட்களாக அதிகரித்துள்ளது, இது % வளர்ச்சி விகிதம் ஆகும்.
• சமூகம்: + GitHub திட்டங்கள் பங்கேற்றன, டெவலப்பர் பங்களிப்புகளிலிருந்து சேவையகங்கள் வந்தன.
• செயல்பாடு: ஒரு ஆரம்ப ஹேக்கத்தான் + டெவலப்பர்களை ஈர்த்தது, + புதுமையான பயன்பாடுகளை உருவாக்கியது, ஷாப்பிங் உதவியாளர்கள் மற்றும் சுகாதார கண்காணிப்பு கருவிகள் போன்றவை.

MCP இன் வரம்புகள் மற்றும் சவால்கள்

தொழில்நுட்ப தடைகள்

• செயல்படுத்துதல் சிக்கலானது: MCP தூண்டல்கள் மற்றும் மாதிரி செயல்பாடுகளைக் கொண்டுள்ளது, இது மேம்பாட்டு சிரமத்தை அதிகரிக்கிறது. கருவி விளக்கங்கள் கவனமாக எழுதப்பட வேண்டும், இல்லையெனில் LLM அழைப்புகள் பிழைகளுக்கு ஆளாகின்றன.
• வரிசைப்படுத்தல் கட்டுப்பாடுகள்: உள்ளூர் டெர்மினல்களில் இயக்கவும், சேவையகத்தைத் கைமுறையாகத் தொடங்கவும் தேவை, ஒரு கிளிக் வரிசைப்படுத்தல் அல்லது வலை பயன்பாடுகள் இல்லாமல், தொலைநிலை காட்சிகளைக் கட்டுப்படுத்துகிறது.
• பிழைதிருத்தும் சவால்கள்: மோசமான குறுக்கு கிளையன்ட் பொருந்தக்கூடிய தன்மை, போதுமான பதிவு ஆதரவு. உதாரணமாக, ஒரு சேவையகம் Claude Desktop இல் நன்றாக வேலை செய்யலாம், ஆனால் Cursor இல் தோல்வியடையக்கூடும்.
• பரவும் குறைபாடுகள்: Stdio மற்றும் SSE ஐ மட்டுமே ஆதரிக்கிறது, WebSockets போன்ற நெகிழ்வான விருப்பங்கள் இல்லாததால், தொலைநிலை நிகழ்நேர செயல்திறனைக் கட்டுப்படுத்துகிறது.

சுற்றுச்சூழல் தர குறைபாடுகள்

• சீரான தரம்: + சேவையகங்களில், சுமார் % நிலையற்ற சிக்கல்களைக் கொண்டுள்ளது அல்லது ஆவணப்படுத்தல் இல்லை, இதன் விளைவாக நிலையற்ற பயனர் அனுபவங்கள் ஏற்படுகின்றன.
• போதுமான கண்டுபிடிப்பு: சேவையக முகவரிகளை கைமுறையாக உள்ளமைக்க வேண்டும், மேலும் டைனமிக் கண்டுபிடிப்பு பொறிமுறை இன்னும் முதிர்ச்சியடையவில்லை, பயனர்கள் தங்களைத் தாங்களே தேடி சோதிக்க வேண்டும்.
• அளவு வரம்புகள்: Zapier இன் + கருவிகள் அல்லது LangChain இன் + கருவி நூலகத்துடன் ஒப்பிடும்போது, MCP இன் கவரேஜ் இன்னும் போதுமானதாக இல்லை.

உற்பத்திச் சூழலில் பொருந்தக்கூடிய சவால்கள்

• அழைப்பு துல்லியம்: தற்போதைய LLM கருவி அழைப்பு வெற்றி விகிதம் சுமார் %, சிக்கலான பணிகளில் தோல்வியடையக்கூடும்.
• தனிப்பயனாக்கம் தேவைகள்: உற்பத்தி ஏஜெண்டுகளுக்கு கருவிகளுக்கு ஏற்ப அமைப்பு செய்திகள் மற்றும் கட்டமைப்புகளை மேம்படுத்த வேண்டும், மேலும் MCP இன் ‘பிளக் அண்ட் பிளே’ பூர்த்தி செய்வது கடினம்.
• பயனர் எதிர்பார்ப்புகள்: மாதிரி திறன்களின் மேம்பாட்டுடன், பயனர்களுக்கு நம்பகத்தன்மை மற்றும் வேகம் குறித்து அதிக தேவைகள் உள்ளன, மேலும் MCP இன் பொதுவான தன்மை செயல்திறனை தியாகம் செய்யலாம்.

மாற்று தீர்வுகளிலிருந்து போட்டி மற்றும் அழுத்தம்

• தனியுரிம தீர்வுகள்: OpenAI இன் Agent SDK ஆழ்ந்த மேம்படுத்தல் மூலம் அதிக நம்பகத்தன்மையை வழங்குகிறது, இது உயர்நிலை பயனர்களை ஈர்க்கக்கூடும்.
• ஏற்கனவே இருக்கும் கட்டமைப்புகள்: LangChain இன் கருவி நூலகம் டெவலப்பர்களிடையே உறுதியான பிணைப்பை ஏற்படுத்தியுள்ளது, மேலும் MCP இன் புதிய சுற்றுச்சூழல் அமைப்பு ஈடுபாட்டை ஏற்படுத்த நேரம் தேவை.
• சந்தை ஒப்பீடு: OpenAI இன் Custom GPT கள் பரவலாக வெற்றிபெறவில்லை, மேலும் MCP அதன் தனித்துவமான மதிப்பை நிரூபிக்க வேண்டும் மற்றும் தவறுகளைத் தவிர்க்க வேண்டும்.

எதிர்கால போக்குகள்: MCP இன் பரிணாம பாதை

தொழில்நுட்ப மேம்பாட்டின் பல பரிமாண பாதை

• நெறிமுறை எளிமைப்படுத்தல்: அதிகப்படியான செயல்பாடுகளை நீக்கவும், கருவி அழைப்புகளில் கவனம் செலுத்தவும், மேம்பாட்டுத் தடைகளைக் குறைக்கவும்.
• நிலையான வடிவமைப்பு: சேவையக பக்க வரிசைப்படுத்தலை ஆதரிக்கவும், அங்கீகார பொறிமுறைகளை அறிமுகப்படுத்தவும், பல வாடகை சிக்கல்களைத் தீர்க்கவும்.
• பயனர் அனுபவ தரப்படுத்தல்: கருவி தேர்வு தர்க்கம் மற்றும் இடைமுக வடிவமைப்பை தரப்படுத்தவும், நிலைத்தன்மையை மேம்படுத்தவும்.
• பிழைதிருத்தும் மேம்பாடு: குறுக்கு தள பிழைதிருத்தும் கருவிகளை உருவாக்கவும், விரிவான பதிவுகள் மற்றும் பிழை கண்காணிப்பை வழங்கவும்.
• பரவும் விரிவாக்கம்: தொலைநிலை தொடர்பு திறன்களை மேம்படுத்த WebSockets மற்றும் ஸ்ட்ரீம் செய்யக்கூடிய HTTP ஐ ஆதரிக்கவும்.

சுற்றுச்சூழல் வளர்ச்சியின் மூலோபாய திசை

• சந்தை கட்டுமானம்: npm ஐப் போன்ற ஒரு தளத்தை தொடங்கவும், மதிப்பீடு, தேடல் மற்றும் ஒரு கிளிக் நிறுவல் செயல்பாடுகளை ஒருங்கிணைக்கவும், சேவையக கண்டுபிடிப்பை மேம்படுத்தவும்.
• வலை ஆதரவு: கிளவுட் வரிசைப்படுத்தல் மற்றும் உலாவி ஒருங்கிணைப்பை செயல்படுத்தவும், உள்ளூர் கட்டுப்பாடுகளிலிருந்து விலகி, வலை பயனர்களை குறிவைக்கவும்.
• வணிக சூழ்நிலை விரிவாக்கம்: கோடிங் கருவிகளிலிருந்து வாடிக்கையாளர் ஆதரவு, வடிவமைப்பு, சந்தைப்படுத்தல் மற்றும் பிற துறைகளுக்கு மாறவும்.
• சமூக ஊக்கத்தொகைகள்: போனஸ், சான்றிதழ்கள் மூலம் உயர்தர சேவையக மேம்பாட்டை ஊக்குவிக்கவும், + சேவையகங்களை அடைய இலக்கு வைக்கவும், ஆண்டு இறுதியில் .