એન્થ્રોપિક એ AI ડેટાની સરળ ઇન્ટિગ્રેશન માટે મોડેલ કન્ટેક્સ્ટ પ્રોટોકોલ રજૂ કરે છે.
Brief news summary
એન્ટરપ્રાઇઝિસ એઆઇ મોડલ્સમાં ડેટા સોર્સને ઇન્ટિગ્રેટ કરતી વખતે મહત્વપૂર્ણ પડકારોનો સામનો કરે છે, જે અસરકારક એઆઇ ધરાવવાના માટે મહત્વપૂર્ણ છે. પરંપરાગત ઉકેલો, જેમ કે લૅન્ગચેઇન, અવારનવાર વિશાળ કસ્ટમ કોડિંગનો સમાવેશ કરે છે, જે અક્ષમતા તરફ દોરી જાય છે. આ સમસ્યાઓનું સમાધાન કરવા માટે, એન્થ્રોપિકે મોડલ કન્ટેક્સ્ટ પ્રોટોકોલ (એમસીપી) રજૂ કર્યું છે, જે ડેટા ઇન્ટીગ્રેશનને પ્રમાણભૂત બનાવવા અને એઆઇ સિસ્ટમ માટે "યુનિવર્સલ ટ્રાન્સલેટર" તરીકે કાર્ય કરવા માટે ડિઝાઇન કરેલું ઓપન-સોર્સ ટૂલ છે. એમસીપી એઆઇ મોડલ્સ, જેમ કે ક્લોડ, ને સ્થાનિક અને દૂરસ્થ ડેટા સોર્સોની શ્રેણી સુધી સીધી જ પહોંચનો મંજૂરી આપે છે, જેના કારણે કસ્ટમ કોડની જરૂરિયાત ઘટે છે અને ઓપન-સોર્સ ઉકેલો અને આપેટેત જવાબદારી તરફ આગળ વધે છે. એન્થ્રોપિકના અલ્બર્ટએ સીધું સૂચિત કર્યું છે કે એમસીપી માત્ર ડેટા ઇન્ટીગ્રેશનને સરળ બનાવે છે જ નહિ પરંતુ તેની કનેક્ટર્સની લાઇબ્રેરીનું વિસ્તરણ કરવા માટે સમુદાયની સામેલગીરીને પ્રોત્સાહિત પણ કરે છે, अन्तે તે ડેટા એપીઅક્સેસને વધારવું અને એઆઇ એજન્ટ્સના વિકાસનો સમર્થન કરવું. યુનિવર્સલ મિયારના અભાવમાં, કંપનીઓ ખરા હિસાબે કામ કરેલ ઉકેલાઓ પર આધાર રાખે છે, પણ એમસીપી આને વધુ વ્યાપક ઇન્ટીગ્રેશન ક્ષમતાઓથી બદલવાનું ધ્યેય ધરાવે છે. એમસીપીની વ્યાપક સ્વીકાર માટે સાવચેત આશાવાદ છે, તે ગૂગલ ડ્રાઇવ, સ્લેક અને ગિથબ જેવા સર્વિસ માટે પ્રિ-બિલ્ટ સર્વર્સ સાથે આવે છે. આજની પહેલસ્વરૂપ ભરતીને પાંચથી વધુ ઉકેલો અને અન્યناسંભવનાઓએ માત્ર ફાયદો મેળવ્યો છે અથવા જેમકે બદાવર્દિઓ મેળવે છે, પરંતુ જેડ અને સોર્સગ્રાફ ખૂબ નજદીકથી એઆઇ એજન્ટના વિકાસ માટે એમસીપીનો ઉપયોગ કરે છે. વિકાસકર્તાઓ ક્લૉડ ડેસ્કટૉપ એપ્લિકેશન દ્વારા પ્રિ-બિલ્ટ સર્વર્સનો લાભ લઈ શકે છે અથવા પાયથોન અથવા ટાઇપસ્ક્રિપ્ટનો ઉપયોગ કરીને કસ્ટમ સર્વર્સ બનાવે છે. એન્થ્રોપિક એમસીપીની કલ્પના કરતાં જો એ યુનિવર્સલ મિયાર હતી, તો તે ડેટા કનેક્ટિવિટીને વધારશે અને વિવિધ સિસ્ટમોમાં એઆઇ ક્ષમતાઓને વિસ્તૃત કરશે.AI ઉપયોગ કેસોને લાગુ કરતી વખતે, કારોબારોએ પોતાના માડલ્સને જુદા જુદા ડેટા સ્ત્રોતોને કેવી રીતે જોડવા તે નિર્ણય લેવાની જરૂર પડે છે. LangChain જેવા વિવિધ ફ્રેમવર્ક્સ ડેટાબેઝ ઇંટેગ્રેશનને સરળ બનાવે છે, પરંતુ ડેવલોપર્સને હજી પણ નવા ડેટા સ્ત્રોતોને માડલ્સ સાથે જોડતી વખતે કોડ લખવાની મુશ્કેલીનો સામનો કરવો પડે છે. Anthropic આ પદ્ધતિમાં ક્રાંતિ લાવવાનો પ્રયત્ન કરે છે, ડેટા ઇંટેગ્રેશન માટે એક ધોરણ બનાવીને. Anthropic એ Model Context Protocol (MCP) પ્રસ્તુત કર્યો છે, જે એક ઓપન-સોર્સ સોલ્યુશન છે, ડેટા સ્ત્રોતોને AI ઉપયોગ કેસો સાથે જોડતી એક માનક પદ્ધતિ છે. કંપનીએ બ્લોગ પોસ્ટમાં જાહેરાત કરી કે MCP "વૈશ્વિક, ખુલ્લું ધોરણ" તરીકે કામ કરશે AI સિસ્ટમ્સને વિવિધ ડેટા સ્ત્રોતો સાથે જોડવા માટે. ધ્યેય એ છે કે Claude જેવા માડલ્સ સીધા જ ડેટાબેઝને એક્સેસ કરી શકે. Anthropicમાં Claude સંબંધના વડા એલક્સ અલ્બર્ટે X પર જણાવ્યુ કે, કંપનીનો વિઝન "એ વિશ્વ ગઢવાનું છે જ્યાં AI કોઈપણ ડેટા સ્ત્રોત સાથે જોડાય, " જ્યાં MCP "વૈશ્વિક અનુવાદક" રૂપે કામ કરે છે. MCPની મુખ્ય શક્તિ એ છે કે તે સ્થાનિક સ્ત્રોતો (જેમ કે ડેટાબેઝ, ફાઇલ્સ, અને સેવાઓ) અને રીમોટ સ્ત્રોતો (જેમ કે Slack અથવા GitHub માટેની API) બંનેને એ જ પ્રોટોકોલ દ્વારા મેનેજ કરી શકે છે, અલ્બર્ટે સમજાવ્યું. ડેટા ઇંટેગ્રેશન માટેની એક માળખાકીય પદ્ધતિ ડેવલોપર્સ માટે મોટા ભાષા માડલ્સ (LLMs) ને માહિતી તરફ દોરી જતા ક્રમને સરળ બનાવે છે, અને એન્ટરપ્રાઇસોના AI એજન્ટ્સ બનાવવા માટેના ડેટા રિટ્રીવલ પડકારોને પણ હળવો કરે છે. શા માટે કે MCP ઓપન-સોર્સ છે, Anthropic તેના કનેક્ટર્સ અને ઈમ્પ્લિમેન્ટેશન્સના રીપોઝિટરીમાં યોગદાન આપવાની પ્રોત્સાહન આપે છે. અત્યારે, ડેટા સ્ત્રોતોને માડલ્સ સાથે જોડવા માટે કોઈ વૈશ્વિક ધોરણ નથી, તેથી એન્ટરપ્રાઇસ અને પ્રદાતાઓ આ નિર્ણયોની જવાબદારી ધરાવે છે. ડેવલોપર્સ સામાન્ય રીતે સ્પેશિફિક પાઈથન કોડનો ઉપયોગ કરે છે અથવા LangChain સાથે LLMsને ડેટાબેઝ સાથે જોડે છે.
કારણ કે દરેક LLM થોડું અલગ રીતે કાર્ય કરે છે, દરેક સંગ્રહણ માટે અલગ કોડની જરૂર પડે છે, જે એક જ ડેટાબેઝે મલ્ટિપલ માડલ્સને વર્ગીલ જોડાણ વિના ઍક્સેસ કરવાની પરિસ્થિતિ ઉત્પન્ન કરે છે. કેટલીક કંપનીઓ એમના ડેટાબેઝમાં ફેરફાર કરે છે જેથી LLMs જોડાઈ શકે તેવા વેક્ટર એમ્બેડિંગ્સ બનાવવાની પ્રક્રિયા ઉભી થાય. ઉદાહરણ માટે, Microsoft Azure SQL ને Fabric સાથે જોડે છે, જ્યારે Fastn જેવી નાની કંપનીઓ ડેટા સ્ત્રોતોને જોડવાના વિકલ્પ પ્રદાન કરે છે. Anthropic અંગે MCPને Claude સુધી મર્યાદિત રાખી રીતે બીઅન્ડને મોડલ અને ડેટા સ્ત્રોત ઇન્ટરનેશનલ કરવામાં આગળ વધવાની કલ્પના ધરાવે છે. MCP, એક ખુલ્લું ધોરણ છે, જે ડેવલોપર્સને AI સંચાલિત સાધનો સાથેના ડેટા સ્ત્રોતો વચ્ચે સુર્યક્ષિત, બે-માર્ગ સાંકળો સ્થાપિત કરવાની મંજૂરી આપે છે. સ્થાપન સહેલું હોવાથી: ડેવલોપર્સ ફોન બનાવી મટ્યૂ MCP સર્વર્સ અથવા MCb હિબનો વગેરે ઉપસેટ કરે છે. લગભગ બધા મીડિયા પર, ખાસ કરીને તેના ઓપન-સોર્સ પ્રકાશન માટે, MCPની જાહેરાતને સકારાત્મક પ્રતિસાદ મળ્યો છે, પરંતુ કેટલાક ઉપયોગકર્તાઓ હેકર ન્યૂઝ જેવા પ્લેટફોર્મ્સ પર MCP જેવા ધોરણની કિંમતને લઇને શંકાસ્પદ છે. અત્યારે, MCP માત્ર Claude મોડલ્સ માટે એક ધોરણ છે. છતાં, Anthropic უკვე Google Drive, Slack, GitHub, Git, Postgres, અને Puppeteer માટે પૂર્વ-બનાવટી MCP સર્વર્સને రిలీజ్ કરી ચૂક્યું છે. VentureBeat એ વધુ ટિપ્પણી માટે Anthropicનો સંપર્ક કર્યો. MCPના શરૂઆતના અપનાવન કરનારાઓમાં Block અને Apolloનો સમાવેશ થાય છે. પ્રદાતા તરીકે Zed, Replit, Sourcegraph, અને Codeium AI એજન્ટ્સ વિકસાવી રહ્યાં છે જે MCPનો ઉપયોગ કરીને ડેટા સ્ત્રોતોમાંથી માહિતી ભેગી કરે છે. જેઓ MCPમાં રસ ધરાવે છે તેઓ Claude ડેસ્કટોપ એપ્લિકેશન દ્વારા પૂર્વ-બનાવટી MCP સર્વર્સ ઇન્સ્ટોલ કરીને પ્રોટોકોલનો ઉપયોગ કરી શકે છે. એન્ટરપ્રાઇસો MCP સર્વર પાયથન અથવા TypeScriptનો ઉપયોગ કરીને પોતે બનાવી શકે છે.
Watch video about
એન્થ્રોપિક એ AI ડેટાની સરળ ઇન્ટિગ્રેશન માટે મોડેલ કન્ટેક્સ્ટ પ્રોટોકોલ રજૂ કરે છે.
Try our premium solution and start getting clients — at no cost to you
