ai-agents-for-beginners

ఏజెన్సిక్ ప్రోటోకాల్స్ (MCP, A2A మరియు NLWeb) ఉపయోగించడం

(ఈ పాఠం వీడియోని వీక్షించడానికి పై చిత్రాన్ని క్లిక్ చేయండి)

AI ఏజెంట్ల వాడకం పెరిగేదగ్గర protocols అవసరం కూడా పెరుగుతుంది, అవి ప్రమాణీకరణ, భద్రత, మరియు తెరవని కొరకు మద్దతు ఇవ్వడం కోసం ఉంటాయి. ఈ పాఠంలో, మేము 3 protocols గురించి చర్చిస్తాము - మోడల్ కాన్టెక్స్ట్ ప్రోటోకాల్ (MCP), ఏజెంట్ టు ఏజెంట్ (A2A) మరియు నాచురల్ లాంగ్వేజ్ వెబ్ (NLWeb).

పరిచయం

ఈ పాఠంలో మనం కవర్ చేయబోయేది:

• MCP AI ఏజెంట్లు బాహ్య టూల్స్ మరియు డేటాను యాక్సెస్ చేసి వినియోగదారు పనులను పూర్తి చేయడానికి ఎలా అనుమతిస్తుంది.

• A2A వివిధ AI ఏజెంట్ల మధ్య కమ్యూనికేషన్ మరియు సహకారాన్ని ఎలా సాధ్యమవుతుందో.

• NLWeb ఏదైనా వెబ్‌సైట్‌కి సహజ భాష ఇంటర్‌ఫేస్‌ని ఎలా అందిస్తుంది, AI ఏజెంట్లు కంటెంట్‌ను కనుగొని ఇంటరాక్ట్ అయ్యేందుకు వీలు కల్పించడం.

అభ్యాస లక్ష్యాలు

• AI ఏజెంట్ల సందర్భంలో MCP, A2A మరియు NLWeb యొక్క ప్రాథమిక ఉద్దేశ్యం మరియు లాభాలను ** గుర్తించడం ** .

• ప్రతి ప్రోటోకాల్ LLMs, టూల్స్ మరియు ఇతర ఏజెంట్ల మధ్య కమ్యూనికేషన్ మరియు ఇంటరాక్షన్ ఎలా సులభతరం చేస్తుందో ** వివరించడం ** .

• సంక్లిష్ట ఏజెన్సిక్ సిస్టమ్లను నిర్మించడంలో ప్రతి ప్రోటోకాల్ ప్రత్యేక పాత్రలను ** గుర్తించడం ** .

మోడల్ కాన్టెక్స్ట్ ప్రోటోకాల్

మోడల్ కాన్టెక్స్ట్ ప్రోటోకాల్ (MCP) అనేది ఓపెన్ స్టాండర్డ్, ఇది అప్లికేషన్స్ కి కాంటెక్స్ట్ మరియు టూల్స్ అందించడానికి ప్రమాణీకృత మార్గాన్ని అందిస్తుంది. ఇది “యూనివర్సల్ అడాప్టర్” లాగా పనిచేస్తుంది, వివిధ డేటా మూలాలు మరియు టూల్స్ కు AI ఏజెంట్లు స్థిరమైన విధానంలో కనెక్ట్ అవ్వగలుగుతాయి.

మనం MCP యొక్క భాగాలను, నేరుగా API వాడకం కంటే లాభాలను మరియు AI ఏజెంట్లు MCP సర్వర్ ఎలా ఉపయోగించగలరో ఒక ఉదాహరణను చూద్దాము.

MCP ప్రాథమిక భాగాలు

MCP క్లయింట్-సర్వర్ ఆర్కిటెక్చర్ పై పనిచేస్తుంది, ప్రాథమిక భాగాలు ఇవి:

• హోస్ట్‌లు LLM అప్లికేషన్లు (ఉదాహరణకు VSCode వంటి కోడ్ ఎడిటర్) అవి MCP సర్వర్ తో కనెక్షన్స్ ప్రారంభిస్తాయి.

• క్లయింట్లు హోస్ట్ అప్లికేషన్ లో భాగాలు, అవి సర్వర్ లతో ఒక-తొ-ఒక కనెక్షన్స్ నిర్వహిస్తాయి.

• సర్వర్స్ ఫంక్షన్ లను ఎక్స్‌పోజ్ చేసే లైట్‌వెయిట్ ప్రోగ్రాములు.

ప్రోటోకాల్ లో మూడు ప్రాథమిక అంశాలు ఉన్నాయి, అవి MCP సర్వర్ యొక్క సామర్థ్యాలు:

• టూల్స్: AI ఏజెంట్ పిలుచుకునే వేరు వేరు చర్యలు లేదా ఫంక్షన్లు. ఉదాహరణకు, వాతావరణ సేవ “పవర్ వాతావరణం పొందు” టూల్ ను అందించవచ్చు, లేదా ఈ-కామర్స్ సర్వర్ “ఉత్పత్తి కొనుగోలు” టూల్ ను ఎక్స్‌పోజ్ చేయవచ్చు. MCP సర్వర్స్ ప్రతి టూల్ యొక్క పేరు, వివరణ మరియు ఇన్‌పుట్/అవుట్పుట్ స్కీమాను వారి సామర్థ్యాల్లో ప్రకటన చేస్తాయి.

• వనరులు: చదవగలిగే డేటా అంశాలు లేదా డాక్యుమెంట్లు, MCP సర్వర్ అందించగలదు, క్లయింట్లు డిమాండ్ పై వాటిని తీసుకోవచ్చు. ఉదాహరణలు: ఫైల్ కంటెంట్లు, డేటాబేస్ రికార్డులు, లాగ్ ఫైల్స్. వనరులు టెక్స్ట్ (కోడ్ లేదా JSON లాంటి) లేదా ద్విమాసిక (చిత్రాలు లేదా PDF లాంటి) కావచ్చు.

• ప్రాంప్ట్స్: ముందుగా నిర్వచించబడిన టెంప్లేట్లు, జటిల వర్క్‌ఫ్లోలకు సూచించే ప్రాంప్ట్‌లను అందిస్తాయి.

MCP లాభాలు

MCP AI ఏజెంట్లకు ముఖ్యమైన ప్రయోజనాలను అందిస్తుంది:

• డైనమిక్ టూల్ కనుగొనడం: ఏజెంట్లు సర్వర్ నుండి సులభంగా అందుబాటులో ఉన్న టూల్స్ మరియు వాటి వివరణను పొందగలుగుతాయి. ఇది పాత API లతో విరుద్ధంగా ఉంటుంది, ఎందుకంటే సాధారణ APIs లో అంతరికేషణల కోడ్ ను స్థిరంగా రాయాలి, ఆ API లో మార్పులైతే కోడ్ నవీకరణ తప్పదు. MCP అందిస్తుంది “ఒక్కసారి ఇంటిగ్రేట్ చేయడం”, ఇది మెరుగైన అనువర్తనాన్ని ఇస్తుంది.

• విభిన్న LLMs మధ్య ఇంటర్‌ఒపరబిలిటీ: MCP వివిధ LLMs తో పని చేస్తుంది, మెరుగైన పనితీరుకు వివిధ మోడల్స్ కు మారడానికి శక్తి ఇస్తుంది.

• ప్రామాణీకరణ ప్రమాణీకృతం: MCP ఒక ప్రమాణీకృత ధృవీకరణ పద్ధతిని కలిగి ఉంది, అదనపు MCP సర్వర్‌లకు ఆక్సెస్ జోడించేటప్పుడు స్కేలబిలిటి మెరుగుపడుతుంది. ఇది భిన్న API లకు భిన్న కీలు మరియు ధృవీకరణ రకాలను నిర్వహించడం కంటే సులభం.

MCP ఉదాహరణ

ఒక యూజర్ MCP శక్తివంతమైన AI అసిస్టెంట్ తో విమానం బుక్ చేయాలని అనుకుంటున్నట్టు ఊహించుకోండి.

1. కనెక్షన్: AI అసిస్టెంట్ (MCP క్లయింట్) విమాన సంస్థ ఆఫర్ చేసిన MCP సర్వర్ తో కనెక్ట్ అవుతుంది.

2. టూల్ కనుగొనడం: క్లయింట్ విమాన సంస్థ MCP సర్వర్ కి అడగుతుంది - “మీ దగ్గర ఏ టూల్స్ ఉన్నాయి?” సర్వర్ “ఫ్లైట్స్ వెతకడం”, “ఫ్లైట్స్ బుక్ చేయడం” వంటి టూల్స్ ను అందిస్తుంది.

3. టూల్ కాల్: మీరు AI అసిస్టెంట్ ని అడుగుతారు, “దయచేసి పోర్ట్‌లాండ్ నుండి హోనోలూలుకి ఒక విమానం వెతకండి.” AI అసిస్టెంట్ తన LLM ద్వారా “ఫ్లైట్స్ వెతకడం” టూల్ పిలవాల్సిన అవసరం గుర్తించి సంబంధిత పరామితులు (మూల, గమ్యం) MCP సర్వర్ కి పంపిస్తుంది.

4. నిర్వహణ మరియు ప్రతిస్పందన: MCP సర్వర్ ర్యాపర్ రూపంలో ఉంటుంది, ఇది విమాన సంస్థ అంతర్గత బుకింగ్ APIకి కాల్ చేస్తుంది. ఆపై విమాన సమాచారం (ఉదా: JSON డేటా) తీసుకుని AI అసిస్టెంట్ కి తిరిగి పంపుతుంది.

5. మరింత ఇంటరాక్షన్: AI అసిస్టెంట్ విమాన అవకాశాలు చూపిస్తుంది. మీరు ఒక విమానం ఎంచుకున్నాక, అసిస్టెంట్ అదే MCP సర్వర్ లో “ఫ్లైట్ బుక్” టూల్ ను పిలవవచ్చు, బుకింగ్ పూర్తి చేయడానికి.

ఏజెంట్-టు-ఏజెంట్ ప్రోటోకాల్ (A2A)

MCP LLMs తో టూల్స్‌ను కనెక్ట్ చేయడంపై దృష్టి పెడుతుంది, అయితే ఏజెంట్-టు-ఏజెంట్ (A2A) ప్రోటోకాల్ ఒక దశపైకి తీసుకుని వెళ్ళి వేర్వేరు AI ఏజెంట్ల మధ్య కమ్యూనికేషన్ మరియు సహకారాన్ని సాధ్యం చేస్తుంది. A2A వేర్వేరు సంస్థలు, వాతావరణాలు, టెక్ స్టాక్ ల మధ్య AI ఏజెంట్లను కలుపుతుంది, సామూహిక పని పూర్తి చేసేందుకు.

మనం A2A భాగాలు, లాభాలు మరియు మన ట్రావెల్ అప్లికేషన్ లో దాన్ని ఎలా అమలు చేయవచ్చో చూసుకుంటాం.

A2A ప్రాథమిక భాగాలు

A2A ఏజెంట్ల మధ్య కమ్యూనికేషన్ మరియు వినియోగదారు ఉపపని పూర్తి చేయడానికి వారు కలిసి పని చేయడం పై దృష్టి పెడుతుంది. ప్రోటోకాల్ ప్రతి భాగం దీనికి సహకరిస్తుంది:

Agent Card

MCP సర్వర్ ఎలా టూల్స్ జాబితాను పంచుకుంటే అలా Agent Card లో:

• ఏజెంట్ పేరు.
• అది పూర్తి చేసే సార్వత్రిక పనుల వివరణ.
• ఇతర ఏజెంట్లు (లేదా మానవ వినియోగదారులు) ఎప్పుడు, ఎందుకు ఆ ఏజెంట్ ను పిలవాలనే విషయంలో సహాయం చేసే ప్రత్యేక నెర్పుల జాబితా వివరణతో.
• ఏజెంట్ యొక్క ప్రస్తుత ఎండ్‌పాయింట్ URL
• ఏజెంట్ యొక్క సంచిక మరియు సామర్థ్యాలు (స్ట్రీమింగ్ రెస్పాన్స్‌లు, పుష్ నోటిఫికేషన్లు వంటి).

Agent Executor

Agent Executor వాడుకరి చాట్ సందర్భాన్ని రిమోట్ ఏజెంట్‌కు చేరవేస్తుంది, రిమోట్ ఏజెంట్ ఈ పని పూర్తి చేసేందుకు సమాజాన్ని అర్థం చేసుకోవాలి. A2A సర్వర్‌లో ఏజెంట్ తన స్వంత LLM తో ఆ రిక్వెస్ట్‌లు పరిష్కరిస్తూ స్వంత టూల్స్ ఉపయోగించుకుంటుంది.

Artifact

రిమోట్ ఏజెంట్ పని పూర్తి చేసిన తరువాత, దాని ఫలితాన్ని artifact గా సృష్టిస్తారు. ఆ artifact ఏజెంట్ పనితో వచ్చిన ఫలితం, పూర్తయిన కార్య వివరణ, మరియు ప్రోటోకాల్ ద్వారా పంపబడిన టెక్స్ట్ కాంటెక్స్ట్ కలిగి ఉంటుంది. artifact పంపిన వెంటనే రిమోట్ ఏజెంట్ తో కనెక్షన్ మూసివేస్తారు అది అవసరం పడేవరకు.

Event Queue

అప్‌డేట్స్ మరియు సందేశాలు పంపటానికి ఉపయోగించే భాగం. ఏజెన్సిక్ సిస్టమ్స్ లోని ప్రొడక్షన్ లో ఇది ప్రత్యేకంగా ముఖ్యం, ఎందుకంటే పని పూర్తి కాకముందు ఏజెంట్ల మధ్య కనెక్షన్ మూసివేయకుండా ఉండేటట్లు ఇది సహాయపడుతుంది, ముఖ్యంగా పన్ను పూర్తిచేసేవరకు ఎక్కువసేపు పట్టే సందర్భాలలో.

A2A లాభాలు

• వృద్ధి చెందిన సహకారం: వేర్వేరు వాటాదారుల మరియు ప్లాట్‌ఫారమ్‌ల ఏజెంట్లు పరస్పరం సంభాషించడానికి, కాంటెక్స్ట్ పంచుకోవడానికి, కలిసి పని చేయడానికి వీలు కల్పిస్తుంది, ఇది సంప్రదాయంగా అనుసంధానం కాని వ్యవస్థలలో సజావుగా ఆటోమేషన్ సాధిస్తుంది.

• మోడల్ ఎంపిక సౌలభ్యం: ప్రతి A2A ఏజెంట్ తన అభ్యర్థనలను సేవా చేయడానికి ఏ LLM ఉపయోగించాలో నిర్ణయించుకోవచ్చు, అందువల్ల ప్రతి ఏజెంట్ కు ఆప్టిమైజ్ చేసిన లేదా ఫైన్-ట్యూన్ చేసిన మోడల్స్ ఉండొచ్చు, MCP కొంత సందర్భాల్లో ఉన్న ఒకే LLM కనెక్షన్ కంటే భిన్నంగా.

• ఎంబెడెడ్ ఆథెంటికేషన్: ధృవీకరణ A2A ప్రోటోకాల్ లో నేర్చి ఉంటుంది, ఏజెంట్ చర్యలకు బలమైన భద్రత రూపకల్పనను అందిస్తుంది.

A2A ఉదాహరణ

మన ట్రావెల్ బుకింగ్ సన్నివేశాన్ని విస్తరిద్దాం, కానీ ఈ సారి A2A ఉపయోగిస్తూ.

1. యూజర్ అభ్యర్థన Multi-Agent కు: యూజర్ “ట్రావెల్ ఏజెంట్” A2A క్లయింట్/ఏజెంట్ తో మాట్లాడుతూ, “దయచేసి వచ్చే వారం హోనోలూలుకి పూర్తి యాత్ర బుక్ చేయండి, ఫ్లైట్స్, హోటల్, మరియు రెంటల్ కార్ తో” అని అడుగుతాడు.

2. ట్రావెల్ ఏజెంట్ ఆంక్షన: ట్రావెల్ ఏజెంట్ ఈ క్లిష్ట అభ్యర్థన అందుకుంటుంది. అనుభవంపై తన LLM ఉపయోగించి పనిని వివిధ ప్రత్యేక ఏజెంట్లతో కమ్యూనికేట్ చేయాలని నిర్ణయిస్తుంది.

3. ఏజెంట్ మధ్య కమ్యూనికేషన్: ట్రావెల్ ఏజెంట్ A2A ప్రోటోకాల్ ఉపయోగించి “ఎయిర్‌లైన్ ఎజెంట్”, “హోటల్ ఏజెంట్”, “కార్ రెంటల్ ఏజెంట్” లాంటివి వేర్వేరు సంస్థల వున్న ఏజెంట్లకు కనెక్ట్ అవుతుంది.

4. పనుల పంపిణీ: ట్రావెల్ ఏజెంట్ ఈ ప్రత్యేక ఏజెంట్లకు నిర్దిష్ట పనులు పంపుతుంది (ఉదా: “హోనోలూలుకి ఫ్లైట్స్ వెతకండి”, “హోటల్ బుక్ చేయండి”, “కార్ రెంటల్ చేయండి”). ప్రతి ఏజెంట్ తన LLM తో వారి స్వంత టూల్స్ ఉపయోగించి పPembroke ఎంచుకోవడం చేస్తుంది (ఆ టూల్స్ ఆ MCP సర్వర్ లు కావచ్చు).

5. సంయుక్త ప్రతిస్పందన: అన్ని ఏజెంట్లు వారి పనులు పూర్తి చేసిన తర్వాత ట్రావెల్ ఏజెంట్ ఫలితాలను (ఫ్లైట్ వివరాలు, హోటల్ ధృవీకరణ, కార్ బుకింగ్) సమీకరించి, చాట్-శైలిలో వినియోగదారుకు పంపిస్తుంది.

నాచురల్ లాంగ్వేజ్ వెబ్ (NLWeb)

ఇంటర్నెట్ అంతటా సమాచారం మరియు డేటా యాక్సెస్ చేయడానికి వెబ్‌సైట్లు దీర్ఘకాలంగా ప్రధాన మార్గంగా ఉన్నాయి.

మనం NLWeb యొక్క వివిధ భాగాలు, NLWeb లాభాలు మరియు మన ట్రావెల్ అప్లికేషన్ ద్వారా NLWeb ఎలా పనిచేస్తుందో చూద్దాము.

NLWeb భాగాలు

• NLWeb అప్లికేషన్ (కోర్ సర్వీస్ కోడ్): సహజ భాష ప్రశ్నలను ప్రాసెస్ చేసే సిస్టమ్. ఇది ప్లాట్‌ఫాం భాగాలను కలుపుతూ ప్రతిస్పందనలు సృష్టిస్తుంది. దీనిని వెబ్‌సైట్ సహజ భాష లక్షణాలకు శక్తి నిస్తే ఇంజిన్ అని భావించవచ్చు.

• NLWeb ప్రోటోకాల్: వెబ్‌సైట్‌తో సహజ భాషా ఇంటరాక్షన్ కోసం ఆధారమైన నియమాల సమితి. ఇది ప్రతిస్పందనలను జేసన్ ఫార్మాట్ (చాలానే Schema.org ఉపయోగించి) పంపుతుంది. దీని ఉద్దేశ్యం “AI వెబ్” కోసం సులభమైన స్థాపన సృష్టించడం, HTML పత్రాలను ఆన్లైన్ పంచుకోవడానికి సాధ్యమైన దానికి సమానంగా.

• MCP సర్వర్ (మోడల్ కాన్టెక్స్ట్ ప్రోటోకాల్ ఎండ్‌పాయింట్): ప్రతి NLWeb సెటప్ కూడా MCP సర్వర్‌లా పని చేస్తుంది. ఇది ఇతర AI సిస్టమ్ లతో “ask” పద్ధతిలా టూల్స్ మరియు డేటాను పంచుకోవచ్చు. వాస్తవికతలో, వెబ్‌సైట్ కంటెంట్ మరియు సామర్ధ్యాలను AI ఏజెంట్లు ఉపయోగించగలవు, తద్వారా సైట్ కంటెంట్ పెద్ద “ఏజెంట్ ఎకోసిస్టమ్” భాగంగా మారుతుంది.

• ఎంబెడ్డింగ్ మోడల్స్: ఇవి వెబ్‌సైట్ కంటెంట్ ను సంఖ్యాత్మక ప్రాతినిధ్యాలు (వెక్టార్లు/ఎంబెడ్డింగ్స్) గా మార్చడానికి ఉపయోగిస్తారు. ఈ వర్క్ కంప్యూటర్లు సరిపోల్చుకుని శోధించగల విధంగా అర్థం గ్రహిస్తుంది. ఇవి ప్రత్యేక డేటాబేస్ లో నిల్వ చేయబడతాయి, మరియు వినియోగదారులు ఏ ఎంబెడ్డింగ్ మోడల్ వాడాలో ఎంచుకోగలరు.

• వెక్టర్ డేటాబేస్ (రిట్రీవల్ మెకానిజం): ఈ డేటాబేస్ వెబ్‌సైట్ కంటెంట్ యొక్క ఎంబెడ్డింగ్స్ నిల్వ చేస్తుంది. ఎవరో ప్రశ్న అడిగితే, NLWeb వెక్టర్ డేటాబేస్ చూసి అత్యంత సంబంధిత సమాచారాన్ని త్వరగా కనుగొంటుంది. ఇది సరిపోయే జవాబుల జాబితా ఇస్తుంది, సమానత్వం ఆధారంగా ర్యాంకు చేస్తూ. NLWeb వివిధ వెక్టర్ స్టోరేజ్ సిస్టమ్‌లతో పనిచేస్తుంది, ఉదా: Qdrant, Snowflake, Milvus, Azure AI Search, Elasticsearch.

NLWeb ఉదాహరణతో

మళ్ళీ మన ట్రావెల్ బుకింగ్ వెబ్‌సైట్ ను అనుకుందాం, కానీ ఈ సారి అది NLWeb తో పటిష్టం అయింది.

1. డేటా ఎగ్జిస్టెన్స్: ట్రావెల్ వెబ్‌సైట్ ఉత్పత్తి క్యాటలాగ్లు (ఉదా: ఫ్లైట్ లిస్టింగ్లు, హోటల్ వివరణలు, టూర్ ప్యాకేజెస్) Schema.org కాకుండా RSS ఫీడ్స్ ద్వారా ఆకృతీకరించబడతాయి. NLWeb టూల్స్ ఈ నిర్మిత డేటాను గ్రహించి ఎంబెడ్డింగ్స్ సృష్టించి స్థానిక లేక దూర వెక్టర్ డేటాబేస్ లో నిల్వ చేస్తాయి.

2. సహజ భాషా ప్రశ్న (మానవుడు): వినియోగదారుడు వెబ్‌సైట్ సందర్శించి, మెనూలను నావిగేట్ చేయకుండా, చాట్ ఇంటర్‌ఫేస్‌లో “తర్వాతి వారం హోనోలూలులో ఈత కొలదగిన పారिवारిక హోటల్ కనబడదు” అని టైప్ చేస్తాడు.

3. NLWeb ప్రాసెసింగ్: NLWeb అప్లికేషన్ ఈ ప్రశ్నను అందుకుంటుంది. అది దాన్ని అర్థం చేసుకోవడానికి LLM కి పంపిస్తుంది మరియు అదే సమయంలో వెక్టర్ డేటాబేస్ లో సరిపోయే హోటల్ లిస్టింగ్స్ కోసం శోధిస్తుంది.

4. ఖచ్చితమైన ఫలితాలు: LLM డేటాబేస్ నుండి సెర్చ్ ఫలితాలను అనుసంధానించి, “పారिवारిక స్నేహితులైనది”, “పూల్”, మరియు “హోనోలూలు” ప్రమాణాల ఆధారంగా ఉత్తమ మ్యాచ్‌లను గుర్తించి సహజ భాషలో ప్రతిస్పందనను కేటాయిస్తుంది. ముఖ్యంగా, ప్రతిస్పందన వెబ్‌సైట్ క్యాటలాగ్ నుంచి వాస్తవ హోటల్స్ కు సూచిస్తుంది, కల్పిత సమాచారం ఇవ్వకుండా.

5. AI ఏజెంట్ ఇంటరాక్షన్: NLWeb MCP సర్వర్ గా పని చేస్తున్నందున, బాహ్య AI ట్రావెల్ ఏజెంట్ కూడా ఈ వెబ్‌సైట్ NLWeb ఇన్‌స్టాన్స్ ని కనెక్ట్ అవ్వగలదు. ఆ AI ఏజెంట్ ask MCP పద్ధతి ద్వారా వెబ్‌సైట్‌ను నేరుగా ప్రశ్నించవచ్చు: ask("హోనోలూలు పరిధిలో ఉన్న వెగన్-ఫ్రెండ్లీ రెస్టారెంట్లు హోటల్ ద్వారా సూచించబడ్డాయా?"). NLWeb ఇన్‌స్టాన్స్ దీనిని ప్రాసెస్ చేసి, రెస్టారెంట్ల సమాచార డేటాబేస్ (ఉంచాడిని ఉన్నట్లయితే) ఉపయోగించి సర్చ్ చేసి నిర్మిత JSON ప్రతిస్పందన ఇస్తుంది.

MCP/A2A/NLWeb గురించి ఇంకా ప్రశ్నలు ఉన్నాయని?

మరి తెలుసుకోవడానికి Microsoft Foundry Discord లో చేరండి. ఇతర అభ్యాసకులతో కలవండి, ఆఫీసు గంటలకు హాజరయ్యండి మరియు మీ AI ఏజెంట్ల ప్రశ్నలకు జవాబులు పొందండి.

వనరులు

• MCP కోసం బిగినర్స్‌
• MCP డాక్యుమెంటేషన్
• NLWeb రిపో
• Microsoft Agent Framework

మునుపటి పాఠం

ప్రొడక్షన్ లో AI ఏజెంట్లు

తదుపరి పాఠం

AI ఏజెంట్ల కోసం కంటెక్స్ట్ ఇంజనీరింగ్

---

అస్వీకరణ: ఈ పత్రం AI అనువాద సేవ Co-op Translator ఉపయోగించి అనువదించబడింది. మేము ఖచ్చితత్వానికి ప్రయత్నిస్తున్నప్పటికీ, ఆటోమేటెడ్ అనువాదాలు తప్పులు లేదా అసమగ్రతలను కలిగి ఉండవచ్చు. దాని స్వదేశ భాషలో ఉన్న అసలు పత్రాన్ని అధికారం కలిగిన మూలంగా పరిగణించాలి. కీలకమైన సమాచారం కోసం, ప్రొఫెషనల్ మానవ అనువాదాన్ని సిఫారసు చేస్తాము. ఈ అనువాదం ఉపయోగం వల్ల కలిగే ఏవైనా అపార్థాలు లేదా తప్పుదారులు కోసం మేము బాధ్యత వహించము.

This site is open source. Improve this page.