ai-agents-for-beginners

ಏಜೆಂಟಿಕ್ ಪ್ರೋಟೋಕಾಲ್‌ಗಳನ್ನು ಬಳಸಿ (MCP, A2A ಮತ್ತು NLWeb)

(ಈ ಪಾಠದ ವೀಡಿಯೋವನ್ನು ನೋಡಲು ಮೇಲಿನ ಚಿತ್ರವನ್ನು ಕ್ಲಿಕ್ ಮಾಡಿ)

AI ಏಜೆಂಟ್ಗಳ ಬಳಕೆ ಹೆಚ್ಚಿಮೆಯಾದಂತೆ, ಮಾನದಂಡ, ಭದ್ರತೆ ಮತ್ತು ಮುಕ್ತ ನವೀಕರಣವನ್ನು ಖಚಿತಪಡಿಸುವ ಪ್ರೋಟೋಕಾಲ್‌ಗಳ ಅವಶ್ಯಕತೆ ಕೂಡ ಹೆಚ್ಚಾಗಿದೆ. ಈ ಪಾಠದಲ್ಲಿ, ನಾವು ಈ ಅಗತ್ಯವನ್ನು ಪೂರೈಸಲು ಉದ್ದೇಶಿಸಿದ 3 ಪ್ರೋಟೋಕಾಲ್‌ಗಳನ್ನು ಅವಲೋಕಿಸೋಣ - ಮಾದರಿ ಸಂದರ್ಭ ಪ್ರೋಟೋಕಾಲ್ (MCP), ಏಜೆಂಟ್‌ ಟು ಏಜೆಂಟ್ (A2A) ಮತ್ತು ನೈಸರ್ಗಿಕ ಭಾಷೆಯ ಜಾಲತಾಣ (NLWeb).

ಪರಿಚಯ

ಈ ಪಾಠದಲ್ಲಿ, ನಾವು ನೋಡೋದು:

• MCP ಹೇಗೆ AI ಏಜೆಂಟ್ಗಳಿಗೆ ಬಳಕೆದಾರರ ಕಾರ್ಯಗಳನ್ನು ಪೂರೈಸಲು ಹೊರಗಿನ ಸಾಧನಗಳು ಮತ್ತು ಡೇಟಾಗಳನ್ನು ಪ್ರವೇಶಿಸುವುದಕ್ಕೆ ಅವಕಾಶ ನೀಡುತ್ತದೆ ಎಂಬುದು.

• A2A ಹೇಗೆ ವಿಭಿನ್ನ AI ಏಜೆಂಟ್ಗಳ ನಡುವೆ ಸಂವಹನ ಮತ್ತು ಸಹಕಾರವನ್ನು ಸಕ್ರಿಯಗೊಳಿಸುತ್ತದೆ ಎಂಬುದು.

• NLWeb ಹೇಗೆ ಯಾವುದೇ ವೆಬ್‌ಸೈಟ್‌ಗೆ ನೈಸರ್ಗಿಕ ಭಾಷೆ ಇಂಟರ್‌ಫೇಸ್ ತಂದು AI ಏಜೆಂಟ್ಗಳಿಗೆ ವಿಷಯವನ್ನು ಕಂಡುಹಿಡಿದು ಸಂವಹನ ನಡೆಸಲು ಅವಕಾಶ ನೀಡುತ್ತದೆ ಎಂಬುದು.

ಅಧ್ಯಯನ ಗುರಿಗಳು

• AI ಏಜೆಂಟ್ಗಳ ಸಂದರ್ಭದಲ್ಲಿ MCP, A2A ಮತ್ತು NLWeb ಯ ಮೂಲ ಉದ್ದೇಶ ಮತ್ತು ಲಾಭಗಳನ್ನು ಗುರುತಿಸುವುದು.

• ಪ್ರತಿ ಪ್ರೋಟೋಕಾಲ್ ಹೇಗೆ LLMಗಳು, ಸಾಧನಗಳು ಮತ್ತು ಇತರ ಏಜೆಂಟ್ಗಳ ನಡುವೆ ಸಂವಹನ ಮತ್ತು ಪರಸ್ಪರ ಕ್ರಿಯೆಯನ್ನು ಸುಗಮಗೊಳಿಸುತ್ತದೆ ಎಂಬುದನ್ನು ವಿವರಿಸುವುದು.

• ಸಂಕೀರ್ಣ ಏಜೆಂಟಿಕ್ ವ್ಯವಸ್ಥೆಗಳನ್ನು ನಿರ್ಮಿಸುವಲ್ಲಿ ಪ್ರತಿ ಪ್ರೋಟೋಕಾಲ್‌ಗಳು ನಿರ್ವಹಿಸುವ ವಿಭಿನ್ನ ಪಾತ್ರಗಳನ್ನು ಅನ್ಸೂಚಿತಗೊಳಿಸುವುದು.

ಮಾದರಿ ಸಂದರ್ಭ ಪ್ರೋಟೋಕಾಲ್

ಮಾದರಿ ಸಂದರ್ಭ ಪ್ರೋಟೋಕಾಲ್ (MCP) ಒಂದು ಮುಕ್ತ ಮಾನದಂಡವಾಗಿದೆ, ಇದು ಅನ್ವಯಿಕೆಗಳಿಗೆ LLMಗಳಿಗೆ ಸಂದರ್ಭ ಮತ್ತು ಸಾಧನಗಳನ್ನು ನೀಡಲು ಮಾನದಂಡಿತ ಮಾರ್ಗ ಒದಗಿಸುತ್ತದೆ. ಇದು ವಿವಿಧ ಡೇಟಾ ಮೂಲಗಳು ಮತ್ತು ಸಾಧನಗಳಿಗೆ ಮಧ್ಯಸ್ಥವಾಗಿ “ವಿಶ್ವವಿಖ್ಯಾತ ಅಡಾಪ್ಟರ್” ಆಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ, ಇದರಿಂದ AI ಏಜೆಂಟ್ಗಳು ಸತತವಾಗಿ ಸಂಪರ್ಕಿಸಬಹುದು.

MCPComponentಗಳು, ವೈಶಿಷ್ಟ್ಯತೆಗಳು ಹಾಗೂ AI ಏಜೆಂಟ್ಗಳು MCP ಸರ್ವರ್ ಹೇಗೆ ಬಳಸಬಹುದೆಂಬ ಉದಾಹರಣೆಗಳನ್ನು ನೋಡೋಣ.

MCP ಮೂಲ ഘಟಕಗಳು

MCP ಕ್ಲೈಂಟ್-ಸರ್ವರ್ ವಾಸ್ತುಶಿಲ್ಪದ ಮೇಲೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ ಮತ್ತು ಮೂಲ ഘಟಕಗಳು:

• ಹೋಸ್ಟ್ಗಳು (Hosts) LLM ಅನ್ವಯಿಕೆಗಳು (ಉದಾಹರಣೆಗೆ VSCode ನಂತಹ ಕೋಡ್ ಸಂಪಾದಕ) ಆಗಿದ್ದು, MCP ಸರ್ವರ್‌ಗೆ ಸಂಪರ್ಕ ಆರಂಭಿಸುತ್ತವೆ.

• ಕ್ಲೈಂಟ್‌ಗಳು (Clients) ಹೋಸ್ಟ್ ಅನ್ವಯಿಕೆಯೊಳಗಿನ ಭಾಗಗಳು, ಸರ್ವರ್‌ಗಳೊಂದಿಗೆ ಒ ಪೈಕಿ ಒ ಸಂಪರ್ಕಗಳನ್ನು ನಿರ್ವಹಿಸುತ್ತವೆ.

• ಸರ್ವರ್‌ಗಳು (Servers) ವಿವಿಥ ಸಾಮರ್ಥ್ಯಗಳನ್ನು ಅನಾವರಣಗೊಳಿಸುವ ಹಗಲುಲಗತ್ತನೆಯ ಕಾರ್ಯಕ್ರಮಗಳು.

ಪ್ರೋಟೋಕಾಲ್ ಒಳಗೊಂಡಿರುವ ಮೂರು ಪ್ರಾಥಮಿಕಗಳು MCP ಸರ್ವರ್ ಸಂಪನ್ಮೂಲಗಳು:

• ಸಾಧನಗಳು (Tools): AI ಏಜೆಂಟ್ ಕರೆಯಬಹುದಾದ ವಿಭಿನ್ನ ಕ್ರಿಯೆಗಳು ಅಥವಾ ಕಾರ್ಯಗಳು. ಉದಾಹರಣೆಗೆ, ಹವಾಮಾನ ಸೇವೆಯ “ಹವಾಮಾನ ಪಡೆಯಲು” ಸಾಧನ, ಅಥವಾ ಇ-ಕಾಮರ್ಸ್ ಸರ್ವರ್‌ನ “ಉತ್ಪನ್ನ ಖರೀದಿಸಲು” ಸಾಧನ. MCP ಸರ್ವರ್ ಪ್ರತಿ ಸಾಧನದ ಹೆಸರು, ವಿವರಣೆ ಮತ್ತು ಇನ್ಪುಟ್/ಔಟ್‌ಪುಟ್ ವೃತ್ತಾಂತವನ್ನು ತಿಳಿಸುತ್ತದೆ.

• ಸಂಪನ್ಮೂಲಗಳು (Resources): MCP ಸರ್ವರ್ ನೀಡಬಹುದಾದ ಓದಿ ಮಾತ್ರವಲ್ಲದ ಡೇಟಾ ಐಟಂಗಳಾಗಿದ್ದು, ಕ್ಲೈಂಟ್ ಅವುಗಳನ್ನು ಆವಶ್ಯಕತೆಯಾದಾಗ ಪಡೆಯಬಹುದು. ಉದಾಹಣೆಗಳಿಗೆ ಕಡತ ವಿಷಯಗಳು, ಡೇಟಾಬೇಸ್ ದಾಖಲೆಗಳು ಅಥವಾ ಲಾಗ್ ಫೈಲ್‌ಗಳಿವೆ. ಸಂಪನ್ಮೂಲಗಳು ಪಠ್ಯ (ಕೋಡ್ ಅಥವಾ JSON) ಅಥವಾ ಬೈನರಿ (ಚಿತ್ರಗಳು ಅಥವಾ PDF) ಆಗಿರಬಹುದು.

• ಪ್ರಾಂಪ್ಟ್‌ಗಳು (Prompts): ಪೂರ್ವನಿರ್ಧರಿತ ಟೆಂಪ್ಲೇಟುಗಳಾಗಿದ್ದು, ಸೂಚಿತ ಪ್ರಾಂಪ್ಟ್‌ಗಳನ್ನು ಒದಗಿಸುತ್ತವೆ, ಇದರಿಂದ ಹೆಚ್ಚು ಸಂಕೀರ್ಣ ಕಾರ್ಯಪ್ರವಾಹಗಳು ಅನುಕೂಲವಾಗುತ್ತವೆ.

MCP ಯ ಲಾಭಗಳು

MCP AI ಏಜೆಂಟ್ಗೆ ಮಹತ್ವದ ಪ್ರಯೋಜನಗಳನ್ನು ನೀಡುತ್ತದೆ:

• ಡೈನಾಮಿಕ್ ಸಾಧನ ಅನ್ವೇಷಣೆ: ಏಜೆಂಟ್‌ಗಳು ಸರ್ವರ್‌ನಿಂದ ಲಭ್ಯವಿರುವ ಸಾಧನಗಳ ಪಟ್ಟಿಯನ್ನು ಡೈನಾಮಿಕ್‌ ಆಗಿ ಹಾಗೂ ಅವುಗಳನ್ನು ಏನು ಮಾಡುತ್ತವೆ ಎಂಬ ವಿವರಣೆಯೊಂದಿಗೆ ಸ್ವೀಕರಿಸಬಹುದು. ಈ ವೈಶಿಷ್ಟ್ಯವು ಪರಂಪರাগত API ಗಳಿಗೆ ಬೇರೆಯಾಗಿದೆ, ಅಲ್ಲಿ ಕಾರ್‍ಯಗತಗೊಳಿಸುವಿಕೆಗಾಗಿ ಸ್ಟ್ಯಾಟಿಕ್ ಕೋಡಿಂಗ್ ಅವಶ್ಯಕವಾಗುತ್ತದೆ; API ಬದಲಾವಣೆ ಆಗಿದ್ರೆ ಕೋಡ್ ಮೊದಲು ನವೀಕರಿಸಬೇಕು. MCP “ಏಕದಾರಿಗೆ” ಇಂಟಿಗ್ರೇಶನ್ ಒದಗಿಸಿ ಹೆಚ್ಚಿನ ಹೊಂದಾಣಿಕೆ ನೀಡಿ.

• ವಿಭಿನ್ನ LLM ಗಳ ನಡುವೆ ಪರಸ್ಪರ ಪ್ರಚಲಿತತೆ: MCP ವಿಭಿನ್ನ LLM ಗಳು ಜೊತೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ, ಇದು ಉತ್ತಮ ಕಾರ್ಯಚಟುವಟಿಕೆಗಾಗಿ ಆಧಾರದ ಮಾದರಿಗಳನ್ನು ಬದಲಾಯಿಸಲು ಸ್ವಾತಂತ್ರ್ಯ ನೀಡುತ್ತದೆ.

• ಮಾನದಂಡಿತ ಭದ್ರತೆ: MCP ಗೆ ಸ್ಟ್ಯಾಂಡರ್ಡ್ ದೃಢೀಕರಣ ವಿಧಾನವಿದೆ, ಇದರಿಂದ ಹೆಚ್ಚುವರಿ MCP ಸರ್ವರ್‌ಗಳಿಗೆ ಪ್ರವೇಶವನ್ನು ಸೇರಿಸುವ ಸಂದರ್ಭದಲ್ಲಿ ಸ್ಕೇಲಬಿಲಿಟಿ ಸುಲಭವಾಗುತ್ತದೆ. ಇದು ವಿವಿಧ ಭಿನ್ನ-ಭಿನ್ನ APIಗಳಿಗಾಗಿ ಭಿನ್ನಗಳ ಬಿಲ್ಲುಗಳ ಮತ್ತು ದೃಢೀಕರಣ ವಿಧಾನಗಳನ್ನು ನಿರ್ವಹಿಸುವುದಕ್ಕಿಂತ ಸರಳವಾಗಿದೆ.

MCP ಉದಾಹರಣೆ

ಒಂದು ಬಳಕೆದಾರನು MCP ಸಕ್ರಿಯ AI ಸಹಾಯಕರ ಮೂಲಕ ವಿಮಾನಯಾನದ ಟಿಕೆಟ್ ಬುಕ್ ಮಾಡಲು ಬಯಸುತ್ತಾನೆ ಎಂದು ಊಹಿಸೋಣ.

1. ಸಂಪರ್ಕ: AI ಸಹಾಯಕ (MCP ಕ್ಲೈಂಟ್) ವಿಮಾನಯಾನ ಸಂಸ್ಥೆ ಒದಗಿಸಿರುವ MCP ಸರ್ವರ್‌ಗೆ ಸಂಪರ್ಕಿಸಲಾಗುತ್ತದೆ.

2. ಸಾಧನ ಅನ್ವೇಷಣೆ: ಕ್ಲೈಂಟ್ ವಿಮಾನಯಾನ ಸಂಸ್ಥೆಯ MCP ಸರ್ವರ್‌ಗೆ “ನಿಮ್ಮ ಬಳಿ ಯಾವ ಸಾಧನಗಳಿವೆ?” ಎಂದು ಕೇಳುತ್ತದೆ. ಸರ್ವರ್ “ವಿಮಾನ ಹುಡುಕು” ಮತ್ತು “ವಿಮಾನ ಬುಕ್ ಮಾಡು” ಸಾಧನಗಳನ್ನು ಪ್ರತಿಕ್ರಿಯಿಸುತ್ತದೆ.

3. ಸಾಧನ ಕರೆ: ನೀವು AI ಸಹಾಯಕರಿಗೆ “ಪೋರ್ಟ್ಲ್ಯಾಂಡ್‌ನಿಂದ ಹನೋಲುಲುಗೆ ವಿಮಾನ ಹುಡುಕಿ” ಎಂದು ಕೇಳುತ್ತೀರಿ. AI ಸಹಾಯಕ ತನ್ನ LLM ಬಳಸಿ “ವಿಮಾನ ಹುಡುಕು” ಸಾಧನವನ್ನು ಬರೆಯಬೇಕೆಂದು ತೀರ್ಮಾನಿಸಿ, ಸಂಬಂಧಿತ ಪ್ಯಾರಾಮೀಟರ್‌ಗಳ (ಮೂಲ, ಗಮ್ಯಸ್ಥಾನ)ೊಂದಿಗೆ MCP ಸರ್ವರ್‌ಗೆ ಕಳುಹಿಸುತ್ತದೆ.

4. ನಿರ್ವಹಣೆ ಮತ್ತು ಪ್ರತಿಕ್ರಿಯೆ: MCP ಸರ್ವರ್, ಮರುಮಡುವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸಿ, ವಿಮಾನಯಾನದ ಒಳಗಿನ ಬುಕಿಂಗ್ API ನ್ನು ಕರೆ ಮಾಡುತ್ತದೆ. ನಂತರ ವಿಆಹಾರ ಮಾಹಿತಿ (ಉದಾ: JSON ಡೇಟಾ) ಪಡೆಯುತ್ತದೆ ಮತ್ತು AI ಸಹಾಯಕಿಗೆ ಕಳುಹಿಸುತ್ತದೆ.

5. ಮುಂದುವರೆದ ಸಂವಹನ: AI ಸಹಾಯಕ ವಿಮಾನ ಆಯ್ಕೆಗಳನ್ನು ಪ್ರದರ್ಶಿಸುತ್ತದೆ. ನೀವು ಒಂದು ವಿಮಾನ ಆಯ್ದ ಮೇಲೆ, ಸಹಾಯಕ ಅದೇ MCP ಸರ್ವರ್‌ನಲ್ಲಿ “ವಿಮಾನ ಬುಕ್ ಮಾಡು” ಸಾಧನವನ್ನು ಕರೆಯಬಹುದು, ಬುಕಿಂಗ್ ಪೂರ್ಣಗೊಳ್ಳುತ್ತದೆ.

ಏಜೆಂಟ್ ಟು ಏಜೆಂಟ್ ಪ್ರೋಟೋಕಾಲ್ (A2A)

MCP LLM ಗಳು ಮತ್ತು ಸಾಧನಗಳನ್ನು ಸಂಪರ್ಕಿಸುವುದರಲ್ಲಿ ತೊಡಗಿಕೊಂಡಿರುವಾಗ, A2A ಪ್ರೋಟೋಕಾಲ್ ಮುಂದು ಏಕೆಂದರೆ ವಿಭಿನ್ನ AI ಏಜೆಂಟ್ಗಳ ನಡುವೆ ಸಂವಹನ ಮತ್ತು ಸಹಕಾರವನ್ನು ಸಕ್ರಿಯಗೊಳಿಸುತ್ತದೆ. A2A ವಿಭಿನ್ನ ಸಂಸ್ಥೆಗಳು, ವಾತಾವರಣಗಳು ಮತ್ತು ತಂತ್ರಜ್ಞಾನ ವ್ಯವಸ್ಥೆಗಳ AI ಏಜೆಂಟ್‌ಗಳನ್ನು ಕನೆಕ್ಟ್ ಮಾಡಿ ಸಹಕರಿಸುವುದಕ್ಕೆ ಸಹಾಯ ಮಾಡುತ್ತದೆ.

A2A ಯ ಘಟಕಗಳು ಮತ್ತು ಲಾಭಗಳು, ಹಾಗೂ ನಮ್ಮ ಪ್ರಯಾಣ ಅಪ್ಲಿಕೇಶನ್ನಲ್ಲಿನ ಅನ್ವಯವನ್ನು ನೋಡೋಣ.

A2A ಮೂಲ ಘಟಕಗಳು

A2A ಏಜೆಂಟ್ಗಳ ನಡುವೆ ಸಂವಹನ ಸಕ್ರಿಯಗೊಳಿಸಿ, ಬಳಕೆದಾರರ ಉಪಕಾರ್ಯವನ್ನು ಪೂರ್ಣಗೊಳಿಸಲು ಒಟ್ಟಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುವ ತೆರೆಯ ಮೇಲೆ ಕೇಂದ್ರೀಕರಿಸುತ್ತದೆ. ಪ್ರೋಟೋಕಾಲ್‌ನ ಪ್ರತಿ ಘಟಕ ಇದಕ್ಕೆ ದೇಣಿಗೆ ನೀಡುತ್ತದೆ:

ಏಜೆಂಟ್ ಕಾರ್ಡ್

MCP ಸರ್ವರ್ ಸಾಧನಗಳನ್ನು ಹಂಚಿಕೊಳ್ಳುವ ರೀತಿಯಲ್ಲಿ, ಏಜೆಂಟ್ ಕಾರ್ಡ್ ಹೊಂದಿರುತ್ತದೆ:

• ಏಜೆಂಟ್ ಹೆಸರನ್ನು.
• ಅದು ಪೂರ್ಣಗೊಳಿಸುವ ಸಾಮಾನ್ಯ ಕರ್ಮಗಳ ವಿವರಣೆ.
• ಇತರ ಏಜೆಂಟ್‌ಗಳು (ಮತ್ತು ಮಾನವ ಬಳಕೆದಾರರು ಸಹ) ಕರೆ ಮಾಡುವ ಕೆಲ ಸಂದರ್ಭ ಹಾಗೂ ಕಾರಣಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ನಿರ್ದಿಷ್ಟ ಕೌಶಲ್ಯಗಳ ಪಟ್ಟಿ ವಿವರಣೆಯೊಂದಿಗೆ.
• ಏಜೆಂಟ್‌ನ ಪ್ರಸ್ತುತ ಎಂಡ್‌ಪಾಯಿಂಟ್ URL
• ಏಜೆಂಟ್‌ನ ಆವೃತ್ತಿ ಮತ್ತು ಸಾಧ್ಯತೆಗಳು (ಉದಾ: ಸ್ಟ್ರೀಮಿಂಗ್ ಪ್ರತಿಕ್ರಿಯೆಗಳು ಮತ್ತು ಪೋಷ್ ನೋಟಿಫಿಕೇಶನ್ಸ್)

ಏಜೆಂಟ್ ಎಕ್ಸಿಕ್ಯೂಟರ್

ಬಳಕೆದಾರ ಚಾಟ್ ಸಂದರ್ಭವನ್ನು ದೂರದ ಏಜೆಂಟ್‌ಗೆ ಕಳುಹಿಸುವ ಹೊಣೆಗಾರಿಕೆಯನ್ನು ಏಜೆಂಟ್ ಎಕ್ಸಿಕ್ಯೂಟರ್ ಹೊತ್ತುಕೊಂಡಿದೆ. ದೂರದ ಏಜೆಂಟ್ ತನ್ನ ಸ್ವಂತ LLM ಬಳಸಿ ಒಳಗೆ ಬಂದ ವಿನಂತಿಗಳನ್ನು ವಿಶ್ಲೇಷಿಸಿ, ತನ್ನ ಆಂತರಿಕ ಸಾಧನಗಳನ್ನು ಬಳಸಿ ಕಾರ್ಯಗಳನ್ನು ನಿಭಾಯಿಸುತ್ತದೆ.

ಕಲಾಕೃತಿ (ಆರ್ಟಿಫ್ಯಾಕ್ಟ್)

ದೂರದ ಏಜೆಂಟ್ ಕೈಗೊಳ್ಳದ ಕಾರ್ಯ ನೆರವೇರಿಸಿದಾಗ, ಅದರ ಕಾರ್ಯಫಲವನ್ನು ಆರ್ಟಿಫ್ಯಾಕ್ಟ್ ಎನ್ನುವ ರೂಪದಲ್ಲಿ ಸೃಷ್ಟಿಸಲಾಗುತ್ತದೆ. ಆರ್ಟಿಫ್ಯಾಕ್ಟ್ ಏಜೆಂಟ್‌ನ ಕಾರ್ಯದ ಫಲಿತಾಂಶ, ಪೂರ್ಣಗೊಂಡ ಕಾರ್ಯದ ವಿವರಣೆ ಮತ್ತು ಪ್ರೋಟೋಕಾಲ್ ಮೂಲಕ ಕಳುಹಿಸಲಾದ ಪಠ್ಯ ಸಂದರ್ಭವನ್ನು ಒಳಗೊಂಡಿದೆ. ಆರ್ಟಿಫ್ಯಾಕ್ಟ್ ಕಳುಹಿಸಿದ ಮೇಲೆ, ದೂರದ ಏಜೆಂಟ್ ಜೊತೆಗೆ ಸಂಪರ್ಕ ಮುಕ್ತಾಯಗೊಳ್ಳುತ್ತದೆ ಪರಿಶೀಲನೆ ಉಂಟಾದಾಗ ಮತ್ತೆ ಕಳುಹಿಸಲಾಗುತ್ತದೆ.

ಘಟನೆ ಕತಾರ್ (ಇವೆಂಟ್ ಕ್ಯೂ)

ಇತ್ತೀಚಿನ ನವೀಕರಣಗಳನ್ನು ನಿರ್ವಹಿಸುವುದು ಮತ್ತು ಸಂದೇಶಗಳನ್ನು ಕಳುಹಿಸುವುದು ಈ ಘಟಕದ ಕಾರ್ಯ. ವಿಶೇಷವಾಗಿ ಏಜೆಂಟಿಕ್ ವ್ಯವಸ್ಥೆಗಳಲ್ಲಿ, ಕಾರ್ಯ ಪೂರ್ಣಗೊಳ್ಳುವ ಮುನ್ನ ಏಜೆಂಟ್‌ಗಳ ನಡುವೆ ಸಂಪರ್ಕ ಮುಚ್ಚಲ್ಪಡದಂತೆ ಇದನ್ನು ಬಳಸಲಾಗುತ್ತದೆ, ಏಕೆಂದರೆ ಕಾರ್ಯ ಪೂರ್ಣಗೊಳ್ಳುವ ಸಮಯ ಲಂಬವಾಗಬಹುದು.

A2A ಯ ಲಾಭಗಳು

• ಸುಧಾರಿತ ಸಹಕಾರ: ವಿವಿಧ ವಿತರಕರ ಮತ್ತು ವೇದಿಕೆಗಳ ಏಜೆಂಟ್‌ಗಳು ಪರಸ್ಪರ ಸಂವಹನ ನಡೆಸಿ, ಸಾಂದರ್ಭ ಹಂಚಿ ಹಾಗೂ ಒಟ್ಟಿಗೆ ಕೆಲಸ ಮಾಡುವುದಕ್ಕೆ ಸಾದ್ಯವಾಗುತ್ತದೆ, ಇದರಿಂದ ಪದಾಭಿಪ್ರಾಯ ಹೊಂದದ ವ್ಯವಸ್ಥೆಗಳಲ್ಲಿ ಸುತ್ತುವರಿದ ಸ್ವಯಂಚಾಲನೆ ಸಾಧ್ಯವಾಗುತ್ತದೆ.

• ಮಾದರಿ ಆಯ್ಕೆ ಸ್ವಾತಂತ್ರ್ಯ: ಪ್ರತಿ A2A ಏಜೆಂಟ್ ತನ್ನ ವಿನಂತಿಗಳನ್ನು ಸೇವೆಗಾಗಿ ಬಳಸುವ LLM ಅನ್ನು ಆಯ್ಕೆ ಮಾಡಿಕೊಳ್ಳಬಹುದು, ಇದರಿಂದ ಪ್ರತಿ ಏಜೆಂಟ್‌ಗೆ ಸುಧಾರಿತ ಅಥವಾ ಸೂಕ್ತಗೊಳಿಸಿರುವ ಮಾದರಿಗಳನ್ನು ಬಳಕೆ ಮಾಡಬಹುದು, MCP ಯಲ್ಲಿ ಒಬ್ಬ LLM ಸಂಪರ್ಕ ಇರುತ್ತದೆ.

• ನಿರ್ಮಿತ ದೃಢೀಕರಣ: ದೃಢೀಕರಣ ನೇರವಾಗಿ A2A ಪ್ರೋಟೋಕಾಲ್‌ಗೆ ಒಳಗೊಂಡಿದ್ದು, ಏಜೆಂಟ್ ಸಂವಹನಗಳಿಗಾಗಿ ಬಲವಾದ ಭದ್ರತಾ ಚಟುವಟಿಕೆಯ ಆಧಾರ ಒದಗಿಸುತ್ತದೆ.

A2A ಉದಾಹರಣೆ

ನಮ್ಮ ಪ್ರಯಾಣ ಬುಕ್ಕಿಂಗ್ ಸನ್ನಿವೇಶವನ್ನು A2A ಬಳಸಿ ವಿಸ್ತರಿಸೋಣ.

1. ಬಳಕೆದಾರರ ವಿನಂತಿ ಮಲ್ಟಿ-ಏಜೆಂಟ್‌ಗೆ: ಬಳಕೆದಾರನು “ಟ್ರಾವೆಲ್ ಏಜೆಂಟ್” A2A ಕ್ಲೈಂಟ್/ಏಜೆಂಟ್ ಜೊತೆಗೆ ಮಾತಾಡುತ್ತಾನೆ: “ದಯವಿಟ್ಟು ಮುಂದಿನ ವಾರ ಹನೋಲುಲುಗೆ ಸಂಪೂರ್ಣ ಪ್ರಯಾಣವನ್ನು ಬುಕ್ ಮಾಡಿ, ವಿಮಾನಗಳು, ಹೋಟೆಲ್ ಮತ್ತು ಕಾರು ಬಾಡಿಗೆ ಸಹಿತ”.

2. ಟ್ರಾವೆಲ್ ಏಜೆಂಟ್ ನಿರ್ವಹಣೆ: ಈ ಸಂಕೀರ್ಣ ವಿನಂತಿಯನ್ನು ಟ್ರಾವೆಲ್ ಏಜೆಂಟ್ ಸ್ವೀಕರಿಸಿ, LLM ಬಳಸಿ ಕಾರ್ಯವನ್ನು ವಿಶ್ಲೇಷಿಸಿ, ಅದಕ್ಕೆ ಗುರಿಯಾಗಿರುವ ವಿಶೇಷ ಏಜೆಂಟ್‌ಗಳ ಜೊತೆ ಸಂವಹನ ನಡೆಸಬೇಕೆಂದು ತೀರ್ಮಾನಿಸುತ್ತದೆ.

3. ಏಜೆಂಟ್‌ಗಳ ನಡುವೆ ಸಂವಹನ: ಟ್ರಾವೆಲ್ ಏಜೆಂಟ್ A2A ಪ್ರೋಟೋಕಾಲ್ ಬಳಸಿ, ವಿವಿಧ ಕಂಪನಿಗಳಿಂದ ಸೃಷ್ಟಿಸಲಾದ “ಎಯರ್‌ಲೈನ್ ಏಜೆಂಟ್,” “ಹೋಟೆಲ್ ಏಜೆಂಟ್,” ಮತ್ತು “ಕಾರು ಬಾಡಿಗೆ ಏಜೆಂಟ್”ಗಳಿಗೆ ಸಂಪರ್ಕ ಮಾಡುತ್ತದೆ.

4. ಕಾರ್ಯ ಹಂಚಿಕೆ ನಿರ್ವಹಣೆ: ಈ ವಿಶೇಷ ಏಜೆಂಟ್‌ಗಳಿಗೆ “ಹನೋಲುಲುಗೆ ವಿಮಾನ ಕಂಡುಹಿಡಿ,” “ಹೋಟೆಲ್ ಬುಕ್ ಮಾಡಿ,” “ಕಾರು ಬಾಡಿಗೆಗೆ ತೆಗೆ” ಇತ್ಯಾದಿ ಕಾರ್ಯಗಳನ್ನು ಕಳುಹಿಸುತ್ತೇವೆ. ಪ್ರತಿ ಏಜೆಂಟ್ ತನ್ನ ಸ್ವಂತ LLM ಮತ್ತು ತನ್ನ ಸಾಧನಗಳನ್ನು (ಕೇಳಿ MCP ಸರ್ವರ್ ಗಳಾಗಿರಬಹುದು) ಬಳಸಿ ತಮ್ಮ ಕಾರ್ಯವನ್ನು ನೆರವೇರಿಸುತ್ತದೆ.

5. ಸಂಕ್ಷಿಪ್ತ ಪ್ರತಿಕ್ರಿಯೆ: ಎಲ್ಲಾ ಡೌನ್‌ಸ್ಟ್ರೀಮ್ ಏಜೆಂಟ್‌ಗಳು ಕೆಲಸ ಮುಗಿಸಿದ ಮೇಲೆ, ಟ್ರಾವೆಲ್ ಏಜೆಂಟ್ ಫಲಿತಾಂಶಗಳನ್ನು (ವಿಮಾನ ವಿವರಗಳು, ಹೋಟೆಲ್ ದೃಢೀಕರಣ, ಕಾರು ಬಾಡಿಗೆ ಬುಕ್ಕಿಂಗ್) ಸಂಗ್ರಹಿಸಿ, ಸಂವಾದ ಶೈಲಿಯ ಪ್ರತಿಕ್ರಿಯೆಯಾಗಿ ಬಳಕೆದಾರರಿಗೆ ಕಳುಹಿಸುತ್ತದೆ.

ನೈಸರ್ಗಿಕ ಭಾಷೆಯ ಜಾಲತಾಣ (NLWeb)

ವೆಬ್‌ಸೈಟ್‌ಗಳು ಬಹು ಕಾಲದಿಂದ ಬಳಕೆದಾರರಿಗೆ ಇಂಟರ್ನೆಟ್ ನಲ್ಲಿ ಮಾಹಿತಿಗೆ ಪ್ರವೇಶಿತೆಯಾದ ಪ್ರಮುಖ ಮಾರ್ಗವಾಗಿವೆ.

NLWeb ವಿಭಿನ್ನ ಘಟಕಗಳು, ಅದರ ಲಾಭಗಳು ಮತ್ತು ನಮ್ಮ ಪ್ರಯಾಣ ಅಪ್ಲಿಕೇಶನ್ ಉದಾಹರಣೆ ಮೂಲಕ NLWeb ಹೇಗೆ ಕಾರ್ಯನಿರ್ವಾಹ ಮಾಡುತ್ತದೆ ಎಂಬುದನ್ನು ನೋಡೋಣ.

NLWeb ಘಟಕಗಳು

• NLWeb ಅನ್ವಯಿಕೆ (ಕೋರ್ ಸರ್ವೀಸ್ ಕೋಡ್): ನೈಸರ್ಗಿಕ ಭಾಷಾ ಪ್ರಶ್ನೆಗಳನ್ನು ಪ್ರಕ್ರಿಯೆ ಮಾಡುವ ವ್ಯವಸ್ಥೆ. ಇದು ವೇದಿಕೆಯ ವಿಭಿನ್ನ ಭಾಗಗಳನ್ನು ಸಂಪರ್ಕಿಸಿ ಪ್ರತಿಕ್ರಿಯೆಗಳನ್ನು ಉತ್ಪತ್ತಿ ಮಾಡುತ್ತದೆ. ಒಟ್ಟಿನಲ್ಲಿ, ಇದು ಜಾಲತಾಣದ ನೈಸರ್ಗಿಕ ಭಾಷಾ ವೈಶಿಷ್ಟ್ಯಗಳಿಗೆ ಶಕ್ತಿ ನೀಡಿಸುವ ಎಂಜಿನ್ ಆಗಿದೆ ಎಂದು ಹೊಸರಿಸಬಹುದು.

• NLWeb ಪ್ರೋಟೋಕಾಲ್: ಜಾಲತಾಣದೊಂದಿಗೆ ನೈಸರ್ಗಿಕ ಭಾಷೆ ಸಂವಹನಕ್ಕೆ ಮೂಲ ನಿಯಮಗಳ ಸಂಕಲನ. ಇದು JSON ರೂಪದಲ್ಲಿ ಪ್ರತಿಕ್ರಿಯೆಗಳನ್ನು ಕಳುಹಿಸುತ್ತದೆ (ಬಹಳವೇಳೆ Schema.org ಬಳಸಿ). ಇದರ ಉದ್ದೇಶ “AI ವೆಬ್” ನಿರ್ಮಿಸಲು ಸರಳ ಭೂಮಿಕೆಯನ್ನು ರೂಪಿಸುವುದು, ಹೀಗೆ HTML ಆನ್ಲೈನ್ ದಕ್ಕಾಗಿ ಡಾಕ್ಯುಮೆಂಟ್ ಹಂಚಿಕೆಗೆ ಸಾಧ್ಯವಾಯಿತು.

• MCP ಸರ್ವರ್ (ಮಾದರಿ ಸಂದರ್ಭ ಪ್ರೋಟೋಕಾಲ್ ಎಂಡ್‌ಪಾಯಿಂಟ್): ಪ್ರತಿಯೊಂದು NLWeb ಸೆಟ್‌ಅಪ್ ಸಹ MCP ಸರ್ವರ್ ಆಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ. ಇದರರ್ಥ ಇದು “ಕೇಳಿ” ವಿಧಾನ ಹಾಗು ಡೇಟಾವನ್ನು ಇತರ AI ವ್ಯವಸ್ಥೆಗಳೊಡನೆ ಹಂಚಿಕೊಳ್ಳಬಹುದು. ಪ್ರಾಯೋಗಿಕವಾಗಿ, ಈ ಜಾಲತಾಣದ ವಿಷಯ ಮತ್ತು ಸಾಮರ್ಥ್ಯಗಳು AI ಏಜೆಂಟ್‌ಗಳ ಬಳಕೆಗೂ ಲಭ್ಯವಾಗುತ್ತವೆ, ಜಾಲತಾಣವು ವಿಶಾಲ “ಏಜೆಂಟ್ ಪರಿಸರ” ಭಾಗವಾಗುತ್ತದೆ.

• ಎಂಬೆಡ್ಡಿಂಗ್ ಮಾದರಿಗಳು: ಜಾಲತಾಣ ವಿಷಯವನ್ನು ಗಣಿತೀಯ ಪ್ರತಿನಿಧಿಗಳನ್ನು (ವೆಕ್ಟರ್‌ಗಳು ಅಥವಾ ಎಂಬೆಡ್ಡಿಂಗ್‌ಗಳು) ರಚಿಸಲು ಬಳಸುವ ಮಾದರಿಗಳು. ಈ ವೆಕ್ಟರ್‌ಗಳು ಅರ್ಥವನ್ನು పట్టಿಸಿ, ಕಂಪ್ಯೂಟರ್‌ಗಳು ಅವುಗಳನ್ನು ಹೋಲಿಸಿ ಹುಡುಕಲು ಸಾಧ್ಯವಿರುತ್ತದೆ. ಈ ಪ್ರತಿನಿಧಿಗಳನ್ನು ವಿಶೇಷ ಡೇಟಾಬೇಸ್‌ನಲ್ಲಿ ಸಂಗ್ರಹಿಸಲಾಗುತ್ತದೆ, ಬಳಕೆದಾರರು ಬಯಸಿದ ಎಂಬೆಡ್ಡಿಂಗ್ ಮಾದರಿಯನ್ನು ಆಯ್ಕೆ ಮಾಡಬಹುದು.

• ವೆಕ್ಟರ್ ಡೇಟಾಬೇಸ್ (ಪುನಃಹಾಸಲು ವ್ಯವಸ್ಥೆ): ಈ ಡೇಟಾಬೇಸ್ ಜಾಲತಾಣ ವಿಷಯದ ಎಂಬೆಡ್ಡಿಂಗ್‌ಗಳನ್ನು ಸಂಗ್ರಹಿಸುತ್ತದೆ. ಯಾರಾದರೂ ಪ್ರಶ್ನೆ ಕೇಳಿದಾಗ, NLWeb ವೆಕ್ಟರ್ ಡೇಟಾಬೇಸ್ ಪರಿಶೀಲಿಸಿ ഏറ്റവും ಸಂಬಂಧಿತ ಮಾಹಿತಿಯನ್ನು ತ್ವರಿತವಾಗಿ ಹುಡುಕುತ್ತದೆ. ಇದು ಸಾಮಾನ್ಯ ಉತ್ತರಗಳ তালಿಕೆಯನ್ನು ನೀಡುತ್ತದೆ, ಸಾದೃಶ್ಯತೆಯ ಪ್ರಕಾರ ಶ್ರೇಣೀಕರಿಸುತ್ತದೆ. NLWeb ವಿವಿಧ ವೆಕ್ಟರ್ ಸಂಗ್ರಹಣಾ ವ್ಯವಸ್ಥೆಗಳಿಗೆ, Qdrant, Snowflake, Milvus, Azure AI Search, ಎಲಾಸ್ಟಿಕ್‌ಸರ್ಚ್ ಇತ್ಯಾದಿಗೆ ಬೆಂಬಲ ನೀಡುತ್ತದೆ.

NLWeb ಉದಾಹರಣೆ

ನಮ್ಮ ಪ್ರಯಾಣ ಬುಕ್ಕಿಂಗ್ ಜಾಲತಾಣವನ್ನು ಮತ್ತೆ ಪರಿಗಣಿಸೋಣ, ಆದರೆ ಈ ಬಾರಿ, ಇದು NLWeb ಮೂಲಕ ಚಾಲಿತವಾಗಿದೆ.

1. ಡೇಟಾ ಇಂಜೆಕ್ಷನ್: ಪ್ರಯಾಣ ವೆಬ್‌ಸೈಟ್‌ನಾಗಿರುವ ಉತ್ಪನ್ನ ಕ್ಯಾಟಲಾಗ್‌ಗಳು (ಉದಾ: ವಿಮಾನ ಪಟ್ಟಿ, ಹೋಟೆಲ್ ವಿವರಣೆಗಳು, ಪ್ರವಾಸಿ ಪ್ಯಾಕೇಜ್‌ಗಳು) Schema.org ಹಾಗೂ RSS ಫೀಡ್‌ಗಳ ಮೂಲಕ ಸ್ವರೂಪಗೊಳ್ಳುತ್ತವೆ. NLWeb ನ ಸಾಧನಗಳು ಈ ರಚಿತ ಡೇಟಾಗೆಂಬೆಡ್ಡಿಂಗ್ ರಚಿಸಿ, ಸ್ಥಳೀಯ ಅಥವಾ ದೂರದ ವೆಕ್ಟರ್ ಡೇಟಾಬೇಸ್‌ಗೆ ಸಂಗ್ರಹಿಸುತ್ತವೆ.

2. ನೈಸರ್ಗಿಕ ಭಾಷಾ ಪ್ರಶ್ನೆ (ಮಾನವ): ಬಳಕೆದಾರನು ಜಾಲತಾಣಕ್ಕೆ ಬಂದು, ಮೆನು ಗಳನ್ನು ಸಂಚರಿಸುವ ಬದಲು, ಚಾಟ್ ಇಂಟರ್‌ಫೇಸಿನಲ್ಲಿ ಟೈಪ್ ಮಾಡುತ್ತಾನೆ: “ಹನೋಲುಲುಗೆ ಕುಟುಂಬ ಸ್ನೇಹಿ ಹೋಟೆಲ್ ಒಂದು ಈ ವಾರ ಮನೆಪಾಲಿಗೆ ಪ್ಲೂ ಸಹಿತ ಹುಡುಕಿ”.

3. NLWeb ಪ್ರಕ್ರಿಯೆ: NLWeb ಅನ್ವಯಿಕೆ ಈ ಪ್ರಶ್ನೆಯನ್ನು ಸ್ವೀಕರಿಸಿ, ಉಳಿಸಲು LLM ಗೆ ಬುದ್ಧಿಮತ್ತೆ ವಿವರಿಸುವುದಕ್ಕೆ ಕಳುಹಿಸುತ್ತದೆ ಮತ್ತು ಅದೇ ಸಮಯದಲ್ಲಿ ತನ್ನ ವೆಕ್ಟರ್ ಡೇಟಾಬೇಸ್‌ನಲ್ಲಿ ಸಂಬಂಧಿತ ಹೋಟೆಲ್ ಪಟ್ಟಿ ಹುಡುಕುತ್ತದೆ.

4. ನಿಖರ ಫಲಿತಾಂಶಗಳು: LLM ಡೇಟಾಬೇಸಿನಿಂದ ಹುಡುಕಿದ ಫಲಿತಾಂಶಗಳನ್ನು ವಿವೇಚಿಸಿ, “ಕುಟುಂಬ ಸ್ನೇಹಿ,” “ಪೂಲ್,” ಮತ್ತು “ಹನೋಲುಲು” ಆಧಾರದ ಮೇಲೆ ಉತ್ತಮ ಹೊಂದಿಕೆಯಾಗಿರುವ ಹೋಟೆಲ್‌ಗಳನ್ನು ಗುರುತಿಸಿ, ನೈಸರ್ಗಿಕ ಭಾಷೆಯ ಪ್ರತಿಕ್ರಿಯೆಯನ್ನು ರೂಪಿಸುತ್ತದೆ. ಮುಖ್ಯವಾಗಿ, ಪ್ರತಿಕ್ರಿಯೆಯಲ್ಲಿ ಜಾಲತಾಣದ ಕ್ಯಾಟಲೋಗಿನ ನಿಜವಾದ ಹೋಟೆಲ್‌ಗಳನ್ನು ಉಲ್ಲೇಖಿಸುತ್ತದೆ, ಅನಾವಶ್ಯಕ ಮಾಹಿತಿಯನ್ನು ನೀಡುವುದಿಲ್ಲ.

5. AI ಏಜೆಂಟ್ ಸಂವಹನ: NLWeb MCP ಸರ್ವರ್ ಆಗಿರುವುದರಿಂದ, ಹೊರಗಿನ AI ಪ್ರಯಾಣ ಏಜೆಂಟ್ ಕೂಡ ಈ ಜಾಲತಾಣದ NLWeb ಘಟಕಕ್ಕೆ ಸಂಪರ್ಕ ಸಾಧಿಸಬಹುದು. AI ಏಜೆಂಟ್ ನಂತರ ಎಷ್ಟು ask MCP ವಿಧಾನ ಬಳಸಿ ಜಾಲತಾಣವನ್ನು ನೇರವಾಗಿ ಪ್ರಶ್ನಿಸಬಹುದು: ask("ಹನೋಲುಲು ಪ್ರದೇಶದಲ್ಲಿ ಹೋಟೆಲ್ ಸೂಚಿಸಿರುವ ವೆಗನ್-ಅನುಕೂಲಕರ ಆಹಾರಾಲಯಗಳಿವೆ ಏನೆ?"). NLWeb ಘಟಕ ಇದು ಪ್ರಕ್ರಿಯೆ ಮಾಡುತ್ತದೆ, ತನ್ನ ರೆಸ್ಟೋರೆಂಟ್ ಮಾಹಿತಿ (ಲೋಡ್ ಆಗಿದ್ದರೆ) ಡೇಟಾಬೇಸ್ ಬಳಸಿ, ನಿರ್ದಿಷ್ಟ JSON ಪ್ರತಿಕ್ರಿಯೆಯನ್ನು ನೀಡುತ್ತದೆ.

MCP/A2A/NLWeb ಬಗ್ಗೆ ಮತ್ತಷ್ಟು ಪ್ರಶ್ನೆಗಳಿದೆಯೆ?

Microsoft Foundry Discord ನಲ್ಲಿ ಸೇರಿ ಇತರ ಕಲಿಯವರಿಗೆ ಭೇಟಿ ನೀಡಿ, ಕಾರ್ಯಾಲಯದ ಸಮಯಗಳಿಗೆ ಹಾಜರಾಗಿರಿ ಮತ್ತು ನಿಮ್ಮ AI ಏಜೆಂಟ್ ಪ್ರಶ್ನೆಗಳಿಗೆ ಉತ್ತರಗಳನ್ನು ಪಡೆಯಿರಿ.

ಸಂಪನ್ಮೂಲಗಳು

• MCP for Beginners
• MCP Documentation
• NLWeb Repo
• Microsoft Agent Framework

ಹಿಂದಿನ ಪಾಠ

ಉತ್ಪಾದನೆದಲ್ಲಿ AI ಏಜೆಂಟ್ಗಳು

ಮುಂದಿನ ಪಾಠ

AI ಏಜೆಂಟ್ಗಳಿಗಾಗಿ ಸಂದರ್ಭ ಎಂಜಿನಿಯರಿಂಗ್

---

ಅಸ್ವೀಕಾರ: ಈ ದಸ್ತಾವೇಜು AI ಅನುವಾದ ಸೇವೆ Co-op Translator ಬಳಸಿ ಅನುವಾದಿಸಲಾಗಿದೆ. ನಾವು ನಿಖರತೆಯನ್ನು ಸಾಧಿಸಲು ಪ್ರಯತ್ನಿಸುತ್ತಿದ್ದರೂ, ದಯವಿಟ್ಟು ಗಮನಿಸಿ, ಸ್ವಯಂಚಾಲಿತ ಅನುವಾದಗಳಲ್ಲಿ ದೋಷಗಳು ಅಥವಾ ಅಸಡ್ಡೆಗಳು ಇರಬಹುದು. ಮೂಲ ಭಾಷೆಯಲ್ಲಿರುವ ಮೂಲ ದಸ್ತಾವೇಜು ಪ್ರಾಮಾಣಿಕ ಮೂಲವೆಂದು ಪರಿಗಣಿಸಬೇಕು. ಪ್ರಮುಖ ಮಾಹಿತಿಗಾಗಿ, ವೃತ್ತಿಪರ ಮಾನವ ಅನುವಾದವನ್ನು ಶಿಫಾರಸು ಮಾಡಲಾಗುತ್ತದೆ. ಈ ಅನುವಾದವನ್ನು ಬಳಸುವ ಮೂಲಕ ಉಂಟಾಗುವ ಯಾವುದೇ ತಪ್ಪು ಅರ್ಥಗಳ ಅಥವಾ ತಪ್ಪು ವ್ಯಾಖ್ಯಾನಗಳ ಬಗ್ಗೆ ನಾವು ಹೊಣೆಗಾರರಲ್ಲ.

This site is open source. Improve this page.