ai-agents-for-beginners

ஏஜென்டிக் நெறிமுறைகள் பயன்படுத்துதல் (MCP, A2A மற்றும் NLWeb)

(மேலுள்ள படத்தை கிளிக் செய்து இந்த பாடத்தின் வீடியோவை பாருங்கள்)

AI ஏஜென்டுகள் பயன்படுத்தப்படுவது அதிகரிக்கையில், தரநிலைப்படுத்தல், பாதுகாப்பு மற்றும் திறந்த нов் அவோஷனுக்கு ஆதரவு வழங்கும் நெறிமுறைகளின் தேவையும் அதிகரிக்கிறது. இந்த பாடத்தில், இந்த தேவையை 충족ிக்க முயற்சிக்கும் 3 நெறிமுறைகளை நாங்கள் пок் செய்வோம் - Model Context Protocol (MCP), Agent to Agent (A2A) மற்றும் Natural Language Web (NLWeb).

அறிமுகம்

இந்த பாடத்தில், நாம் சம்மதிக்கப் போகிறோம்:

• MCP எவ்வாறு AI ஏஜென்டுகளுக்கு வெளியே உள்ள கருவிகள் மற்றும் தரவுகளை அணுகி பயனரின் பணிகளை முடிக்க அனுமதிக்கிறது என்பதைக்.

• A2A எவ்வாறு வெவ்வேறு AI ஏஜென்டுகளுக்கு இடையே தொடர்பு மற்றும் ஒத்துழைப்பை சாத்தியமாக்குகிறது என்பதைக்.

• NLWeb எவ்வாறு இயல்பு மொழி இடைமுகத்தை எந்தவொரு வலைத்தளத்திற்கும் கொண்டு வந்து AI ஏஜென்டுகள் உள்ளடக்கத்தை கண்டறிந்து அதனுடன் தொடர்பு கொள்ள முடியும் என்பதைக்.

கற்றல் இலக்குகள்

• அடையாளம் காண்க MCP, A2A மற்றும் NLWeb ஆகியவற்றின் முக்கிய நோக்கம் மற்றும் நன்மைகளை AI ஏஜென்டுகளின் சூழலில்.

• விளக்கம் செய் ஒவ்வொரு நெறிமுறையும் LLMக்கள், கருவிகள் மற்றும் பிற ஏஜென்டுகளுக்கிடையேயான தொடர்பு மற்றும் பரிமாற்றத்தை எவ்வாறு எளிமைப்படுத்துகிறது என்பதை.

• குறிப்பிட்டு அறி ஒவ்வொரு நெறிமுறையும் முரணில்லாத ஏஜென்டிக் அமைப்புகளை உருவாக்குவதில் வகிக்கும் தனித்துவமான பாகங்களை.

Model Context Protocol

The Model Context Protocol (MCP) என்பது பயன்பாடுகள் LLMக்களுக்கு உள்ளடக்கம் மற்றும் கருவிகளை வழங்க ஒரு தரநிலையான வழியை வழங்கும் ஒரு திறந்த தரநிலையாகும். இது AI ஏஜென்டுகள் ஒரே மாதிரியாக பல்வேறு தரவுத் தூண்கள் மற்றும் கருவிகளுக்கு இணைக்கக் கூடிய “சர்வதேச அடாப்டர்” ஆகியதை சாத்தியமாக்குகிறது.

MCP இன் கூறுகளை, நேரடி API பயன்பாட்டுடன் ஒப்பிடும்போது கிடைக்கும் நன்மைகளை, மற்றும் AI ஏஜென்டுகள் MCP சர்வரை எவ்வாறு பயன்படுத்தக்கூடும் என்பதனை பார்ப்போம்.

MCP Core Components

MCP கிளையண்ட்-சர்வர் கட்டமைப்பில் இயங்குகிறது மற்றும் முக்கிய கூறுகள்:

• Hosts என்பது LLM பயன்பாடுகள் (உதாரணத்திற்கு VSCode போன்ற குறியீட்டு தொகுப்பி) ஆகும், அவை MCP Server உடன் இணைப்புகளை துவக்குகின்றன.

• Clients என்பது ஹோஸ்ட் பயன்பாட்டுக்குள் உள்ள கூறுகள், அவை சர்வர்களுடன் ஒரு-பேரிணை இணைப்புகளை பராமரிக்கின்றன.

• Servers என்பது குறிப்பிட்ட திறன்களை வெளிப்படுத்தும் ஒளிரும் மென்பொருட்கள்.

நெறிமுறையில் அடங்கிய மூன்று முக்கிய நிலைகள் என்றால் MCP Server இன் திறன்கள்:

• Tools: இவை ஒரு AI ஏஜென்ட் ஒரு செயலைச் செய்ய அழைக்கக்கூடிய தனித்துவமான செயல்கள் அல்லது செயல்பாடுகளாகும். உதாரணமாக, ஒரு காலநிலைக் சேவை “get weather” என்ற கருவியை வெளிப்படுத்தலாம், அல்லது ஒரு ஈ-காமர்ஸ் சர்வர் “purchase product” என்ற கருவியை வெளிப்படுத்தலாம். MCP சர்வர்கள் தங்களின் திறன் பட்டியலில் ஒவ்வொரு கருவியின் பெயர், விளக்கம் மற்றும் உள்ளீடு/வெளியீட்டின் ஸ்கீமாவை விளம்பரமாக்குகின்றன.

• Resources: இவை ஒரு MCP சர்வர் வழங்கக்கூடிய வாசிப்புக்கேற்ற தரவுப் பொருட்கள் அல்லது ஆவணங்கள் ஆகும், மற்றும் கிளையண்டுகள் அவற்றைப் தேவையென்றால் பெறலாம். உதாரணங்கள்: கோப்பின் உள்ளடக்கம், தரவுத்தள பதிவுகள், அல்லது லாக் கோப்புகள். Resources உரை (குறியீடு அல்லது JSON போன்ற) அல்லது பைனரி (படங்கள் அல்லது PDFகள் போன்ற) ஆக இருக்கக்கூடும்.

• Prompts: இவை முன்கூட்டியே வரையறுக்கப்பட்ட வார்ப்புருக்கள் ஆகும், மேலும் சிக்கலான வேலைபாடுகளுக்கு பரிந்துரைக்கப்படும் ஊக்கங்களை வழங்குகின்றன.

MCP நன்மைகள்

MCP AI ஏஜென்டுகளுக்கு முக்கிய பலன்களை வழங்குகிறது:

• தனிகரித்த கருவி கண்டறிதல்: ஏஜென்டுகள் சர்வரிலிருந்து கிடைக்கும் கருவிகளின் பட்டியலை விளக்கங்களுடன் இலக்காகக் கொண்டு பெற முடியும். இது பாரம்பரிய APIகளுடன் வேறுபடுகிறது; பாரம்பரியங்கள் ஒருதுறை நிரலாக்கத்தை வலுப்படுத்த வேண்டியிருக்கும், API மாற்றம் ஏற்பட்டால் குறியீடு புதுப்பிப்புகள் தேவைப்படும். MCP “ஒருமுறை ஒருங்கிணைப்பு” அணுகுமுறையை வழங்குகிறது, இது அதிக பொருத்தத்தன்மையை கொண்டுவருகிறது.

• LLMகளுக்கு இடையே துண்டு பொருந்துதல்: MCP வித்தியாசமான LLMகளுடன் செயல்படுகிறது, சிறந்த செயல்திறனை அளிக்க மாடல்களை மாற்றுவதற்கு சுதந்திரத்தன்மையை வழங்குகிறது.

• ஸ்டான்டர்டைஸ் செய்யப்பட்ட பாதுகாப்பு: MCP ஒரு ஸ்டான்டர்டு அங்கீகாரப் முறையை உட்படுத்துகிறது, மேலும் கூடுதல் MCP சர்வர்களுக்கு அணுகலைச் சேர்க்கும்போது பரிமாணப்படுத்தப்படுதலுக்கு உதவுகிறது. இது பல்வேறு பாரம்பரிய APIகளுக்கான வேறுபட்ட விசைகள் மற்றும் அங்கீகார வகைகளை கையாள்வதைவிட எளிமையானது.

MCP உதாரணம்

ஒரு பயனர் MCP மூலம் இயக்கப்படும் AI உதவியாளரை பயன்படுத்தி ஒரு விமானத்தை முன்பதிவு செய்ய விரும்புகிறான் என்று تصور பண்ணுங்கள்.

1. Connection: AI உதவியாளர் (MCP கிளையண்ட்) ஒரு விமானக்கம்பெனி வழங்கிய MCP சர்வருடன் இணைக்கிறது.

2. Tool Discovery: கிளையண்ட் விமானக்கம்பெனி MCP சர்வரிடம், “உங்களிடம有哪些 கருவிகள் உள்ளன?” என்று கேட்கிறது. சர்வர் “search flights” மற்றும் “book flights” போன்ற கருவிகளை பதிலளிக்கிறது.

3. Tool Invocation: பின்னர் நீங்கள் AI உதவியாளரிடம், “Portland இருந்து Honolulu வரை ஒரு விமானத்தை தேடுங்கள்” என்று கேட்கிறீர்கள். AI உதவியாளர், அதன் LLM பயன்படுத்தி, “search flights” கருவியைக் கூப்பிட வேண்டியதானதை அடையாளம் காண்கிறது மற்றும் சம்பந்தப்பட்ட அளவுருக்களை (origin, destination) MCP சர்வருக்கு அனுப்புகிறது.

4. Execution and Response: MCP சர்வர் ஒரு ராப்பர் போல செயல்பட்டு, விமானக்கம்பெனியின் உள்நாட்டு முன்பதிவு APIயை உண்மையில் அழைக்கிறது. பிறகு அது விமானத் தகவலை (உதாரணத்திற்கு JSON தரவு) பெற்று AI உதவியாளருக்கு அனுப்புகிறது.

5. Further Interaction: AI உதவியாளர் விமான விருப்பங்களை வழங்குகிறது. நீங்கள் ஒரு விமானத்தை தேர்வு செய்தவுடன், உதவியாளர் 동일 MCP சர்வரில் “book flight” கருவியை அழைக்கக் கூடும், முன்பதிவை முடிக்க.

Agent-to-Agent Protocol (A2A)

MCP LLMக்களை கருவிகளுடன் இணைக்கும் மீது கவனம் செலுத்தினாலும், Agent-to-Agent (A2A) நெறிமுறை இது மேலும் ஒரு நிலை எடுத்து வெவ்வேறு AI ஏஜென்டுகளுக்கு இடையேயான தொடர்பு மற்றும் ஒத்துழைப்பு சாத்தியமாக்குகிறது. A2A வெவ்வேறு நிறுவங்கள், சூழல்கள் மற்றும் டெக் ஸ்டாக் ஆகியவற்றை கடந்து AI ஏஜென்டுகளை இணைத்து பகிர்ந்து கொண்டால் ஒரு பகிர்ந்த பணியை நிறைவேற்ற உதவுகிறது.

நாம் A2A கூறுகள் மற்றும் நன்மைகளை பார்க்க போகிறோம், மற்றும் பயண பயன்பாட்டில் இதன் செயல்பாட்டை ஒரு உதாரணமாகப் பார்ப்போம்.

A2A Core Components

A2A ஏஜென்டுகள் இடையிலான தொடர்பை சாத்தியமாக்குவதிலும், அவற்றைப் பகிர்ந்து வேலைபகிர்ந்து ஒரு பயனர் துணைக்காரணத்தை முடிப்பதிலும் கவனம் செலுத்துகிறது. நெறிமுறையின் ஒவ்வொரு கூறும் இதற்கு பங்களிக்கிறது:

ஏஜென்ட் கார்ட்

MCP சர்வர் கருவிகளின் பட்டியலை பகிர்வது போல, ஒரு ஏஜென்ட் கார்டில்:

• ஏஜென்டின் பெயர்.
• அது மேற்கொள்ளும் பொது பணிகளின் விளக்கம்.
• மற்ற ஏஜென்டுகள் (அல்லது மனித பயனர்கள்) எப்போது மற்றும் ஏன் அந்த ஏஜென்டை அழைக்க விரும்புவர் என்பதைக் 이해 செய்ய உதவும் குறிப்பிட்ட திறன்களின் பட்டியல் மற்றும் அவற்றின் விளக்கங்கள்.
• ஏஜென்டின் தற்போதைய Endpoint URL
• ஏஜென்டின் வெர்ஷன் மற்றும் திறன்கள் (உதாரணமாக ஸ்ட்ரீமிங் பதில்கள் மற்றும் புஷ் அறிவிப்புகள்).

ஏஜென்ட் எக்ஸிக்யூட்டர்

ஏஜென்ட் எக்ஸிக்யூட்டர் பயனர் உரையாடலின் உள்ளடக்கத்தை தொலைதூர ஏஜென்டுக்கு கொடுத்துச் செல்கிறது என்பதை பொறுப்பாக கொண்டுள்ளது; தொலைதூர ஏஜென்டுக்கு இது நிறைவேற்றவேண்டிய பணியை புரிந்துகொள்ள தேவையாகும். ஒரு A2A சர்வரில், ஒரு ஏஜென்ட் வரும் கோரிக்கைகளை பதிலளிக்கவும் மற்றும் தனது உள்உபகரணங்களைப் பயன்படுத்தி பணிகளை நிறைவேற்றவும் தனது சொந்த Large Language Model (LLM) ஐப் பயன்படுத்துகிறது.

கலாச்சாரம் (Artifact)

ஒரு தொலைதூர ஏஜென்ட் கோரப்பட்ட பணியை நிறைவேற்றிய பிறகு, அதன் வேலைத் தயாரிப்பு ஒரு கலாச்சாரமாக உருவாகிறது. ஒரு கலாச்சாரம் ஏஜென்டின் பணியின் முடிவை, செய்யப்பட்டதை விவரிக்கும் விளக்கத்தை, மற்றும் நெறிமுறையால் அனுப்பப்பட வேண்டும் என்று இருக்கும் உரையாக்க உள்ளடக்கத்தை கொண்டுள்ளது. கலாச்சாரம் அனுப்பப்பட்ட பின்னர், தொலைதூர ஏஜென்டுடன் இணைப்பு மீண்டும் தேவையில்லாமல் மூடப்படும்.

நிகழ்வு வரிசை (Event Queue)

இந்த கூறு புதுப்பிப்புகளை கையாளுதல் மற்றும் செய்திகள் பரிமாறுதல் ஆகியவற்றுக்கு பயன்படுகிறது. குறிப்பாக, ஏஜென்டிக் அமைப்புகளில் உற்பத்தி சூழலுக்கு இது முக்கியம்; பணிகள் நிறைவேறுவதற்கு முன் ஏஜென்டுகளுக்கு இடையிலான இணைப்பு மூடப்படுவதைத் தடுக்கும் நிலையில், குறிப்பாக பணிகளின் நிறைவேற்ற நேரம் நீண்டதாக இருக்கும் போது.

A2A நன்மைகள்

• முன்னேற்றிய ஒத்துழைப்பு: இது வெவ்வேறு விற்பனையாளர்கள் மற்றும் தளங்கள் ஆகியவற்றின் ஏஜென்டுகளுக்கான தொடர்பை, உள்ளடக்க பகிர்வை மற்றும் இணைந்து செயல்படக்கூடியதை வழங்குகிறது, முன்னால் இணைக்கப்படாத அமைப்புகளை கடக்க உத்தமமாக்குகிறது.

• மாடல் தேர்வு சுதந்திரம்: ஒவ்வொரு A2A ஏஜென்டும் தன் கோரிக்கைகளை பூர்த்திசெய்ய எந்த LLM ஐ பயன்படுத்த வேண்டும் என்று முடிவு செய்யலாம், இது ஒவ்வொரு ஏஜென்டுக்குமான மேம்படுத்தப்பட்ட அல்லது நுண்ணமைக்கப்பட்ட மாடல்களை அனுமதிக்கிறது, MCP சில சூழ்நிலைகளில் இருக்கும் ஒரே LLM இணைப்புக்களைக் கைவிட்டு.

• உள்ளமைக்கப்பட்ட அங்கீகாரம்: அங்கீகாரம் A2A நெறிமுறையில் நேரடியாக ஒருங்கிணைக்கப்பட்டுள்ளது, ஏஜென்ட் பரிமாற்றங்களுக்கு வலுவான பாதுகாப்பு வடிவமைப்பை வழங்குகிறது.

A2A உதாரணம்

நமது பயண முன்பதிவு சூழ்நிலையை மேலும் விரிவாக்குவோம், ஆனால் இந்த முறை A2A ஐ பயன்படுத்துவோம்.

1. பயனர் கோரிக்கை பல-ஏஜென்ட்டிற்கு: ஒரு பயனர் “அடுத்த வாரம் Honoluluக்கு முழு பயணத்தை, விமானங்கள், ஒரு ஹோட்டல் மற்றும் ஒரு வாடகை காரை உட்பட, புத்தாக்கமாக முன்பதிவு செய்யுங்கள்” என்பதை கூறி “Travel Agent” A2A கிளையண்ட்/ஏஜென்டைப் பயன்படுத்தியிருக்கலாம்.

2. Travel Agent மூலம் ஒழுங்குபடுத்தல்: Travel Agent இந்த சிக்கலான கோரிக்கையை பெறுகிறது. அது பணியைப் பற்றிய யோசனையை உருவாக்க LLM ஐப் பயன்படுத்தி, அதற்கு அது மற்ற சிறப்பு ஏஜென்டுகளுடன் தொடர்பு கொள்வதற்குத் தேவையே என்று தீர்மானிக்கிறது.

3. ஏஜென்டுகளுக்கு இடையிலான தொடர்பு: Travel Agent பின்னர் A2A நெறிமுறையைப் பயன்படுத்தி கீழேயுள்ள ஏஜென்டுகளுடன் இணைக்கிறது, உதாரணமாக ரீதியாக உருவாக்கப்பட்ட “Airline Agent”, “Hotel Agent” மற்றும் “Car Rental Agent” போன்றவை வெவ்வேறு நிறுவனங்கள் உருவாக்கியிருக்கலாம்.

4. மறைபகுதியிலான பணி நிறைவேற்றல்: Travel Agent இவை போன்ற சிறப்பு ஏஜென்டுகளுக்கு குறிப்பிட்ட பணிகளை வெளியிடுகிறது (உதா., “Honoluluக்கு விமானங்களை கண்டுபிடி”, “ஹோட்டலை முன்பதிவு செய்”, “காரை வாடகைக்கு எடு”). இந்த ஒவ்வொரு சிறப்பு ஏஜென்டும் தன் சொந்த LLMகளை இயக்கி மற்றும் தங்களது உள்நிலை கருவிகளை (இவை தான் MCP சர்வர்கள் இருக்க கூடும்) பயன்படுத்தி தங்கள் பங்குகளை நிறைவேற்றுகின்றன.

5. ஒற்றை பதில்: கீழேயுள்ள அனைத்து ஏஜென்டுகளும் பணிகளை முடித்தவுடன், Travel Agent முடிவுகளை (விமான விவரங்கள், ஹோட்டல் உறுதிப்பத்திரம், காரு முன்பதிவு) தொகுத்து பயனருக்கு ஒரு முழுமையான, உரையாடல்-வடிவ பதிலை அனுப்பும்.

Natural Language Web (NLWeb)

வலைத்தளங்கள் நீண்ட நேரமாக இணையத்தில் பயனர்கள் தகவல் மற்றும் தரவுகளை அணுகும் பிரதான வழியாக இருந்துள்ளன.

NLWeb இன் விதமான கூறுகள், NLWeb நன்மைகள் மற்றும் நமது பயண பயன்பாட்டால் NLWeb எப்படி வேலை செய்கிறது என்பதைக் காண்போம்.

NLWeb கூறுகள்

• NLWeb பயன்பாடு (Core Service Code): இயல்பு மொழி கேள்விகளை செயலாக்கும் அமைப்பு. இது தளத்தின் பல பகுதிகளை இணைத்து பதில்களை உருவாக்கும். இதை ஒரு வலைத்தளத்தின் இயல்பு மொழி அம்சங்களை இயக்கும் என்ஜின் என்று எண்ணிக்கொள்ளலாம்.

• NLWeb நெறிமுறை: இது ஒரு வலைத்தளத்துடன் இயல்பு மொழி தொடர்புக்கான அடிப்படை விதிமுறைகள் ஆகும். இது JSON வடிவில் (அதிகமாக Schema.org ஐ பயன்படுத்தி) பதில்களை திரும்ப அனுப்புகிறது. அதன் நோக்கம் “AI Web” க்கான ஒரு எளிய அடித்தளத்தை உருவாக்குவது, HTML ஆன்லைனில் ஆவணங்களை பகிர விடுத்ததைப்போலவே.

• MCP Server (Model Context Protocol Endpoint): ஒவ்வொரு NLWeb அமைப்பும் ஒரு MCP சர்வராக செயல்படும். இதன் பொருள் அது மற்ற AI அமைப்புகளுடன் கருவிகள் (உதாரணமாக ஒரு “ask” முறை) மற்றும் தரவை பகிர முடியும் என்பதுதான். நடைமுறையில், இது வலைத்தளத்தின் உள்ளடக்கத்தையும் திறன்களையும் AI ஏஜென்டுகள் பயன்படுத்தக்கூடியவையாக மாற்றுகிறது, தளத்தை விரிவான “ஏஜென்ட் சூழலின்” ஒரு பகுதியாக்குகிறது.

• Embedding Models: இவை வலைத்தள உள்ளடக்கத்தை எண்களாகும் பிரதிநிதித்துவங்களாக மாற்றுவதற்கு பயன்படுத்தப்படுகின்றன (vectors என்று அழைக்கப்படும்). இந்த vectors கணினிகள் ஒப்பீடு செய்து தேடிய சிறப்பை கொண்டதை வடிகட்ட உதவுகின்றன. அவை ஒரு சிறப்பு தரவுத்தளத்தில் சேமிக்கப்படுகின்றன, மற்றும் பயனர்கள் எந்த embedding மodel ஐ பயன்படுத்த வேண்டும் என்பதை தேர்ந்தெடுக்கலாம்.

• Vector Database (Retrieval Mechanism): இந்த தரவுத்தளம் வலைத்தள உள்ளடக்கத்தின் embeddingsஐ சேமிக்கிறது. யாரோ ஒரு கேள்வி கேட்டால், NLWeb வேகமாக தொடர்புடைய தகவல்களை கண்டறிய இந்த வெக்டர் தரவுத்தளத்தை சரிபார்க்கிறது. இது சுருக்கமாக, ஒத்துபோகும் அடிப்படையில் சீர்திருத்தப்பட்ட பதில்களின் பட்டியலை வழங்குகிறது. NLWeb Qdrant, Snowflake, Milvus, Azure AI Search மற்றும் Elasticsearch போன்ற வெவ்வேறு வெக்டர் சேமிப்பு முறைகளுடன் செயல்படுகிறது.

NLWeb உதாரணம்

மீண்டும் நமது பயண முன்பதிவு வலைத்தளத்தை எடுத்துக்கொள்ளுங்கள், ஆனால் இந்த முறை அது NLWeb மூலம் இயக்கப்படுகிறது.

1. தரவு ஏற்றுதல்: பயண வலைத்தளத்தின் உள்ளடக்கமான தயாரிப்பு பட்டியல்கள் (உதாரணமாக விமான பட்டியல்கள், ஹோட்டல் விவரங்கள், சுற்றுலா பேக்கேஜ்கள்) Schema.org ஆக வடிவமைக்கப்படுகிறன அல்லது RSS ஃபீட்களால் ஏற்றப்படுகிறன. NLWeb கருவிகள் இந்த கட்டமைக்கப்பட்ட தரவுகளை ஏற்றி, embeddings உருவாக்கி அவற்றை உள்ளூர் அல்லது தொலைவிலுள்ள வெக்டர் தரவுத்தளத்தில் சேமிக்கின்றன.

2. இயல்பு மொழி கேள்வி (மனிதர்): ஒரு பயனர் தளத்திற்கு வந்து, மெனுக்களைத் திருடாமல் ஒரே உரையாடல் இடைமுகத்தில் குறிப்பிடுகிறார்: “அடுத்த வாரத்திற்கு கூ swimming க்கான புல் உடைய குடும்ப நட்பு ஹோட்டலை Honoluluவில் தேடு”.

3. NLWeb செயலாக்கம்: NLWeb பயன்பாடு இந்த கேள்வியை பெறுகிறது. இது கேள்வியை புரிந்துகொள்ள LLMக்கு அனுப்புகிறது மற்றும் அதே நேரத்தில் தொடர்புடைய ஹோட்டல் பட்டியல்களை காண்வதற்கு அதன் வெக்டர் தரவுத்தளத்தை தேடும்.

4. துல்லியமான முடிவுகள்: LLM தரவுத்தளத்திலிருந்து பெறப்பட்ட தேடல் முடிவுகளை விளக்க உதவுகிறது, “குடும்ப நட்பு”, “குளம்”, மற்றும் “Honolulu” ஆகிய அடிப்படையில் சிறந்த பொருத்தங்களை அடையாளம் காண்கிறான், பின்னர் இயல்பு மொழி பதிலாக வடிவமைக்கிறது. முக்கியமாக, பதில் அந்த வலைத்தளத்தின் பட்டியல்களில் இருந்து உண்மையான ஹோட்டல்களை குறிப்பிடுகிறது, உருவாக்கப்பட்ட தகவலை தவிர்க்கிறது.

5. AI ஏஜென்ட் தொடர்பு: NLWeb ஒரு MCP சர்வராக செயல்படுவதால், ஒரு வெளிப்புற AI பயண ஏஜென்டும் இந்த வலைத்தளத்தின் NLWeb இன்ஸ்டான்ஸுடன் இணைக்கலாம். அதன்பின் AI ஏஜென்ட் ask("Are there any vegan-friendly restaurants in the Honolulu area recommended by the hotel?") என்ற MCP முறைத்தை பயன்படுத்தி நேரடியாக தளத்தைக் கேட்கலாம். NLWeb இன்ஸ்டான்ஸ் இது செயலாக்கி, அதன் உணவகத் தகவல் தரவுத்தளத்தை (ஏற்றப்பட்டிருக்கின்) பயன்படுத்தி செயலாக்கி கட்டமைக்கப்பட்ட JSON பதிலை திரும்ப அனுப்பும்.

MCP/A2A/NLWeb பற்றி மேலும் கேள்விகள் உண்டா?

Microsoft Foundry Discord ஐ இணைந்துகொண்டு மற்ற கற்றுநர்களுடன் சந்திக்கவும், அலுவலக மணிநேரங்களில் கலந்துகொண்டு உங்கள் AI ஏஜென்ட் கேள்விகளுக்கு பதில்களைப் பெறவும்.

வளங்கள்

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

---

மறுப்பு: இந்த ஆவணம் AI மொழிபெயர்ப்பு சேவை Co-op Translator மூலம் மொழிபெயர்க்கப்பட்டது. நாங்கள் துல்லியத்திற்காக முயற்சி செய்தாலும், தானியங்கி மொழிபெயர்ப்புகளில் பிழைகள் அல்லது தவறான தகவல்கள் இருக்கக்கூடும். அசல் ஆவணம் அதன் சொந்த மொழியில் அதிகாரப்பூர்வ ஆதாரமாகக் கருதப்பட வேண்டும். முக்கியமான தகவல்களுக்கு, தொழில்முறை மனித மொழிபெயர்ப்பை பரிந்துரைக்கிறோம். இந்த மொழிபெயர்ப்பின் பயன்பாட்டினால் ஏற்படும் எந்தவொரு தவறான புரிதலும் அல்லது தவறான விளக்கங்களுக்கும் நாங்கள் பொறுப்பேற்க மாட்டோம்.

This site is open source. Improve this page.