మోడల్ సందర్భ ప్రోటోకాల్ ఆవిష్కరణ
పెద్ద భాషా నమూనాలు (LLMలు) కృత్రిమ మేధస్సు రంగంలో విప్లవాత్మక మార్పులు తీసుకువచ్చాయి. అయితే, ఒక స్థిరమైన సవాలు ఉంది: ఈ నమూనాలను యాజమాన్య డేటాతో సమర్థవంతంగా అనుసంధానించడం. LLMలు ఇంటర్నెట్ నుండి విస్తారమైన సమాచారాన్ని ప్రాసెస్ చేయడంలో నైపుణ్యం కలిగి ఉన్నప్పటికీ, వాటి నిజమైన సామర్థ్యం మన అప్లికేషన్‌లు మరియు డేటా కోసం సహజ భాషా ఇంటర్‌ఫేస్‌లుగా ఉపయోగపడటంలో ఉంది. నియంత్రిత వాతావరణంలో వాటి అంచనా మరియు ఉత్పత్తి సామర్థ్యాలను ఉపయోగించడానికి ఇది అనుమతిస్తుంది.
LLM అవుట్‌పుట్‌ల విశ్వసనీయత మరియు సందర్భోచితతను నిర్ధారించడానికి, వివిధ వ్యూహాలు ఉద్భవించాయి. ప్రతి వ్యూహం ఈ నమూనాలకు మరియు నిర్దిష్ట డేటా సెట్‌లకు మధ్య అంతరాన్ని తగ్గించడానికి రూపొందించబడింది. ఈ వ్యూహాలలో కస్టమ్ ఎంబెడింగ్‌లను సృష్టించడం, తిరిగి పొందే-పెంచబడిన ఉత్పత్తి (RAG) పద్ధతులను ఉపయోగించడం – డేటాలోని క్లిష్టమైన సంబంధాలను వెలికితీయడానికి గ్రాఫ్ డేటాబేస్‌లను ఉపయోగించడం – వినియోగదారు ప్రాంప్ట్‌ల ద్వారా ప్రేరేపించబడిన OpenAPI కాల్‌ల ద్వారా పొందిన డేటాను స్వేదనం చేయడానికి మరియు ప్రదర్శించడానికి LLMలను ఉపయోగించడం వంటివి ఉన్నాయి. అంతేకాకుండా, OpenAI యొక్క ChatGPT ద్వారా ప్రాచుర్యం పొందిన ప్లగ్-ఇన్ మోడల్ డేటా ఇంటిగ్రేషన్ కోసం మరొక మార్గాన్ని అందిస్తుంది. ఈ విభిన్న విధానాలలో, మోడల్ కాంటెక్స్ట్ ప్రోటోకాల్ (MCP) LLMలు మరియు బాహ్య డేటా మూలాల మధ్య కనెక్షన్‌ను ప్రామాణీకరించడానికి ఒక మంచి పరిష్కారంగా నిలుస్తుంది.
2024 చివరిలో ఆంత్రోపిక్ ద్వారా ఆవిష్కరించబడిన మోడల్ కాంటెక్స్ట్ ప్రోటోకాల్, LLMలు మరియు వినియోగదారు-నిర్దిష్ట డేటా మధ్య పరస్పర చర్యను క్రమబద్ధీకరించడానికి ఒక ముఖ్యమైన అడుగు. ఈ ప్రోటోకాల్ AI అప్లికేషన్‌లలో సందర్భం యొక్క కీలక పాత్రను నొక్కి చెబుతుంది. AI యొక్క స్థిరమైన మరియు అర్థవంతమైన అవుట్‌పుట్‌లను అందించే సామర్థ్యం సంబంధిత సందర్భోచిత సమాచారం లభ్యతపై ఆధారపడి ఉంటుందని ఇది గుర్తిస్తుంది. తెలివైన ప్రతిస్పందనలను పొందడానికి చాట్ ప్రాంప్ట్‌లపై మాత్రమే ఆధారపడటం చాలా ఆశాజనకంగా ఉంటుంది, మరియు ఖచ్చితమైన లేదా తప్పుదోవ పట్టించే ఫలితాలకు దారితీస్తుంది. మన డేటా చుట్టూ వర్క్‌ఫ్లోలను సమన్వయం చేయగల బలమైన, సెమీ-స్వయంప్రతిపత్త ఏజెంట్‌లను నిర్మించడానికి, ఆ డేటాను ఈ ఏజెంట్‌లకు అందించడానికి నమ్మదగిన యంత్రాంగం అవసరం.
ఓపెన్-సోర్స్ చొరవగా, MCP విస్తృత శ్రేణి ప్రోగ్రామింగ్ భాషల కోసం SDK అమలులను అందిస్తుంది, దాని GitHub రిపోజిటరీలో సమగ్ర డాక్యుమెంటేషన్‌తో పాటుగా ఉంటుంది. ఈ డాక్యుమెంటేషన్ డెవలపర్‌లను MCP సర్వర్‌లను సమర్థవంతంగా అమలు చేయడానికి లేదా ఉపయోగించడానికి అనుమతిస్తుంది. MCPని “AI అనువర్తనాల కోసం USB-C పోర్ట్”గా ప్రాజెక్ట్ యొక్క వివరణ దాని సారాంశాన్ని ఖచ్చితంగా తెలియజేస్తుంది, విభిన్న డేటా మూలాలకు కనెక్షన్‌లను ప్రామాణీకరించే సామర్థ్యాన్ని హైలైట్ చేస్తుంది. ప్రామాణిక పునాదిపై నిర్మించబడిన MCP, ఇప్పటికే ఉన్న ప్రాజెక్ట్‌లతో సులభంగా కలిసిపోతుంది, వివిధ LLMలు మరియు ఇన్ఫరెన్స్ ప్రొవైడర్‌లతో సజావుగా ఇంటర్‌ఫేస్ అవుతుంది.
MCP యొక్క నిర్మాణం బాగా స్థిరపడిన క్లయింట్/సర్వర్ మోడల్‌ను అనుసరిస్తుంది, ఇక్కడ బ్రోకర్ MCP అభ్యర్థనలను స్థానిక లేదా రిమోట్ అభ్యర్థనలుగా అనువదించే బాధ్యతను తీసుకుంటుంది. ఈ డిజైన్ CORBA వంటి ఇంటర్‌ఫేస్ డెఫినిషన్ లాంగ్వేజ్‌ల కార్యాచరణను ప్రతిబింబిస్తుంది, MCPని బహుముఖ ఇంటర్‌ఆపరేబిలిటీ లేయర్‌గా మారుస్తుంది, ఇది సమాచార మూలాలు మరియు LLM అప్లికేషన్‌ల మధ్య సజావుగా మారడాన్ని సులభతరం చేస్తుంది. JSON RPC కనెక్షన్‌ను ఉపయోగించడం ద్వారా, MCP Azure API మేనేజ్‌మెంట్ వంటి సాధనాల ద్వారా వ్యక్తిగత వినియోగదారు స్థాయిలో చక్కటి నియంత్రణను అనుమతిస్తుంది.
MCP AI-ఆధారిత కోడ్ కోసం సాధారణ ఇంటర్‌ఫేస్‌ల అభివృద్ధిని ప్రోత్సహిస్తుంది, ఇది Microsoft యొక్క AI అభివృద్ధి వేదికల్లో పెరుగుతున్న దత్తత ద్వారా రుజువు అవుతుంది. సెమాంటిక్ కెర్నల్ మోడల్ ఆర్కెస్ట్రేషన్ టూల్‌లో దాని ఇంటిగ్రేషన్ నుండి Azure OpenAI మరియు Azure AI ఫౌండ్రీకి అనుకూలమైన MCP సర్వర్‌లుగా దాని విస్తరణ వరకు, MCP వేగంగా ఆదరణ పొందుతోంది. Microsoft వినియోగదారు ఆధారాల ఆధారంగా డేటా యాక్సెస్‌ను నియంత్రించడానికి ఫీచర్‌లతో Azure API మేనేజ్‌మెంట్‌ను మెరుగుపరుస్తుంది, సురక్షితమైన మరియు పాలిత AI విస్తరణలలో MCP పాత్రను మరింత బలోపేతం చేస్తుంది.
Azure MCP సర్వర్: ఒక ప్రారంభ అమలు
ఓపెన్-సోర్స్ Azure MCP సర్వర్, ఇటీవల పబ్లిక్ ప్రివ్యూలో విడుదల చేయబడింది, ఇది Microsoft ప్లాట్‌ఫారమ్‌లో MCP యొక్క ప్రారంభ అమలుకు ఉదాహరణ. ఈ సర్వర్ కీలకమైన Azure సేవలకు AI యాక్సెస్ కోసం ఒక సాధారణ బ్రోకర్‌గా పనిచేస్తుంది, అనేక ఇటీవలి Azure ప్రాజెక్ట్‌లు స్వీకరించిన ఓపెన్-సోర్స్ సూత్రాలకు అనుగుణంగా ఉంటుంది. దీని కోడ్ GitHubలో సులభంగా అందుబాటులో ఉంది. Azure MCP సర్వర్ Azure CLI వంటి డేటాబేస్‌లు, నిల్వ పరిష్కారాలు మరియు సేవలతో సహా Azure ప్లాట్‌ఫారమ్ యొక్క గణనీయమైన భాగానికి యాక్సెస్‌ను అందిస్తుంది.
Azure CLI (మరియు డెవలపర్ CLI) కోసం మద్దతు చేర్చడం చాలా ముఖ్యం, ఎందుకంటే ఇది MCP-ఆధారిత ఏజెంట్‌లను నేరుగా Azureతో పరస్పర చర్య చేయడానికి అనుమతిస్తుంది, MCP కాల్‌లను ఆపరేటర్‌లుగా పరిగణిస్తుంది. ఈ సామర్థ్యం Azureకు సహజ భాషా స్వీయ-సేవా ఇంటర్‌ఫేస్‌ను అందించే ఏజెంట్‌లను నిర్మించడానికి మార్గం సుగమం చేస్తుంది. ఉదాహరణకు, ఒక ఏజెంట్ మౌలిక సదుపాయాల వివరణను తీసుకోవచ్చు మరియు దాని విస్తరణకు అవసరమైన ARM టెంప్లేట్‌లను స్వయంచాలకంగా ఉత్పత్తి చేయవచ్చు. ఈ భావనను మరింత విస్తరిస్తూ, వైట్‌బోర్డ్ స్కెచ్‌ని విశ్లేషించే, అవసరమైన వనరుల వివరణను పొందే మరియు మౌలిక సదుపాయాలను విస్తరించే మల్టీమోడల్ ఏజెంట్‌ను ఊహించవచ్చు, తక్షణ కోడ్ అభివృద్ధిని అనుమతిస్తుంది. Azure MCP సర్వర్ ద్వారా అందుబాటులో ఉండే అదనపు సిస్టమ్ అడ్మినిస్ట్రేషన్ సేవలు ప్రస్తుత రిసోర్స్ గ్రూపులను జాబితా చేయడం మరియు Azure మానిటరింగ్ లాగ్‌లను ప్రశ్నించడానికి KQLని ఉపయోగించడం వంటివి కలిగి ఉంటాయి.
GitHub కోపైలట్ చాట్‌తో Azure MCP సర్వర్‌ను అనుసంధానించడం
MCP ప్రమాణానికి కట్టుబడి ఉండటం వలన, Azure MCP సర్వర్ MCPకి మద్దతు ఇచ్చే ఏదైనా AI టూల్‌తో సజావుగా కలిసిపోతుంది, ఉదాహరణకు GitHub కోపైలట్ ఏజెంట్ మోడ్. మీ అద్దెకు సర్వర్‌ను జోడించడం ద్వారా, మీరు నేరుగా లేదా విజువల్ స్టూడియో కోడ్ ఇంటిగ్రేషన్ ద్వారా కోపైలట్ ద్వారా ప్రశ్నలు అడగడం ప్రారంభించవచ్చు. MCPని ఎలా ఉపయోగించాలో మరియు మీ స్వంత MCP-ఆధారిత AI అప్లికేషన్‌ల కోసం ప్రాంప్ట్‌లను ఎలా నిర్మించాలో తెలుసుకోవడానికి ఈ రెండో ఎంపిక సమర్థవంతమైన మార్గాన్ని అందిస్తుంది.
ప్రస్తుతం, Microsoft తన ప్రోగ్రామింగ్ భాషల కోసం ప్రత్యేకమైన MCP టూల్‌ను ఇంకా విడుదల చేయలేదు, అనుకూల కోడ్‌ను అభివృద్ధి చేయడానికి అధికారిక SDKలను ఉపయోగించడం అవసరం. TypeScript, C# మరియు Python కోసం మద్దతుతో, డెవలపర్‌లకు వారి స్వంత Azure MCP ఏజెంట్‌లను సృష్టించడానికి అవసరమైన సాధనాలకు యాక్సెస్ ఉంది. ఇప్పటికే ఉన్న Azure ఆధారాలను ఉపయోగించి విజువల్ స్టూడియో కోడ్‌లో ప్రయోగాలు చేయవచ్చు.
సర్వర్ మీ అభివృద్ధి PCలో పనిచేస్తుంది మరియు Node.js అవసరం. సంస్థాపన నేరుగా ప్రాజెక్ట్ యొక్క GitHub రిపోజిటరీ నుండి VS కోడ్‌లోకి పూర్తవుతుంది. సంస్థాపించబడిన తర్వాత, GitHub కోపైలట్ మరియు GitHub కోపైలట్ చాట్ పొడిగింపులు రెండూ ప్రయోగాత్మక ఏజెంట్ మోడ్‌ను ఉపయోగించడానికి కాన్ఫిగర్ చేయబడ్డాయని నిర్ధారించుకోండి (VS కోడ్ సెట్టింగ్‌ల సాధనం ద్వారా యాక్సెస్ చేయవచ్చు). తరువాత, GitHub కోపైలట్ చాట్ పేన్‌ను తెరిచి ఏజెంట్ మోడ్‌కు మారండి. సాధనాల డ్రాప్‌డౌన్‌లో Azure MCP సర్వర్ ఇన్‌స్టాల్ చేయబడిందని ధృవీకరించండి. మీరు ఇప్పుడు ‘నా Azure సబ్‌స్క్రిప్షన్‌లను జాబితా చేయండి’ వంటి ప్రశ్నలను సమర్పించవచ్చు.
Azureతో పనిచేసే ఎవరికైనా ఫలితంగా వచ్చే సాధనం చాలా విలువైనదని రుజువు చేస్తుంది మరియు కోపైలట్ ఇంటిగ్రేషన్ దాటి విస్తరించింది. Azure MCP సర్వర్‌ను Node.js మద్దతు ఉన్న చోటల్లా ఇన్‌స్టాల్ చేయవచ్చు, ఇది అనుకూల ఏజెంట్‌లలోకి దాని ఇంటిగ్రేషన్‌ను అనుమతిస్తుంది.
Azure AI ఫౌండ్రీలో MCP పాత్ర
Microsoft MCP సాధనాల పోర్ట్‌ఫోలియోను వేగంగా విస్తరిస్తోంది, MCP ద్వారా ఇప్పటికే ఉన్న కార్యాచరణలను బహిర్గతం చేస్తుంది లేదా ఏజెంట్రిక్ అప్లికేషన్‌లలో వాటి వినియోగాన్ని ప్రారంభిస్తుంది. ఈ వేగవంతమైన రోల్‌అవుట్‌లో కోపైలట్ స్టూడియో యొక్క నో-కోడ్ ఏజెంట్ డెవలప్‌మెంట్ కోసం సాధనాలు ఉన్నాయి, ఈ కథనాన్ని రాసే సమయంలో ప్రకటించబడింది.
Azure AI ఫౌండ్రీ, పెద్ద-స్థాయి AI అప్లికేషన్ అభివృద్ధి కోసం Microsoft యొక్క ప్రాథమిక అభివృద్ధి వేదిక, Azure యొక్క AI ఏజెంట్ సేవకు అనుబంధంగా MCP సర్వర్‌ను కూడా చురుకుగా అభివృద్ధి చేస్తోంది. ఈ ఇంటిగ్రేషన్ Azure AI ఫౌండ్రీలో నడుస్తున్న ఏజెంట్‌లను ఇతర AI అప్లికేషన్‌లలో భాగంగా పనిచేసే క్లయింట్‌లతో కనెక్ట్ చేయడం లక్ష్యంగా పెట్టుకుంది.
ఈ సేవ ఇప్పటికే ఉన్న AI కోడ్ మరియు సేవలను త్వరగా తిరిగి ఉపయోగించడానికి మరియు వాటిని కొత్త అప్లికేషన్‌లకు లింక్ చేయడానికి మిమ్మల్ని అనుమతిస్తుంది. ఫాబ్రిక్ వంటి సేవలు వాటి ఏజెంట్ ఫీచర్‌లను AI ఏజెంట్ సర్వీస్ ఎండ్‌పాయింట్‌లుగా బహిర్గతం చేస్తాయి, AI అప్లికేషన్‌లు వ్యాపార డేటా యొక్క ప్రధాన లైన్‌కు సజావుగా కనెక్ట్ అవ్వడానికి అనుమతిస్తాయి, భ్రమలు మరియు లోపాల ప్రమాదాలను తగ్గించడానికి అవసరమైన ఆధారాన్ని అందిస్తాయి.
సంస్థాపన తర్వాత, సర్వర్ ఏజెంట్‌లకు కనెక్ట్ అవ్వడానికి మరియు వాటికి ప్రశ్నలను పంపడానికి MCP చర్యల సమితిని అందిస్తుంది. ఇది అందుబాటులో ఉన్న ఏజెంట్‌లను కూడా జాబితా చేయవచ్చు లేదా నిర్దిష్ట పనుల కోసం డిఫాల్ట్ ఏజెంట్‌ను ఉపయోగించవచ్చు. సంభాషణ థ్రెడ్‌లకు మద్దతు చేర్చబడింది, ఏజెంట్‌లకు సందర్భోచిత సంభాషణల కోసం ప్రాథమిక సిమాంటిక్ మెమరీని అందిస్తుంది. MCPని ఉపయోగించి వాటిని అమలు చేయడానికి మీకు Azure AI ఏజెంట్ సర్వీస్ ఏజెంట్ IDలు అవసరం.
సర్వర్ పైథాన్‌లో అమలు చేయబడింది మరియు Azure CLI ద్వారా pipని ఉపయోగించి ఇన్‌స్టాల్ చేయవచ్చు. ప్రత్యామ్నాయంగా, ఇష్టపడే వారి కోసం టైప్‌స్క్రిప్ట్ వెర్షన్ అందుబాటులో ఉంది. Azure MCP సర్వర్‌ను పోలి ఉంటుంది, ఈ సర్వర్ AI ఫౌండ్రీ పర్యావరణం వెలుపల పనిచేస్తుంది, విండోస్, macOS మరియు Linux కోసం మద్దతుతో, దాని స్వంత కంటైనర్ లేదా VMలో క్లౌడ్-హోస్ట్ చేసిన అప్లికేషన్‌లో భాగంగా లేదా అభివృద్ధి PCలో ఇన్‌స్టాల్ చేయడానికి అనుమతిస్తుంది.
సెమాంటిక్ కెర్నల్ AI అప్లికేషన్‌ల నుండి MCP సర్వర్‌లను ఉపయోగించడం
ఓపెన్ స్టాండర్డ్‌గా, MCP ఏదైనా క్లయింట్‌తో సర్వర్ అనుకూలతను అనుమతిస్తుంది. ఆంత్రోపిక్ యొక్క క్లాడ్ డెస్క్‌టాప్‌ను ఉపయోగించి కనెక్షన్‌ను ఎలా ఏర్పాటు చేయాలో GitHub రిపోజిటరీ సూచనలను అందిస్తుంది, అయితే నిజమైన విలువ సెమాంటిక్ కెర్నల్‌లో అనుకూల ఏజెంట్ వర్క్‌ఫ్లోలను నిర్మించడంలో ఉంది.
MCP మద్దతును సెమాంటిక్ కెర్నల్ ఆర్కెస్ట్రేషన్‌లో ఎలా అనుసంధానించాలో Microsoft నమూనా కోడ్‌ను అందిస్తుంది, దీనిని తెలిసిన ఫంక్షన్ కాల్‌లతో కలిసిపోయే కెర్నల్ ప్లగ్-ఇన్‌గా పరిగణిస్తుంది. ఈ ఇంటిగ్రేషన్‌లను ఏజెంట్‌లుగా చుట్టవచ్చు మరియు అవసరమైనప్పుడు యాక్సెస్ చేయవచ్చు. సెమాంటిక్ కెర్నల్‌లో MCP ఇంటిగ్రేషన్ ఇంకా అభివృద్ధిలో ఉన్నప్పటికీ, ఇది దాని ప్రస్తుత ఫీచర్ సెట్‌తో సజావుగా కలిసిపోతుంది, AI అప్లికేషన్‌లకు సర్వర్ నుండి MCP సాధనాలను బహిర్గతం చేయడానికి కనీస అదనపు కోడ్ అవసరం.
స్థానిక మరియు రిమోట్ అప్లికేషన్‌ల కోసం కనుగొనదగిన ఇంటర్‌ఫేస్‌లను నిర్మించడానికి ఒక ప్రామాణిక విధానాన్ని అందించే ఆధునిక AI స్టాక్‌లో MCP వంటి సాధనాలు కీలకమైన భాగాలు. నిర్వచించిన తర్వాత, MCP సాధనాలను సులభంగా అమలు చేయవచ్చు, సర్వర్ అందుబాటులో ఉన్న సాధనాల జాబితాను అందిస్తుంది మరియు MCP ఆ సాధనాలను కాల్ చేయడానికి మరియు వాటి అవుట్‌పుట్‌లను ఉపయోగించడానికి LLMలకు ప్రామాణిక మార్గాన్ని అందిస్తుంది. ఈ విధానం ప్రామాణిక APIలు, డేటాబేస్ ప్రశ్నలు మరియు AI ఏజెంట్‌లతో కలిసి పనిచేస్తూ AI అప్లికేషన్‌ల కోసం సార్వత్రిక గ్రౌండింగ్ టూల్‌ను అందించడానికి గణనీయంగా దోహదం చేస్తుంది.