MCP: AI-யில் அடுத்த பெரிய விஷயம்?

AI உலகில் MCP: இது ஒரு பெரிய விஷயமா?

AI உலகம் தொடர்ந்து மாறிக்கொண்டே இருக்கிறது, புதிய சொற்களும் தொழில்நுட்பங்களும் வேகமாக வெளிவருகின்றன. அப்படிப்பட்ட ஒரு சொல் MCP, அல்லது மாதிரி சூழல் நெறிமுறை. இந்த கருத்து AI சமூகத்தில் உற்சாகத்தை ஏற்படுத்தியுள்ளது, மொபைல் பயன்பாட்டு வளர்ச்சியின் ஆரம்ப நாட்களுடன் ஒப்பிடுகிறது.

ஏப்ரல் 25-ம் தேதி நடைபெற்ற Baidu Create மாநாட்டில் Baidu தலைவர் லி யான்ஹோங், “MCP-யை அடிப்படையாகக் கொண்ட அறிவார்ந்த ஏஜெண்டுகளை உருவாக்குவது 2010-ல் மொபைல் செயலிகளை உருவாக்குவது போன்றது” என்றார். இந்த ஒப்புமை AI பயன்பாடுகளின் எதிர்காலத்தில் MCP-யின் தாக்கத்தை எடுத்துக்காட்டுகிறது.

MCP ஐப் புரிந்துகொள்வது

உங்களுக்கு இன்னும் MCP பற்றி தெரியவில்லை என்றால், நீங்கள் ஏஜென்ட் என்ற சொல்லை கேள்விப்பட்டிருக்கலாம். 2025-ன் தொடக்கத்தில் மனுஸ் என்ற சீன ஸ்டார்ட்அப் நிறுவனத்தின் புகழ் இந்த கருத்தை வெளிச்சத்துக்கு கொண்டு வந்தது.

ஏஜென்ட்டின் முக்கிய அம்சம் என்னவென்றால், அது பணிகளைச் திறம்படச் செய்யும் திறன் கொண்டது. உரையாடல் இடைமுகமாக மட்டுமே செயல்பட்ட பெரிய மொழி மாதிரிகள் போலல்லாமல், ஏஜெண்டுகள் வெளிப்புற கருவிகள் மற்றும் தரவு ஆதாரங்களைப் பயன்படுத்தி பணிகளைச் செய்ய வடிவமைக்கப்பட்டுள்ளன. பாரம்பரிய LLM-கள் அவற்றின் பயிற்சித் தரவுகளால் கட்டுப்படுத்தப்படுகின்றன மற்றும் வெளிப்புற ஆதாரங்களை அணுக சிக்கலான செயல்முறைகள் தேவைப்படுகின்றன.

ஏஜென்ட் பார்வையை உணர MCP முக்கியமானது, LLM-கள் MCP நெறிமுறையை ஆதரிக்கும் வெளிப்புற கருவிகளுடன் தடையின்றி தொடர்பு கொள்ள அனுமதிக்கிறது. இது குறிப்பிட்ட மற்றும் சிக்கலான பணிகளைச் செய்ய உதவுகிறது.

தற்போது, அமப் மற்றும் வெச்சாட் ரீட் உள்ளிட்ட பல பயன்பாடுகள் அதிகாரப்பூர்வ MCP சர்வர்களை அறிமுகப்படுத்தியுள்ளன. ஒரு LLM-ஐ தேர்ந்தெடுத்து அமப் அல்லது வெச்சாட் ரீட் போன்ற MCP சர்வர்களுடன் ஒருங்கிணைப்பதன் மூலம் AI பயன்பாடுகளை உருவாக்க இது டெவலப்பர்களுக்கு உதவுகிறது. இது வரைபடக் கேள்விகள் மற்றும் புத்தகங்களிலிருந்து தகவல்களை மீட்டெடுப்பது போன்ற பணிகளைச் செய்ய LLM-க்கு உதவுகிறது.

MCP அலை பிப்ரவரி 2024-ல் தொடங்கியது மற்றும் உலகளவில் வேகத்தை பெற்றுள்ளது.

OpenAI, Google, Meta, Alibaba, Tencent, ByteDance மற்றும் Baidu போன்ற பெரிய நிறுவனங்கள் MCP நெறிமுறைக்கான ஆதரவை அறிவித்து, டெவலப்பர்கள் மற்றும் பயன்பாட்டு சேவை வழங்குநர்களை சேர அழைப்பு விடுத்துள்ளன.

AI சூழலை ஒருங்கிணைத்தல்

2024-ல் AI துறையில் ‘சூப்பர் செயலிகள்’ ஒரு பிரபலமான தலைப்பாக இருந்தது, AI பயன்பாடுகளின் பெருக்கம் பற்றிய எதிர்பார்ப்புகள் இருந்தன. இருப்பினும், AI கண்டுபிடிப்பு சுற்றுச்சூழல் துண்டு துண்டாகவே இருந்தது.

MCP-யின் தோற்றம், எழுத்து, போக்குவரத்து மற்றும் அளவீட்டு முறைகளை தரப்படுத்திய சின் ஷி ஹுவாங்கின் கீழ் சீனாவின் ஒருங்கிணைப்புடன் ஒப்பிடலாம். இந்த தரநிலைப்படுத்தல் பொருளாதார நடவடிக்கை மற்றும் வர்த்தகத்தை பெரிதும் எளிதாக்கியது.

MCP மற்றும் ஒத்த நெறிமுறைகளை ஏற்றுக்கொள்வது 2025-ல் AI பயன்பாடுகளில் குறிப்பிடத்தக்க அதிகரிப்புக்கு வழி வகுக்கும் என்று பல சந்தை ஆய்வாளர்கள் நம்புகின்றனர்.

MCP AI-க்கான ‘சூப்பர் பிளக்-இன்’ ஆக செயல்படுகிறது, இது பல்வேறு வெளிப்புற கருவிகள் மற்றும் தரவு ஆதாரங்களுடன் தடையின்றி ஒருங்கிணைக்க உதவுகிறது.

MCP-யின் தொழில்நுட்ப அடிப்படை

MCP, அல்லது மாதிரி சூழல் நெறிமுறை, முதன்முதலில் Anthropic ஆல் நவம்பர் 2024-ல் அறிமுகப்படுத்தப்பட்டது.

ஒரு திறந்த தரநிலையாக, MCP AI பயன்பாடுகளைவெளிப்புற தரவு ஆதாரங்கள் மற்றும் கருவிகளுடன் தொடர்பு கொள்ள அனுமதிக்கிறது.

MCP-யை LLM-களுக்கான உலகளாவிய அடாப்டராக நினைக்கலாம், இது ஒரு நிலையான ‘USB இடைமுகத்தை’ வரையறுக்கிறது.

இந்த இடைமுகம் டெவலப்பர்கள் பல்வேறு தரவு ஆதாரங்கள் மற்றும் பணிப்பாய்வுகளுடன் இணைத்து, பயன்பாடுகளை மேலும் தரப்படுத்தப்பட்ட மற்றும் ஒழுங்கமைக்கப்பட்ட முறையில் உருவாக்க அனுமதிக்கிறது.

AI பயன்பாட்டு மேம்பாட்டுக்கான தடைகளைத் தாண்டுதல்

MCP-யின் வருகைக்கு முன், AI பயன்பாடுகளை உருவாக்குவது ஒரு சவாலான மற்றும் சிக்கலான செயல்முறையாக இருந்தது.

உதாரணமாக, ஒரு AI பயண உதவியாளரை உருவாக்குவதற்கு, வரைபடங்களை அணுகுதல், பயண வழிகாட்டிகளைத் தேடுதல் மற்றும் பயனர் விருப்பங்களின் அடிப்படையில் தனிப்பயனாக்கப்பட்ட பயணத்திட்டங்களை உருவாக்குதல் போன்ற பணிகளை LLM செய்ய வேண்டியிருந்தது.

வரைபடங்களைக் கேள்வி கேட்கவும், வழிகாட்டிகளைத் தேடவும் LLM-ஐ இயக்க, டெவலப்பர்கள் பின்வரும் சவால்களை எதிர்கொண்டனர்:

• ஒவ்வொரு AI வழங்குநரும் (OpenAI, Anthropic, முதலியன) செயல்பாட்டு அழைப்பை வித்தியாசமாக செயல்படுத்தினர். LLM-களுக்கு இடையில் மாறுவதற்கு டெவலப்பர்கள் தகவமைப்பு குறியீட்டை மீண்டும் எழுத வேண்டியிருந்தது. இல்லையெனில், மாதிரியின் வெளியீட்டின் துல்லியம் கணிசமாகக் குறையும்.
• LLM வெளிப்புற உலகத்துடன் தொடர்பு கொள்வதற்கான ஒரு ஒருங்கிணைந்த தரநிலை இல்லாததால் குறியீட்டின் மறுபயன்பாடு குறைவாக இருந்தது, இது AI பயன்பாட்டு சுற்றுச்சூழல் அமைப்பின் வளர்ச்சியைத் தடுத்தது.

Alibaba Cloud ModelScope-ல் உள்ள ஒரு அல்காரிதம் தொழில்நுட்ப நிபுணர் சென் ஜிகியான் கருத்துப்படி, “MCP-க்கு முன், டெவலப்பர்கள் LLM-களைப் புரிந்துகொண்டு, வெளிப்புற கருவிகளை அவற்றின் பயன்பாடுகளில் உட்பொதிக்க இரண்டாம் நிலை மேம்பாடு செய்ய வேண்டியிருந்தது. கருவிகளின் செயல்திறன் மோசமாக இருந்தால், பயன்பாட்டில் பிரச்சனை இருக்கிறதா அல்லது கருவிகளில் இருக்கிறதா என்பதை டெவலப்பர்கள் விசாரிக்க வேண்டியிருந்தது”.

மேலே குறிப்பிட்ட மனுஸ் ஒரு சிறந்த எடுத்துக்காட்டு. ஒரு எளிய செய்தி கட்டுரையை எழுத, மனுஸ் ஒரு உலாவி திறப்பது, வலைப்பக்கங்களை உலாவல் மற்றும் ஸ்கிராப்பிங் செய்தல், எழுதுதல், சரிபார்த்தல் மற்றும் இறுதி முடிவை வழங்குதல் உள்ளிட்ட பத்து கருவிகளை அழைக்க வேண்டியிருந்தது என்று முந்தைய மதிப்பீட்டில் கண்டறியப்பட்டது.

ஒவ்வொரு அடியிலும் வெளிப்புற கருவிகளை அழைக்க மனுஸ் தேர்வு செய்தால், வெளிப்புற கருவிகள் எவ்வாறு இயங்கும் என்பதை ஒழுங்குபடுத்த ‘செயல்பாட்டை’ எழுத வேண்டியிருந்தது. இதன் விளைவாக, அதிக சுமை காரணமாக மனுஸ் அடிக்கடி பணிகளை நிறுத்திவிட்டு அதிகப்படியான டோக்கன்களை உட்கொண்டது.

MCP-யின் நன்மைகள்

MCP-யுடன், டெவலப்பர்கள் இனி வெளிப்புற கருவிகளின் செயல்திறனுக்கு பொறுப்பேற்கத் தேவையில்லை. அதற்கு பதிலாக, அவர்கள் பயன்பாட்டைப் பராமரிப்பதிலும் பிழைதிருத்துவதிலும் கவனம் செலுத்தலாம், இதனால் வளர்ச்சி பணிச்சுமை கணிசமாகக் குறையும்.

Alipay மற்றும் Amap போன்ற சுற்றுச்சூழல் அமைப்பில் உள்ள தனிப்பட்ட சர்வர்கள் தங்கள் MCP சேவைகளை பராமரிக்கலாம், சமீபத்திய பதிப்புகளுக்கு புதுப்பிக்கலாம் மற்றும் டெவலப்பர்கள் இணைக்க காத்திருக்கலாம்.

MCP-யின் வரம்புகள் மற்றும் சவால்கள்

அதன் சாத்தியக்கூறுகள் இருந்தபோதிலும், MCP சுற்றுச்சூழல் அமைப்பு இன்னும் அதன் ஆரம்ப கட்டத்தில் உள்ளது மற்றும் பல சவால்களை எதிர்கொள்கிறது.

API-கள் ஒரு எளிய தீர்வு என்றும், MCP ஒரு தேவையற்ற சிக்கல் அடுக்கு என்றும் சில டெவலப்பர்கள் வாதிடுகின்றனர். LLM-கள் ஏற்கனவே பல்வேறு நெறிமுறைகள் மூலம் API-களை அழைக்க முடியும், இது MCP தேவையற்றதாக தோன்றுகிறது.

தற்போது, பெரிய நிறுவனங்களால் வெளியிடப்பட்ட பெரும்பாலான MCP சேவைகள் நிறுவனங்களால் வரையறுக்கப்படுகின்றன, அவை எந்த செயல்பாடுகளை LLM-களால் அழைக்க முடியும் மற்றும் அவை எவ்வாறு திட்டமிடப்படுகின்றன என்பதைத் தீர்மானிக்கின்றன. இருப்பினும், நிறுவனங்கள் தங்கள் முக்கியமான மற்றும் நிகழ்நேர தகவல்களுக்கான அணுகலை வழங்காமல் போகலாம் என்ற கவலைகளை இது எழுப்புகிறது.

மேலும், MCP சர்வர்கள் அதிகாரப்பூர்வமாக தொடங்கப்படாவிட்டால் அல்லது சரியாக பராமரிக்கப்படாவிட்டால், MCP இணைப்புகளின் பாதுகாப்பு மற்றும் ஸ்திரத்தன்மை கேள்விக்குறியாகலாம்.

20-க்கும் குறைவான கருவிகளைக் கொண்ட வரைபட MCP சர்வரின் உதாரணத்தை சுயாதீன டெவலப்பர் டாங் ஷுவாங் பகிர்ந்துள்ளார். இந்த கருவிகளில் ஐந்திற்கு அட்சரேகை மற்றும் தீர்க்கரேகை தேவைப்பட்டது, அதே நேரத்தில் ஒரு வானிலை கருவி நிர்வாக பிரிவு ஐடியை தேவைப்பட்டது, ஆனால் இந்த ஐடிகளை எவ்வாறு பெறுவது என்பதற்கான வழிமுறைகளை வழங்கவில்லை. பயனர்கள் சேவை வழங்குநரின் சுற்றுச்சூழல் அமைப்புக்குத் திரும்பி, தகவல்களையும் அனுமதிகளையும் பெறுவதற்கான வழிமுறைகளைப் பின்பற்ற வேண்டியதுதான் ஒரே தீர்வு.

MCP-யின் புகழ் தெளிவாகத் தெரிந்தாலும், அடிப்படையான இயக்கவியல் சிக்கலானவை. LLM விற்பனையாளர்கள் MCP சேவைகளை வழங்க தயாராக இருந்தாலும், அவர்கள் கட்டுப்பாட்டை வைத்திருக்கிறார்கள் மற்றும் பிற சுற்றுச்சூழல் அமைப்புகளுக்கு பயனளிக்க தயங்குகிறார்கள். சேவைகள் சரியாக பராமரிக்கப்படாவிட்டால், டெவலப்பர்கள் அதிகரித்த பணிச்சுமையை எதிர்கொள்ள நேரிடலாம், இது சுற்றுச்சூழல் அமைப்பின் நோக்கத்தை குறைமதிப்பிற்கு உட்படுத்தும்.

திறந்த மூலத்தின் வெற்றி

MCP இப்போது ஏன் இழுவைப் பெறுகிறது?

Anthropic அறிமுகப்படுத்திய பிறகு MCP ஆரம்பத்தில் சிறிய கவனத்தைப் பெற்றது. Anthropic’s Claude Desktop போன்ற ஒரு சில பயன்பாடுகள் மட்டுமே MCP நெறிமுறையை ஆதரித்தன. டெவலப்பர்களுக்கு ஒருங்கிணைந்த AI மேம்பாட்டு சுற்றுச்சூழல் இல்லை, மேலும் முதன்மையாக தனிமைப்படுத்தப்பட்ட முறையில் வேலை செய்தனர்.

MCP டெவலப்பர்களால் ஏற்றுக்கொள்ளப்பட்டது படிப்படியாக அதை வெளிச்சத்துக்கு கொண்டு வந்தது. பிப்ரவரி 2025-ல் தொடங்கி, கர்சர், VSCode மற்றும் Cline உள்ளிட்ட பல பிரபலமான AI நிரலாக்க பயன்பாடுகள் MCP நெறிமுறைக்கான ஆதரவை அறிவித்தன.

டெவலப்பர் சமூகத்தின் தத்தெடுப்பைத் தொடர்ந்து, LLM விற்பனையாளர்களால் MCP ஐ ஒருங்கிணைப்பது அதன் பரவலான தத்தெடுப்பிற்கான முக்கிய காரணியாகும்.

மார்ச் 27-ம் தேதி OpenAI MCP-க்கான ஆதரவை அறிவித்தது, அதைத் தொடர்ந்து Google, ஒரு முக்கியமான படியாகும்.

Google CEO சுந்தர் பிச்சை MCP-ஐப் பற்றி தனது X-ல் பின்வருமாறு கூறினார், ‘MCP வேண்டுமா வேண்டாமா என்பதுதான் கேள்வி’. இருப்பினும், இந்த ட்வீட்டை வெளியிட்ட நான்கு நாட்களுக்குப் பிறகு, Google MCP-க்கான தனது ஆதரவையும் அறிவித்தது.

AI துறையில் உள்ள முக்கிய வீரர்கள் MCP-ஐ விரைவாக ஏற்றுக்கொள்வது, AI பயன்பாடுகள் எவ்வாறு உருவாக்கப்பட்டு பயன்படுத்தப்படுகின்றன என்பதை மாற்றும் திறனை எடுத்துக்காட்டுகிறது.

MCP-க்கான முன்னோக்கி பாதை

MCP சுற்றுச்சூழல் அமைப்பு தொடர்ந்து வளர்ச்சியடைந்து வருவதால், தற்போதுள்ள வரம்புகள் மற்றும் சவால்களை எதிர்கொள்வது அவசியம். இதில் அடங்குவது:

• தரநிலைப்படுத்தல்: தனிப்பட்ட விற்பனையாளர்களிடமிருந்து சுயாதீனமாக இருக்கும் மேலும் தரப்படுத்தப்பட்ட MCP நெறிமுறையை உருவாக்குதல்.
• பாதுகாப்பு: MCP இணைப்புகளின் பாதுகாப்பு மற்றும் நம்பகத்தன்மையை உறுதிப்படுத்த வலுவான பாதுகாப்பு நடவடிக்கைகளை செயல்படுத்துதல்.
• பராமரிப்பு: உயர்தர MCP சர்வர்களின் வளர்ச்சி மற்றும் பராமரிப்பை ஊக்குவித்தல்.
• அணுகல்தன்மை: அனைத்து திறன் நிலைகளிலும் உள்ள டெவலப்பர்களுக்கு MCP-ஐ மேலும் அணுகக்கூடியதாக ஆக்குதல்.

இந்த சவால்களை எதிர்கொள்வதன் மூலம், MCP AI கண்டுபிடிப்பின் ஒரு புதிய சகாப்தத்தைத் திறக்க முடியும், இது மிகவும் சக்திவாய்ந்த, பல்துறை மற்றும் பயனர் நட்பு AI பயன்பாடுகளை உருவாக்க உதவுகிறது.

முடிவில், MCP இன்னும் அதன் ஆரம்ப கட்டத்தில் இருந்தாலும், AI நிலப்பரப்பை மாற்றும் திறன் மறுக்க முடியாதது. மிகவும் திறந்த, தரப்படுத்தப்பட்ட மற்றும் கூட்டு சுற்றுச்சூழல் அமைப்பை வளர்ப்பதன் மூலம், MCP அனைவருக்கும் AI மிகவும் அணுகக்கூடிய மற்றும் நன்மை பயக்கும் எதிர்காலத்திற்கு வழி வகுக்கும்.