சாட்ஜிபிடியின் (ChatGPT) வருகையிலிருந்து, பெரிய மொழி மாதிரிகளில் (LLMs) முன்னேற்றங்களுக்கான இடைவிடாத தேடல் AI நிலப்பரப்பின் ஒரு சிறப்பியல்பு. அளவுரு அளவின் மீதான ஆரம்ப கவனம் படிப்படியாக நடைமுறை பயன்பாடுகளை நோக்கி மாறியுள்ளது, இருப்பினும் AI ஆற்றலைப் பயன்படுத்த விரும்பும் வணிகங்களுக்கு குறிப்பிடத்தக்க சவால்கள் உள்ளன. கணினி ஆற்றலுடன் தொடர்புடைய அதிக செலவுகள் மற்றும் AI பயன்பாட்டுச் சூழலின் துண்டு துண்டான தன்மை ஆகியவை முக்கியமான வலி புள்ளிகளாக இருக்கின்றன. நிறுவனங்கள் பெரும்பாலும் AI இல் தங்களின் கணிசமான முதலீடுகள் எதிர்பார்த்த வருவாயாக மாறாது என்று கண்டறிந்து, தொடர்ச்சியான ‘ROI தர்மசங்கடத்திற்கு’ வழிவகுக்கிறது.
MCP மற்றும் A2A-வின் விடியல்: ஒரு பாரடைம் மாற்றம்
2025 ஆம் ஆண்டில் மாதிரி சூழல் நெறிமுறை (MCP) மற்றும் ஏஜென்ட் 2 ஏஜென்ட் (A2A) நெறிமுறைகள் வெளிப்படுவது AI பயன்பாட்டு வளர்ச்சியின் ஒரு முக்கியமான தருணத்தை குறிக்கிறது. MCP தரவு சிலோக்களை உடைக்க இடைமுகங்களை தரப்படுத்துவதை நோக்கமாகக் கொண்டுள்ளது, LLM கள் வெளிப்புற ஆதாரங்களை திறமையாக அணுகுவதற்கும், அமைப்புகள் மற்றும் தளங்களில் தடையற்ற தரவு ஓட்டத்தை எளிதாக்குவதற்கும் உதவுகிறது. A2A மேலும் ஏஜென்டுகளுக்கு இடையே தடையற்ற தொடர்புகளை ஊக்குவிக்கிறது, ஒருங்கிணைந்த அமைப்புகளை உருவாக்க ஒத்துழைப்பு மற்றும் தகவல்தொடர்புகளை வளர்க்கிறது.
MCP இலிருந்து A2A க்கு மாறுவது AI பயன்பாட்டுச் சூழலில் ஒரு முக்கிய இயக்கமாக ‘திறந்த தன்மை’ மீது அதிகரித்து வரும் முக்கியத்துவத்தை அடிக்கோடிட்டுக் காட்டுகிறது. இந்தத் திறந்த தன்மை தொழில்நுட்ப இயங்குதன்மை மற்றும் கூட்டு உணர்வு ஆகிய இரண்டையும் உள்ளடக்கியது. ஒரு பரந்த கண்ணோட்டத்தில், இந்த மாற்றம் தொழில்நுட்ப வளர்ச்சியில் ஒரு இயற்கையான முன்னேற்றத்தைப் பிரதிபலிக்கிறது: ஆரம்ப உற்சாகத்திலிருந்து நடைமுறை செயல்படுத்தலுக்கும், தனிமைப்படுத்தப்பட்ட கண்டுபிடிப்புகளிலிருந்து கூட்டு சுற்றுச்சூழல் பரிணாம வளர்ச்சிக்கும் ஒரு மாற்றம்.
வரலாற்று ரீதியாக, LLM களின் மதிப்பு அளவுரு அளவு மற்றும் தனியாக செயல்படும் திறன்களுக்கு விகிதாசாரமாக காரணம் கூறப்பட்டுள்ளது. இன்று, MCP மற்றும் A2A AI பயன்பாடுகளுக்கு இடையேயான முக்கியமான ஒன்றுக்கொன்று இணைக்கப்படும் சிக்கலை நிவர்த்தி செய்து, LLM சுற்றுச்சூழல் அமைப்பின் போட்டி இயக்கவியலை மாற்றியமைக்கிறது. AI பயன்பாட்டு வளர்ச்சி ஒரு ‘தனி ஓநாய்’ அணுகுமுறையிலிருந்து ஒன்றோடொன்று இணைக்கப்பட்ட மாதிரியாக உருவாகி வருகிறது. இதற்கு CTO க்கான AI மதிப்பை மறு மதிப்பீடு செய்ய வேண்டியது அவசியம், வெறும் மாதிரி அளவு மற்றும் ‘அனைத்தும் உள்ளடக்கிய’ உத்திகளைப் பின்தொடர்வதை விட பல்வேறு AI திறன்களை இணைக்கும் தளங்களைப் பயன்படுத்துவதில் கவனம் செலுத்த வேண்டும். AI ஐ ஏற்கனவே உள்ள வணிக செயல்முறைகள் மற்றும் உற்பத்தி அமைப்புகளில் கரிமமாக உட்பொதித்து, ஒத்துழைப்பு மற்றும் தரப்படுத்தல் மூலம் ஒட்டுமொத்த செயல்திறனை மேம்படுத்துவது, குறைந்த கணினி வளங்களைக் கொண்டு முக்கியமான சிக்கல்களைத் தீர்ப்பது மற்றும் ‘ROI தர்மசங்கடத்தை’ சமாளிப்பதே குறிக்கோள்.
வீணான கணினி மற்றும் தவறாகப் பொருந்தக்கூடிய காட்சிகள்
அதிக முதலீடு, குறைந்த வெளியீடு தடையை சமாளிக்க இயலாமை நீண்ட காலமாக LLM களின் செயலாக்கத்தை பாதித்துள்ளது. இந்த நிகழ்வு AI வளர்ச்சியில் ஆழமான முரண்பாடுகளை பிரதிபலிக்கிறது. முதலாவதாக, கணினி சக்தியில் குறிப்பிடத்தக்க வீண் உள்ளது. நிறுவன அளவிலான பொது நோக்கத்திற்கான கணினி மையங்கள் 10-15% பயன்பாட்டில் மட்டுமே செயல்படுகின்றன, இது ஏராளமான கணினி ஆதாரங்களை செயலற்ற நிலையில் விட்டுவிடுகிறது என்று தரவு காட்டுகிறது. இரண்டாவதாக, மாதிரி செயல்திறன் வணிக காட்சிகளின் உண்மையான தேவைகளைப் பூர்த்தி செய்யாத காட்சிகளின் தவறான சீரமைப்பு உள்ளது.
சாதாரணமான பிரச்சினை என்னவென்றால், இலகுரக பணிகளுக்கு பெரிய மாதிரிகளைப் பயன்படுத்துவது ‘அதிகப்படியானதாக’ இருக்கிறது. சில வணிகங்கள் எளிய பயன்பாடுகளுக்கு பொது நோக்கத்திற்கான LLM களை அதிகமாக நம்பியுள்ளன. கூடுதலாக, வணிக காட்சிகளின் தனித்துவமான தன்மை சங்கடங்களை உருவாக்குகிறது. பெரிய மாதிரிகளைப் பயன்படுத்துவது அதிக கணினி செலவுகள் மற்றும் நீண்ட அனுமான நேரங்களை ஏற்படுத்துகிறது. சிறிய மாதிரிகளைத் தேர்ந்தெடுப்பது வணிகத் தேவைகளைப் பூர்த்தி செய்யாது. இந்த மோதல் சிறப்பு டொமைன் அறிவு தேவைப்படும் வணிக காட்சிகளில் குறிப்பாக தெளிவாக உள்ளது.
பணியமர்த்தல் துறையில் திறமை-வேலை பொருத்தும் சூழ்நிலையை கவனியுங்கள். நிறுவனங்களுக்கு ரெஸ்யூம்கள் மற்றும் வேலை விளக்கங்களுக்கு இடையேயான சிக்கலான உறவுகளைப் புரிந்துகொள்ள ஆழமான பகுத்தறிவு திறன்களைக் கொண்ட மாதிரிகள் தேவை, அதே நேரத்தில் விரைவான மறுமொழி நேரங்களையும் கோருகின்றன. பொது நோக்கத்திற்கான LLM களின் நீண்ட அனுமான நேரங்கள் பயனர் அனுபவத்தை கணிசமாகக் குறைக்கும், குறிப்பாக அதிக ஒரே நேரத்தில் பயனர் கோரிக்கைகளின் கீழ்.
செயல்திறன் மற்றும் செயல்திறனை சமநிலைப்படுத்த, மாதிரி வடிகட்டுதல் சமீபத்திய ஆண்டுகளில் வேகத்தை அதிகரித்துள்ளது. இந்த ஆண்டின் தொடக்கத்தில் டீப் சீக்-ஆர்1 (DeepSeek-R1) அறிமுகம் இந்த நுட்பத்தின் மதிப்பை மேலும் எடுத்துக்காட்டியுள்ளது. சிக்கலான பகுத்தறிவு பணிகளைக் கையாளும் போது, மாதிரி வடிகட்டுதல் டீப் சீக்-ஆர்1 இன் ‘சிந்தனை சங்கிலி’ வடிவத்தை படம்பிடிக்கிறது, இலகுரக மாணவர் மாதிரிகள் வெளியீட்டு முடிவுகளை வெறுமனே பின்பற்றுவதை விட அதன் பகுத்தறிவு திறன்களைப் பெற அனுமதிக்கிறது.
உதாரணமாக, ஒரு முன்னணி பணியமர்த்தல் தளமான ஜாவ்பின் (Zhaopin), திறமை-வேலை பொருத்தும் பணிகளில் பயன்படுத்தப்படும் சிந்தனை மற்றும் முடிவெடுக்கும் தர்க்கத்தின் சங்கிலியை வடிகட்ட ஒரு ஆசிரியர் மாதிரியாக டீப் சீக்-ஆர்1 (600+ பில்லியன் அளவுருக்கள்) பயன்படுத்தப்பட்டது. ஆசிரியர் மாதிரியை வடிகட்டவும், அதை மாணவர் மாதிரியான ERNIE Speed மாதிரியில் (10+ பில்லியன் அளவுருக்கள்) மாற்றவும் பைடு AI கிளவுட் கியான்ஃபான் (Baidu AI Cloud Qianfan) மாதிரி மேம்பாட்டு தளத்தை அவர்கள் பயன்படுத்தினர். இந்த அணுகுமுறை ஆசிரியர் மாதிரியுடன் ஒப்பிடக்கூடிய செயல்திறனை அடைந்தது (டீப் சீக்-ஆர்1 பகுத்தறிவு இணைப்பு முடிவுகளில் 85% துல்லியத்தை அடைந்தது, அதே நேரத்தில் மாணவர் மாதிரி 81% க்கு மேல் அடைந்தது), அனுமான வேகத்தை ஏற்றுக்கொள்ளக்கூடிய அளவிற்கு மேம்படுத்தியது மற்றும் அசல் விலையில் 30% ஆக குறைத்தது, அதே நேரத்தில் முழு வீச்சிலான டீப் சீக்-ஆர்1 ஐ விட 1 மடங்கு வேகத்தை அடைந்தது.
தற்போது, நிறுவனங்கள் பொதுவாக மாதிரி வடிகட்டுதலுக்கு இரண்டு அணுகுமுறைகளை பின்பற்றுகின்றன: உள்கட்டமைப்பு மற்றும் GPU க்கள் முதல் பயிற்சி கட்டமைப்புகள் வரை ஒரு முழுமையான தொழில்நுட்ப அமைப்பை உருவாக்குதல் அல்லது கியான்ஃபான் மாதிரி மேம்பாட்டு தளம் அல்லது பிற விற்பனையாளர்கள் போன்ற தளம் அடிப்படையிலான தீர்வுகளைப் பயன்படுத்துதல். ஜாவ்பின் நிறுவனத்தில் AI பயன்பாட்டு நிபுணரான யாவோ சிஜியா (Yao Sijia), ஜாவ்பின் தனது சொந்த பயிற்சி கட்டமைப்பைக் கொண்டிருந்தாலும், மாதிரி வடிகட்டுதலுக்காக கியான்ஃபான் மாதிரி மேம்பாட்டு தளத்தை தேர்ந்தெடுத்ததற்கு மூன்று முக்கிய காரணங்கள் இருப்பதாக கூறினார்:
- விரிவான ஆதரவு: கியான்ஃபான் மாதிரி மேம்பாட்டு தளம் மாதிரி வடிகட்டுதலுக்கான தொழில்துறையில் முன்னணி ஆதரவை வழங்குகிறது, வடிகட்டுதல் காட்சிகளைச் சுற்றி முழு தொழில்நுட்பச் சங்கிலியையும் ஆழமாக மேம்படுத்துகிறது.
- செலவு கட்டுப்பாடு: வன்பொருளை சுயாதீனமாக வாங்குதல் மற்றும் பராமரிப்பதோடு ஒப்பிடும்போது, கியான்ஃபான் மாதிரி மேம்பாட்டு தளம் செலவு கட்டுப்பாடு மற்றும் நெகிழ்வான வள ஒதுக்கீடு ஆகியவற்றில் குறிப்பிடத்தக்க நன்மைகளை வழங்குகிறது.
- வணிக காட்சிகளைப் பற்றிய ஆழமான புரிதல்: பைடுவின் (Baidu) தொழில்முறை தீர்வுக் குழு பணியமர்த்தல் துறையில் ‘சரியான பொருத்தம்’ மற்றும் ‘அதிக ஒருங்கே பதில்’ போன்ற முக்கிய தேவைகளை ஆழமாகப் புரிந்து கொள்கிறது மற்றும் தீர்வுகளை ஆராய நிறுவனங்களுடன் ஒத்துழைக்கிறது.
கியான்ஃபானின் (Qianfan) வலுவூட்டல் கற்றல் சிறந்த இசைவு (RFT) தொழில்நுட்பத்தைப் பயன்படுத்தி மாதிரி செயல்திறனை மேலும் மேம்படுத்த ஜாவ்பின் தொடர்ந்து AI+ பணியமர்த்தல் காட்சிகளை முன்னெடுக்கும் என்று யாவோ சிஜியா மேலும் கூறினார். ஆசிரியர் மாதிரியை மேலும் மேம்படுத்த முடியுமா மற்றும் சிறந்த வெகுமதி வழிமுறைகள் ஏற்கனவே வடிகட்டப்பட்ட மாணவர் மாதிரிகளை மேம்படுத்தி துல்லியத்தை மேம்படுத்த முடியுமா என்பதை ஆராய அவர்கள் திட்டமிட்டுள்ளனர். RFT மற்றும் GRPO போன்ற முன்னணி வலுவூட்டல் கற்றல் முறைகளை உற்பத்தி செய்யும் சீனாவின் முதல் தளம் கியான்ஃபான் ஆகும். இந்த அதிநவீன வலுவூட்டல் கற்றல் முறைகளை செயல்படுத்தக்கூடிய தீர்வுகளாக மாற்றுவதன் மூலம், ஜாவ்பின் போன்ற நிறுவனங்களுக்கு மாதிரி செயல்திறனை மேம்படுத்துவதற்கு கியான்ஃபான் அதிக சாத்தியங்களை வழங்குகிறது.
இருப்பினும், மாதிரி வடிகட்டுதல் ஒரு மாதிரியின் செயல்திறனை மட்டுமே மேம்படுத்துகிறது. சிக்கலான வணிக காட்சிகளில், பலதரப்பட்ட AI திறன்களை காட்சிகளுடன் துல்லியமாக பொருத்துவது அவசியம்.
ஸ்மார்ட்போனை (Smartphone) கவனியுங்கள். அழைப்பு உதவியாளர்கள் போன்ற நோக்கம் அடையாளம் காணும் காட்சிகளில், பயனர் சிக்கல்களை விரைவாக அடையாளம் காண இலகுரக மாதிரிகள் பொதுவாகப் பயன்படுத்தப்படுகின்றன. வானிலை வினவல்கள் மற்றும் செய்தி மீட்டெடுப்பு போன்ற பொது அறிவு கேள்வி பதில் காட்சிகளுக்கு, துல்லியமான மற்றும் தகவலறிந்த பதில்களை விரைவாக வழங்க நடுத்தர அளவிலான மாதிரிகள் பொதுவாகப் பயன்படுத்தப்படுகின்றன. ஆழமான சிந்தனை தேவைப்படும் தரவு பகுப்பாய்வு மற்றும் தர்க்கரீதியான பகுத்தறிவு காட்சிகளில், பெரிய மாதிரிகள் பொதுவாகப் பயன்படுத்தப்படுகின்றன.
இதன் பொருள் ஒரு ஸ்மார்ட்போன் வெவ்வேறு பயனர் தேவை காட்சிகளில் பல LLM களை நெகிழ்வாக அழைக்க வேண்டும். தொலைபேசி உற்பத்தியாளர்களுக்கு, இது அதிக மாதிரி தேர்வு செலவுகள் மற்றும் வெவ்வேறு மாதிரி இடைமுக நெறிமுறைகள் காரணமாக சிக்கலான அழைப்பு செயல்முறைகள் போன்ற சவால்களை முன்வைக்கிறது.
இந்தத் தொழில் வலியை நிவர்த்தி செய்ய, கியான்ஃபான் மாதிரி மேம்பாட்டு தளம் மாதிரி ரூட்டிங் இடைமுகங்களை உற்பத்தி செய்தது. அசல் தொழிற்சாலை மாதிரிகளை நேரடியாகப் பயன்படுத்துவதை விட, இது தனிப்பயன் மேம்பாடு மற்றும் பெட்டியிலிருந்து வெளியே API அழைப்பு தயாரிப்பு திறன்களை வழங்குகிறது, நிறுவனங்கள் பொறியியல் பணியையும் மேம்பாட்டு நேரத்தையும் சேமிக்க உதவுகிறது, அதே நேரத்தில் செலவுகளைக் குறைக்கிறது. கூடுதலாக, கியான்ஃபான் மாதிரி மேம்பாட்டு தளம் பெரிய அளவிலான பயனர்களுக்கு நெகிழ்வான அழைப்பை ஆதரிக்கிறது, அதிக அதிர்வெண் மற்றும் அதிக ஒருங்கே அழைப்பு தேவைகளின் கீழ் கூட வேகம் மற்றும் ஸ்திரத்தன்மையை உறுதி செய்கிறது.
மாதிரி மட்டத்தில், மாதிரி வடிகட்டுதல் மற்றும் பல மாதிரி அழைப்பு போன்ற தொழில்நுட்ப திறன்கள் அதிக நிறுவனங்கள் வள ஒதுக்கீட்டை மேம்படுத்த உதவுகின்றன, AI திறன்கள் வணிக காட்சிகளுடன் துல்லியமாக பொருந்த அனுமதிக்கின்றன, அதே நேரத்தில் செலவுகளைக் குறைக்கின்றன. பயன்பாட்டு மட்டத்தில், MCP மற்றும் A2A ஆகியவை குறிப்பிடத்தக்க தொழில் கவனத்தை ஈர்த்துள்ளன, மேலும் AI சோதனை மற்றும் பிழை செலவுகளை குறைக்க உதவுகின்றன, நிறுவனங்கள் பயன்பாட்டு ஒத்துழைப்பு பாரடைம்களை மேம்படுத்த உதவுகின்றன மற்றும் பாரம்பரிய ஏஜென்ட் மேம்பாட்டில் திறமையற்ற ‘சக்கரத்தை மீண்டும் கண்டுபிடிக்கும்’ மாதிரியை மாற்றுகின்றன.
LLM கள் ‘ROI தர்மசங்கடத்தை’ சமாளிக்க உதவும் ஒரு ‘சமந்தப்பட்ட அடி’ மாதிரிகள் முதல் பயன்பாடுகள் வரை சரியான பதில்.
மூடப்பட்டதிலிருந்து திறந்ததற்கு: AI சோதனைக்கான தடையை குறைத்தல்
2023 முதல், AI பயன்பாட்டு செயலாக்கத்திற்கான முக்கிய சொல் படிப்படியாக ஏஜென்டாக மாறியுள்ளது. 2024 ஆம் ஆண்டில், கிட்டத்தட்ட அனைத்து நிறுவனங்களும் ஏஜென்ட் பயன்பாடுகள் மற்றும் வளர்ச்சியைப் பற்றி விவாதிக்கின்றன. இருப்பினும், அந்த நேரத்தில் ஏஜென்ட்களுக்கு உண்மையான திட்டமிடல் திறன்கள் இல்லை, மேலும் அவை முதன்மையாக பணிப்பாய்வு முன்னோக்குகளை அடிப்படையாகக் கொண்டவை, நிபுணர் தலைமையிலான விதிகள் மூலம் கூறுகளை இணைப்பதன் அல்லது நடைமுறைப்படுத்துவதன் மூலம் LLM களை அடிப்படை பயன்பாடுகளுடன் இணைக்கிறது.
சமீபத்திய MCP மற்றும் A2A நெறிமுறைகளின் வளர்ச்சியுடன், 2025 உண்மையான ‘ஏஜென்ட் ஜீரோ ஆண்டு’ ஆகிவிட்டது. குறிப்பாக, TCP/IP நெறிமுறை இணையத்தில் ஏற்படுத்திய தாக்கத்திற்கு இணையானதாக MCP இன் தாக்கம் AI துறையில் உள்ளது.
பியாவோ டெக்னாலஜி (Biyao Technology) தலைமை நிர்வாக அதிகாரி ஜெவ் ஜீ’ஆன் (Zhou Ze’an), InfoQ உடன் ஒரு நேர்காணலில், MCP இன் முக்கிய மதிப்பு AI துறைக்கு மூன்று பரிமாணங்களில் பிரதிபலிக்கிறது என்று கூறினார்:
- LLM கருவி அழைப்பின் தரப்படுத்தல்: கடந்த காலத்தில், ஒவ்வொரு நிறுவனமும் அதன் சொந்த செயல்பாட்டு அழைப்பு செயலாக்கத்தைக் கொண்டிருந்தது, அவற்றுக்கிடையே குறிப்பிடத்தக்க வேறுபாடுகள் இருந்தன. MCP ஒரு ஒருங்கிணைந்த அணுகல் தரத்தை நிறுவுகிறது, கிளையண்டுகள் மற்றும் சேவையகங்களுக்கு இடையில் பயன்பாட்டு திட்டமிடல் திட்டங்களின் உண்மையான தரப்படுத்தலை செயல்படுத்துகிறது. கூடுதலாக, MCP செயல்பாடு அழைப்பை ஆதரிக்கும் LLM களுக்கு மட்டுமல்ல, இந்த அம்சம் இல்லாத LLM களுடனும் தொடர்புகளை செயல்படுத்துகிறது.
- கருவி ஒத்துழைப்பு சவால்களைத் தீர்ப்பது: MCP நெறிமுறையின் ஒருங்கிணைந்த தரம் ஏஜென்ட் சேவைகளின் கட்டுமானத்தை மிகவும் வேறுபட்டதாக ஆக்குகிறது. டெவலப்பர்கள் தங்கள் சொந்த ஏஜென்ட்கள் மற்றும் MCP சேவைகளை மட்டுமல்ல, அதிக சக்திவாய்ந்த ஏஜென்ட் செயல்பாடுகளை அடைய வெளிப்புற திறன்களை எவ்வாறு ஒருங்கிணைப்பது என்பதையும் கருத்தில் கொள்ள வேண்டும்.
- LLM கள் மூலம் முழு சூழலையும் கட்டுப்படுத்துதல், இதன் விளைவாக மிகவும் பயனர் நட்பு தொடர்பு: செயல்முறைகளை உருவாக்கும்போது, முன்பு சாத்தியமற்ற சிக்கலான பணிகளைத் தீர்க்க பரந்த அளவிலான தரவு ஆதாரங்களைப் பயன்படுத்தலாம்.
‘பொதுவாக, MCP நெறிமுறை நிறுவனங்கள் AI தொழில்நுட்பத்தை ஏற்றுக்கொள்ளும் தடையை கணிசமாகக் குறைக்கிறது. கடந்த காலத்தில், ஏஜென்ட்களை அணுகுவதற்கான தொழில்நுட்ப ஒருங்கிணைப்பு செயல்முறை சிக்கலானதாக இருந்தது. இப்போது, நிறுவனங்கள் சிக்கலான தொழில்நுட்ப செயலாக்க விவரங்களை ஆழமாகப் புரிந்து கொள்ளத் தேவையில்லை, ஆனால் அவற்றின் வணிகத் தேவைகளை தெளிவுபடுத்த வேண்டும்,’ என்று ஜெவ் ஜீ’ஆன் கூறினார். பியாவோ டெக்னாலஜி MCP நெறிமுறையின் மூலம் அதன் சுய-வளர்ந்த மனித வள தொழில் செங்குத்து LLM ‘போலே’ இன் ஆவண செயலாக்க திறன்களை முழுமையாகத் திறந்துள்ளது, ஒப்பந்தங்கள், ரெஸ்யூம்கள் மற்றும் PPT கள் உட்பட, மற்றும் கியான்ஃபான் பயன்பாட்டு மேம்பாட்டு தளத்தில் MCP கூறுகளை அறிமுகப்படுத்திய முதல் நிறுவன டெவலப்பர்களில் ஒருவராக ஆனது. தற்போது, எந்தவொரு நிறுவனமும் அல்லது தனிப்பட்ட டெவலப்பரும் கியான்ஃபான் தளத்தில் அதன் தொழில்முறை திறன்களை நேரடியாக அழைக்க முடியும்.
‘டெவலப்பர்கள் MCP ஐ தீவிரமாகவும் விரிவாகவும் ஏற்றுக்கொள்ள பைடு உதவும்.’ ஏப்ரல் 25 அன்று நடைபெற்ற கிரியேட்2025 பைடு AI டெவலப்பர் மாநாட்டில், கியான்ஃபான் தளம் அதிகாரப்பூர்வமாக நிறுவன அளவிலான MCP சேவைகளை அறிமுகப்படுத்தியது. ஏஜென்ட்களை உருவாக்கும்போது, பைடு AI தேடல், வரைபடங்கள் மற்றும் வென்கு உள்ளிட்ட 1000 MCP சேவையகங்களை டெவலப்பர்கள் நெகிழ்வாக அணுகுவதை அனுமதிக்கும் கியான்ஃபான் தளம் MCP ஐ ஏற்றுக்கொள்வதற்கான வழக்கை பைடு நிறுவனர் லி யான்ஹாங் (Li Yanhong) நிரூபித்தார். கூடுதலாக, டெவலப்பர்கள் தங்கள் சொந்த MCP சேவையகங்களை கியான்ஃபானில் எளிதாக உருவாக்கவும், ஒரே கிளிக்கில் கியான்ஃபான் MCP சதுக்கத்தில் வெளியிடவும் அனுமதிக்கும் MCP சேவையகங்களை உருவாக்குவதற்கான குறைந்த குறியீடு கருவியை கியான்ஃபான் அறிமுகப்படுத்தியது. இந்த MCP சேவையகங்கள் பைடு தேடலால் உடனடியாக அட்டவணைப்படுத்தப்படும், இது அதிகமான டெவலப்பர்களால் கண்டுபிடிக்கப்பட்டு பயன்படுத்த அனுமதிக்கிறது.
உண்மையில், MCP நெறிமுறை எழுச்சிக்கு முன்பு AI செயலாக்கத்தின் கடைசி மைல் சிக்கலை கியான்ஃபான் தொடர்ந்து தீர்த்து வருகிறது, நிறுவனங்கள் AI தொழில்நுட்பத்தின் நன்மைகளை திறமையாகவும் குறைந்த தடைகளுடனும் அனுபவிக்க உதவுகிறது மற்றும் பல தொழில்களுக்கு முதிர்ச்சியான தீர்வுகளை வழங்குகிறது.
உதாரணமாக, ஸ்மார்ட் ஹோம் தொழிலில், நிறுவனங்கள் பொதுவாக ஒரு பொதுவான சிக்கலை எதிர்கொள்கின்றன: பாரிய தயாரிப்பு மாதிரிகளுக்கான துல்லியமான அறிவார்ந்த சேவைகளை எவ்வாறு வழங்குவது? LLM களின் விரைவான செயலாக்கத்துடன், அதிக நிறுவனங்கள் பயனர்களுக்கு துல்லியமான மற்றும் தனிப்பயனாக்கப்பட்ட பதில்களை விரைவாக வழங்க ஏஜென்ட்களைப் பயன்படுத்துகின்றன. இருப்பினும், இது ஒரு புதிய சவாலையும் கொண்டு வருகிறது: ஏராளமான ஏஜென்ட்களை எவ்வாறு உருவாக்குவது மற்றும் நிர்வகிப்பது? ஸ்மார்ட் ஹோம் பிராண்டுகள் பொதுவாக பலவிதமான தயாரிப்பு வகைகள் மற்றும் மாதிரிகளைக் கொண்டுள்ளன. ஒவ்வொரு தயாரிப்புக்கும் தனித்தனியாக ஒரு ஏஜென்ட்டை உருவாக்குவது அதிக மேம்பாட்டு செலவுகளுக்கு வழிவகுக்கும் மட்டுமல்லாமல், பிற்கால கட்டங்களில் குறிப்பிடத்தக்க மேலாண்மை மற்றும் பராமரிப்பு செலவுகளுக்கும் வழிவகுக்கும்.
உதாரணமாக, ஒரு முன்னணி ஸ்மார்ட் ஹோம் பிராண்ட் பைடு AI கிளவுட் கியான்ஃபான் பயன்பாட்டு மேம்பாட்டு தளத்தைப் பயன்படுத்தி கோப்பு பெயர்களை சுயாதீன துண்டுகளாகவும், கோப்பு பெயர் துண்டு தகவலை ஒவ்வொரு நுண்துண்டு துண்டிலும் உட்பொதிக்கவும். ஒவ்வொரு தயாரிப்புக்கும் தனித்தனியாக ஒரு ஏஜென்ட்டை உருவாக்குவதற்கு பதிலாக, அவர்கள் தொடர்புடைய அறிவுத் தளத்தை வரிசைப்படுத்தி தயாரிப்பு மாதிரி பெயர்களை வரையறுக்க வேண்டும். பின்னர், தயாரிப்பு மாதிரிகள் மற்றும் அறிவு புள்ளிகளின் துல்லியமான பொருத்தம் அடைய கியான்ஃபான் தளத்தின் RAG கட்டமைப்பு தானியங்கி பாகுபடுத்தல் உத்தியைப் பயன்படுத்தலாம்.
தொடர்ந்து உருவாகும் அறிவார்ந்த மையத்தை உருவாக்க இந்த பிராண்டிற்கு கியான்ஃபான் பயன்பாட்டு மேம்பாட்டு தளம் ஒரு தொகுப்பு செயல்பாட்டு கருவிகளையும் வழங்குகிறது. தரவு பின் ஓட்டம் செயல்பாட்டின் மூலம், அனைத்து பயனர் தொடர்பு பதிவுகளும் மேம்படுத்தல் பொருட்களாக மாற்றப்படுகின்றன. செயல்பாட்டு பணியாளர்கள் அதிக அதிர்வெண் சிக்கல்களை நிகழ்நேரத்தில் பார்வையிடலாம் மற்றும் கண்டுபிடிக்கப்படாத அறிவு புள்ளிகளில் உடனடியாக தலையிடலாம், இது ஒரு ‘செயல்பாடு - பின்னூட்டம் - மேம்படுத்தல்’ மூடிய சுழற்சியை உருவாக்குகிறது. கூடுதலாக, கியான்ஃபான் பயன்பாட்டு மேம்பாட்டு தளமும் ஜியோடு AI உதவியாளரும் இணைந்து ஒரு குரல் தொடர்பு கட்டமைப்பை உருவாக்கின. இந்த கட்டமைப்பை நம்பி, வன்பொருள் பயனர்களுடன் நேரடியாக ‘பேச’ பிராண்ட் உதவுகிறது, இது மிகவும் இயற்கையான, திறமையான மற்றும் தனிப்பயனாக்கப்பட்ட ஊடாடும் அனுபவத்தை அடைகிறது.
MCP இலிருந்து A2A வரை, திறந்த தன்மை LLM பயன்பாட்டு சூழலில் ஒரு புதிய முக்கிய சொல்லாக மாறியுள்ளது. திறந்த தன்மை கியான்ஃபான் தளத்தின் அசல் நோக்கமும் ஆகும். 2023 இல் அதன் வெளியீட்டின் முதல் நாளிலிருந்து, கியான்ஃபான் மூன்றாம் தரப்பு LLM களின் செல்வத்தை அணுகுவதற்கு மிகவும் திறந்த தோரணையை ஏற்றுக்கொண்டது. தற்போது, கியான்ஃபான் 30 க்கும் மேற்பட்ட மாதிரி விற்பனையாளர்களிடமிருந்து 100 க்கும் மேற்பட்ட மாதிரிகளுக்கான அணுகலைக் கொண்டுள்ளது, இது உரை, படம் மற்றும் ஆழமான பகுத்தறிவு போன்ற 11 வகையான திறன்களை உள்ளடக்கியது, டீப் சீக் (DeepSeek), எல்எல்ஏஎம்ஏ (LLaMA), டோங்யி (Tongyi) மற்றும் விது (Vidu) போன்ற மூன்றாம் தரப்பு மாதிரிகள் உட்பட. இது புதிதாக வெளியிடப்பட்ட சொந்த பல மாதிரி மாதிரி வென்சின் 4.5 டர்போ (Wenxin 4.5 Turbo) மற்றும் ஆழமான சிந்தனை மாதிரி வென்சின் எக்ஸ்1 டர்போ (Wenxin X1 Turbo) மற்றும் முன்னர் வெளியிடப்பட்ட ஆழமான சிந்தனை மாதிரி வென்சின் எக்ஸ்1 (Wenxin X1) உட்பட வென்சின் LLM களின் முழு வரம்பையும் வழங்குகிறது.
AI தொழில்நுட்பத்தை விரைவாக செயல்படுத்த விரும்பும் நிறுவனங்களுக்கு, பைடு AI கிளவுட் படிப்படியாக முதல் தேர்வாக மாறி வருகிறது. சந்தை தரவு சிறந்த சான்று. தற்போது, கியான்ஃபான் தளம் 400,000 க்கும் மேற்பட்ட வாடிக்கையாளர்களுக்கு சேவை செய்கிறது, மத்திய நிறுவனங்களில் 60% க்கும் அதிகமான ஊடுருவல் விகிதத்துடன். சீனா பெரிய மாதிரி ஏலத் திட்டம் கண்காணிப்பு மற்றும் நுண்ணறிவு அறிக்கை (2025Q1) படி, பைடு பெரிய மாதிரி ஏலத் திட்டங்களின் எண்ணிக்கை மற்றும் முதல் காலாண்டில் வெற்றி பெற்ற ஏலங்களின் அளவு ஆகிய இரண்டிலும் இரட்டை முதலில் வெற்றி பெற்றது: 19 பெரிய மாதிரி ஏலத் திட்டங்களில் 450 மில்லியன் யுவானுக்கு அதிகமான வெளிப்படுத்தப்பட்ட திட்ட தொகையுடன் வெற்றி பெற்றது, மேலும் வெற்றி பெற்ற பெரிய மாதிரி திட்டங்கள் கிட்டத்தட்ட அனைத்தும் ஆற்றல் மற்றும் நிதி போன்ற தொழில்களில் மத்திய அரசுக்கு சொந்தமான நிறுவன வாடிக்கையாளர்களிடமிருந்து வந்தவை.
பீடு ஏஐ கிளவுடின் அறிக்கையும் வெளிப்புற உலகிற்கு ஒரு சமிக்ஞையை அனுப்புகிறது: ஏஐ தொழில்நுட்ப செயலாக்கத்திற்கான இந்த நீண்டகால போரில், தொழில்துறையின் வலி புள்ளிகளை உண்மையாகப் புரிந்துகொண்டு நிறுவனங்கள் சோதனை மற்றும் பிழை செலவுகளைக் குறைக்க உதவும் தீர்வுகள் மட்டுமே மிகவும் முக்கியத்துவம் வாய்ந்தவை.