ai-agents-for-beginners

एजेन्टिक प्रोटोकलहरू प्रयोग गर्दै (MCP, A2A र NLWeb)

(उपरको तस्बिरमा क्लिक गरेर यो पाठको भिडियो हेर्नुहोस्)

एआई एजेन्टहरूको प्रयोग बढ्दै गईरहेको छ, त्यस्तै संगै प्रोटोकलहरूको आवश्यकतापनि जेठो हुँदैछ जसले मानकीकरण, सुरक्षा र खुला नवप्रवर्तनलाई सुनिश्चित गर्दछ। यस पाठमा हामी तीन प्रोटोकलहरू कभर गर्नेछौं जसले यस आवश्यकतोलाई पुरा गर्ने प्रयास गरेका छन् - मोडेल कन्टेक्सट प्रोटोकल (MCP), एजेन्ट टु एजेन्ट (A2A) र प्राकृतिक भाषा वेब (NLWeb)।

परिचय

यस पाठमा, हामी छलफल गर्नेछौं:

• कसरी MCP ले एआई एजेन्टहरूलाई बाह्य उपकरण र डेटा पहुँच गरी प्रयोगकर्ताका कार्यहरू पूरा गर्न अनुमति दिन्छ।

• कसरी A2A ले फरक एआई एजेन्टहरू बीच सञ्चार र सहकार्य सक्षम गर्दछ।

• कसरी NLWeb ले कुनै पनि वेबसाइटमा प्राकृतिक भाषा इन्टरफेस ल्याउँछ, जसले एआई एजेन्टहरूलाई सामग्री पत्ता लगाउन र अन्तर्क्रिया गर्न सक्षम बनाउँछ।

सिकाई लक्ष्यहरू

• एआई एजेन्टहरूको सन्दर्भमा MCP, A2A, र NLWeb का मुख्य उद्देश्य र लाभहरू पहिचान गर्नु।

• प्रत्येक प्रोटोकलले कसरी LLMs, उपकरणहरू, र अन्य एजेन्टहरू बीच सञ्चार र अन्तर्क्रियालाई सुविधा प्रदान गर्छ व्याख्या गर्नु।

• जटिल एजेन्टिक प्रणालीहरू निर्माणमा प्रत्येक प्रोटोकलले खेल्ने भिन्न भूमिका मान्यता गर्नु।

मोडेल कन्टेक्सट प्रोटोकल

मोडेल कन्टेक्सट प्रोटोकल (MCP) एउटा खुला मानक हो जसले अनुप्रयोगहरूलाई LLMs लाई प्रसंग र उपकरणहरू उपलब्ध गराउने मानकीकृत तरिका प्रदान गर्दछ। यसले “यूनिभर्सल एडाप्टर” को रूपमा काम गर्ने, फरक डेटा स्रोतहरू र उपकरणहरूलाई सुसंगत तरिकाले जडान गर्न एआई एजेन्टहरूलाई सक्षम बनाउँछ।

हेरौं MCP का कम्पोनेन्टहरू, सिधा API प्रयोगको तुलनामा यसको लाभहरू, र कसरी एआई एजेन्टहरूले MCP सर्भर प्रयोग गर्न सक्छन् भन्ने उदाहरण।

MCP कोर कम्पोनेन्टहरू

MCP एक क्लाइन्ट-सर्भर आर्किटेक्चर मा चल्छ र यसको मुख्य कम्पोनेन्टहरू हुन्:

• होस्टहरू LLM अनुप्रयोगहरू हुन् (जस्तै VSCode जस्तो कोड सम्पादक) जसले MCP सर्भरसँग जडान सुरु गर्दछन्।

• क्लाइन्टहरू होस्ट अनुप्रयोग भित्रका कम्पोनेन्टहरू हुन् जसले सर्भरसँग एक-एक जडान कायम गर्छन्।

• सर्भरहरू हलुका कार्यक्रमहरू हुन् जसले विशिष्ट क्षमताहरू प्रदर्शन गर्छन्।

प्रोटोकलमा समाविष्ट तीन मुख्य प्रिमिटिभहरू छन् जसले MCP सर्भरका क्षमताहरू जनाउँछन्:

• उपकरणहरू: यी छुट्टै क्रियाहरू वा कार्यहरू हुन् जुन एआई एजेन्टले एक्शन गर्न कल गर्न सक्छ। उदाहरणका लागि, मौसम सेवा “get weather” टूल प्रदान गर्न सक्छ, वा ई–कमर्स सर्भरले “purchase product” टूल। MCP सर्भरहरू प्रत्येक टूलको नाम, विवरण, र इनपुट/आउटपुट स्कीमालाई उनीहरूको क्षमताहरू सूचीमा विज्ञापन गर्छन्।

• स्रोतहरू: यी पढ्न मात्र मिल्ने डेटा वस्तुहरू वा दस्तावेजहरू हुन् जसलाई MCP सर्भरले प्रदान गर्न सक्छ र क्लाइन्टले माग अनुसार प्राप्त गर्न सक्छ। उदाहरणहरूमा फाइल सामग्री, डाटाबेस अभिलेखहरू, वा लग फाइलहरू पर्छन्। स्रोतहरू टेक्स्ट (जस्तै कोड वा JSON) वा बाइनरी (जस्तै तस्बिर वा PDF) हुन सक्छन्।

• प्रॉम्प्टहरू: यी पूर्वनिर्धारित टेम्प्लेटहरू हुन् जसले सुझाव गरिएको प्रॉम्प्टहरू प्रदान गर्छन्, जसले जटिल कार्यप्रवाहहरूलाई सक्षम पार्छ।

MCP का लाभहरू

MCP ले एआई एजेन्टहरूका लागि महत्त्वपूर्ण फाइदाहरू प्रदान गर्छ:

• डायनामिक टूल डिस्कभरी: एजेन्टहरूले सर्भरबाट उपलब्ध उपकरणहरूको सूची र तिनीहरूको विवरणहरू गतिशील रूपमा प्राप्त गर्न सक्छन्। परम्परागत APIs सँग तुलना गर्दा जुन प्रायः स्थिर कोडिङ आवश्यक पर्छ, MCP ले “एक पटक एकीकृत” तरिका प्रदान गर्छ, जसले बढी अनुकूलता ल्याउँछ।

• LLMs बीच अन्तरचलनीयता: MCP विभिन्न LLMs मा सञ्चालन हुन्छ, जसले प्रदर्शन राम्रो बनाउन कोर मोडेल परिवर्तन गर्न लचिलोपन दिन्छ।

• मानकीकृत सुरक्षा: MCP मा मानकीकृत प्रमाणीकरण विधि समावेश छ, जसले थप MCP सर्भरहरूमा पहुँच थप्दा स्केलेबिलिटी सुधार्छ। यो विभिन्न परम्परागत APIs को विभिन्न कुञ्जी र प्रमाणीकरण प्रकार व्यवस्थापन गर्नु भन्दा सरल छ।

MCP उदाहरण

कल्पना गर्नुहोस्, एउटा प्रयोगकर्ताले MCP सन्चालित एआई सहायक मार्फत उडान बुक गर्न चाहन्छ।

1. जडान: एआई सहायक (MCP क्लाइन्ट) एयरलाइनद्वारा प्रदान गरिएको MCP सर्भरमा जडान हुन्छ।

2. टूल डिस्कभरी: क्लाइन्ट एयरलाइनको MCP सर्भरलाई सोध्छ, “तपाईंको कुन उपकरणहरू उपलब्ध छन्?” सर्भरले “search flights” र “book flights” जस्ता टूलहरू फर्काउँछ।

3. टूल कल: तपाईं AI सहायकलाई भन्नु हुन्छ, “पोर्टल्यान्डबाट होनोलुलु उडान खोज्नुहोस्।” AI सहायकले आफ्नो LLM प्रयोग गरी “search flights” टूल कल गर्न आवश्यक छ भनी साथै सम्बन्धित प्यारामिटरहरू सर्भरमा पठाउँछ।

4. कार्य सञ्चालन र प्रतिक्रिया: MCP सर्भरले एक आवरणको रूपमा एयरलाइनको आन्तरिक बुकिंग API मा कल गर्छ। त्यसपछि उडानको जानकारी (जस्तै JSON डाटा) प्राप्त गरी AI सहायकलाई फिर्ता पठाउँछ।

5. अझ अन्तरक्रिया: AI सहायकले उडान विकल्पहरू प्रस्तुत गर्छ। तपाईं उडान चयन गरेपछि, सहायकले “book flight” टूललाई सोही MCP सर्भरमा कल गरेर बुकिंग पूरा गर्न सक्छ।

एजेन्ट-टु-एजेन्ट प्रोटोकल (A2A)

जहाँ MCP LLMs लाई उपकरणहरूसँग जडान गर्न केन्द्रित छ, एजेन्ट-टु-एजेन्ट (A2A) प्रोटोकल ले विभिन्न एआई एजेन्टहरू बीच सञ्चार र सहकार्यलाई सक्षम पार्दै अझ एक कदम अगाडि बढाउँछ। A2A ले फरक संस्थान, वातावरण, र प्रविधि स्ट्याकमा रहेका AI एजेन्टहरूलाई साझा कार्य पूरा गर्न जोड्दछ।

हामी A2A का कम्पोनेन्टहरू र लाभहरूलाई अध्ययन गर्नेछौं, साथै हाम्रो यात्रा अनुप्रयोगमा यसको प्रयोगको उदाहरण पनि हेर्नेछौं।

A2A का मुख्य कम्पोनेन्टहरू

A2A ले एजेन्टहरू बीच सञ्चार सक्षम पार्छ र उनीहरूलाई प्रयोगकर्ताका उपकार्यहरु पूरा गर्न सँगै काम गर्न दिन्छ। प्रोटोकलका प्रत्येक कम्पोनेन्ट यसमा योगदान दिन्छ:

एजेन्ट कार्ड

MCP सर्भरले टूलहरूको सूची साझा गर्ने जस्तै, एजेन्ट कार्डमा:

• एजेन्टको नाम ।
• यसले पूरा गर्ने सामान्य कार्यहरूको विवरण।
• अन्य एजेन्टहरू (वा मानवीय प्रयोगकर्ताहरू) लाई एजेन्टलाई किन र कहिले कल गर्ने भन्ने बुझ्न मद्दत गर्ने विशिष्ट कौशलहरूको सूची।
• एजेन्टको वर्तमान Endpoint URL।
• एजेन्टको संस्करण र क्षमताहरू जस्तै स्ट्रिमिङ प्रतिक्रिया र पुश सूचनाहरू।

एजेन्ट एक्जिक्युटर

एजेन्ट एक्जिक्युटरले प्रयोगकर्ता संवादको प्रसंग टाढाको एजेन्टसम्म पठाउने जिम्मेवारी राख्छ, टाढाको एजेन्टलाई कार्य बुझ्न यो आवश्यक हुन्छ। A2A सर्भरमा, एजेन्टले आफ्नो ठूलो भाषा मोडेल (LLM) प्रयोग गरी आइपर्ने अनुरोधहरू विश्लेषण गर्छ र आन्तरिक उपकरणहरूसँग कार्यहरू गर्ने गर्दछ।

आर्टिफ्याक्ट

टाढाको एजेन्टले अनुरोधिएको कार्य पूरा गरेपछि यसको परिणाम आर्टिफ्याक्टको रूपमा तयार हुन्छ। आर्टिफ्याक्टले एजेन्टको कार्यको परिणाम, के पूरा गरियो भन्ने विवरण, र प्रोटोकलमार्फत पठाइएको टेक्स्ट प्रसंग समावेश गर्छ। आर्टिफ्याक्ट पठाइसकेपछि, टाढाको एजेन्टसँगको जडान बन्द हुन्छ जबसम्म पुन: आवश्यक नहोस्।

इभेन्ट क्विड

यो कम्पोनेन्ट अपडेटहरू प्रबन्धन र सन्देशहरू पास गर्न प्रयोग गरिन्छ। यो विशेष गरी उत्पादनका लागि एजेन्टिक प्रणालीहरूमा महत्वपूर्ण छ ताकि कार्य पूरा हुनु अघि एजेन्टहरू बीचको जडान बन्द नहोस्, विशेषगरी जब कार्य पूरा हुन लामो समय लाग्न सक्छ।

A2A का लाभहरू

• समृद्ध सहकार्य: यसले विभिन्न विक्रेता र प्लेटफर्मका एजेन्टहरूलाई अन्तरक्रिया, प्रसंग साझा र सँगै काम गर्न सक्षम बनाउँछ, परम्परागत रूपमा अलग प्रणालीहरूमा सहज स्वचालन सुविधा पुर्‍याउँछ।

• मोडेल चयन लचिलोपन: प्रत्येक A2A एजेन्टले आफ्नो अनुरोध सेवा गर्न कुन LLM प्रयोग गर्ने निर्णय गर्न सक्छ, जसले मोडेलहरू अनुकूलन वा सान्नु गर्न अनुमति दिन्छ, MCP को केही अवस्थामा जस्तै एकल LLM जडानको सट्टा।

• निर्मित प्रमाणीकरण: प्रमाणीकरण A2A प्रोटोकलमा सिधै एकीकृत हुन्छ, जसले एजेन्ट अन्तरक्रियाहरूका लागि बलियो सुरक्षा संरचना प्रदान गर्छ।

A2A उदाहरण

हाम्रो यात्रा बुकिंग परिदृश्यलाई विस्तार गरौं, तर यसपटक A2A प्रयोग गर्दै।

1. प्रयोगकर्ता अनुरोध बहु-एजेन्टमा: प्रयोगकर्ताले “Travel Agent” A2A क्लाइन्ट/एजेन्टसँग अन्तरक्रिया गर्छ, जस्तै “कृपया अर्को हप्ता होनोलुलुका लागि पुरै यात्रा बुक गर्नुहोस्, जसमा उडान, होटल, र कार भाडामा समावेश होस्” भनी।

2. यात्रा एजेन्ट द्वारा व्यवस्थापन: यात्रा एजेन्टले यस जटिल अनुरोधलाई प्राप्त गर्छ। यसले आफ्नो LLM प्रयोग गरी कार्यबारे विचार गरी अरु विशेषज्ञ एजेन्टहरूसँग अन्तरक्रिया गर्ने निर्णय लिन्छ।

3. एजेन्ट-एजेन्ट सञ्चार: ट्राभल एजेन्टले A2A प्रोटोकल प्रयोग गरी फरक कम्पनीहरूले बनाएका “एयरलाइन एजेन्ट”, “होटल एजेन्ट”, र “कार भाडा एजेन्ट” जस्ता तल्लो तह एजेन्टहरूसँग जडान गर्छ।

4. कार्य सुम्पने: ट्राभल एजेन्टले यी विशेषज्ञ एजेन्टहरूलाई विशेष कार्यहरू पठाउँछ (जस्तै “होनोलुलुका लागि उडान खोज”, “होटल बुक गर”, “कार भाडा लिउनुहोस्”)। प्रत्येक विशेषज्ञ एजेन्टले आफ्नै LLM र उपकरणहरू (जसमा MCP सर्भरहरू पनि हुन सक्छन्) प्रयोग गरेर आफ्नो अंश पूरा गर्छ।

5. समेकित प्रतिक्रिया: सबै तल्लो एजेन्टहरूले कार्य पूरा गरेपछि ट्राभल एजेन्टले नतिजाहरू (उडान विवरण, होटल पुष्टि, कार भाडा बुकिंग) संकलन गरी प्रयोगकर्तालाई च्याट शैली प्रतिक्रिया पठाउँछ।

प्राकृतिक भाषा वेब (NLWeb)

वेबसाइटहरू पुरानो समयदेखि प्रयोगकर्ताहरूलाई इन्टरनेटमा जानकारी र डेटा पहुँच प्रदान गर्ने मुख्य माध्यम हुन्।

आउनुहोस् NLWeb का फरक कम्पोनेन्टहरू, यसको लाभहरू र हाम्रो यात्रा अनुप्रयोगलाई लिएर NLWeb कसरी काम गर्छ भन्ने उदाहरण हेरौं।

NLWeb का कम्पोनेन्टहरू

• NLWeb अनुप्रयोग (कोर सेवा कोड): प्राकृतिक भाषा प्रश्नहरू प्रक्रियाजस्ता सिस्टम। यसले प्लेटफर्मका फरक भागहरूलाई जडित गरेर प्रतिक्रिया बनाउँछ। यसलाई तपाईं वेब्साइटका प्राकृतिक भाषा सुविधाहरूलाई चलाउने इन्जिनको रूपमा सोच्न सक्नुहुन्छ।

• NLWeb प्रोटोकल: यो वेब्साइटसँग प्राकृतिक भाषा अन्तर्क्रियाका लागि आधारभूत नियमहरूको सेट हो। यो JSON ढाँचामा प्रतिक्रिया फिर्ता गर्छ (सामान्यतया Schema.org प्रयोग गर्दै)। यसको उद्देश्य “AI वेब” को लागि सरल आधार सिर्जना गर्नु हो, जस्तै HTML ले अनलाइन दस्तावेज साझा गर्न सम्भव बनायो।

• MCP सर्भर (मोडेल कन्टेक्सट प्रोटोकल ईन्डपोइन्ट): हरेक NLWeb सेटअपले MCP सर्भरको रूपमा पनि काम गर्छ। यसको अर्थ यो हो कि यसले अन्य AI प्रणालीहरूसँग उपकरणहरू (जस्तै “ask” मेथड) र डेटा साझा गर्न सक्छ। व्यवहारमा, यसले वेबसाइटको सामग्री र क्षमता AI एजेन्टहरूले प्रयोग गर्न मिल्ने बनाउँछ, जसले साइटलाई ठूलो “एजेन्ट इकोसिस्टम” को भाग बनाउँछ।

• एम्बेडिङ मोडेलहरू: यी मोडेलहरू वेबसाइट सामग्रीलाई संख्यात्मक प्रतिनिधित्वहरू (भेक्टरहरू) मा रूपान्तरण गर्न प्रयोग गरिन्छ। यी भेक्टरहरूले कम्प्युटरहरूले तुलना र खोज गर्न सक्ने अर्थ समेट्छन्। यी विशेष डाटाबेसमा सुरक्षित गरिन्छ, र प्रयोगकर्ताहरूले प्रयोग गर्न चाहेको एम्बेडिङ मोडेल छनौट गर्न सक्छन्।

• भेक्टर डाटाबेस (पुन:प्राप्ति संयन्त्र): यो डाटाबेसले वेबसाइट सामग्रीका एम्बेडिङहरू संग्रह गर्छ। कुनै प्रश्न आएमा NLWeb ती भेक्टरहरूमा खोजी गरी सबैभन्दा सान्दर्भिक जानकारी छिटो फेला पार्छ। यसले सम्भावित उत्तरहरूको छिटो सूची दिन्छ, समानताका आधारमा क्रमबद्ध। NLWeb विभिन्न भेक्टर स्टोरेज प्रणालीहरूसँग काम गर्छ जस्तै Qdrant, Snowflake, Milvus, Azure AI Search, र Elasticsearch।

NLWeb उदाहरणद्वारा

हाम्रो यात्रा बुकिंग वेबसाइटलाई फेरि विचार गरौं, तर यसपटक NLWeb सन्चालित छ।

1. डेटा इन्जेसन: यात्रा वेबसाइटका अवस्थित उत्पादन सूचीहरू (जस्तै उडान सूची, होटल विवरण, टूर प्याकेजहरू) Schema.org प्रयोग गरी ढाँचा बनाइन्छ वा RSS फीडमार्फत लोड गरिन्छ। NLWeb का उपकरणहरूले यो संरचित डेटा समेट्छ, एम्बेडिङहरू सिर्जना गर्छ र स्थानीय वा टाढाको भेक्टर डाटाबेसमा भण्डारण गर्छ।

2. प्राकृतिक भाषा सोधपुछ (मानव): प्रयोगकर्ताले वेबसाइटमा गएर, मेनु नचाहेर, च्याट इन्टरफेसमा लेख्छ: “मलाई अर्को हप्ताको लागि होनोलुलुमा परिवारमैत्री पूल भएको होटल खोजिदिनुहोस्”।

3. NLWeb प्रक्रिया: NLWeb अनुप्रयोगले यो प्रश्न प्राप्त गर्छ। यसले प्रश्नलाई LLM मा बुझ्न पठाउँछ र एकै समयमा यसको भेक्टर डाटाबेसमा सान्दर्भिक होटल सूची खोज्छ।

4. ठ्याक्कै परिणामहरू: LLM ले डाटाबेसको खोजी नतिजालाई व्याख्या गर्न मद्दत गर्छ, “परिवारमैत्री,” “पूल,” र “होनोलुलु” सन्दर्भमा सबैभन्दा मिल्ने होटलहरू पत्ता लगाउँछ र प्राकृतिक भाषा प्रतिक्रिया तयार पार्छ। महत्वपूर्ण कुरा, प्रतिक्रिया वेबसाइटको वास्तविक होटल सूचीमा आधारित हुन्छ र बनावटी जानकारी हुँदैन।

5. एआई एजेन्ट अन्तर्क्रिया: NLWeb MCP सर्भरको रूपमा कार्य गर्दाले बाह्य AI यात्रा एजेन्टले पनि यो वेबसाइटको NLWeb इन्स्ट्यान्ससँग जडान गर्न सक्छ। AI एजेन्टले ask MCP मेथड प्रयोग गरी वेबसाइटलाई सोध्न सक्छ: ask("के होनोलुलु क्षेत्रमा होटलद्वारा सिफारिस गरिएका कुनै भेगन-मैत्री रेस्टुरेन्टहरू छन्?")। NLWeb यसलाई प्रक्रिया गरी रेस्टुरेन्ट जानकारीको डाटाबेस प्रयोग गरेर संरचित JSON प्रतिक्रिया फर्काउनेछ।

MCP/A2A/NLWeb बारे थप प्रश्नहरू छन्?

अन्य सिक्नेलाई भेट्न, कार्यचाहिँ कार्यालय समयमा जान र तपाईंका AI एजेन्ट प्रश्नहरूको उत्तर पाउन Microsoft Foundry Discord मा सामेल हुनुहोस्।

स्रोतहरू

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

अघिल्लो पाठ

प्रोडक्सनमा AI एजेन्टहरू

अर्को पाठ

AI एजेन्टहरूको लागि कन्टेक्सट इन्जिनियरिङ

---

अस्वीकरण: यो दस्तावेज़ AI अनुवाद सेवा Co-op Translator प्रयोग गरेर अनुवाद गरिएको हो। हामी सही हुन प्रयास गर्छौं, तर कृपया जानकार हुनुस् कि स्वचालित अनुवादमा त्रुटिहरू वा अशुद्धताहरू हुन सक्छन्। मूल दस्तावेज़ यसको मूल भाषामा आधिकारिक स्रोत मानिनुपर्छ। महत्वपूर्ण जानकारीका लागि व्यावसायिक मानव अनुवाद सिफारिस गरिन्छ। यस अनुवादको प्रयोगबाट उत्पन्न कुनै पनि गलत बुझाइ वा त्रुटिको लागि हामी जिम्मेवार छैनौं।

This site is open source. Improve this page.