பெரிய மொழி மாதிரிகளின் (LLMs) வருகை சந்தேகத்திற்கு இடமின்றி செயற்கை நுண்ணறிவின் நிலப்பரப்பையே புரட்சிகரமாக்கியுள்ளது. இருப்பினும், ஒரு நிலையான சவால் உள்ளது: இந்த மாதிரிகளை தனியுரிம தரவுடன் திறம்பட ஒருங்கிணைத்தல். LLMs இணையத்திலிருந்து ஏராளமான தகவல்களை செயலாக்குவதில் திறமையானவை என்றாலும், அவற்றின் உண்மையான ஆற்றல் நமது பயன்பாடுகள் மற்றும் தரவுகளுக்கான இயற்கையான மொழி இடைமுகங்களாக செயல்படுவதில் உள்ளது, இது ஒரு கட்டுப்படுத்தப்பட்ட சூழலில் அவற்றின் கணிப்பு மற்றும் உருவாக்க திறன்களைப் பயன்படுத்த அனுமதிக்கிறது.
LLM வெளியீடுகளின் நம்பகத்தன்மை மற்றும் பொருத்தத்தை உறுதிப்படுத்த, பல்வேறு உத்திகள் வெளிப்பட்டுள்ளன, ஒவ்வொன்றும் இந்த மாதிரிகளுக்கும் குறிப்பிட்ட தரவுத்தொகுப்புகளுக்கும் இடையிலான இடைவெளியைக் குறைக்கும் வகையில் வடிவமைக்கப்பட்டுள்ளன. இந்த உத்திகள் தனிப்பயன் உட்பொதிவுகளை உருவாக்குதல் மற்றும் மீட்டெடுப்பு-அதிகரிக்கப்பட்ட தலைமுறை (RAG) நுட்பங்களைப் பயன்படுத்துதல் - தரவுகளுக்குள் சிக்கலான உறவுகளைக் கண்டறிய வரைபட தரவுத்தளங்களை மேம்படுத்துதல் - பயனர் தூண்டுதல்களால் தூண்டப்பட்ட OpenAPI அழைப்புகள் மூலம் பெறப்பட்ட தரவை வடிகட்டவும் வழங்கவும் LLMகளைப் பயன்படுத்துதல் வரை உள்ளன. மேலும், OpenAI’s ChatGPT மூலம் பிரபலப்படுத்தப்பட்ட பிளக்-இன் மாதிரி தரவு ஒருங்கிணைப்பிற்கான மற்றொரு வழியை வழங்குகிறது. இந்த மாறுபட்ட அணுகுமுறைகளில், மாதிரி சூழல் நெறிமுறை (MCP) LLMகளுக்கும் வெளிப்புற தரவு மூலங்களுக்கும் இடையிலான இணைப்பை தரப்படுத்துவதற்கான ஒரு நம்பிக்கைக்குரிய தீர்வாக தனித்து நிற்கிறது.
மாதிரி சூழல் நெறிமுறையை வெளிப்படுத்துதல்
மாதிரி சூழல் நெறிமுறை, 2024 ஆம் ஆண்டின் பிற்பகுதியில் Anthropic மூலம் வெளியிடப்பட்டது, இது LLM க்கும் பயனர்-குறிப்பிட்ட தரவுக்கும் இடையிலான தொடர்பை ஒழுங்குபடுத்துவதற்கான ஒரு முக்கியமான படியை பிரதிபலிக்கிறது. இந்த நெறிமுறை AI பயன்பாடுகளில் சூழலின் முக்கியமான பங்கை அடிக்கோடிட்டுக் காட்டுகிறது, AI இன்coherent மற்றும் அர்த்தமுள்ள வெளியீடுகளை வழங்குவதற்கான திறன் தொடர்புடைய சூழல் தகவல்களின் கிடைக்கும் தன்மையைப் பொறுத்தது என்பதை ஒப்புக்கொள்கிறது. அர்த்தமுள்ள பதில்களைப் பெற அரட்டை தூண்டுதல்களை மட்டுமே நம்புவது, சிறந்த முறையில், நம்பிக்கையின் ஒரு பயிற்சியாகும், மோசமான நிலையில், தவறான அல்லது தவறாக வழிநடத்தும் முடிவுகளுக்கான ஒரு செய்முறையாகும். நமது தரவைச் சுற்றி பணிப்பாய்வுகளை ஒழுங்கமைக்கக்கூடிய வலுவான, அரை-தன்னாட்சி முகவர்களை உருவாக்க, அந்தத் தரவை இந்த முகவர்களுக்கு வழங்குவதற்கான நம்பகமான பொறிமுறை அவசியம்.
ஒரு திறந்த மூல முயற்சியாக, MCP பரந்த அளவிலான நிரலாக்க மொழிகளுக்கான SDK செயலாக்கங்களை வழங்குகிறது, அதன் GitHub களஞ்சியத்தில் விரிவான ஆவணங்களுடன் சேர்ந்துள்ளது. இந்த ஆவணங்கள் டெவலப்பர்கள் MCP சேவையகங்களை திறம்பட செயல்படுத்த அல்லது பயன்படுத்த அதிகாரம் அளிக்கிறது. MCP ஐ “AI பயன்பாடுகளுக்கான USB-C போர்ட்” என திட்டத்தின் விளக்கம் அதன் சாரத்தை மிகச்சரியாகப் படம்பிடித்துக் காட்டுகிறது, பல்வேறு தரவு மூலங்களுக்கான இணைப்புகளை தரப்படுத்துவதற்கான அதன் திறனை எடுத்துக்காட்டுகிறது. ஒரு தரப்படுத்தப்பட்ட அடித்தளத்தில் கட்டமைக்கப்பட்ட MCP, ஏற்கனவே உள்ள திட்டங்களுடன் எளிதாக ஒருங்கிணைக்கிறது, பல்வேறு LLM கள் மற்றும் அனுமான வழங்குநர்களுடன் தடையின்றி இடைமுகம் செய்கிறது.
MCP இன் Architecture ஒரு நன்கு நிறுவப்பட்ட கிளையன்ட்/சேவையக மாதிரியைப் பின்பற்றுகிறது, அங்கு ஒரு தரகர் MCP கோரிக்கைகளை உள்ளூர் அல்லது தொலைநிலை கோரிக்கைகளாக மொழிபெயர்க்கும் பொறுப்பை ஏற்றுக்கொள்கிறார். இந்த வடிவமைப்பு CORBA போன்ற இடைமுக வரையறை மொழிகளின் செயல்பாட்டை பிரதிபலிக்கிறது, MCP ஐ ஒரு பல்துறை இயங்குதளமாக மாற்றுகிறது, இது தகவல் ஆதாரங்கள் மற்றும் LLM பயன்பாடுகளுக்கு இடையில் தடையின்றி மாறுவதை எளிதாக்குகிறது. JSON RPC இணைப்பைப் பயன்படுத்தி, Azure API மேலாண்மை போன்ற கருவிகள் மூலம் தனிப்பட்ட பயனர் மட்டத்தில் MCP நேர்த்தியான கட்டுப்பாட்டை செயல்படுத்துகிறது.
AI-இயக்கப்படும் குறியீடுக்கான பொதுவான இடைமுகங்களின் வளர்ச்சியை MCP ஊக்குவிக்கிறது, இது Microsoft இன் AI மேம்பாட்டு தளங்களில் அதன் அதிகரித்து வரும் தத்தெடுப்பால் நிரூபிக்கப்பட்டுள்ளது. Semantic Kernel மாதிரி ஆர்கெஸ்ட்ரேஷன் கருவியில் அதன் ஒருங்கிணைப்பு முதல் Azure OpenAI மற்றும் Azure AI Foundry உடன் இணக்கமான MCP சேவையகங்களாக அதன் வரிசைப்படுத்தல் வரை, MCP வேகமாக இழுவைப் பெறுகிறது. Microsoft பயனர் சான்றுகளின் அடிப்படையில் தரவு அணுகலைக் கட்டுப்படுத்த அம்சங்களுடன் Azure API மேலாண்மையை மேம்படுத்துகிறது, இது பாதுகாப்பான மற்றும் நிர்வகிக்கப்படும் AI வரிசைப்படுத்தல்களில் MCP இன் பங்கை மேலும் உறுதிப்படுத்துகிறது.
Azure MCP Server: ஒரு ஆரம்பகால செயலாக்கம்
திறந்த மூல Azure MCP சேவையகம், சமீபத்தில் பொது முன்னோட்டத்தில் வெளியிடப்பட்டது, இது Microsoft இன் இயங்குதளத்தில் MCP இன் ஆரம்பகால செயலாக்கத்திற்கு எடுத்துக்காட்டுகிறது. இந்த சேவையகம் முக்கிய Azure சேவைகளுக்கான AI அணுகலுக்கான ஒரு பொதுவான தரகராக செயல்படுகிறது, இது பல சமீபத்திய Azure திட்டங்களால் ஏற்றுக்கொள்ளப்பட்ட திறந்த மூலக் கொள்கைகளை கடைபிடிக்கிறது. அதன் குறியீடு GitHub இல் எளிதாக அணுக முடியும். Azure MCP சேவையகம் Azure CLI போன்ற Azure தளத்தின் ஒரு கணிசமான பகுதிக்கு அணுகலை வழங்குகிறது, இதில் தரவுத்தளங்கள், சேமிப்பக தீர்வுகள் மற்றும் சேவைகள் அடங்கும்.
Azure CLI (மற்றும் டெவலப்பர் CLI) க்கான ஆதரவைச் சேர்ப்பது குறிப்பாக குறிப்பிடத்தக்கது, ஏனெனில் இது MCP-இயக்கப்படும் முகவர்களை Azure உடன் நேரடியாக தொடர்பு கொள்ள அதிகாரம் அளிக்கிறது, MCP அழைப்புகளை ஆபரேட்டர்களாகக் கருதுகிறது. இந்த திறன் Azure க்கு இயற்கையான மொழி சுய சேவை இடைமுகத்தை வழங்கும் முகவர்களை உருவாக்குவதற்கான வழியைத் திறக்கிறது. உதாரணமாக, ஒரு முகவர் ஒரு உள்கட்டமைப்பின் விளக்கத்தை எடுத்து தானாக அதன் வரிசைப்படுத்தலுக்கு தேவையான ARM டெம்ப்ளேட்களை உருவாக்க முடியும். இந்த கருத்தை மேலும் விரிவுபடுத்துவதன் மூலம், தேவையான வளங்களின் விளக்கத்தை ஒரு Whiteboard ஸ்கெட்சை பகுப்பாய்வு செய்யும் மல்டிமாடல் முகவரை ஒருவர் கற்பனை செய்து, உள்கட்டமைப்பை வரிசைப்படுத்தலாம், உடனடியாக குறியீடு வளர்ச்சியை இயக்கலாம். Azure MCP சேவையகம் மூலம் அணுகக்கூடிய கூடுதல் கணினி நிர்வாக சேவைகளில் தற்போதைய வளக் குழுக்களை பட்டியலிடுதல் மற்றும் Azure கண்காணிப்பு பதிவுகளை வினவ KQL ஐ மேம்படுத்துதல் ஆகியவை அடங்கும்.
GitHub Copilot அரட்டையுடன் Azure MCP சேவையகத்தை ஒருங்கிணைத்தல்
Azure MCP சேவையகம் MCP தரநிலையை கடைபிடிப்பதால், GitHub Copilot Agent Mode போன்ற MCP ஐ ஆதரிக்கும் எந்த AI கருவியுடனும் தடையின்றி ஒருங்கிணைக்கிறது. உங்கள் குத்தகைக்கு சேவையகத்தை சேர்ப்பதன் மூலம், நீங்கள் நேரடியாகவோ அல்லது Visual Studio Code ஒருங்கிணைப்பு வழியாகவோ Copilot மூலம் கேள்விகளை எழுப்பத் தொடங்கலாம். பிந்தைய விருப்பம் MCP ஐ எவ்வாறு மேம்படுத்துவது மற்றும் உங்கள் சொந்த MCP அடிப்படையிலான AI பயன்பாடுகளுக்கான தூண்டுதல்களை உருவாக்குவது என்பதை அறிய ஒரு சிறந்த வழியாகும்.
தற்போது, Microsoft அதன் நிரலாக்க மொழிகளுக்கான பிரத்யேக MCP கருவியை இன்னும் வெளியிடவில்லை, தனிப்பயன் குறியீட்டை உருவாக்க அதிகாரப்பூர்வ SDK களைப் பயன்படுத்த வேண்டிய அவசியம் உள்ளது. TypeScript, C# மற்றும் Python க்கான ஆதரவுடன், டெவலப்பர்கள் தங்கள் சொந்த Azure MCP முகவர்களை உருவாக்க தேவையான கருவிகளை அணுகலாம். தற்போதுள்ள Azure சான்றுகளைப் பயன்படுத்தி Visual Studio Code இல் பரிசோதனைகளை மேற்கொள்ளலாம்.
சேவையகம் உங்கள் மேம்பாட்டு PC இல் இயங்குகிறது மற்றும் Node.js தேவைப்படுகிறது. திட்டத்தின் GitHub களஞ்சியத்திலிருந்து VS Code க்கு நேரடியாக நிறுவல் செய்யப்படுகிறது. நிறுவிய பின், GitHub Copilot மற்றும் GitHub Copilot Chat நீட்டிப்புகள் இரண்டும் சோதனை முகவர் பயன்முறையைப் பயன்படுத்தும்படி உள்ளமைக்கப்பட்டுள்ளதா என்பதை உறுதிப்படுத்திக் கொள்ளுங்கள் (VS Code அமைப்புகள் கருவி மூலம் அணுகலாம்). பின்னர், GitHub Copilot அரட்டை பலகத்தைத் திறந்து முகவர் பயன்முறைக்கு மாறவும். Azure MCP சேவையகம் கருவிகள் கீழ்தோன்றும் மெனுவில் நிறுவப்பட்டுள்ளதா என்பதைச் சரிபார்க்கவும். இப்போது நீங்கள் ‘எனது Azure சந்தாக்களை பட்டியலிடு’ போன்ற வினவல்களைச் சமர்ப்பிக்கலாம்.
விளைவாக வரும் கருவி Azure உடன் பணிபுரியும் எவருக்கும் விலைமதிப்பற்றதாக நிரூபிக்கப்பட்டுள்ளது மற்றும் Copilot ஒருங்கிணைப்பிற்கு அப்பாற்பட்டது. Azure MCP சேவையகத்தை Node.js ஆதரிக்கப்படும் இடத்தில் நிறுவலாம், இது தனிப்பயன் முகவர்களில் அதன் ஒருங்கிணைப்பை செயல்படுத்துகிறது.
Azure AI Foundry இல் MCP இன் பங்கு
Microsoft MCP கருவிகளின் போர்ட்ஃபோலியோவை வேகமாக விரிவுபடுத்துகிறது, தற்போதுள்ள செயல்பாடுகளை MCP மூலம் வெளிப்படுத்துகிறது அல்லது அவற்றின் நுகர்வு முகவரிகளாகப் பயன்படுத்துவதை செயல்படுத்துகிறது. இந்த விரைவான வெளியீடு Copilot Studio இன் நோ-கோட் முகவர் மேம்பாட்டிற்கான கருவிகளைக் கொண்டுள்ளது, இந்த கட்டுரையை எழுதும் போது அறிவிக்கப்பட்டது.
பெரிய அளவிலான AI பயன்பாட்டு மேம்பாட்டிற்கான Microsoft இன் முதன்மை மேம்பாட்டு தளமான Azure AI Foundry, Azure இன் AI Agent சேவைக்கு நிரப்பியாக MCP சேவையகத்தையும் தீவிரமாக உருவாக்கி வருகிறது. இந்த ஒருங்கிணைப்பு Azure AI Foundry க்குள் இயங்கும் முகவர்களை மற்ற AI பயன்பாடுகளின் ஒரு பகுதியாக செயல்படும் கிளையண்டுகளுடன் இணைப்பதை நோக்கமாகக் கொண்டுள்ளது.
இந்த சேவை தற்போதுள்ள AI குறியீடு மற்றும் சேவைகளை விரைவாக மறுபயன்பாடு செய்யவும், புதிய பயன்பாடுகளுடன் இணைக்கவும் உங்களை அனுமதிக்கிறது. Fabric போன்ற சேவைகள் தங்கள் முகவர் அம்சங்களை AI Agent சேவை இறுதிப் புள்ளிகளாக வெளிப்படுத்துகின்றன, AI பயன்பாடுகள் முக்கிய வணிக தரவு கோடுகளுடன் தடையின்றி இணைக்க உதவுகின்றன, பிரமைகள் மற்றும் பிழைகளின் அபாயங்களைக் குறைக்க தேவையான அடித்தளத்தை வழங்குகிறது.
நிறுவிய பின், சேவையகம் முகவர்களுடன் இணைவதற்கும் அவர்களுக்கு வினவல்களை அனுப்புவதற்கும் MCP செயல்களின் தொகுப்பை வழங்குகிறது. இது கிடைக்கக்கூடிய முகவர்களைப் பட்டியலிடலாம் அல்லது குறிப்பிட்ட பணிகளுக்கு இயல்புநிலை முகவரைப் பயன்படுத்தலாம். உரையாடல் இழைகளுக்கான ஆதரவு சேர்க்கப்பட்டுள்ளது, முகவர்களுக்கு சூழ்நிலை உரையாடல்களுக்கான அடிப்படை செமாண்டிக் நினைவகத்தை வழங்குகிறது. MCP ஐப் பயன்படுத்தி அவற்றை அழைக்க Azure AI Agent சேவை முகவர் ஐடிகள் உங்களுக்குத் தேவைப்படும்.
சேவையகம் பைத்தானில் செயல்படுத்தப்பட்டுள்ளது மற்றும் Azure CLI மூலம் pip வழியாக நிறுவ முடியும். மாற்றாக, அதை விரும்புவோருக்கு TypeScript பதிப்பு கிடைக்கிறது. Azure MCP சேவையகத்தைப் போலவே, இந்த சேவையகம் AI Foundry சூழலுக்கு வெளியே இயங்குகிறது, இது உங்கள் மேம்பாட்டு PC இல் அல்லது அதன் சொந்த கொள்கலன் அல்லது VM க்குள் மேகம்-ஹோஸ்ட் செய்யப்பட்ட பயன்பாட்டின் ஒரு பகுதியாக நிறுவ அனுமதிக்கிறது, இது Windows, macOS மற்றும் Linux க்கான ஆதரவுடன்.
செமாண்டிக் கர்னல் AI பயன்பாடுகளிலிருந்து MCP சேவையகங்களை மேம்படுத்துதல்
ஒரு திறந்த தரமாக, MCP எந்த கிளையண்டுடனும் சேவையக இணக்கத்தை செயல்படுத்துகிறது. Anthropic’s Claude Desktop ஐப் பயன்படுத்தி இணைப்பை எவ்வாறு நிறுவுவது என்பது குறித்த வழிமுறைகளை GitHub களஞ்சியம் வழங்குகிறது, ஆனால் உண்மையான மதிப்பு செமாண்டிக் கர்னலுக்குள் தனிப்பயன் முகவர் பணிப்பாய்வுகளை உருவாக்குவதில் உள்ளது.
MCP ஆதரவை ஒரு செமாண்டிக் கர்னல் ஆர்கெஸ்ட்ரேஷனில் எவ்வாறு ஒருங்கிணைப்பது என்பதைக் காட்டும் மாதிரி குறியீட்டை Microsoft வழங்குகிறது, அதை நன்கு தெரிந்த செயல்பாட்டு அழைப்புகளுடன் ஒருங்கிணைக்கும் கர்னல் பிளக்-இன்னாகக் கருதுகிறது. இந்த ஒருங்கிணைப்புகளை முகவர்களாக மூடலாம் மற்றும் தேவைக்கேற்ப அணுகலாம். செமாண்டிக் கர்னலுக்குள் MCP ஒருங்கிணைப்பு இன்னும் வளர்ச்சியில் இருந்தாலும், அது அதன் இருக்கும் அம்சத் தொகுப்போடு தடையின்றி ஒருங்கிணைக்கிறது, AI பயன்பாடுகளுக்கு ஒரு சேவையகத்திலிருந்து MCP கருவிகளை வெளிப்படுத்த குறைந்தபட்ச கூடுதல் குறியீடு தேவைப்படுகிறது.
உள்ளூர் மற்றும் தொலைநிலை பயன்பாடுகளுக்கான கண்டறியக்கூடிய இடைமுகங்களை உருவாக்குவதற்கான தரப்படுத்தப்பட்ட அணுகுமுறையை வழங்கும் நவீன AI ஸ்டேக்கின் முக்கியமான கூறுகள் MCP போன்ற கருவிகள். வரையறுக்கப்பட்டதும், MCP கருவிகள் எளிதாக அழைக்கப்படுகின்றன, ஒரு சேவையகம் கிடைக்கக்கூடிய கருவிகளின் பட்டியலை வழங்குகிறது மற்றும் MCP அந்த கருவிகளை அழைக்க மற்றும் அவற்றின் வெளியீடுகளைப் பயன்படுத்த LLM களுக்கு ஒரு தரப்படுத்தப்பட்ட வழிமுறைகளை வழங்குகிறது. இந்த அணுகுமுறை AI பயன்பாடுகளுக்கான உலகளாவிய அடித்தள கருவியை வழங்குவதற்கு கணிசமாக பங்களிக்கிறது, நிலையான API கள், தரவுத்தள வினவல்கள் மற்றும் AI முகவர்களுடன் இணைந்து செயல்படுகிறது.