ai-agents-for-beginners

ఏజెంటిక్ ప్రోటోకాళ్లను ఉపయోగించడం (MCP, A2A మరియు NLWeb)

(ఈ పాఠం వీడియోను వీక్షించడానికి పై చిత్రాన్ని క్లిక్ చేయండి)

AI ఏజెంట్ల ఉపయోగం పెరుగుతున్నందున, ప్రోటోకాళ్లు ప్రమాణీకరణ, భద్రతా మరియు ఓపెన్ వినూత్నతకు మద్దతును నిర్ధారించడానికి అవసరం. ఈ పాఠంలో, మేము ఈ అవసరాన్ని తీర్చడానికి మూడు ప్రోటోకాళ్లను - మోడల్ కాన్టెక్స్ట్ ప్రోటోకాల్ (MCP), ఏజెంట్ టు ఏజెంట్ (A2A) మరియు నేచురల్ లాంగ్వేజ్ వెబ్ (NLWeb) గురించి చర్చించబోతున్నాము.

పరిచయం

ఈ పాఠంలో మేము:

• MCP ఎలా AI ఏజెంట్లు బాహ్య సాధనాలు మరియు డేటాను యూజర్ పనులను పూర్తి చేయడానికి యాక్సెస్ చేయడానికి అనుమతిస్తుందో.

• A2A ఎలా వివిధ AI ఏజెంట్ల మధ్య కమ్యూనికేషన్ మరియు సహకారాన్ని సులభతరం చేస్తుందో.

• NLWeb ఎలా ఏ వెబ్‌సైట్‌కు సహజ భాషా ఇంటర్‌ఫేస్‌లను తీసుకువస్తుంది, దీనివల్ల AI ఏజెంట్లు కంటెంట్‌ను కనుగొన చేరుకునేలా చేస్తుంది.

నేర్చుకునే లక్ష్యాలు

• AI ఏజెంట్ల సందర్భంలో MCP, A2A, మరియు NLWeb యొక్క ప్రధాన ప్రయోజనాలు మరియు ఉద్దేశాన్ని గుర్తించండి.

• ప్రతి ప్రోటోకాల్ LLMs, సాధనాలు మరియు ఇతర ఏజెంట్ల మధ్య కమ్యూనికేషన్ మరియు ఇంటరాక్షన్ ఎలా సులభతరం చేస్తుందో వివరిస్తుంది.

• సంక్లిష్ట ఏజెంటిక్ వ్యవస్థలను నిర్మించడంలో ప్రతి ప్రోటోకాల్ పోషించే ప్రత్యేక పాత్రలను గుర్తించండి.

మోడల్ కాన్టెక్స్ట్ ప్రోటోకాల్

మోడల్ కాన్టెక్స్ట్ ప్రోటోకాల్ (MCP) అనేది ఒక ఓపెన్ స్టాండర్డ్, ఇది అప్లికేషన్లకు LLMsకి సందర్భం మరియు సాధనాలను అందించడానికి ప్రమాణీకృత విధానాన్ని అందిస్తుంది. ఇది బహుళ డేటా మూలాలు మరియు సాధనాలకు AI ఏజెంట్లు సुसంగతమైన విధానంలో కనెక్ట్ అయ్యే “యునివ Bersల్ అడాప్టర్” గా పనిచేస్తుంది.

MCP యొక్క భాగాలు, నేరుగా API ఉపయోగం తో పోల్చిన ప్రయోజనాలు, మరియు AI ఏజెంట్లు ఎలా MCP సర్వర్‌ను ఉపయోగించి ఉండవచ్చో ఉదాహరణను చూద్దాం.

MCP ముఖ్య భాగాలు

MCP ఒక క్లయింట్-సర్వర్ ఆర్చిటెక్చర్ పై ఆధారపడి పనిచేస్తుంది, ముఖ్య భాగాలు ఇవి:

• హోస్ట్లు అనేవి LLM అప్లికేషన్లు (ఉదాహరణకు VSCode వంటి కోడ్ ఎడిటర్) అవి MCP సర్వర్ కి కనెక్షన్లు ప్రారంభిస్తాయి.

• క్లయింట్లు అనేవి హోస్ట్ అప్లికేషన్లలో భాగాలు, ఇవి సర్వర్లతో ఒకటి-కి-ఒకటి కనెక్షన్లు నిర్వహిస్తాయి.

• సర్వర్లు అనేవి ప్రత్యేక సామర్థ్యాలను ప్రదర్శించే తేలికైన ప్రోగ్రామ్‌లు.

ప్రోటోకాల్‌లో మూడు ప్రాథమిక భాగాలు ఉన్నాయి, అవి MCP సర్వర్ యొక్క సామర్థ్యాలు:

• సాధనాలు (Tools): ఇవి AI ఏజెంట్ ఒక చర్యను అనుసరించడానికి పిలవగల ప్రత్యేక చర్యలు లేదా ఫంక్షన్లు. ఉదాహరణకు, వాతావరణ సేవ ఒక “get weather” సాధనను లేదా ఒక ఈ-కామర్స్ సర్వర్ “purchase product” సాధనను అందించవచ్చు. MCP సర్వర్లు ప్రతీ సాధనం పేరు, వివరణ, మరియు ఇన్‌పుట్/ఆుట్పుట్ స్కీమాను తమ సామర్థ్యాల జాబితాలో సూచిస్తాయి.

• వనరులు (Resources): ఇవి చదవగలిగే డేటా అంశాలు లేదా డాక్యుమెంట్లు, MCP సర్వర్ అందించగలదు, మరియు క్లయింట్లు వాటిని డిమాండ్ మేరకు పొందగలరు. ఉదాహరణలు ఫైల్ కంటెంట్, డేటాబేస్ రికార్డులు లేదా లాగ్ ఫైల్‌లు. వనరులు టెక్స్ట్ (కోడ్ లేదా JSON) లేదా బైనరీ (చిత్రాలు లేదా PDFs) కావచ్చు.

• ప్రాంప్ట్‌లు (Prompts): ఇవి ముందే నిర్వచించిన టెంప్లేట్లు, సందేశ సూచనలను అందించి, క్లిష్టమైన వర్క్‌ఫ్లోలను సులభతరం చేస్తాయి.

MCP ప్రయోజనాలు

MCP AI ఏజెంట్లకు గొప్ప ప్రయోజనాలను అందిస్తుంది:

• డైనమిక్ సాధనావళి కనుగొనడం: ఏజెంట్లు సర్వర్ నుండి అందుబాటులో ఉన్న సాధనాల జాబితాను, వాటి వివరణలతో పాటు డైనమిక్‌గా పొందగలరు. ఇది సంప్రదాయక APIలతో పోల్చితే భిన్నం, అవి సమగ్రీకరణకై యథాస్థిత కేటాయింపు అవసరం, ఏదైనా API మార్పుతో కోడ్ అప్‌డేట్ చేయాలి. MCP “ఒకసారిగా సమగ్రీకరించు” విధానం అందిస్తుంది, ఎక్కువ అనుకూలతతో.

• LLMs మధ్య పరస్పర కార్యకలాపంతో: MCP వివిధ LLMs మధ్య పనిచేస్తుంది, ఉత్తమ పనితీరు కోసం మెయిన్ మోడల్ను మార్చుకునే సౌలభ్యం ఇస్తుంది.

• ప్రామాణీకరణ ప్రమాణీకృతత: MCP ఒక ప్రామాణీకరణ విధానాన్ని కలిగి ఉంటుంది, అదనపు MCP సర్వర్ల యాక్సెస్ కల్పించేటప్పుడు స్కేలబిలిటీని మెరుగుపరుస్తుంది. ఇది వివిధ సంప్రదాయ APIల కోసం భిన్న కీలు మరియు భద్రతా రకాల నిర్వహణ కంటే సులభం.

MCP ఉదాహరణ

ఒక యూజర్ MCP శక్తివంతమైన AI సహాయకుడితో విమాన ప్రయాణాన్ని బుక్ చేసుకోవాలనుకుంటున్నట్టు ఊహించండి.

1. కనెక్షన్: AI సహాయకుడు (MCP క్లయింట్) విమాన సంస్థ అందించిన MCP సర్వర్‌కు కనెక్ట్ అవుతుంది.

2. సాధన కనుగొనడం: క్లయింట్ విమాన సంస్థ MCP సర్వర్‌ను అడుగుతుంది, “మీ దగ్గర ఎలాంటి సాధనాలు ఉన్నాయి?” సర్వర్ “search flights” మరియు “book flights” వంటి సాధనాలతో సమాధానం ఇస్తుంది.

3. సాధన పిలుపు: మీరు ఆ తర్వాత AI సహాయకుడికి అంటారు, “పోర్ట్‌లాండ్ నుంచి హోనోలూలుకు ఒక ఫ్లైట్ కోసం వెతకండి.” AI సహాయకుడు తన LLM ద్వారా “search flights” సాధనను పిలవాల్సిన అవసరాన్ని గుర్తించి, సంబంధిత పారామీటర్లను (ప్రారంభం, గమ్యం) MCP సర్వర్‌కు పంపుతుంది.

4. నిర్వహణ మరియు ప్రతిస్పందన: MCP సర్వర్, ఒక రాపర్‌గా పనిచేస్తూ, విమాన సంస్థ అంతర్గత బుకింగ్ API కు అసలు కాల్ చేస్తుంది. తర్వాత ఫ్లైట్ సమాచారాన్ని (ఉదా: JSON డేటా) పొందిన తర్వాత AI సహాయకుడికి తిరిగి పంపిస్తుంది.

5. ఇంకా ఇంటరాక్షన్: AI సహాయకుడు ఫ్లైట్ ఎంపికలను చూపిస్తుంది. మీరు ఒక ఫ్లైట్ ఎంచుకున్న తర్వాత, సహాయకుడు అదే MCP సర్వర్‌పై “book flight” సాధనాన్ని పిలవచ్చు, బుకింగ్‌ను పూర్తి చేస్తుంది.

ఏజెంట్-టు-ఏజెంట్ ప్రోటోకాల్ (A2A)

MCP వెర్షన్లను టూల్స్‌కు కనెక్ట్ చేయడానికి దృష్టి పెట్టినప్పటికీ, ఏజెంట్-టు-ఏజెంట్ (A2A) ప్రోటోకాల్ ఒక మెట్టు ముందుకు తీసుకుపోతుంది, వివిధ AI ఏజెంట్ల మధ్య కమ్యూనికేషన్ మరియు సహకారాన్ని సాధ్యమయ్యేలా చేస్తుంది. A2A దారితీస్తుంది AI ఏజెంట్లను వివిధ సంస్థలు, వాతావరణాలు, మరియు సాంకేతిక స్టాక్స్ ద్వారా కనెక్ట్ చేసి ఒక సహకార పని పూర్తి చేయడానికి.

మేము A2A భాగాలు, ప్రయోజనాలు మరియు మాకు ట్రావెల్ అప్లికేషన్‌లో ఎలా ఉపయోగించవచ్చో ఒక ఉదాహరణను పరిశీలిస్తాము.

A2A ముఖ్య భాగాలు

A2A యూజర్ ఉపపనిత పనిని పూర్తి చేయడానికి ఏజెంట్లతో కమ్యూనికేషన్ మరియు కలిసి పనిచేయడం పై దృష్టి పెట్టింది. ప్రోటోకాల్‌లో ప్రతీ భాగం దీనికి సహకరిస్తుంది:

ఏజెంట్ కార్డ్

MCP సర్వర్ సాధనాల జాబితా పంచుకునే విధానంతో పోలిస్తే, ఏజెంట్ కార్డ్ లో:

• ఏజెంట్ పేరు.
• దాని సాధారణ పనుల వివరణ.
• ఇతర ఏజెంట్లు (లేదా మానవ యూజర్లు) ఎప్పుడు మరియు ఎందుకు ఆ ఏజెంట్‌ను పిలవాలని అర్థం చేసుకోవటానికి సహాయపడే ప్రత్యేక నైపుణ్యాల జాబితా వివరణలతో.
• ఏజెంట్ యొక్క ప్రస్తుత ఎండ్‌పాయింట్ URL.
• స్ట్రీమింగ్ ప్రతిస్పందనలు మరియు పుష్ నోటిఫికేషన్లు వంటి ఏజెంట్ యొక్క వర్షన్ మరియు సామర్థ్యాలు.

ఏజెంట్ ఎగ్జిక్యూటర్

ఏజెంట్ ఎగ్జిక్యూటర్ యూజర్ చాట్ సందర్భాన్ని రిమోట్ ఏజెంట్‌కు అందజేయడానికి బాధ్యత వహిస్తుంది, రిమోట్ ఏజెంట్ ఇది పూర్తి చేయాల్సిన పనిని అర్థం చేసుకోవాలి. A2A సర్వర్ లో, ఏజెంట్ తానే తన LLM ఉపయోగించి రిక్వెస్టులను విశ్లేషించి, తన అంతర్గత సాధనాలతో పనులను అమలు చేస్తుంది.

ఆర్టిఫాక్ట్

రిమోట్ ఏజెంట్ అవసరమైన పని పూర్తి చేసినపుడు, దాని ప‌ని ఉత్పత్తి ఒక ఆర్టిఫాక్ట్ గా తయారవుతుంది. ఆ ఆర్టిఫాక్ట్ ఏజెంట్ పనిఫలాన్ని ఉంచుతుంది, ఎటువంటి పని చేశారో వివరిస్తుంది, మరియు ప్రోటోకాల్ ద్వారా పంపబడే పాఠ్య సందర్భం కలిగి ఉంటుంది. ఆర్టిఫాక్ట్ పంపించి తర్వాత, రిమోట్ ఏజెంట్ తో కనెక్షన్ మూసివేయబడుతుంది, అవసరం అయినప్పుడు తిరిగి తెరవబడుతుంది.

ఈవెంట్ క్యూ

ఈ భాగం అప్‌డేట్లు మరియు సందేశాలను నిర్వర్తించడానికి ఉపయోగపడుతుంది. ఇది ప్రొడక్షన్ లో ఏజెంటిక్ వ్యవస్థల కోసం ముఖ్యమైనది, ఎందుకంటే పనులు పూర్తి కాకమునుపు ఏజెంట్ల మధ్య కనెక్షన్ మూసివేయబడకుండా ఉండాలి, ముఖ్యంగా పనులు ఎక్కువ సమయం తీసుకునేటప్పుడు.

A2A ప్రయోజనాలు

• బలమైన సహకారం: ఇది వివిధ వేదికలు మరియు విక్రేతల ఏజెంట్లు పరస్పరం ఇంటరాక్ట్ అయ్యేందుకు, సందర్భం పంచుకోవటానికి, కలిసి పనిచేయడానికి వీలు కల్పిస్తుంది, దివ్యంగా ఆటోమేషన్ ని సాధ్యం చేస్తుంది.

• మోడల్ ఎంపిక స్వేచ్ఛ: ప్రతి A2A ఏజెంట్ తన అభ్యర్థనలు సేవ్ చేయడానికి ఏ LLM వాడాలో నిర్ణయించుకోవచ్చు, మెరుగైన లేదా ప్రత్యేక మోడల్స్ వాడుకోవచ్చు, MCP కొన్ని సందర్భాలలో ఉన్న ఒకే LLM కనెక్షన్ కు భిన్నంగా.

• అంతర్గత ఆథెంటికేషన్: ధృవీకరణను ప్రత్యక్షంగా A2A ప్రోటోకాల్ లోకి చేర్చారు, ఏజెంట్ ల ఇంటరాక్షన్లకు బలమైన భద్రతా పునాది అందిస్తుంది.

A2A ఉదాహరణ

మన ట్రావెల్ బుకింగ్ సన్నివేశాన్ని A2A తో విస్తరించుకుందాం.

1. యూజర్ అభ్యర్థనకు బహుళ ఏజెంట్: ఒక యూజర్ “ట్రావెల్ ఏజెంట్” A2A క్లయింట్/ఏజెంట్ తో స్పందిస్తూ, “దయచేసి వచ్చే వారం హోనోలూలుకి ఫ్లైట్లు, హోటల్, మరియు కారుレン్ట్ సహా పూర్తిగా ట్రిప్ బుక్ చేయండి” అంటాడు.

2. ట్రావెల్ ఏజెంట్ ద్వారా సమన్వయం: ట్రావెల్ ఏజెంట్ ఈ క్లిష్ట అభ్యర్థనను అందుకొని, తన LLM ఉపయోగించి పనిని విశ్లేషించి, ఇతర ప్రత్యేక ఏజెంట్లతో సంభాషించవలసిందిగా నిర్ణయిస్తుంది.

3. ఏజెంట్ మధ్య కమ్యూనికేషన్: ట్రావెల్ ఏజెంట్ తర్వాత A2A ప్రోటోకాల్ ఉపయోగించి డౌన్‌స్ట్రీం ఏజెంట్లకు కనెక్ట్ అవుతుంది, ఇవి విభిన్న కంపెనీల నుండి సృష్టించబడిన “ఎయిర్‌లైన్ ఏజెంట్”, “హోటల్ ఏజెంట్”, మరియు “కారుレン్ట్ ఏజెంట్”.

4. పనుల నియమాలు: ట్రావెల్ ఏజెంట్ ఈ ప్రత్యేక ఏజెంట్లకు (“హోనోలూలుకి ఫ్లైట్లు కనుగొను”, “హోటల్ బుక్ చేయు”, “కారుレン్ట్ చెయ్”) ప్రత్యేక పనులను పంపుతుంది. ప్రతి ఏజెంట్ తాని స్వంత LLM మరియు సాధనాలతో (ఇవి స్వయంగా MCP సర్వర్లు కావచ్చు) తన పని భాగాన్ని పూర్తి చేస్తుంది.

5. సమ్మిళిత ప్రతిస్పందన: డౌన్‌స్ట్రీం ఏజెంట్లు అన్ని పనులు పూర్తి చేసిన తరువాత, ట్రావెల్ ఏజెంట్ ఫలితాలను (ఫ్లైట్ వివరాలు, హోటల్ నిర్ధారణ, కారుレン్ట్ బుకింగ్) సేకరించి, యూజర్‌కు చాట్-స్టైల్ సమగ్ర ప్రత్యుత్తరం పంపుతుంది.

సహజ భాషా వెబ్ (NLWeb)

వెబ్‌సైట్లు విస్తృతంగా యూజర్లకు ఇంటర్నెట్ అంతటా సమాచారం మరియు డేటాను అందించే ప్రాథమిక మార్గంగా ఉన్నాయి.

NLWeb యొక్క వివిధ భాగాలు, ప్రయోజనాలు మరియు మన ట్రావెల్ అప్లికేషన్ ఎలా పనిచేస్తుందో చూసుకుందాం.

NLWeb భాగాలు

• NLWeb అప్లికేషన్ (కోర్ సర్వీస్ కోడ్): సహజ భాషా ప్రశ్నలను ప్రాసెస్ చేసే వ్యవస్థ. ఇది ప్లాట్‌‌ఫారమ్‌‌లోని వివిధ భాగాలను కలిపి ప్రతిస్పందనలు సృష్టిస్తుంది. ఇది వెబ్‌సైట్ యొక్క సహజ భాషా ఫీచర్లను శక్తివంతం చేసే ఇంజన్ అనుకోవచ్చు.

• NLWeb ప్రోటోకాల్: ఇది వెబ్‌సైట్‌తో సహజ భాషా ఇంటరాక్షన్ కొరకు ప్రాథమిక నియమాల సెట్. ఇది JSON ఫార్మాట్ (సామాన్యంగా Schema.org ఉపయోగించి) లో ప్రతిస్పందనలు పంపుతుంది. దీని ఉద్దేశం “AI వెబ్” కి సరళమైన మౌలికాన్ని సృష్టించడం, HTML ఆన్‌లైన్ డాక్యుమెంట్లను పంచుకునేలా చేసింది అని అలాగే.

• MCP సర్వర్ (మోడల్ కాన్టెక్స్ట్ ప్రోటోకాల్ ఎండ్‌పాయింట్): ప్రతి NLWeb సెటప్ ఒక MCP సర్వర్ గా కూడా పనిచేస్తుంది. దీనర్థం ఇది ఇతర AI వ్యవస్థలతో సాధనాలు (ఉదా: “ask” పద్ధతి) మరియు డేటాను పంచుకోవచ్చు. వాస్తవంగా, ఈ వెబ్‌సైట్ ఉత్పత్తులు మరియు సామర్థ్యాలు AI ఏజెంట్లు ఉపయోగించడానికి అందుబాటులో ఉంటాయి, సైట్‌ను విస్తృత ఏజెంట్ ఎకోసిస్టంలో భాగంగా మార్చేలా చేస్తుంది.

• ఎంబెడ్డింగ్ మోడల్స్: ఈ మోడల్స్ వెబ్‌సైట్ కంటెంట్‌ను గణాంకాత్మక ప్రతినిధులుగా (వెక్టర్‌లు) మార్చడంలో ఉపయోగపడతాయి. ఈ వెక్టర్‌లు అర్థాన్ని కంప్యూటర్లు పోల్చి, శోధించగలిగే విధంగా క్యాప్చర్ చేస్తాయి. ఇవి ప్రత్యేక డేటాబేస్‌లో నిల్వ చేయబడతాయి, మరియు యూజర్లు ఏ ఎంబెడ్డింగ్ మోడల్ ఉపయోగించాలనుకుంటే దానిని ఎంచుకోవచ్చు.

• వెక్టర్ డేటాబేస్ (రెట్రీవల్ విధానం): ఈ డేటాబేస్ వెబ్‌సైట్ కంటెంట్ ఎంబెడ్డింగ్స్ నిల్వ చేస్తుంది. ఎవరో ఒకరు ప్రశ్న అడిగితే, NLWeb వెక్టర్ డేటాబేస్‌ను సరిజూచి అత్యంత సంబంధిత సమాచారం శీఘ్రంగా పొందుతుంది. ఇది సమానత ఆధారంగా ర్యాంక్ చేయబడిన సమాధానాల జాబితాను అందిస్తుంది. NLWeb విభిన్న వెక్టర్ స్టోరేజ్ సిస్టమ్‌లతో పని చేస్తుంది, వాటిలో Qdrant, Snowflake, Milvus, Azure AI Search, Elasticsearch ఉన్నాయి.

NLWeb ఉదాహరణ

మళ్ళీ మన ట్రావెల్ బుకింగ్ వెబ్‌సైట్‌ని పరిశీలిద్దాం, కానీ ఈసారి ఇది NLWeb ద్వారా శక్తివంతం చేయబడింది.

1. డేటా ఇంజెస్టన్: ట్రావెల్ వెబ్‌సైట్‌లో ఉన్న ఉత్పత్తి క్యాటలాగ్లు (ఉదా: ఫ్లైట్ లిస్టింగ్లు, హోటల్ వివరణలు, టూర్ ప్యాకేజ్లు) Schema.org ఉపయోగించి ఫార్మాట్ చేయబడ్డాయి లేదా RSS ఫీడ్ ద్వారా లోడ్ చేయబడ్డాయి. NLWeb సాధనాలు ఈ నిర్మాణమైన డేటాను పఠించి, ఎంబెడ్డింగ్స్ సృష్టించి, ఒక లోకల్ లేదా రిమోట్ వెక్టర్ డేటాబేస్‌లో నిల్వ చేస్తాయి.

2. సహజ భాషా ప్రశ్న (మనిషి): ఒక యూజర్ వెబ్‌సైట్ సందర్శించి, మెనూలను బ్రౌజ్ చేయకుండా చాట్ ఇంటర్‌ఫేస్ లో “రేపటి వారానికి హోనోలూలులో స్వీయ కుటుంబస్నేహపూర్వకంగా తేలికపాటి కొలతతో హోటల్ కనుగొనండి” అని టైపు చేస్తాడు.

3. NLWeb ప్రోసెసింగ్: NLWeb అప్లికేషన్ ఈ ప్రశ్నను అందుకొని, LLM కి పంపి అర్థం చేసుకుంటుంది మరియు సమకాలీనంగా వెక్టర్ డేటాబేస్‌లో సంబంధిత హోటల్ లిస్టింగ్లను శోధిస్తుంది.

4. ఖచ్చితమైన ఫలితాలు: LLM డేటాబేస్ నుండి శోధన ఫలితాలను విశ్లేషించి, “స్వీయ కుటుంబస్నేహపూర్వక”, “తేలికపాటి కొలత” మరియు “హోనోలూలు” ప్రమాణాల ఆధారంగా ఉత్తమ మ్యాచ్ లను గుర్తించి సహజ భాషా ప్రతిస్పందనను రూపొందిస్తుంది. ముఖ్యంగా, ఈ ప్రతిస్పందన వెబ్‌సైట్ క్యాటలాగ్‌లోని వాస్తవ హోటల్స్‌కు సంబంధించింది, ఊహించిన సమాచారం కాదు.

5. AI ఏజెంట్ ఇంటరాక్షన్: NLWeb MCP సర్వర్‌గా పనిచేయడంతో, బయటి AI ట్రావెల్ ఏజెంట్ కూడా ఈ వెబ్‌సైట్ NLWeb ఉదాహరణకు కనెక్ట్ కావచ్చు. AI ఏజెంట్ ask MCP పద్ధతిని ఉపయోగించి నేరుగా ప్రశ్న అడుగు: ask("హోనోలూలు ప్రాంతంలో హోటల్లు సూచించే వెగన్ ఫ్రెండ్లీ రెస్టారెంట్లు ఉన్నాయా?"). NLWeb దీనిని ప్రాసెస్ చేసి, రెస్టారెంట్ సమాచార డేటాబేస్ ఉపయోగించి (లోడ్ చేస్తే), ఒక నిర్మాణమైన JSON ప్రతిస్పందనను ఇస్తుంది.

MCP/A2A/NLWeb గురించి మరిన్ని ప్రశ్నలు ఉందా?

ఇతర అధ్యయనార్ధులతో కలుసుకోవటానికి, ఆఫీస్ గంటలకు హాజరవడానికి మరియు మీ AI ఏజెంట్ల ప్రశ్నలకు సమాధానాలు పొందడానికి Microsoft Foundry Discord లో చేరండి.

వనరులు

• MCP ప్రారంభ దశల కొరకు
• MCP డాక్యుమెంటేషన్
• NLWeb రిపోజిటరీ
• Microsoft ఏజెంట్ ఫ్రేమ్‌వర్క్

గత పాఠం

ఉత్పత్తిలో AI ఏజెంట్లు

తరువాత పాఠం

AI ఏజెంట్ల కోసం కాన్టెక్స్ట్ 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.