ai-agents-for-beginners

एजेंटिक प्रोटोकॉल वापरणे (MCP, A2A आणि NLWeb)

(या धडक चित्रावर क्लिक करून या धड्याचे व्हिडीओ पाहा)

AI एजंट्सच्या वापरामुळे प्रोटोकॉलची गरज वाढते, जी मानकीकरण, सुरक्षा सुनिश्चित करतात आणि खुले नवोन्मेष समर्थन करतात. या धड्यात, आपण या गरजेची पूर्तता करण्यासाठी पाहणार आहोत अशी 3 प्रोटोकॉल्स - मॉडेल कॉन्टेक्स्ट प्रोटोकॉल (MCP), एजंट टू एजंट (A2A) आणि नॅचरल लँग्वेज वेब (NLWeb).

प्रस्तावना

या धड्यात आपण कव्हर करणार आहोत:

• MCP कसे AI एजंट्सना बाह्य साधने आणि डेटा वापरून वापरकर्त्याचे कार्य पूर्ण करण्याची परवानगी देते.

• A2A कसे वेगवेगळ्या AI एजंट्समधील संवाद व सहकार्य सक्षम करते.

• NLWeb कसे कोणत्याही वेबसाइटला नैसर्गिक भाषा इंटरफेस आणते ज्यामुळे AI एजंट्स कंटेंट शोधू व संवाद साधू शकतात.

शिकण्याची उद्दिष्टे

• AI एजंट्सच्या संदर्भात MCP, A2A, आणि NLWeb यांचे मुख्य उद्दिष्ट व फायदे ओळखणे.

• प्रत्येक प्रोटोकॉल LLMs, साधने, आणि इतर एजंट्समधील संवाद व परस्परसंवाद कसा सुलभ करतो हे समजावून सांगणे.

• जटिल एजेंटिक प्रणाली बांधणीमध्ये प्रत्येक प्रोटोकॉलची वेगळी भूमिका ओळखणे.

मॉडेल कॉन्टेक्स्ट प्रोटोकॉल

मॉडेल कॉन्टेक्स्ट प्रोटोकॉल (MCP) ही एक खुली मानक आहे जी अनुप्रयोगांना LLMs कडून संदर्भ व साधने प्रदान करण्याचा प्रमाणित मार्ग देते. हे AI एजंट्सना एकसंध मार्गाने विविध डेटा स्रोत व साधने जोडण्यासाठी “सार्वत्रिक अॅडॉप्टर” सक्षम करते.

चला MCP च्या घटकांकडे पाहूया, थेट API वापरापेक्षा त्याचे फायदे काय आहेत आणि AI एजंट्स कसे MCP सर्व्हर वापरू शकतात याचे उदाहरण.

MCP चे मुख्य घटक

MCP क्लायंट-सर्व्हर आर्किटेक्चरवर कार्य करते आणि मुख्य घटक आहेत:

• ** होस्ट्स** म्हणजे LLM अनुप्रयोग (उदा. VSCode सारखा कोड एडिटर) जे MCP सर्व्हरशी कनेक्शन सुरू करतात.

• क्लायंट्स हे होस्ट अ‍ॅप्लिकेशनमधील घटक आहेत जे सर्व्हरशी एक-ते-एक कनेक्शन राखतात.

• सर्व्हर हे लाइटवेट प्रोग्रॅम असतात जे विशिष्ट क्षमता उघड करतात.

प्रोटोकॉलमध्ये तीन मुख्य मूलभूत घटक आहेत, जे MCP सर्व्हरच्या क्षमता दर्शवतात:

• साधने (Tools): AI एजंट वापरू शकणारे स्वतंत्र क्रिया किंवा कार्ये. उदाहरणार्थ, हवामान सेवा “हवामान मिळवा” साधन देऊ शकते, किंवा ई-कॉमर्स सर्व्हर “उत्पादन खरेदी करा” साधन देऊ शकतो. MCP सर्व्हर प्रत्येक साधनाचे नाव, वर्णन व इनपुट/आउटपुट स्कीमा जाहिर करतो.

• संसाधने (Resources): वाचण्यायोग्य डेटा वस्तू किंवा दस्तऐवज जे MCP सर्व्हर पुरवू शकतो आणि क्लायंट्स हवा असेल तेव्हा प्राप्त करू शकतात. उदाहरणे म्हणजे फाइल सामग्री, डेटाबेस रेकॉर्ड्स किंवा लॉग फाइल्स. संसाधने मजकूर (कोड किंवा JSON सारखी) किंवा बायनरी (प्रतिमा किंवा PDF सारखी) असू शकतात.

• प्रॉम्प्ट्स (Prompts): पूर्वनिर्धारित साचे जे अधिक जटिल कार्यप्रवाहासाठी सूचित प्रॉम्प्ट्स पुरवतात.

MCP चे फायदे

MCP AI एजंट्ससाठी महत्त्वाचे फायदे देते:

• डायनॅमिक साधन शोध: एजंट्स सर्व्हरकडून उपलब्ध साधनांची यादी व त्यांचे वर्णन गतिशीलपणे प्राप्त करू शकतात. पारंपरिक API जिथे एकदा एकत्रीकरणासाठी कोडिंग करावे लागते (API बदलांवर कोड अपडेट करणे आवश्यक असते), तेथे MCP “एकदा एकत्र करा” दृष्टिकोन देते, ज्यामुळे जास्त लवचीकता मिळते.

• विविध LLMs मध्ये परस्परसुसंगती: MCP वेगवेगळ्या LLMs मध्ये कार्य करते, ज्यामुळे बळकटीसाठी चांगल्या कार्यक्षमतेसाठी मुख्य मॉडेल बदलण्याची मुभा देते.

• मानकीकृत सुरक्षा: MCP मध्ये प्रमाणित प्रमाणीकरण पद्धत आहे ज्यामुळे अधिक MCP सर्व्हर जोडताना मापनक्षमता वाढते. हे पारंपरिक API साठी वेगवेगळ्या की व प्रमाणीकरण प्रकार व्यवस्थापित करण्याएवढे जटिल नाही.

MCP चे उदाहरण

कल्पना करा की वापरकर्ता MCP द्वारे पोहोचलेला AI सहाय्यक वापरून फ्लाइट बुक करू इच्छितो.

1. कनेक्शन: AI सहाय्यक (MCP क्लायंट) एअरलाईनकडून दिलेला MCP सर्व्हरशी कनेक्ट होतो.

2. साधन शोध: क्लायंट एअरलाईनच्या MCP सर्व्हरला विचारतो, “तुमच्याकडे कोणती साधने उपलब्ध आहेत?” सर्व्हर “फ्लाइट शोधा” व “फ्लाइट बुक करा” सारखी साधने पाठवतो.

3. साधन वापर: आपण AI सहाय्यकाला विचारता, “कृपया पोर्टलँड पासून होनोलूलू साठी फ्लाइट शोधा.” AI सहाय्यक त्याच्या LLM चा वापर करून “फ्लाइट शोधा” साधन कॉल करतो व MCP सर्व्हरला संबंधित माहिती पास करतो (संदर्भ, गंतव्य).

4. कार्यान्वयन व प्रतिसाद: MCP सर्व्हर एअरलाईनच्या अंतर्गत बुकिंग API ला कॉल करतो. नंतर फ्लाइट माहिती (उदा. JSON डेटा) प्राप्त करून AI सहाय्यक कडे परत पाठवतो.

5. पुढील संवाद: AI सहाय्यक फ्लाइट पर्याय दर्शवतो. आपण फ्लाइट निवडल्यानंतर, सहाय्यक त्याच MCP सर्व्हरवर “फ्लाइट बुक करा” साधन वापरून बुकिंग पूर्ण करू शकतो.

एजंट-टू-एजंट प्रोटोकॉल (A2A)

जिथे MCP LLMs व साधने जोडण्यावर लक्ष केंद्रित करते, A2A प्रोटोकॉल वेगळ्या AI एजंट्समधील संवाद व सहकार्य साधतो. A2A वेगवेगळ्या संघटना, वातावरणे व तंत्रज्ञान यांच्यातील AI एजंट्सना एकत्र जोडून सामायिक कार्य पूर्ण करतो.

आपण A2A चे घटक व फायदे पाहणार असून आमच्या प्रवास अॅप्लिकेशनमध्ये त्याचा उपयोग कसा होईल ते उदाहरणाद्वारे विस्ताराने पाहणार आहोत.

A2A चे मुख्य घटक

A2A मूलभूतपणे एजंट्समधील संवाद व कार्यसंघ समन्वय साधण्यावर लक्ष केंद्रित करतो. प्रोटोकॉलचे प्रत्येक घटक या प्रक्रियेत हातभार लावतात:

एजंट कार्ड

MCP सर्व्हर जसे साधनांची यादी शेअर करतो, तसाच एजंट कार्डमध्ये:

• एजंटचे नाव.
• त्याच्या सामान्य कार्यांचे वर्णन.
• इतर एजंट्सना (किंवा मानव वापरकर्त्यांना) समजावून सांगण्यासाठी कॉल का व कधी करावे यासाठी विशिष्ट कौशल्यांची सूची आणि त्यांचे वर्णन.
• एजंटचा सद्याचा एंडपॉइंट URL.
• एजंटची आवृत्ती व क्षमता जसे की स्ट्रीमिंग प्रतिसाद व पुश नोटिफिकेशन्स.

एजंट कार्यकारी (Agent Executor)

एजंट कार्यकारी वापरकर्त्याच्या चॅट संदर्भाला दूरस्थ एजंटपर्यंत पोहोचवण्यास जबाबदार असतो, कारण एजंटला कार्य समजून घेण्यासाठी ही गरज असते. A2A सर्व्हरवर, एजंट आपला स्वतःचा LLM वापरून विनंत्या पार्स करतो आणि अंतर्गत साधने वापरून कार्य पूर्ण करतो.

आर्टिफॅक्ट (Artifact)

एकदा दूरस्थ एजंटने विनंती केलेले कार्य पूर्ण केले की त्याचे उत्पादन म्हणजे आर्टिफॅक्ट तयार होते. आर्टिफॅक्ट मध्ये एजंटच्या कार्याचा परिणाम, कार्याचे वर्णन आणि त्या कार्याशी संबंधित मजकूर असतो. आर्टिफॅक्ट पाठवल्यानंतर, दूरस्थ एजंट सोबतचे कनेक्शन बंद होते तोपर्यंत पुन्हा गरज भासते.

इव्हेंट क्यू (Event Queue)

हा घटक अपडेट्स हाताळण्यासाठी व संदेश पाठवण्यासाठी वापरला जातो. प्रॉडक्शनसाठी एजेंटिक सिस्टममध्ये एजंट्समधील कनेक्शन कार्य पूर्ण होण्याआधी बंद होऊ नये म्हणून हा विशेष महत्त्वाचा आहे, कारण काही कार्य पूर्ण होण्यासाठी जास्त वेळ लागू शकतो.

A2A चे फायदे

• सहकार्य सुधारणा: वेगवेगळ्या विक्रेते व प्लॅटफॉर्ममधील एजंट्स संवाद साधू शकतात, संदर्भ शेअर करू शकतात आणि एकत्र काम करू शकतात, ज्यामुळे पारंपरिकरित्या वेगळे सिस्टम पूर्ण होत जाणारे स्वयंचलन सुलभ होते.

• मॉडेल निवडण्याची लवचीकता: प्रत्येक A2A एजंट त्याच्या LLM निवडतो ज्याचा तो त्याच्या विनंत्यांसाठी वापर करतो, जेणेकरून एजंटनिहाय ऑप्टिमाइज्ड किंवा फाइन-ट्यून मॉडल वापरता येतात, जे काही MCP परिस्थितींमधील एकाच LLM कनेक्शनपेक्षा वेगळे आहे.

• समाविष्ट प्रमाणीकरण: A2A प्रोटोकॉलमध्ये प्रमाणीकरण थेट एकत्र आहे, ज्यामुळे एजंट संवादासाठी बळकट सुरक्षा फ्रेमवर्क तयार होते.

A2A चे उदाहरण

चला आपल्या प्रवास बुकिंग परिस्थितीचे विस्तार करुया, परंतु या वेळी A2A वापरून.

1. वापरकर्त्याची विनंती मल्टी-एजंटला: वापरकर्ता “ट्रॅव्हल एजंट” A2A क्लायंट/एजंटशी संवाद करतो, कदाचित म्हणतो, “कृपया पुढील आठवड्यासाठी होनोलूलूसाठी संपूर्ण प्रवास बुक करा, ज्यामध्ये फ्लाइट, हॉटेल आणि कार रेंटल समाविष्ट आहे”.

2. ट्रॅव्हल एजंट द्वारे समन्वय: ट्रॅव्हल एजंटला हे गुंतागुंतीचे अनुरोध प्राप्त होतो. तो त्याचा LLM वापरून कार्य विचारतो व ठरवतो की वेगळ्या खास एजंट्सशी संवाद करणे आवश्यक आहे.

3. एजंट्समधील संवाद: नंतर ट्रॅव्हल एजंट A2A प्रोटोकॉल वापरून खालील एजंट्सशी कनेक्ट होतो, जसे की “एअरलाईन एजंट”, “हॉटेल एजंट” आणि “कार रेंटल एजंट” जे वेगवेगळ्या कंपन्यांनी तयार केले आहेत.

4. प्रत्येक एजंट कडून कामाचे वितरण: ट्रॅव्हल एजंट या विशिष्ट एजंट्सना विशिष्ट कार्य पाठवतो (उदा., “होनोलूलूसाठी फ्लाइट शोधा,” “हॉटेल बुक करा,” “कार भाड्याने घ्या”). प्रत्येक एजंट त्याचा स्वतःचा LLM वापरून व त्याच्या स्वतःच्या साधनांचा उपयोग करून त्याचा भाग पूर्ण करतो (जे एखाद्या MCP सर्व्हर प्रमाणे असू शकतात).

5. एकत्रित प्रतिसाद: सर्व एजंट्सने आपापले कार्य पूर्ण केल्यावर, ट्रॅव्हल एजंट निकाल (फ्लाइट तपशील, हॉटेल पुष्टीकरण, कार बुकिंग) एकत्र करून वापरकर्त्यास चॅट प्रकारे प्रतिसाद पाठवतो.

नैसर्गिक भाषा वेब (NLWeb)

वेबसाइट्स इंटरनेटवर माहिती व डेटा प्राप्त करण्याचा मुख्य मार्ग राहिल्या आहेत.

चला NLWeb चे विविध घटक पाहूया, त्याचे फायदे समजून घेऊया आणि आमच्या प्रवास अॅप्लिकेशनचा दृष्टांत पाहून NLWeb कसे कार्य करते ते पाहूया.

NLWeb चे घटक

• NLWeb अॅप्लिकेशन (कोअर सर्व्हिस कोड): नैसर्गिक भाषा प्रश्न प्रक्रिया करणारी प्रणाली. हे प्लॅटफॉर्मच्या वेगवेगळ्या भागांना जोडून प्रतिसाद तयार करते. याला आपण वेबसाइटच्या नैसर्गिक भाषा वैशिष्ट्यांना शक्ती देणाऱ्या इंजन म्हणून पाहू शकतो.

• NLWeb प्रोटोकॉल: वेबसाइटशी नैसर्गिक भाषा संवादासाठी मूलभूत नियमांची संच. हे JSON स्वरूपात प्रतिसाद पाठवते (बहुतेक वेळा Schema.org वापरून). याचा उद्देश “AI वेब” साठी सोपा पाया तयार करणे आहे, जसे HTML ने ऑनलाइन दस्तऐवज सामायिक करणे शक्य केले.

• MCP सर्व्हर (मॉडेल कॉन्टेक्स्ट प्रोटोकॉल एंडपॉइंट): प्रत्येक NLWeb सेटअप MCP सर्व्हर प्रमाणे कार्य करतो. म्हणजे तो इतर AI सिस्टम्सशी साधने (उदा. ‘ask’ पद्धत) व डेटा शेअर करू शकतो. यामुळे वेबसाइटची सामग्री व क्षमता AI एजंटना वापरता येते व वेबसाइट व्यापक “एजंट परिसंस्था” चा भाग बनते.

• एम्बेडिंग मॉडेल्स: ह्या मॉडेल्सचा उपयोग वेबसाइटच्या सामग्रीचे संख्यात्मक प्रतिकृती (व्हेक्टर) तयार करण्यासाठी होतो. हे व्हेक्टर संगणकांना तुलना व शोध यासाठी अर्थपूर्ण माहिती देते. ते विशेष डेटाबेसमध्ये संचयित होतात, आणि वापरकर्ते कोणते एम्बेडिंग मॉडेल वापरायचे ते निवडू शकतात.

• व्हेक्टर डेटाबेस (रीट्रीव्हल यंत्रणा): हा डेटाबेस वेबसाइट सामग्रीचे एम्बेडिंग जतन करतो. जेव्हा कोणीतरी प्रश्न विचारतो, तेव्हा NLWeb व्हेक्टर डेटाबेस तपासून सर्वात संबंधित माहिती पटकन शोधतो. तो संभाव्य उत्तरेचा ranked यादी देतो. NLWeb विविध व्हेक्टर स्टोरेज सिस्टीम्स जसे Qdrant, Snowflake, Milvus, Azure AI Search, आणि Elasticsearch सोबत काम करतो.

NLWeb चे उदाहरण

पुन्हा आपण आपली प्रवास बुकिंग वेबसाइट घ्या, परंतु या वेळी ती NLWeb वर चालत आहे.

1. डेटा संग्रहण: प्रवास वेबसाइटच्या विद्यमान उत्पादन सूची (उदा. फ्लाइट लिस्टिंग, हॉटेल वर्णने, टूर पॅकेजेस) Schema.org वापरून फॉरमॅट केले जातात किंवा RSS फीडद्वारे लोड केले जातात. NLWeb चे साधने हा संरचित डेटा घेऊन एम्बेडिंग तयार करतात व स्थानिक किंवा रिमोट व्हेक्टर डेटाबेसमध्ये साठवतात.

2. नैसर्गिक भाषा क्वेरी (मानव): वापरकर्ता वेबसाइटला भेट देतो आणि मेनू नेव्हिगेट न करता चॅट इंटरफेसमध्ये टायकतो: “मला होनोलूलूमध्ये पुढील आठवड्यासाठी कुटुंबासाठी योग्य असलेले, पोहण्याच्या तलावासह हॉटेल दाखवा”.

3. NLWeb प्रक्रिया: NLWeb अॅप्लिकेशन ही क्वेरी प्राप्त करते. ते क्वेरी समजून घेण्यासाठी LLM कडे पाठवते व बरोबर हॉटेल सूची शोधण्यासाठी त्याच्या व्हेक्टर डेटाबेसची शोध करते.

4. अचूक निकाल: LLM डेटाबेसमधील शोध निकालांचे विश्लेषण करते, “कुटुंबासाठी योग्य”, “पूल”, आणि “होनोलूलू” निकषांनुसार उत्तम जुळणी ओळखते, आणि नंतर नैसर्गिक भाषेत प्रतिसाद तयार करते. महत्त्वाचे म्हणजे, प्रतिसाद वेबसाइटच्या कॅटलॉगमधील खऱ्या हॉटेलचा संदर्भ देतो, बनावट माहिती टाळतो.

5. AI एजंट संवाद: कारण NLWeb MCP सर्व्हरप्रमाणे कार्य करते, बाह्य AI प्रवास एजंट देखील या वेबसाइटच्या NLWeb उदाहरणाशी कनेक्ट होऊ शकतो. AI एजंट ask MCP पद्धत वापरून वेबसाइट थेट क्वेरी करू शकतो: ask("होनोलूलू भागात हॉटेलने शिफारस केलेली कोणतीही शाकाहारी रेस्टॉरंट आहेत का?"). NLWeb याला प्रक्रिया करेल, त्याच्या रेस्टॉरंट माहितीच्या डेटाबेसचा (जर लोड केलेला असेल तर) वापर करून, आणि संरचित JSON प्रतिसाद परत करेल.

MCP/A2A/NLWeb विषयी आणखी प्रश्न आहेत का?

इतर विद्यार्थ्यांशी भेटण्यासाठी, ऑफिस आवर्ससाठी आणि AI एजंट्सविषयी प्रश्नांसाठी Microsoft Foundry Discord मध्ये सहभागी व्हा.

संदर्भ

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

मागील धडा

AI Agents in Production

पुढील धडा

Context Engineering for AI Agents

---

अस्वीकरण: हा दस्तऐवज AI भाषांतर सेवा Co-op Translator चा वापर करून अनुवादित केला आहे. जरी आम्ही अचूकतेसाठी प्रयत्न करतो, तरी कृपया लक्षात घ्या की स्वयंचलित भाषांतरांमध्ये त्रुटी किंवा अचूकतेची कमतरता असू शकते. मूळ दस्तऐवज त्याच्या मूळ भाषेत अधिकृत स्रोत मानला पाहिजे. महत्त्वाची माहिती असल्यास, व्यावसायिक मानवी भाषांतराची शिफारस केली जाते. या भाषांतराच्या वापरामुळे उद्भवणाऱ्या कोणत्याही गैरसमज किंवा चुकीच्या अर्थलावणीसाठी आम्ही जबाबदार नाही.

This site is open source. Improve this page.