MCP: లోపాలు, సామర్థ్యాలపై విమర్శనాత్మక విశ్లేషణ

మెషిన్ కమ్యూనికేషన్ ప్రోటోకాల్ (MCP) భావన సాంకేతిక ప్రపంచంలో, ముఖ్యంగా లార్జ్ లాంగ్వేజ్ మోడల్స్ (LLMలు) రంగంలో గణనీయమైన దృష్టిని ఆకర్షించింది. ఇది LLMలు మరియు బాహ్య వనరుల మధ్య పరస్పర చర్యను క్రమబద్ధీకరించడానికి వాగ్దానం చేస్తున్నప్పటికీ, నిశితంగా పరిశీలిస్తే అనేక స్వాభావిక సమస్యలు మరియు పరిమితులు ఉన్నాయి. ఈ విశ్లేషణ MCP చుట్టూ ఉన్న విమర్శలను పరిశీలిస్తుంది. దీని దుర్బలత్వాలు, స్కేలబిలిటీ సవాళ్లు మరియు AI ఏజెంట్ అభివృద్ధికి సంబంధించిన విస్తృత చిక్కులను విశ్లేషిస్తుంది.

MCP యొక్క బాధ్యతలను అధికంగా అంచనా వేయడం

MCPకి చాలా ఎక్కువ బాధ్యతలను అప్పగిస్తున్నారనేది ఒక సాధారణ విమర్శ. రచయిత ప్రకారం MCP ప్రధానంగా LLMలు బాహ్య వనరులను యాక్సెస్ చేయడానికి మరియు వాటితో సంభాషించడానికి ఒక మార్గంగా ఉపయోగపడాలి. ఇది కేవలం ‘గుమ్మం’ లేదా ‘వంతెన’గా చూడటం దాని ఉద్దేశ్యం మరియు పరిమితులను స్పష్టం చేయడానికి సహాయపడుతుంది.

ప్రమాదవశాత్తు డేటా బహిర్గతం, ప్రాంప్ట్ ఇంజెక్షన్ దుర్బలత్వాలు మరియు వ్యయ నియంత్రణ లోపాలు వంటి సమస్యలను నేరుగా MCPకి ఆపాదించడం సరికాదు. డెవలపర్లు తాము నియంత్రించగల సరిహద్దుల్లో పరిష్కరించాల్సిన సమస్యలు ఇవి. డెవలపర్లు ఉపయోగించిన ప్రోటోకాల్‌తో సంబంధం లేకుండా రేట్ పరిమితులను అమలు చేయాలి మరియు వినియోగాన్ని పర్యవేక్షించాలి. దీనిని వేగంగా వెళ్లడానికి రహదారిని నిందించడంతో పోల్చవచ్చు. వ్యక్తిగత ప్రవర్తనకు మౌలిక సదుపాయాలు బాధ్యత వహించవు.

చివరికి, చాలా ఆందోళనలు AI ఏజెంట్లకు పనులను అప్పగించడానికి సంబంధించిన విస్తృత సమస్యలు. API స్వయంగా ప్రతిదాన్ని నిర్వహించాలని ఆశించే బదులు డెవలపర్లు వారి నిర్దిష్ట అప్లికేషన్‌లలో ఈ సవాళ్లను నిర్వహించడానికి బాధ్యత వహించాలి.

LLMలు మరియు ప్రాంప్ట్ ఇంజెక్షన్ యొక్క రెండువైపులా పదునైన కత్తి

MCP గురించిన ఇటీవలి చర్చలు తరచుగా పదునైన కత్తుల గురించి హెచ్చరికలను పోలి ఉంటాయి. వాటిని సరిగ్గా ఉపయోగించకపోతే అవి కోస్తాయి. ప్రాంప్ట్ ఇంజెక్షన్ అనేది ఒక ముఖ్యమైన సమస్య, ఇది LLMల స్వభావం యొక్క పర్యవసానం. ప్రాంప్ట్ ఇంజెక్షన్‌ను తొలగించడానికి చేసే ప్రయత్నాలు LLMలను విలువైనవిగా చేసే సామర్థ్యాలను తగ్గిస్తాయి.

సాంప్రదాయ వ్యవస్థల్లో సాధారణంగా కనిపించే ‘నియంత్రణ vs డేటా’ విభజన LLMలలో సహజంగా ఉండదు. LLMలు ఈ కఠినమైన విభజన లేకపోవడం వల్ల వాటి శక్తిని మరియు సాధారణతను పొందుతాయి. ఈ స్వాభావిక లక్షణం వాటిని ప్రాంప్ట్ ఇంజెక్షన్ దాడులకు గురి చేస్తుంది.

రిమోట్ MCPలు ఒక సర్వీస్‌గా ప్రమాదాలను కలిగి ఉండవచ్చు, అయితే తప్పు ప్రోటోకాల్‌లో లేదు, విశ్వసించని మూడవ పార్టీలకు సున్నితమైన పనులను అప్పగించడంలో ఉంది. దీనిని ఒక అస్థిరమైన రూంబాకు కత్తిని అంటించడం అనే ఆలోచనకు పోల్చవచ్చు. సమస్య కత్తి కాదు, కానీ దానిని ఊహించలేని పరికరానికి అటాచ్ చేయాలనే నిర్ణయం.

‘జాగ్రత్తగా ఉండండి’ లేదా రక్షణ గేర్‌ను ఉపయోగించమని చెప్పడం సాంకేతికంగా ఖచ్చితమైనప్పటికీ, ఇది ప్రధాన సమస్యను కోల్పోతుంది: పదునైన సాధనాన్ని అనియంత్రిత వ్యవస్థతో కలపడం మంచిది కాదు.

స్కేలబిలిటీ సవాళ్లు

భద్రతా సమస్యలతో పాటు MCP ప్రాథమిక స్కేలబిలిటీ పరిమితులను ఎదుర్కొంటుంది. అందించిన బోధనాత్మక సందర్భం యొక్క పరిమాణం మరియు LLM విశ్వసనీయత మధ్య ప్రతికూల సంబంధం ఉందని రచయితలు హైలైట్ చేశారు. ఎక్కువ డేటా మరియు ఇంటిగ్రేషన్‌లను జోడించడం స్వయంచాలకంగా సమస్యలను పరిష్కరిస్తుందనే సాధారణ నమ్మకాన్ని ఇది సవాలు చేస్తుంది. టూల్స్ మరియు ఇంటిగ్రేషన్‌ల సంఖ్య పెరిగే కొద్దీ ఏజెంట్ పనితీరు క్షీణించవచ్చు మరియు ప్రతి అభ్యర్థన యొక్క వ్యయం కూడా పెరుగుతుంది.

MCP ఒక నిర్దిష్ట పరిమితికి మించి స్కేల్ చేయదని రచయిత నొక్కి చెప్పారు. ఏజెంట్ సందర్భానికి అపరిమిత సంఖ్యలో సాధనాలను జోడించడానికి ప్రయత్నించడం అనివార్యంగా దాని సామర్థ్యాలను ప్రతికూలంగా ప్రభావితం చేస్తుంది. ఈ పరిమితి MCP యొక్క భావనకు స్వాభావికం మరియు ప్రమాణీకరణ సమస్యల కంటే ఎక్కువ శ్రద్ధ అవసరం.

వినియోగదారులు ఎక్కువ MCP సర్వర్‌లను ప్రారంభించినప్పుడు పనితీరులో క్షీణతను అనుభవించవచ్చు, దీని వలన వాటి మధ్య జోక్యం ఏర్పడుతుంది. ఇది సాధారణ ప్యాకేజీ నిర్వహణ వ్యవస్థలకు విరుద్ధంగా ఉంటుంది, ఇక్కడ జోక్యం లేకపోవడం ఒక ప్రాథమిక లక్షణం.

MCPతో ఉన్న ప్రధాన సమస్య ఏమిటంటే దాని అసలు ప్రవర్తన వినియోగదారు అంచనాలకు భిన్నంగా ఉంటుంది. పరిణామాలు లేకుండా అపరిమిత సంఖ్యలో సాధనాలను సజావుగా అనుసంధానించే ప్లగ్-అండ్-ప్లే పరిష్కారం MCP కాదని గుర్తించడం చాలా ముఖ్యం.

UI మరియు టూల్ మేనేజ్‌మెంట్‌తో పరిమితులను పరిష్కరించడం

MCP యొక్క పరిమితులను పరిష్కరించడానికి ఒక ప్రతిపాదిత పరిష్కారం యూజర్ ఇంటర్‌ఫేస్‌ను మెరుగుపరచడం. ఒక సాధనం అనుకోకుండా అమలు చేయబడితే, దానిని డిసేబుల్ చేయడానికి లేదా దాని ఉద్దేశించిన వినియోగాన్ని స్పష్టం చేయడానికి దాని వివరణను సవరించడానికి UI సులభమైన మార్గాన్ని అందించాలి.

సందర్భం పెరగడం తరచుగా మెరుగైన పనితీరుకు మరియు వాస్తవ-ప్రపంచ వినియోగ సామర్థ్యాలకు దారితీస్తుందని రచయితలు పేర్కొన్నారు, ఇది ఖచ్చితంగా ప్రతికూల సంబంధం అనే భావనకు విరుద్ధంగా ఉంది. అయితే కొన్ని సందర్భాల్లో లేదా సరిగా రూపొందించని సందర్భాల్లో పనితీరు క్షీణించవచ్చని వారు అంగీకరిస్తున్నారు.

అధిక సంఖ్యలో సాధనాల ఎంపికను పరిష్కరించడానికి ‘విభజించు మరియు జయించు’ విధానం సూచించబడింది. ఇది ఒక నిర్దిష్ట పని కోసం అత్యంత సంబంధిత సాధనాలను ఎంచుకోవడానికి ప్రత్యేకంగా రూపొందించిన సాధనాన్ని జోడించడాన్ని కలిగి ఉంటుంది. ఈ ‘టూల్-చూజింగ్ టూల్’ మరొక LLM కాల్ కావచ్చు. ఇది అందుబాటులో ఉన్న సాధనాల సమితి నుండి ఒక ఉపసమితిని ‘పేరెంట్’ ఏజెంట్‌కు తిరిగి ఇవ్వడానికి ఉద్దేశించబడింది. ఈ లేయర్డ్ విధానం సంక్లిష్టతను నిర్వహించడానికి అదనపు స్థాయిలను జోడిస్తుంది.

అయితే సందర్భంలో సాధనాలను కలిగి ఉండటం వలన మోడల్ అవుట్‌పుట్‌ను గణనీయంగా మార్చవచ్చు. సందర్భోచితంగా సంబంధిత సాధనాలు (రిట్రీవల్-ఆగ్మెంటెడ్ జనరేషన్ లేదా RAG వంటి సాంకేతికతల ద్వారా సాధించబడతాయి) ప్రయోజనకరంగా ఉంటాయి, అయితే అన్ని సాధనాలను ‘get_tools’ అభ్యర్థన వెనుక దాచడం హానికరంగా ఉంటుంది.

రవాణా మరియు అనుమతి పొరగా MCP

MCP ప్రధానంగా సాధనం-స్థాయి అనుమతిపై దృష్టి సారించి అభ్యర్థన/స్పందన జీవితచక్రంతో రవాణా మరియు వైర్ ఫార్మాట్‌గా పనిచేస్తుంది. AI ఏజెంట్‌లను ఫంక్షనల్‌గా టూల్స్‌ను కంపోజ్ చేయడానికి MCP విఫలమైందని వ్యాసం పేర్కొంది.

ప్రారంభంలో MCP అవసరమా అని రచయిత ప్రశ్నించారు. ఎందుకంటే LLMలు OpenAPI స్పెసిఫికేషన్‌లను ఉపయోగించి డాక్యుమెంట్ చేసిన APIలతో సంభాషించే సామర్థ్యాన్ని కలిగి ఉన్నాయి. AI ఏది యాక్సెస్ చేయగలదో నియంత్రించగల సామర్థ్యం, అనుమతి మాత్రమే మిగిలి ఉంది. MCPకి బదులుగా రచయిత AIలు HTTP అభ్యర్థనలను చేయడానికి అనుమతించాలని సూచించారు, అదే సమయంలో నిర్దిష్ట ఎండ్‌పాయింట్‌లకు అనుమతిని వర్తింపజేయాలి. ప్రస్తుత ట్రెండ్‌లో ఉన్న APIలను సన్నని MCP సాధనాలతో చుట్టడానికి ఈ విధానం అనుగుణంగా ఉంటుంది.

MCPలో ఒక ముఖ్యంగా చిరాకు కలిగించే అంశం ఏమిటంటే స్ట్రీమింగ్ టూల్ కాల్ ఫలితాలకు మద్దతు లేకపోవడం. సింగిల్ రిక్వెస్ట్/రెస్పాన్స్ జత క్లయింట్‌లు పేజీ విన్యాసం కోసం టూల్స్‌ను పదే పదే కాల్ చేయవలసి వస్తుంది. ఇది ఎక్కువసేపు రన్ అయ్యే ప్రక్రియలకు ఆటంకం కలిగిస్తుంది. బహుశా gRPCని ఉపయోగించి స్ట్రీమింగ్ సామర్థ్యాన్ని అమలు చేయడం వలన MCP సామర్థ్యం గణనీయంగా మెరుగుపడుతుంది.

సున్నితమైన డేటాను బహిర్గతం చేయడం సులభం

MCPతో ఉన్న ఒక ముఖ్యమైన ఆందోళన ఏమిటంటే సున్నితమైన డేటాను సులభంగా బహిర్గతం చేసే అవకాశం ఉంది. అంతేకాకుండా MCP AI ఏజెంట్‌లను మరింత విశ్వసనీయంగా చేయదు. ఇది కొన్ని పరిస్థితుల్లో విశ్వసనీయతను తగ్గించే మరిన్ని సాధనాలకు వాటిని యాక్సెస్ చేయడానికి అనుమతిస్తుంది.

ఈ సమస్యలన్నింటినీ MCP పరిష్కరిస్తుందని లేదా వాటికి బాధ్యత వహిస్తుందని నేను ఆశించను. బదులుగా MCP ఈ సమస్యల కోసం ఒక పెద్ద ఉపరితలాన్ని సృష్టిస్తుంది. దీనికి యాప్ డెవలపర్లు మరియు వినియోగదారులు అప్రమత్తంగా ఉండాలి.

సారూప్యతలు మరియు పట్టణ ప్రణాళిక

రచయిత సమస్యను వివరించడానికి పట్టణ ప్రణాళికను పోల్చారు. 25mph వేగ పరిమితితో కూడిన ఆరు-లేన్ల నగర రహదారితో MCPని పోల్చడం వలన రూపకల్పన మరియు ఉద్దేశించిన ఉపయోగం మధ్య సంబంధం లేకపోవడం హైలైట్ అవుతుంది. జరిమానాలు విధించడం లేదా పైపై ‘పరిష్కారాలను’ జోడించడం వలన అంతర్లీన రూపకల్పన సమస్య పరిష్కారం కాదు.

సమర్థవంతమైన పట్టణ ప్రణాళికలో వేగ పరిమితులను సహజంగా ప్రోత్సహించే రహదారులను రూపొందించడం ఉంటుంది. అదేవిధంగా MCP బాహ్య నియంత్రణలపై మాత్రమే ఆధారపడకుండా సంభావ్య ప్రమాదాలను తగ్గించడానికి రూపొందించబడాలి.

LLMలు అవాంఛిత చర్యలు తీసుకోవడం

సర్వీసులపై చర్యలు తీసుకోవడానికి LLMలను అనుమతించే ప్రోటోకాల్‌ల గురించి చర్చలోకి వస్తే రచయిత ఒక ప్రధాన సమస్యను గుర్తించారు: LLMలు వినియోగదారులు తీసుకోవాలని అనుకోని చర్యలను తీసుకోవచ్చు. LLMలు స్వతంత్రంగా తీసుకోగల చర్యలు మరియు వినియోగదారు ప్రాంప్టింగ్ అవసరమయ్యే వాటి మధ్య వారు తేడాను గుర్తించారు.

చివరికి LLMలు మొత్తం వ్యాపారాలను నిర్వహించాలని లక్ష్యంగా పెట్టుకున్నప్పటికీ సాంకేతికత ఇంకా ఆ స్వయంప్రతిపత్తికి సిద్ధంగా లేదు. ప్రస్తుతం వినియోగదారులు AIలు ముందస్తు సమీక్ష లేకుండా ఇమెయిల్‌లను పంపాలని కూడా కోరుకోరు.

వినియోగదారులను నిర్ధారణ కోసం అడగడాన్ని రచయిత తిరస్కరించారు. చాలా సాధనాలు హానిచేయనివిగా కనిపించినప్పుడు వినియోగదారులు ఆటోమేటిక్ నిర్ధారణ నమూనాలోకి (“YOLO-mode”) పడిపోయే ప్రమాదం ఉందని పేర్కొన్నారు. దీనిని కార్డులతో డబ్బు కంటే ఎక్కువ ఖర్చు చేసే వ్యక్తుల మానసిక దృగ్విషయంతో పోల్చారు. ఇది సాంకేతికతలో కాకుండా మానవ ప్రవర్తనలో ఉన్న సమస్య.

ప్రాథమిక ప్రశ్న: APIలను ఎందుకు ఉపయోగించకూడదు?

MCP గురించి చర్చలలో పదే పదే వినిపించే ప్రశ్న ఏమిటంటే APIలను నేరుగా ఎందుకు ఉపయోగించకూడదు.

MCP వినియోగదారులు నేరుగా నియంత్రించని LLM క్లయింట్‌లు (ఉదాహరణకు క్లాడ్, ChatGPT, కర్సర్, VSCode) APIలతో సంభాషించడానికి అనుమతిస్తుంది. MCP లేకుండా డెవలపర్లు LLM APIలను ఉపయోగించి కస్టమ్ క్లయింట్‌లను నిర్మించాల్సి ఉంటుంది, ఇది సబ్‌స్క్రిప్షన్‌తో ఇప్పటికే ఉన్న క్లయింట్‌లను ఉపయోగించడం మరియు నిర్దిష్ట సాధనాలను ఎలా ఉపయోగించాలో వారికి నేర్పించడం కంటే చాలా ఖరీదైనది.

AI-ఆధారిత సౌండ్ డిజైన్‌ను ప్రారంభించడం ద్వారా USB ద్వారా వారి FM హార్డ్‌వేర్ సింథసైజర్‌కు కనెక్ట్ చేయడానికి MCP సర్వర్‌ను నిర్మించిన అనుభవాన్ని ఒక డెవలపర్ పంచుకున్నారు.

LLM క్లయింట్ ఇంటిగ్రేషన్ మరియు స్టాండర్డైజేషన్

అన్ని LLM క్లయింట్‌లు నేరుగా API పరస్పర చర్యకు మద్దతు ఇవ్వవు, ChatGPT కస్టమ్ GPT చర్యలు ఒక ముఖ్యమైన మినహాయింపు. క్లాడ్, ChatGPT మరియు కర్సర్ వంటి LLM-శక్తితో పనిచేసే క్లయింట్‌ల కోసం ప్రక్రియను క్రమబద్ధీకరించడానికి Anthropic, Google మరియు OpenAI ఒక ఉమ్మడి ప్రోటోకాల్‌గా MCPని స్వీకరించడానికి అంగీకరించాయి.

LLM క్లయింట్‌లను నిర్మించేవారి కోసం MCP ప్రక్రియను సులభతరం చేస్తుంది. LLM ఒక APIతో సంభాషించాలని మీరు కోరుకుంటే మీరు API కీని అందించలేరు మరియు అది పని చేస్తుందని ఆశించలేరు. మీరు ఒక ఏజెంట్‌ను సృష్టించాలి.

MCPని APIలను డాక్యుమెంట్ చేయడానికి మరియు వాటిని ఎలా కాల్ చేయాలో వివరించడానికి ఒక మార్గంగా చూడవచ్చు. ఇది ఆ డాక్యుమెంటేషన్‌ను బహిర్గతం చేయడానికి మరియు కాల్‌లను సులభతరం చేయడానికి ప్రామాణిక టూలింగ్‌తో పాటు APIలను చుట్టడానికి తగినంత నైరూప్యతను అందిస్తుంది. అయితే ఈ సరళత వినియోగదారులు ‘తమ కాళ్ళపై కాల్చుకోవడానికి’ దారితీయవచ్చు.

MCP యొక్క సామర్థ్యం మరియు తిరిగి ఉపయోగించగలగడం

MCP లేకుండా డెవలపర్లు ప్రతిసారీ ఒక సాధనాన్ని ఉపయోగించినప్పుడు దానిని ఎలా ఉపయోగించాలో LLMకు పదే పదే వివరించాలి. సమాచారం మరచిపోవడం లేదా ప్రామాణికం కాని API ప్రవర్తన కారణంగా LLM సాధనాన్ని సరిగ్గా ఉపయోగించడంలో విఫలమయ్యే ప్రమాదం ఉంది.

ఈ నిరంతర వివరణ మరియు నకిలీ చేయడం వలన సందర్భంలో టోకెన్లు వృధా అవుతాయి. ఇది ఖర్చులను మరియు సమయాన్ని పెంచుతుంది. MCP అవసరమైన మొత్తం సమాచారాన్ని బండిల్ చేయడం ద్వారా ఈ ప్రక్రియను క్రమబద్ధీకరిస్తుంది, సాధనాన్ని ఉపయోగించడాన్ని మరింత సమర్థవంతంగా చేస్తుంది మరియు సాధనాన్ని పంచుకోవడానికి సహాయపడుతుంది.

LLM ప్రొవైడర్‌కు ‘ఇక్కడ మీరు ఉపయోగించగల ఒక సాధనం ఉంది’ అని API డాక్యుమెంటేషన్‌తో పాటు చెప్పడం ద్వారా వినియోగదారులు ఆ సాధనాన్ని పదే పదే గుర్తు చేయకుండా బహుళ చాట్‌లలో తిరిగి ఉపయోగించవచ్చు. ఇది డెస్క్‌టాప్ LLM క్లయింట్‌లు స్థానికంగా నడుస్తున్న ప్రోగ్రామ్‌లకు కనెక్ట్ చేయడానికి అనుమతిస్తుంది.

MCP మరియు స్థానిక వనరుల యాక్సెస్

LLMల కోసం స్థానిక ఫైళ్లు, ఎన్విరాన్‌మెంట్ వేరియబుల్స్ మరియు నెట్‌వర్క్ యాక్సెస్‌ల వంటి స్థానిక వనరులకు యాక్సెస్‌ను MCP సులభతరం చేస్తుంది. ఇది స్థానికంగా రన్ చేయడానికి రూపొందించబడింది, LLMకి ఈ వనరులకు నియంత్రిత యాక్సెస్‌ను అందిస్తుంది.

ప్రామాణిక LLM టూల్ కాల్ ‘ఆకారం’MCP టూల్ కాల్ ‘ఆకారానికి’ దగ్గరగా ఉంటుంది, ఇది సాధనాలను ఏజెంట్‌లకు కనెక్ట్ చేయడానికి సరళమైన ప్రమాణంగా చేస్తుంది.

MCP AI మోడల్‌కు బహిర్గతమయ్యే ఫంక్షన్ కాలింగ్ స్కీమా మరియు అంతర్లీన APIల మధ్య ఒక వంతెనగా పనిచేస్తుంది. ఇది ఫంక్షన్ కాల్‌లను సాధనాలుగా అనువదిస్తుంది.

మీరు ఒక టూల్ ప్రొవైడర్ అయితే MCP మీ టూల్‌కు కనెక్ట్ చేయడానికి AI ఏజెంట్ ఫ్రంటెండ్‌ల కోసం ఒక ప్రామాణిక ప్రోటోకాల్‌ను అందిస్తుంది. ప్రామాణిక ప్రోటోకాల్ HTTP మరియు OpenAPI ఎందుకు కాదు అనే ప్రశ్నకు ఇది సమాధానం ఇస్తుంది.

MCP ఒక మెటా-API ఇది ఎండ్‌పాయింట్‌లను మరియు వాటి కార్యాచరణ వివరాలను స్పెసిఫికేషన్‌లో కలిగి ఉంటుంది. ఇది LLMలు మరింత ప్రభావవంతంగా వాటితో సంభాషించడానికి సహాయపడుతుంది.

నిర్దిష్ట పరిస్థితుల్లో MCP

వినియోగదారులు ప్రశ్నలు అడిగినప్పుడు లేదా ఏ APIలను ఉపయోగించాలో ఖచ్చితంగా తెలియకపోయినప్పుడు MCP సమస్యలను పరిష్కరించగలదు. ఇది మునుపటి సందేశాల ఆధారంగా అభ్యర్థనలను ప్రాసెస్ చేయగలదు.

వినియోగదారు యొక్క ‘X’ని తిరిగి పొందాలనుకుంటున్నట్లు మరియు దానిని ఎండ్‌పాయింట్‌కు పంపాలనుకుంటున్నట్లు ఒక వినియోగదారు తన అనుభవాన్ని పంచుకున్నారు. అటువంటి సాధారణ పని కోసం MCP చాలా ఎక్కువ అని వారు కనుగొన్నారు. ఇది ప్రాథమిక API పరస్పర చర్యలకు ఎల్లప్పుడూ అవసరం లేదని సూచిస్తుంది.

MCP అనేది నెట్‌వర్క్‌పై కమ్యూనికేట్ చేయగల సాఫ్ట్‌వేర్‌ను నిర్మించడానికి FastAPI వెబ్ యాప్ ఫ్రేమ్‌వర్క్‌తో పోల్చబడింది. ఇది ఏజెంటిక్ అనుభవాల కోసం ప్రత్యేకంగా రూపొందించబడింది. దీనిని AI ఏజెంట్ అభివృద్ధికి ఒక ప్రామాణిక ఫ్రేమ్‌వర్క్‌ను అందించే ‘రైల్స్-ఫర్-స్కైనెట్‌’గా చూడవచ్చు.

ప్రొవైడర్ నియంత్రణ గురించి ఆందోళనలు

MCP సిస్టమ్‌పై ప్రొవైడర్-సైడ్ నియంత్రణను పెంచడానికి ప్రయత్నిస్తోందని ఆందోళనలు ఉన్నాయి. Google Gmailతో IMAP/SMTPని ఉపయోగించడాన్ని కష్టతరం చేసిన విధంగా LLM ప్రొవైడర్‌లు చివరికి API యాక్సెస్‌ను పరిమితం చేయవచ్చు.

OpenAPI ఏజెంట్‌లు /openapi.json నుండి API స్పెసిఫికేషన్‌లను తిరిగి పొందడానికి అనుమతిస్తుంది.

MCP శీఘ్ర పరస్పర చర్యలను అనుమతిస్తుంది. ఇది ఇన్‌పుట్ డేటాను సిద్ధం చేయడానికి APIకి పంపడానికి అవుట్‌పుట్‌ను పార్స్ చేయడానికి మరియు ప్రతి సందేశానికి ప్రక్రియను పునరావృతం చేయడానికి సమయం గడపకుండా సెకన్లలో పనులను పూర్తి చేయడానికి వినియోగదారులను అనుమతిస్తుంది.

శాండ్‌బాక్సింగ్ మరియు భద్రతా ప్రమాదాలు

ఒక MCP సర్వర్ టూల్ యొక్క అవుట్‌పుట్ ఒకే సందేశ థ్రెడ్‌లోని ఇతర సాధనాలను ఎలా ప్రభావితం చేస్తుందనేది అతిపెద్ద సమస్యలలో ఒకటి. అనుకోని పరిణామాలను నిరోధించడానికి సాధనాల మధ్య శాండ్‌బాక్సింగ్ అవసరం. ఇన్వేరియంట్ ల్యాబ్‌లు టూల్ వివరణలతో దీనిని పరిష్కరించాయి, అయితే ఇతరులు MCP వనరు అనుబంధాలను ఉపయోగించారు. శాండ్‌బాక్సింగ్ లేకపోవడం ప్రాంప్ట్ ఇంజెక్షన్ ప్రమాదాలను తీవ్రతరం చేస్తుంది.

దీనిని SQL ఇంజెక్షన్‌తో పోల్చవచ్చు. కనీస పరిశీలనతో ఏ సమయంలోనైనా దుర్బలత్వాలను ఉపయోగించుకునే వ్యవస్థ ఇది.

ప్రాంప్ట్ ఇంటర్‌ఫేస్ కూడా SQL ఇంజెక్షన్ రూపానికి గురవుతుంది, ఎందుకంటే మోడల్ విశ్వసనీయ భాగాలను వినియోగదారు-కలుషిత ఇన్‌పుట్ నుండి వేరు చేయలేదు. దీన్ని పరిష్కరించడానికి ఎన్‌కోడింగ్, డీకోడింగ్ మరియు మోడల్ శిక్షణలో ప్రాథమిక మార్పులు అవసరం.

ఇది ప్రాంప్ట్ ఇంజెక్షన్ మరియు టూల్ ఇంజెక్షన్ రెండింటినీ అనుమతిస్తుంది. ఇది నమ్మదగని కోడ్‌ను అమలు చేయడానికి దారితీయవచ్చు.

కంటైనరైజేషన్ మరియు నియంత్రిత యాక్సెస్

ఒక డెవలపర్ ప్రాజెక్ట్ కోడ్‌తో అమర్చబడిన డాకర్ కంటైనర్‌ను ప్రారంభించే MCP సర్వర్‌ను సృష్టించాడు. ఈ విధానం LLMని శాండ్‌బాక్స్‌డ్ ఎన్విరాన్‌మెంట్‌లో మొత్తం యునిక్స్ టూల్‌సెట్ మరియు ప్రాజెక్ట్-నిర్దిష్ట టూలింగ్‌ను యాక్సెస్ చేయడానికి అనుమతిస్తుంది.

చాట్ ఆధారిత ఇంటర్‌ఫేస్ ద్వారా నడిచే ఈ ఏజెంటిక్ వర్క్‌ఫ్లో సాంప్రదాయ పద్ధతుల కంటే మరింత ప్రభావవంతంగా ఉంది.

MCP ఏజెంట్‌లకు వారికి ఏమి కావాలో దానిని మాత్రమే యాక్సెస్ ఇవ్వడం చాలా ముఖ్యం. భద్రతా ప్రమాదాలను తగ్గించడానికి కంటైనరైజేషన్ మరియు పారదర్శక టూల్ UX చాలా కీలకం.

వర్చువల్ మెషీన్లు మరియు ఇంటర్నెట్ యాక్సెస్

ఏజెంట్‌లకు కనీస లైనక్స్ ఇన్‌స్టాలేషన్‌తో కూడిన కంప్యూటర్‌ను (VM లేదా కంటైనర్‌గా) ఇవ్వడం వలన మెరుగైన ఫలితాలు పొందవచ్చు. ఇది ఇంటర్నెట్ నుండి సమాచారాన్ని పొందడానికి వాటిని అనుమతిస్తుంది. అయితే ఇది హానికరమైన సూచనలు మరియు డేటా ఎక్స్‌ఫిల్ట్రేషన్ గురించి భద్రతా ఆందోళనలను పెంచుతుంది.

విశ్వసనీయ వెబ్‌సైట్‌లకు యాక్సెస్‌ను పరిమితం చేయడం వలన కొన్ని ప్రమాదాలను తగ్గించవచ్చు, అయితే విశ్వసనీయ మూలాధారాలు కూడా హానికరమైన కంటెంట్‌ను హోస్ట్ చేయగలవు. హానికరమైన సూచనలను ఎదుర్కొనే సంభావ్యత మరియు ఉత్పాదకత ప్రయోజనాల మధ్య వర్తకాన్ని జాగ్రత్తగా పరిశీలించాలి.

ఉద్యోగులు మరియు AI ఏజెంట్‌ల మధ్య వ్యత్యాసాలు ముఖ్యమైనవి. ఉద్యోగులు చట్టాలు మరియు ఒప్పందాలకు లోబడి ఉండే చట్టపరమైన వ్యక్తులు. AI ఏజెంట్‌లకు ఈ చట్టపరమైన ఫ్రేమ్‌వర్క్ లేదు. ఇది నమ్మకాన్ని కష్టతరం చేస్తుంది.

MCP అభివృద్ధి యొక్క ప్రారంభ దశలు

MCPని నవంబర్ 2024లో మాత్రమే ప్రకటించారు మరియు RFC చురుకుగా అభివృద్ధి చెందుతోంది.

MCPతో సహా మొత్తం AI వ్యక్తిగత సహాయకుడు భావన ప్రాథమికంగా తప్పుగా ఉందని కొందరు అభిప్రాయపడుతున్నారు.

1990ల చివరిలో మరియు 2000ల ప్రారంభంలో AI అసిస్టెంట్‌ల కోసం ప్రారంభించిన ప్రయత్నం విఫలమైంది, ఎందుకంటే నిలువు ఇంటిగ్రేషన్ మరియు బల్క్ కొనుగోలు శక్తి కలిగిన కంటెంట్ అగ్రిగేటర్‌లు మరింత ప్రభావవంతంగా ఉన్నాయని తేలింది. ఇది ఎక్స్‌పీడియా మరియు ఈబే వంటి ప్లాట్‌ఫారమ్‌ల పెరుగుదలకు దారితీసింది.

బహుళ-ఏజెంట్ వ్యవస్థలకు ప్రోగ్రామర్లు ఏజెంట్‌ల స్థితిని ప్రభావితం చేయాలి. ఇది ఒక సవాలుతో కూడుకున్న ప్రోగ్రామింగ్ పని.

ఉచిత విలువ యొక్క పరిమితులు

‘పార్కింగ్ లభ్యత ద్వారా ఫలితాలను ర్యాంక్ చేయాలనే’ కోరిక చెల్లింపు APIలు లేదా ప్రకటనల మద్దతు ఉన్న ఫ్రంటెండ్‌ల వెనుక ఉన్న డేటాను యాక్సెస్ చేసే సమస్యను హైలైట్ చేస్తుంది. కంపెనీలు తమ మొత్తం డేటాసెట్‌కు API ద్వారా ఉచితంగా యాక్సెస్‌ను అందించే అవకాశం లేదు.

అన్ని కంపెనీలు తమ డేటాను AI ఏజెంట్‌లలోకి అనుసంధానించనప్పటికీ వర్క్‌ఫ్లోలకు శక్తినివ్వడానికి వివిధ సాధనాలను కలపడానికి అవకాశం ఉంది.

డేటా మోట్‌ను నిర్వహించడానికి ప్రాధాన్యతనిచ్చే కంపెనీలు ఆ మోట్‌కు ముప్పు కలిగించే కొత్త సాంకేతికతలను నిరోధించే అవకాశం ఉంది.

booking.comకి API ఉంటే వారు బహుశా వారి వెబ్‌సైట్ వలె JSON లేదా XML ఫార్మాటింగ్‌తో అదే ఫలితాలను అందిస్తారు.

మధ్యవర్తిని దాటవేయడం

booking.com వంటి మధ్యవర్తి వినియోగదారులు తమ సర్వీసులను పూర్తిగా దాటవేయడానికి అనుమతించడం అర్ధవంతం కాదు.

అయితే వ్యక్తిగత హోటల్‌లు తాము తరచుగా ఇష్టపడని మధ్యవర్తి అయిన booking.comను దాటవేయడం ప్రయోజనకరంగా ఉంటుందని భావించవచ్చు.

డీప్ రీసెర్చ్ AI నిర్దిష్ట ప్రమాణాల ఆధారంగా హోటల్‌ల కోసం స్కాన్ చేయగలదు మరియు booking.com యొక్క ఇంటర్‌ఫేస్ మరియు ప్రకటనలను నావిగేట్ చేయవలసిన అవసరం లేకుండా వ్యక్తిగత హోటల్‌ల ద్వారా రన్ చేయబడే హోటల్ డిస్కవరీ MCP సర్వర్‌లతో సంభాషించగలదు.

ఆచరణాత్మక వినియోగ సందర్భాలు

MCP ఎలాస్టిక్‌సెర్చ్ నుండి లాగ్‌లను పొందడం లేదా డేటాబేస్‌లను మరింత నిర్మాణాత్మక మార్గంలో ప్రశ్నించడం వంటి పనులను సులభతరం చేస్తుంది.

MCP సర్వర్ కాన్ఫిగరేషన్ యొక్క స్థిర స్వభావం కొత్త సర్వర్‌లకు .json ఫైల్‌ను ఎడిట్ చేయడం మరియు యాప్‌ను రీస్టార్ట్ చేయడం అవసరం. ఇది పరిమితంగా ఉంటుంది.

చక్కగా ట్యూన్ చేసిన నమూనాలు

MCPని అనేక MCP సాధనాలను అర్థం చేసుకునే మరియు ప్రతి సంభాషణకు సరైన వాటిని ఎంచుకునే ఒక చిన్న చక్కగా ట్యూన్ చేసిన మోడల్‌గా చూడవచ్చు.

కొన్ని పరిస్థితులలో సందర్భం ఆధారంగా సాధనాలను డైనమిక్‌గా సర్దుబాటు చేయడం అవసరం కావచ్చు.

ఓపెన్-ఎండెడ్ సంభాషణలు మరియు వ్యాపార సమస్యలు

MCP ముందే నిర్వచించబడిన ప్రవాహం లేని సాధారణ ఓపెన్-ఎండెడ్ సంభాషణ వ్యవస్థలకు బాగా సరిపోతుంది. అయితే ఇది ప్రతి వ్యాపార సమస్యకు ఒకే విధమైన పరిష్కారం కాదు. ఇది లాంగ్‌చైన్ వంటి ఫ్రేమ్‌వర్క్‌లను భర్తీ చేయడానికి ఉద్దేశించబడలేదు.

MCPకి ప్రత్యామ్నాయం ఓపెన్ కమ్యూనిటీ-నడిచే ప్రమాణం. ఇది విచ్ఛిన్నమైన ప్రత్యేకమైన మరియు విక్రేత-లాక్డ్ ప్రోటోకాల్‌లు. తప్పుగా ఉన్నప్పటికీ అభివృద్ధి చెందుతున్న ప్రమాణం అసలు ప్రమాణం లేకపోవడం కంటే ఉత్తమం.

MCPని చూడటానికి ఉత్తమ మార్గం వ్యక్తిగత డెవలపర్లు APIల చుట్టూ క్లయింట్ ర్యాపర్‌లను నిర్మించడం నుండి API ప్రొవైడర్‌లు లేదా కమ్యూనిటీ-మెయింటెయిన్డ్ ర్యాపర్‌లు వాటిని నిర్మించడం వరకు మారడం. ఇది NPM లేదా PyPi మాదిరిగానే ఒక పెద్ద టూల్‌బాక్స్‌ను అందిస్తుంది. అయితే ఆర్కెస్ట్రేషన్, సెక్యూరిటీ మరియు వినియోగ నిర్వచనం ఇప్పటికీ అవసరం.

లాంగ్‌చైన్‌ల తదుపరి తరం ఈ పెద్ద టూల్‌చెస్ట్ నుండి ప్రయోజనం పొందుతుంది, కానీ ఆవిష్కరణ ఇంకా అవసరం.

వినియోగదారు-నిర్దిష్ట సాధనాలు

కొన్ని సందర్భాల్లో సాధనాలు వినియోగదారు డేటాకు సంబంధించినవి కావచ్చు. ఉదాహరణకు అప్‌లోడ్ చేసిన CSV ఫైల్‌లను విభజించడానికి మరియు మార్చడానికి సాధనాలు.

తరచుగా విస్మరించబడే ఒక సమస్య ఏమిటంటే MCP చాలా ఎంపికలతో మోడల్ సందర్భాన్ని నింపగలదు. వృధా టోకెన్ వినియోగం మరియు అస్థిరమైన మోడల్ ప్రవర్తనను నివారించడానికి ప్రాధాన్యత మరియు మెటాడేటా బహిర్గతం చాలా కీలకం.

ప్రమాణాలు మరియు అభివృద్ధి చెందుతున్న సాంకేతికత

క్రొత్త ప్రమాణాలు కాలానుగుణంగా ఉద్భవిస్తాయి మరియు ప్రమాణాలు నిజంగా ముఖ్యమైనవిగా చాలా కాలం అయ్యింది. కాబట్టి ప్రజలు వాటిని ఎలా అభివృద్ధి చేస్తారో మరచిపోయారు.

LLM క్లయింట్‌లకు ‘సాధనాలను’ జోడించడానికి యాదృచ్ఛిక డెవలపర్‌ల నుండి చిన్న సర్వర్ ప్రోగ్రామ్‌లను డౌన్‌లోడ్ చేయడం ప్రమాదకరం.

లేవనెత్తిన సమస్యలు MCP పర్యావరణ వ్యవస్థ పరిష్కరించాల్సిన చట్టబద్ధమైన సమస్యలు. కొన్ని పరిష్కారాలు MCP స్పెక్‌లో ఉంటాయి. మరికొన్ని బాహ్యంగా ఉంటాయి.

క్లాడ్ కోడ్ మరియు రియల్-వరల్డ్ వినియోగం

MCP యొక్క విజయంపై విరుద్ధమైన అభిప్రాయాలు ఉన్నాయి. కొన్ని కంపెనీలు MCPతో ఇంటిగ్రేట్ అవుతున్నాయని కొందరు కథలు విన్నారు. మరికొందరు ఇది నిరాశపరిచిందని వినియోగదారుల నుండి విన్నారు.

ఇది ప్రచారం మరియు ప్రారంభ స్వీకరణ యొక్క ప్రతికూలతను హైలైట్ చేస్తుంది.

కొంతమంది డెవలపర్‌లు చాలా సందర్భాల్లో HTTP APIలు MCP కంటే మెరుగైనవని కనుగొన్నారు. ‘టూల్’ ఉపయోగం సామర్థ్యాలు మరియు కార్యాచరణ కోసం API ఎండ్‌పాయింట్‌లకు దిగుతుందని వారు వాదించారు.

APIలు డిఫాల్ట్‌గా స్వీయ-వివరణాత్మకంగా ఉండవు. REST మరియు HATEOAS ప్రతిపాదకులు వారి విధానాలను ప్రదర్శించడానికి ఒక అవకాశం కోల్పోయారని సూచిస్తుంది.

లాంగ్‌చైన్ ప్రత్యామ్నాయంగా MCP?

MCPకి ‘లాంగ్‌చైన్ వాసన’ ఉందని వర్ణించారు. ఇది నొక్కి చెప్పదగిన సమస్యను పరిష్కరించదు. ఇది ఎక్కువగా నైరూప్యంగా ఉంటుంది మరియు దాని ప్రయోజనాలను వివరించడంలో ఇబ్బంది ఉంది.

బహుశా ఇది ‘ఎండ్ ఆఫ్ లైన్’ అని చెప్పి హ్యాకర్లను గేమ్ గ్రిడ్‌కు పంపాలి!

‘జనరల్’ చాట్‌బాట్ నమూనా కొనసాగుతుందా అనేది ఒక ముఖ్యమైన ప్రశ్న. ప్రత్యేక సాధనాలు ఉన్న ప్రత్యేక యాప్‌లకు MCP అవసరం లేదు.

దీనికి విరుద్ధంగా LLMలు మరింత సామర్థ్యం కలిగి ఉంటే బాహ్య సాధనాలు తక్కువ అవసరం కావచ్చు. LLM నేరుగా చిత్రాన్ని సవరించగలిగినప్పుడు ఫోటోషాప్‌ను నడపడానికి మీకు MCP ఎందుకు కావాలి?

సైన్స్ ఫిక్షన్ రోబోట్ అసిస్టెంట్ కల నిజం కాకపోవచ్చు మరియు ప్రత్యేక భాషా తారుమారు సాధనాలు మరింత ఉపయోగకరంగా ఉండవచ్చు.

వినియోగదారు బేస్ మరియు భద్రతా అవగాహన

MCP యొక్క వినియోగదారు బేస్‌లో తక్కువ సాంకేతిక వ్యక్తులు ఉన్నారు. ఇది భద్రతా సమస్యలను ప్రత్యేకంగా సంబంధితంగా చేస్తుంది. భద్రతా ఉత్తమ పద్ధతుల గురించి అవగాహన పెంచడం చాలా కీలకం.

ఫలిత స్కీమాను నిర్వచించడం అవసరమయ్యే OpenRPC ఆధారంగా Xopsని ఆధారంగా చేసుకోవడం అవుట్‌పుట్‌లు ఇన్‌పుట్‌లకు ఎలా కనెక్ట్ అవుతాయో ప్లాన్ చేయడానికి సహాయపడుతుంది. ఇది సంక్లిష్ట వర్క్‌ఫ్లోల కోసం విశ్వసనీయతను మెరుగుపరుస్తుంది.

సాంకేతికత అభివృద్ధి చెంది కాలక్రమేణా స్థిరపడుతుంది.

రిడండెన్సీ మరియు క్లౌడ్ మౌలిక సదుపాయాలు

OpenAPI ప్రమాణంపై MCPని ఉపయోగించడం వల్ల కలిగే లాభాలను కొందరు ప్రశ్నిస్తారు. దానిని పునరావృతంగా చూస్తారు.

OpenAPI సిస్టమ్‌కు కాల్ చేయడానికి LLM ఏమి ఉపయోగిస్తుంది? ఇది షెల్‌కు ఎలా బైండ్ అవుతుంది? LLM యొక్క హోస్ట్ దానిని ఎలా ఆర్కెస్ట్రేట్ చేస్తుంది?

MCP LLMలు టూల్ కాల్‌లు చేయడానికి నిర్మాణాత్మక మార్గాన్ని అందిస్తుంది.

MCP సర్వర్‌లు ఇప్పటికే HTTP సర్వర్‌లు.

MCP యొక్క అతిపెద్ద ప్రయోజనం అప్లికేషన్ డెవలపర్‌లకు కాదు OpenAI వంటి LLM ప్రొవైడర్‌లకు.

LLMలు సాధనాలు లేని మెదళ్ళు మరియు టూల్ కాలింగ్ వాటికి శక్తినిస్తుంది. అయితే సాధారణ APIలతో LLM ప్రొవైడర్‌లకు ఆ సాధనాలకు యాక్సెస్ ఉండదు. MCP వాటికి యాక్సెస్‌ను అందిస్తుంది. ఇది వాటిని AIకి గేట్‌వేగా ఉంచుతుంది.

CLI vs. API

LLMలు సహజ భాషలో శిక్షణ పొందినందున మరియు CLIలు సాధారణంగా మానవులు చదవగలిగే మరియు వ్రాయగల పరిష్కారం కాబట్టి CLIని నేరుగా ఎందుకు ఉపయోగించకూడదు?

MCP చాలా త్వరగా ఉద్భవించింది మరియు పరిణతి చెందడానికి సమయం అవసరం. దీనికి సాంప్రదాయ ప్రమాణాల సంస్థ ద్వారా పరిశీలన లేదు మరియు ఇది ప్రచారం ద్వారా నడపబడుతోంది.

వాస్తవ-ప్రపంచ అనువర్తనాలు లేవు.

MCP యొక్క కీలక అనువర్తనాలు

MCPని క్లాడ్ డెస్క్‌టాప్ మరియు సముచిత AI చాట్ యాప్‌లు, కోడ్ ఆటోమేషన్ టూల్స్ మరియు ఏజెంట్/LLM ఆటోమేషన్ ఫ్రేమ్‌వర్క్‌లలో ఉపయోగిస్తారు.

ఇది మరో తొందరపాటు సాంకేతికత మరియు తదుపరి ప్రచారం చేయగల సంక్షిప్త పదం వచ్చినప్పుడు విస్మరించబడుతుంది.

రెండు రకాల భాషా నమూనా టూల్ కాలింగ్ ప్రోటోకాల్‌లు ఉన్నాయి: ప్రజలు ఫిర్యాదు చేసేవి మరియు ఎవరూ ఉపయోగించనివి.

ఆంత్రోపిక్ ఈ ‘ప్రమాణాన్ని’ శూన్యంలో అభివృద్ధి చేసింది. ఇది భద్రతా సమస్యలకు దారితీసింది.

JSON-RPC 2.0

MCP JSON-RPC 2.0 ఆధారంగా నిర్మించబడింది. ఇది JSONను ఉపయోగించి క్లయింట్ మరియు సర్వర్ కమ్యూనికేషన్‌ను అనుమతించే తేలికపాటి ప్రోటోకాల్.

ఇది ఒక నిర్దిష్ట పర్యావరణ వ్యవస్థ కోసం రూపొందించిన కేంద్రీకృత స్పెక్‌లా అనిపిస్తుంది. ఇది సంపాదించకుండా విశ్వవ్యాప్తంగా ఉంటుందని పేర్కొంది.

MCP ఉపయోగకరమైన పనులు చేయడానికి తగినంత శక్తివంతమైనది. ఇది భద్రతా ఆందోళనలను పెంచుతుంది.

ఇది పరిణతి చెందిన ప్రమాణం కాదు మరియు సురక్షితంగా ఉండేలా రూపొందించబడలేదు.

సిఫార్సులు ఉన్నప్పటికీ అవి అమలు చేయబడలేదు.

లాంగ్‌చైన్ మరియు టూల్ కాలింగ్

లాంగ్‌చైన్ ‘టూల్ కాలింగ్’ నమూనాను అమలు చేసే అనేక ఫ్రేమ్‌వర్క్‌లలో ఒకటి.

MCP అనేది టూల్ కాలింగ్, టెంప్లేటెడ్ ఇన్‌పుట్, రద్దు, పురోగతి ట్రాకింగ్ మరియు టూల్ సర్వర్‌ల యొక్క స్టేట్‌ఫుల్‌నెస్‌తో సహా బాహ్య సమాచారం భాషా నమూనా యొక్క సందర్భ విండోలోకి ఎలా ప్రవేశిస్తుందో అనేదానికి ఒక స్పెసిఫికేషన్.

ఇది వివరాలను ప్రామాణీకరించడానికి సహాయపడుతుంది కాబట్టి ఏదైనా సహాయకుడు/సమన్వయం అనుకూలంగా ఉంటుంది.

MCPకి చట్టబద్ధమైన సమస్యలు ఉన్నప్పటికీ విమర్శకులు తమ వాదనలను మెరుగుపరచాలి.

ప్రమాణీకరణ చాలా కీలకం మరియు ప్రారంభ సంస్కరణ నుండి విస్మరించకూడదు.

చాలా సంక్లిష్టతలు ఉన్నాయి.