ai-agents-for-beginners

एजेन्टिक प्रोटोकलहरू प्रयोग गर्दै (MCP, A2A र NLWeb)

(यस पाठको भिडियो हेर्न माथिको चित्रमा क्लिक गर्नुहोस्)

AI एजेन्टहरूको प्रयोग बढ्दै जाँदा, मानकीकरण, सुरक्षा सुनिश्चित गर्ने र खुला नवाचार समर्थन गर्ने प्रोटोकलहरूको आवश्यकता पनि बढ्दै छ। यस पाठमा, हामी ३ प्रोटोकलहरू पढ्नेछौं जुन यस आवश्यकता पूरा गर्नका लागि बनेका छन् - मोडेल कन्टेक्स्ट प्रोटोकल (MCP), एजेन्ट टू एजेन्ट (A2A) र नेचुरल ल्याङ्ग्वेज वेब (NLWeb)।

परिचय

यस पाठमा हामी समेट्नेछौं:

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

• कसरी A2A ले विभिन्न AI एजेन्टहरूबीच संचार र सहकार्य सक्षम बनाउँछ।

• कसरी NLWeb ले कुनै पनि वेबसाइटलाई प्राकृतिक भाषा अन्तरफलक प्रदान गर्छ जसले AI एजेन्टहरूलाई सामग्री पत्ता लगाउन र अन्तरक्रिया गर्न सक्षम बनाउँछ।

सिकाइ लक्ष्यहरू

• AI एजेन्टहरूको सन्दर्भमा MCP, A2A, र NLWeb को मुख्य उद्देश्य र लाभहरू पहिचान गर्ने।

• कसरी प्रत्येक प्रोटोकलले LLM, उपकरणहरू, र अन्य एजेन्टहरू बीच संचार र अन्तरक्रिया सुविधा प्रदान गर्छ भनेर व्याख्या गर्ने।

• जटिल एजेन्टिक प्रणालीहरू बनाउँदा प्रत्येक प्रोटोकलको अलग भूमिका चिन्हारी गर्ने।

मोडेल कन्टेक्स्ट प्रोटोकल

मोडेल कन्टेक्स्ट प्रोटोकल (MCP) एक खुला मानक हो जुन LLM हरूलाई सन्दर्भ र उपकरणहरू प्रदान गर्नका लागि अनुप्रयोगहरूले मानकीकृत तरिका उपलब्ध गराउँछ। यसले AI एजेन्टहरूले भिन्न डाटा स्रोत र उपकरणहरूसँग स्थिर तरिकाले जडान गर्न सक्ने “युनिभर्सल एडाप्टर” को रूपमा काम गर्छ।

MCP का कम्पोनेन्टहरू, सिधा API प्रयोगसँगको तुलना गर्दा पाइने फाइदाहरू, र AI एजेन्टहरूले कसरी MCP सर्भर प्रयोग गर्न सक्छ भन्ने उदाहरण हेरौं।

MCP को मुख्य कम्पोनेन्टहरू

MCP ले क्लाइंट-सर्भर आर्किटेक्चर मा सञ्चालन गर्छ र यसका मुख्य भागहरू हुन्:

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

• क्लाइंटहरू होस्ट अनुप्रयोग भित्रका कम्पोनेन्टहरू हुन् जुन सर्भरसँग एक-देखि-एका जडानहरू कायम गर्छन्।

• सर्भरहरू हल्का प्रोग्रामहरू हुन् जसले विशिष्ट क्षमताहरू प्रकट गर्छन्।

प्रोटोकलमा समावेश तीन मुख्य आधारभूत तत्वहरू हुन्छन् जुन MCP सर्भरका क्षमता हुन्:

• उपकरणहरू: यी AI एजेन्टले कुनै कार्य गर्नका लागि कल गर्न सक्ने छुट्टै कार्यहरू वा फङ्सनहरू हुन्। उदाहरणका लागि मौसम सेवा एउटा “मौसम प्राप्त” उपकरण देखाउन सक्छ, वा e-कॉमर्स सर्भरले “उत्पादन खरिद” उपकरण देखाउन सक्छ। MCP सर्भरहरूले प्रत्येक उपकरणको नाम, विवरण र इनपुट/आउटपुट स्कीमा आफ्नो क्षमताहरूको सूचीमा जनाउँछन्।

• स्रोतहरू: यी पढ्न मात्र मिल्ने डाटा वस्तुहरू वा कागजातहरू हुन् जुन MCP सर्भरले उपलब्ध गराउन सक्छ र क्लाइंटहरूले मागमा प्राप्त गर्न सक्छन्। उदाहरणका लागि फाइल सामग्री, डाटाबेस अभिलेख वा लग फाइलहरू। स्रोतहरू टेक्स्ट (जस्तै कोड वा JSON) वा बाइनरी (जस्तै छविहरू वा PDF) हुन सक्छन्।

• प्रम्प्टहरू: यी पूर्वनिर्धारित टेम्पलेटहरू हुन् जसले सुझाव गरिएको प्रम्प्टहरू प्रदान गर्छन्, जसले बढी जटिल कार्यप्रवाहहरू सम्भव बनाउँछन्।

MCP को लाभहरू

MCP ले AI एजेन्टहरूको लागि महत्त्वपूर्ण फाइदाहरू प्रदान गर्छ:

• डायनामिक उपकरण पत्ता लगाउने: एजेन्टहरूले कुनै सर्भरबाट उपलब्ध उपकरणहरूको सूची र तिनीहरूको विवरण गतिशील रूपमा प्राप्त गर्न सक्छन्। यो परम्परागत API हरूसँग तुलना गर्दा फरक छ जसले प्राय: एकरूप समाकलनको लागि स्थिर कोडिङ आवश्यक पार्छ जसले कुनै API परिवर्तन हुँदा कोड अपडेट गर्नुपर्छ। MCP एउटा “एकचोटि समाकलन” अवस्था प्रदान गर्छ, जसले बढी अनुकूलता ल्याउँछ।

• विभिन्न LLM हरूसँग अन्तरचलनशीलता: MCP विभिन्न LLM हरूसँग काम गर्छ, जसले राम्रो प्रदर्शनका लागि कोर मोडेलहरू परिवर्तन गर्न लचकता प्रदान गर्छ।

• मानकीकृत सुरक्षा: MCP ले मानकीकृत प्रमाणीकरण विधि समावेश गर्दछ, जसले थप MCP सर्भरहरूमा पहुँच थप्दा स्केलेबलिटी सुधार्छ। यो परम्परागत विभिन्न API हरूका लागि अलग-मतल फरक कुञ्जी र प्रमाणीकरण व्यवहार व्यवस्थापन गर्नुभन्दा सजिलो छ।

MCP उदाहरण

कल्पना गर्नुहोस् कि प्रयोगकर्ताले MCP द्वारा सन्चालित AI सहायकबाट उडान बुक गर्न चाहन्छ।

1. जडान: AI सहायक (MCP क्लाइंट) एयरलाइनले प्रदान गरेको MCP सर्भरसँग जडान गर्छ।

2. उपकरण पत्ता लगाउने: क्लाइंटले एयरलाइनको MCP सर्भरलाई सोध्छ, “तपाईंका उपलब्ध उपकरणहरू के-के छन्?” सर्भरले “फ्लाइट खोजी” र “फ्लाइट बुक” जस्ता उपकरणहरूको उत्तर दिन्छ।

3. उपकरण कल गर्ने: त्यसपछि तपाईं AI सहायकलाई भन्नुहुन्छ, “पोर्टल्यान्डबाट होनोलुलु जाने उडान खोजिदिनुहोस्।” AI सहायकले आफ्नो LLM प्रयोग गरी “फ्लाइट खोज” उपकरण कल गर्न आवश्यक छ भनेर थाहा पाउँछ र सम्बद्ध प्यारामिटरहरू (उत्कृष्ट स्थान, गन्तव्य) MCP सर्भरमा पठाउँछ।

4. कार्यान्वयन र प्रतिक्रिया: MCP सर्भरले एयरलाइनको आन्तरिक बुकिंग API लाई वास्तविक कल गर्छ। त्यसपछि उडान जानकारी (जस्तै JSON डेटा) प्राप्त गरी AI सहायकलाई फर्काउँछ।

5. अझै अन्तरक्रिया: AI सहायकले उडान विकल्पहरू प्रस्तुत गर्छ। तपाईं जब उडान छनौट गर्नुहुन्छ, सहायकले त्यही MCP सर्भरमा “फ्लाइट बुक” उपकरण कल गरी बुकिंग पूरा गर्न सक्छ।

एजेन्ट-टु-एजेन्ट प्रोटोकल (A2A)

MCP ले LLM हरूलाई उपकरणसँग जडान गर्नेमा केन्द्रित भए पनि, एजेन्ट-टु-एजेन्ट (A2A) प्रोटोकल ले अर्को कदममा गएर विभिन्न AI एजेन्टहरूबीच संचार र सहकार्य सक्षम बनाउँछ। A2A ले विभिन्न संगठन, वातावरण र प्रविधि स्ट्याकहरूका AI एजेन्टहरूलाई जडान गरी साझा कार्य पूरा गर्न मिल्छ।

हामी A2A का कम्पोनेन्टहरू र फाइदाहरू अध्ययन गर्नेछौं र हाम्रो यात्रा अनुप्रयोगमा यसको प्रयोग कसरी हुन सक्छ भन्ने उदाहरण हेर्नेछौं।

A2A का मुख्य कम्पोनेन्टहरू

A2A ले एजेन्टहरूबीच संचार सक्षम पार्छ र उनीहरूलाई प्रयोगकर्ताको उपकार्य पूरा गर्न सँगै काम गर्न बनाउँछ। प्रोटोकलको प्रत्येक कम्पोनेन्टले यसमा योगदान दिन्छ:

एजेन्ट कार्ड

MCP सर्भरले उपकरण सूची साझा गर्ने तरिका जस्तै, एजेन्ट कार्डमा हुन्छ:

• एजेन्टको नाम।
• यसले पूरा गर्ने सामान्य कार्यहरूको वर्णन।
• अन्य एजेन्टहरू (वा मानव प्रयोगकर्ताहरू) लाई त्यो एजेन्टलाई कहिले र किन कल गर्ने भनेर बुझ्न मद्दत गर्ने विशिष्ट क्षमताहरूको सूची।
• एजेन्टको हालको अन्तिम बिन्दु URL।
• एजेन्टको संस्करण र क्षमताहरू, जस्तै स्ट्रिमिङ प्रतिक्रियाहरू र पुश सूचनाहरू।

एजेन्ट एक्सिक्युटर

एजेन्ट एक्सिक्युटरले प्रयोगकर्ता कुराकानीको सन्दर्भलाई रिमोट एजेन्टमा पास गर्न जिम्मेवार हुन्छ, किनकी रिमोट एजेन्टलाई पूरा गर्नुपर्ने कार्य बुझ्न यो आवश्यक हुन्छ। एउटा A2A सर्भरमा, एजेन्टले आफ्नो आफ्नै LLM प्रयोग गरी आउने अनुरोधहरू पार्स गरेर आन्तरिक उपकरणहरू चलाउँछ।

आर्टिफ्याक्ट

जब रिमोट एजेन्टले अनुरोध गरिएको कार्य पूरा गर्छ, यसको कार्यको परिणाम फाइलको रूपमा निर्माण हुन्छ। एउटा आर्टिफ्याक्टले एजेन्टको कार्य नतिजा, के पूरा भयो भन्ने वर्णन, र प्रोटोकल मार्फत पठाइने टेक्स्ट सन्दर्भ समावेश गर्छ। आर्टिफ्याक्ट पठाएपछि रिमोट एजेन्टसँगको जडान बन्द हुन्छ जबसम्म पुन: आवस्यक नहोस्।

घटना किउ (Event Queue)

यो कम्पोनेन्टले अपडेटहरू व्यवस्थापन गर्न र सन्देशहरू पास गर्न काम गर्छ। यो विशेष गरी उत्पादनमा एजेन्टिक प्रणालीहरूमा महत्त्वपूर्ण छ जसले एजेन्टहरूबीच जडान कार्य पूरा नभएसम्म बन्द नहोस् भन्ने सुनिश्चित गर्छ, खासगरी जब कार्य पूरा हुन बढी समय लाग्छ।

A2A का लाभहरू

• वृद्धि प्राप्त सहकार्य: यसले विभिन्न विक्रेता र प्लेटफर्मका एजेन्टहरूलाई अन्तरक्रिया गर्न, सन्दर्भ साझा गर्न र सँगै काम गर्न सक्षम बनाउँछ, जसले पारम्परिक रूपमा अलग-थलग प्रणालीहरूमा सहज स्वचालन प्रदान गर्छ।

• मोडेल चयन लचकता: प्रत्येक A2A एजेन्टले आफ्नो अनुरोध सेवा गर्न कुन LLM प्रयोग गर्ने निर्णय गर्न सक्छ, जसले एजेन्टको लागि अनुकूलित वा उत्कृष्ट मोडेलहरूको उपयोग सहज बनाउँछ, जुन केही MCP परिदृश्यमा एकल LLM जडानको विपरित छ।

• समावेश प्रमाणीकरण: प्रमाणीकरण A2A प्रोटोकलमा सिधै समाहित गरिएको छ, जसले एजेन्ट अन्तरक्रियाहरूका लागि बलियो सुरक्षा फ्रेमवर्क प्रदान गर्छ।

A2A उदाहरण

हाम्रो यात्रा बुकिंग परिदृश्यलाई विस्तार गरौं, तर यस पटक A2A प्रयोग गरेर।

1. प्रयोगकर्ताको अनुरोध मल्टि-एजेन्टमा: प्रयोगकर्ताले “ट्राभल एजेन्ट” A2A क्लाइंट/एजेन्टसँग अन्तरक्रिया गर्छन्, शायद भन्छन्, “कृपया अर्को हप्ता होनोलुलुको लागि पुरै यात्रा बुक गर्नुहोस्, जसमा उडान, होटेल र कार भाडामा समावेश छन्”।

2. ट्राभल एजेन्टद्वारा व्यवस्थापन: ट्राभल एजेन्टले यो जटिल अनुरोध प्राप्त गर्छ। यसले आफ्नो LLM प्रयोग गरी कार्यबारे सोच-विचार गर्छ र अन्य विशेषज्ञ एजेन्टहरूसँग अन्तरक्रिया गर्न आवश्यक ठान्छ।

3. एजेन्टहरूबीच संचार: ट्राभल एजेन्टले A2A प्रोटोकल प्रयोग गरी एयरलाइन एजेन्ट, होटेल एजेन्ट, र कार भाडा एजेन्टजस्ता विभिन्न कम्पनीहरूले सिर्जना गरेका तलका एजेन्टहरूसँग जडान गर्छ।

4. कार्य प्रतिनिधि सञ्चालन: ट्राभल एजेन्टले ती विशेषज्ञ एजेन्टहरूलाई विशिष्ट कार्यहरू पठाउँछ (जस्तै, “होनोलुलु जान उडान खोज”, “होटेल बुक गर”, “कार भाडामा लात।”) ती प्रत्येक एजेन्टले आफ्नो LLM चलाएर आफ्नै उपकरणहरू (जसमा MCP सर्भरहरू पनि हुन सक्छन्) प्रयोग गरी बुकिंगको आफ्नो भाग पूरा गर्छ।

5. एकीकृत प्रतिक्रिया: सबै तलका एजेन्टहरूले कार्य पूरा गरेपछि, ट्राभल एजेन्टले परिणामहरू (उडान विवरण, होटेल पुष्टिकरण, कार भाडा बुकिंग) सङ्ग्रह गर्दछ र प्रयोगकर्तालाई समग्र, च्याट-शैलीको जवाफ पठाउँछ।

नेचुरल ल्याङ्ग्वेज वेब (NLWeb)

वेबसाइटहरू लामो समयदेखि इन्टरनेटमा प्रयोगकर्ताहरूले सूचना र डेटा पहुँच गर्ने प्राथमिक माध्यम हुन्।

NLWeb का विभिन्न कम्पोनेन्टहरू, NLWeb का फाइदाहरू र हाम्रो यात्रा अनुप्रयोगको उदाहरणमा NLWeb कसरी काम गर्छ हेर्नुहोस्।

NLWeb का कम्पोनेन्टहरू

• NLWeb अनुप्रयोग (कोर सेवा कोड): प्राकृतिक भाषा प्रश्नहरू प्रक्रिया गर्ने प्रणाली। यसले प्लेटफर्मको विभिन्न भागहरूलाई जडान गरी प्रतिक्रिया सिर्जना गर्छ। यसलाई वेबसाइटको प्राकृतिक भाषा सुविधाहरू चलाउने इन्जिन भनेर बुझ्न सकिन्छ।

• NLWeb प्रोटोकल: वेबसाइटसँग प्राकृतिक भाषा अन्तरक्रिया गर्नको लागि नियमहरूको आधारभूत सेट। यो JSON स्वरूपमा (अक्सर Schema.org प्रयोग गरी) प्रतिक्रिया पठाउँछ। यसले “AI वेब” को लागि सरल आधार तयार पार्न उद्देश्य राखेको छ, HTML जस्तै अनलाइन कागजात साझा गर्न सम्भव बनाएको।

• MCP सर्भर (मोडेल कन्टेक्स्ट प्रोटोकल अन्तिम बिन्दु): प्रत्येक NLWeb सेटअपले MCP सर्भरको रूपमा पनि काम गर्छ। यसको अर्थ यो अन्य AI प्रणालीहरूसँग उपकरणहरू (जस्तै “पूछ्नुहोस्” विधि) र डेटा साझा गर्न सक्छ। व्यवहारमा, यसले वेबसाइटको सामग्री र क्षमताहरू AI एजेन्टहरूले प्रयोग गर्न मिल्ने बनाउँछ, साइटलाई व्यापक “एजेन्ट पारिस्थितिकी तंत्र” को हिस्सा बनाउँछ।

• एम्बेडिङ मोडेलहरू: यी मोडेलहरूले वेबसाइट सामग्रीलाई संख्यात्मक प्रतिनिधित्वहरू (भेक्टरहरू) मा रूपान्तरण गर्छन्। यी भेक्टरहरूले अर्थ समात्छन् जसलाई कम्प्युटरहरूले तुलना र खोज्न सक्छ। यी भेक्टरहरू विशेष डाटाबेसमा संग्रहित हुन्छन् र प्रयोगकर्ताहरूले प्रयोग गर्ने एम्बेडिङ मोडेल छान्न सक्छन्।

• भेक्टर डाटाबेस (प्राप्ति मेकानिज्म): यो डाटाबेसले वेबसाइट सामग्रीको एम्बेडिङहरू भण्डारण गर्छ। कसैले प्रश्न सोध्दा, NLWeb भेक्टर डाटाबेस जाच्दै सबैभन्दा सान्दर्भिक जानकारी तुरुन्त फेला पार्छ। यो सम्भावित उत्तरहरूको छिटो सूची दिन्छ, समानताका आधारमा क्रमबद्ध। NLWeb विभिन्न भेक्टर भण्डारण प्रणालिहरू जस्तै Qdrant, Snowflake, Milvus, Azure AI Search, र Elasticsearch सँग काम गर्छ।

NLWeb उदाहरण द्वारा

फेरि हाम्रो यात्रा बुकिंग वेबसाइट विचार गरौं, तर यस पटक NLWeb द्वारा सञ्चालित।

1. डेटा प्रवेश: यात्रा वेबसाइटका वर्तमान उत्पादन क्याटलगहरू (जस्तै, उडान सूची, होटेल विवरण, टुर प्याकेजहरू) Schema.org को प्रयोग गरी स्वरूपित गरिन्छ वा RSS फीडबाट लोड गरिन्छ। NLWeb का उपकरणहरू यस संरचित डाटालाई ल्याएर एम्बेडिङहरू सिर्जना गर्छन् र यसलाई स्थानीय वा दूरस्थ भेक्टर डाटाबेसमा संग्रह गर्छन्।

2. प्राकृतिक भाषा क्वेरी (मानव): प्रयोगकर्ताले वेबसाइट भ्रमण गर्छ र मेनूहरू प्रयोग नगरी च्याट इन्टरफेसमा टाइप गर्छ: “अर्को हप्ता होनोलुलुमा पूल सहित परिवारमैत्री होटेल खोजिदिनुहोस्”।

3. NLWeb प्रक्रिया: NLWeb अनुप्रयोगले यो क्वेरी प्राप्त गर्छ। यो क्वेरीलाई बुझ्न LLM तर्फ पठाउँछ र एकै समयमा यसको भेक्टर डाटाबेसमा उपयुक्त होटेल सूची खोज्छ।

4. सटीक परिणाम: LLM ले डाटाबेसबाट खोज परिणामहरू व्याख्या गर्न मद्दत गर्छ, “परिवारमैत्री,” “पूल,” र “होनोलुलु” मापदण्डका आधारमा सबैभन्दा उपयुक्त सङ्गठनहरू पहिचान गर्छ र प्राकृतिक भाषा उत्तर तयार गर्छ। मुख्य रूपमा, जवाफ वास्तविक वेबसाइट क्याटलगबाट होटेलहरूको उल्लेख गर्छ, काल्पनिक जानकारीको प्रयोग गर्दैन।

5. AI एजेन्ट अन्तरक्रिया: NLWeb यसको MCP सर्भरको रूपमा सेवा गर्ने भएकाले, बाह्य AI यात्रा एजेन्ट पनि यस वेबसाइटको NLWeb संस्करणसँग जडान गर्न सक्छ। AI एजेन्टले ask MCP विधि प्रयोग गरी सोध्न सक्छ: ask("होनोलुलु क्षेत्रमा होटेलले सिफारिस गरेका केही वेगनमैत्री रेष्टुरेन्टहरू छन्?")। NLWeb ले यो प्रक्रिया गर्छ, आफ्नो रेस्टुरेन्ट जानकारी डाटाबेस (यदि लोड गरिएको छ भने) प्रयोग गरेर र संरचित JSON प्रतिक्रिया फिर्ता गर्छ।

MCP/A2A/NLWeb सम्बन्धी थप प्रश्नहरू छन्?

अन्य सिक्नेहरूलाई भेट्न, अफिस आवरहरूमा भाग लिन र AI एजेन्टका प्रश्नहरू सोध्न Microsoft Foundry Discord मा जडान हुनुहोस्।

स्रोतहरू

• MCP सुरु गर्नेहरूका लागि
• MCP कागजातहरू
• NLWeb रेपो
• Microsoft एजेन्ट फ्रेमवर्क

अघिल्लो पाठ

उत्पादनमा AI एजेन्टहरू

अर्को पाठ

AI एजेन्टहरूको लागि सन्दर्भ 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.