README.md

ஏஜென்ட் நெறிமுறைகளைப் பயன்படுத்துதல் (MCP, A2A மற்றும் NLWeb)

(மேலுள்ள படத்தை அழுத்தி இந்த பாடத்தின் வீடியோவைப் பார்க்கவும்)

AI ஏஜெண்டுகளின் பயன்பாடு بڑھுவதற்கൊപ്പം, ச.standardை, பாதுகாப்பு மற்றும் திறந்த புதுமையை ஆதரிக்கும் நெறிமுறைகளின் தேவையும் அதிகரிக்கிறது. இந்த பாடத்தில், இந்த தேவையை பூர்த்தி செய்ய நோக்கும் 3 நெறிமுறைகளை காண்போம் - Model Context Protocol (MCP), Agent to Agent (A2A) மற்றும் Natural Language Web (NLWeb).

அறிமுகம்

இந்த பாடத்தில், நாம் கற்றுக்கொள்வோம்:

• MCP எப்படி AI ஏஜெண்டுகள் பயனரின் பணிகளை நிறைவேற்ற வெளியீட்டு கருவிகள் மற்றும் தரவுகளை அணுக அனுமதிக்கிறது என்பதைக்.

• A2A வெவ்வேறு AI ஏஜெண்டுகளுக்கு இடையில் தொடர்பு மற்றும் ஒத்துழைப்பை எவ்வாறு சாத்தியமாக்குகிறது என்பதைக்.

• NLWeb எந்த இணையதளத்திலெயும் இயல்பான மொழி இடைமுகங்களை கொண்டு வருவது எப்படி, AI ஏஜெண்டுகள் உள்ளடக்கத்தை கண்டுபிடித்து அதுடன் தொடர்பு கொள்ள முடியும் என்பதைக்.

கற்கும் நோக்கங்கள்

• அடையாளம் காணவும் MCP, A2A மற்றும் NLWeb ஆகியவற்றின் மைய நோக்கம் மற்றும் பயன்களை AI ஏஜெண்டுகளின் சூழலில்.

• விளக்கவும் ஒவ்வொரு நெறிமுறை எப்படி LLMகள், கருவிகள் மற்றும் பிற ஏஜெண்டுகளுக்கு இடையிலான தொடர்பு மற்றும் செயல்பாடுகளை வசதியாக்குகிறது என்பதை.

• கண்டறியவும் நெறிமுறைகள் ஒவ்வொன்றும் சிக்கலான ஏஜென்டிக் அமைப்புகளை கட்டமைக்கையில் வகிக்கும் தனித்துவப் பாத்திரங்களை.

Model Context Protocol

Model Context Protocol (MCP) என்பது பயன்பாடுகள் LLMகளுக்கு சூழலும் கருவிகளையும் தர ஒரு திறந்த நிலைத்திறன் கொண்ட ஒரு ஒழுங்கான முறை. இது AI ஏஜெண்டுகள் ஒரு திடீரியல் வழியில் இணைக்கக்கூடிய "பொது மாற்றி" போன்ற ஒன்றை திறக்கிறது, வெவ்வேறு தரவுத் தொடர்கள் மற்றும் கருவிகளுடன் இணைக்க உதவுகிறது.

MCP இன் கூறுகள், நேரடி API பயன்படுத்துதலுடன் ஒப்பிடும் பயன்கள் மற்றும் AI ஏஜெண்டுகள் எவ்வாறு MCP சேவையகத்தைப் பயன்படுத்தலாம் என்பதற்கான ஒரு உதாரணத்தைக் காணலாம்.

MCP மைய கூறுகள்

MCP என்பது கிளையண்ட்-சேவையக கட்டமைப்பில் செயல்படுகிறது மற்றும் மைய கூறுகள்:

• Hosts என்பது LLM பயன்பாடுகள் (உதாரணமாக VSCode போன்ற குறியீட்டு தொகுப்பி) ஆகும், அவை MCP சேவையகத்துடன் இணைப்புகளை துவக்குகின்றன.

• Clients என்பது ஹோஸ்ட் பயன்பாட்டிலுள்ள கூறுகள், அவை சேவையகங்களுடன் ஒற்றை-க்கு-ஒற்றை இணைப்புகளை பராமரிக்கின்றன.

• Servers என்பது குறிப்பிட்ட திறன்களை வெளிப்படுத்தும் எளிய நிரல்களாகும்.

நெறிமுறையில் உள்ள மூன்று மைய முறைமைகள் என்பது MCP சேவையகத்தின் திறன்கள்:

• கருவிகள்: இது ஒரு AI ஏஜெண்ட் பலன் பெற அழைக்கக்கூடிய தனித்தனியான செயல்கள் அல்லது செயல்பாடுகள். உதாரணமாக, வானிலை சேவை "get weather" என்ற கருவியை வெளிப்படுத்தலாம், அல்லது மின்னணு வணிக சேவையகம் "purchase product" என்ற கருவியை வெளிப்படுத்தலாம். MCP சேவையகங்கள் தங்கள் திறன்கள் பட்டியலில் ஒவ்வொரு கருவியின் பெயர், விளக்கம் மற்றும் உள்ளீடு/வெளிப்பாடு சீமாவை அறிவிக்கின்றன.

• வளம்: இது MCP சேவையகம் வழங்கக்கூடிய படிக்க மட்டும் கூடிய தரவு பொருட்கள் அல்லது ஆவணங்கள், மற்றும் கிளையண்டுகள் அவற்றை தேவைக்கேற்ப பெறலாம். உதாரணங்கள்: கோப்பு உள்ளடக்கம், தரவுத்தள பதிவுகள், அல்லது பதிவு கோப்புகள். வளங்கள் உரையாக (குறியீடு அல்லது JSON போன்றவை) அல்லது பைனரி (படங்கள் அல்லது PDFகள் போன்றவை) இருக்கலாம்.

• அமர்வுரை (Prompts): இது முன் வரையறுக்கப்பட்ட மாதிரிகள், சிக்கலான வேலைநடைகளை எளிதாக்க பரிந்துரைக்கப்படும் அமர்வுரைகளை வழங்குகின்றன.

MCP இன் பயன்கள்

MCP AI ஏஜெண்டுகளுக்கு குறிப்பிடத்தக்க பலன்களை வழங்குகிறது:

• இயங்கும் கருவி கண்டுபிடிப்பு: ஏஜெண்டுகள் சேவையகத்திலிருந்து கிடைக்க கூடிய கருவிகளின் பட்டியலை மற்றும் அவற்றின் விளக்கங்களைக் கையாளமுடியும். இது பாரம்பரிய APIகளுடன் ஒப்பிடுகையில் வேறுபடுகிறது; அங்கே ஒருசில ஒருங்கிணைப்புகள் ஸ்திரமாக குறியிடப்பட வேண்டியிருக்கும், அதனால் எந்த API மாற்றமும் குறியீட்டு புதுப்பிப்புகளைத் தேவைப்படுத்தும். MCP "ஒருமுறை ஒருங்கிணைக்கவும்" என்ற அணுகுமுறையை வழங்குகிறது, இது அதிக ஏற்புடையத்தன்மையை ஏற்படுத்துகிறது.

• வித்தியாசமான LLMகளுக்கு இடையிலான பெயர்ச்சி: MCP வெவ்வேறு LLMகளுடன் வேலை செய்கிறது, சிறந்த செயல்திறனை ஆய்வு செய்வதற்கு மைய மாதிரிகளைக் மாற்றுவதற்கு திடமான சுதந்திரத்தை வழங்குகிறது.

• தரநிலையான பாதுகாப்பு: MCP ஒரு நிலையான அங்கீகார முறையை உள்ளடக்கியுள்ளது, இது கூடுதல் MCP சேவையக அணுகலை சேர்க்கும்போது வசதியை மேம்படுத்துகிறது. இது பல பாரம்பரிய APIகளுக்கான வெவ்வேறு விசைகள் மற்றும் அங்கீகார வகைகளை நிர்வகிப்பதைவிட எளிதாக இருக்கும்.

MCP உதாரணம்

ஒரு பயனர் MCP சக்தியுடைய AI உதவியாளரைப் பயன்படுத்தி ஒரு விமானத்தைக் குழுப்பதிவு செய்ய விரும்புகிறார் என்று நினைக் கூறுங்கள்.

1. இணைப்பு: AI உதவியாளர் (MCP கிளையண்ட்) ஒரு விமான நிறுவனம் வழங்கிய MCP சேவையகத்துடன் இணைகிறது.

2. கருவி கண்டுபிடிப்பு: கிளையண்ட் விமான நிறுவனத்தின் MCP சேவையகத்திடம், "உங்களுக்கு எத்தனை கருவிகள் உள்ளன?" என்று கேட்கிறது. சேவையகம் "search flights" மற்றும் "book flights" போன்ற கருவிகளைப் பதிலளிக்கிறது.

3. கருவி அழைப்பு: பிறகு நீங்கள் AI உதவியாளரிடம், "போர்ட்லாந்த் இருந்து ஹனோலுலுவுக்கு ஒரு விமானம் தேடவும்" என்று கேட்டீர்கள். AI உதவியாளர், தன்னுடைய LLMஐப் பயன்படுத்தி, "search flights" கருவியை அழைக்கவேண்டும் என்பதை அடையாளம் காண்கிறது மற்றும் தொடர்புடைய அளவுருக்கள் (origin, destination) ஐ MCP சேவையகத்திற்கு அனுப்புகிறது.

4. இயக்கமும் பதிலும்: MCP சேவையகம் ஒரு அபரரப்பாக செயல்பட்டு, விமான நிறுவனத்தின் உள்ளக பதிவு APIக்கு செயல் அழைப்பை செய்கிறது. பின்னர் அது விமானத் தகவலை (உதாரணமாக, JSON தரவு) பெறுகிறது மற்றும் அதை AI உதவியாளருக்குத் திருப்பிக் கொடுக்கிறது.

5. மேலும் தொடர்பு: AI உதவியாளர் விமான விருப்பங்களை வழங்குகிறது. நீங்கள் ஒரு விமானத்தை தேர்ந்தெடுத்தவுடன், உதவியாளர் அதே MCP சேவையகத்தின் "book flight" கருவியை அழைத்து முன்பதிவை முடிக்கலாம்.

ஏஜெண்ட்-க்கு-ஏஜெண்ட் நெறிமுறை (A2A)

MCP LLMகளை கருவிகளுக்கு இணைப்பதை கவனிக்கும் போது, ஏஜெண்ட்-க்கு-ஏஜெண்ட் (A2A) நெறிமுறை ஒரு படியாக மேலும் சென்று வெவ்வேறு AI ஏஜெண்டுகளுக்கிடையிலான தொடர்பு மற்றும் ஒத்துழைப்பை சாத்தியமாக்குகிறது. A2A வெவ்வேறு நிறுவனங்கள், சூழல்கள் மற்றும் தொழில்நுட்ப அமைப்புகளில் உள்ள AI ஏஜெண்டுகளை பகிர்ந்து கூட்டுப்பணியை முடிக்க இணைக்கிறது.

நாம் A2A இன் கூறுகள் மற்றும் பயன்களைப் பார்க்கப்போகிறோம், மேலும் அது எப்படித் பயண பயன்பாட்டில் செயல்படலாம் என்பதற்கான ஒரு உதாரணம்.

A2A மைய கூறுகள்

A2A ஏஜெண்டுகளுக்கு இடையிலான தொடர்பை சாத்தியமாக்குவதையும், அவர்கள் ஒருசேர வேலை செய்து பயனரின் ஒரு துணைப் பணியை முடிக்க உதவுவதையும் கவனிக்கிறது. நெறிமுறையின் ஒவ்வொரு கூறும் இதற்கு பங்களிக்கிறது:

Agent Card

MCP சேவையகம் கருவிகள் பட்டியலை பகிரும் விதமாகவே, ஒரு Agent Card இல் உள்ளவை:

• ஏஜெண்டിന്റെ பெயர் .
• அது நிறைவேற்றும் பொது பணிகளின் விளக்கம்.
• பிற ஏஜெண்டுகள் (அல்லது மனித பயனர்கள்) எப்போது மற்றும் ஏன் அந்த ஏஜெண்டை அழைக்க வேண்டும் என்பதைக் குறிப்பிட உதவும் குறிப்பிட்ட திறன்களின் பட்டியல் விவரங்களுடன்.
• ஏஜெண்டின் தற்போதைய Endpoint URL
• ஏஜெண்டின் பதிப்பு மற்றும் திறன்கள் போன்றவை, உதாரணமாக ஸ்ட்ரீமிங் பதில்கள் மற்றும் புஷ் அறிவிப்புகள்.

Agent Executor

Agent Executor என்பது பயனர் உரையாடல் சூழலை தூர ஏஜெண்டிற்கு பரிமாறுவது க்குச் பொறுப்பாக இருக்கிறது, தூர எஜெண்டுக்கு இந்த தகவல் பணியை புரிந்துகொள்வதற்கு தேவை. A2A சேவையகத்தில், ஒரு ஏஜெண்ட் வரவேற்பு கோரிக்கைகளை பார்ச் செய்வதற்கும் தனது சொந்த உள்ளக கருவிகளைப் பயன்படுத்தி பணிகளை நிறைவேற்றுவதற்கும் தனது சொந்த பெரிய மொழி மாதிரியை (LLM) பயன்படுத்துகிறது.

Artifact

ஒரு தூர ஏஜெண்ட் கோரப்பட்ட பணியை முடித்தவுடன், அதன் வேலைப் பொருள் ஒரு artifact ஆக உருவாக்கப்படுகிறது. ஒரு artifact ஏஜெண்டின் பணியின் முடிவை, நிறைவேற்றப்பட்டதின் விவரத்தை, மற்றும் நெறிமுறையின் மூலம் அனுப்பப்பட்ட உரை சூழலை கொண்டிருக்கும். artifact அனுப்பப்பட்டபின், மீண்டும் தேவையானவரை தூர ஏஜெண்டுடன் இணைப்பு முடிவடைகிறது.

Event Queue

இந்த கூறு புதுப்பிப்புகளை கையாளவும், செய்திகளை பரிமாறவும் பயன்படுத்தப்படுகிறது. பணியிறுதிச் செய்யும் காலங்களில் ஒரு ஏஜெண்ட் இன்னொரு ஏஜெண்டுடன் தொடர்பு மூடப்படாமல் இருக்க இந்த இயக்கம் முக்கியமாகும், குறிப்பாக பணிகள் நிறைவேறுவதற்கு நீண்ட நேரம் பிடிக்கும்போது.

A2A இன் பயன்கள்

• மேம்பட்ட ஒத்துழைப்பு: இது வெவ்வேறு விற்பனையாளர் மற்றும் தளங்களின் ஏஜெண்டுகளை இடையிலான தொடர்பு, சூழலைப் பகிர்வு மற்றும் ஒருங்கிணைந்து செயல்பட அனுமதிக்கிறது, பாரம்பரியமாக பிரிக்கப்பட்ட அமைப்புகளுக்கு இடையே சீரற்றதாக இல்லாமல் தானியக்கத்தை எளிதாக்குகிறது.

• மாதிரி தேர்வு சுதந்திரம்: ஒவ்வொரு A2A ஏஜெண்டும் தனது கோரிக்கைகளைப் பரிமாற எந்த LLMஐப் பயன்படுத்துவது என்பதைத் தீர்மானிக்கலாம், ஒவ்வொரு ஏஜெண்டுக்கும் சிறப்பாக மையப்படுத்தப்பட்ட அல்லது நுணுக்கமாகவும் செய்யப்பட்ட மாதிரிகளை அனுமதித்து, MCP சில சூழ்நிலைகளில் இருக்கும் ஒரே LLM இணைப்பிற்கு மாறாக.

• உள்ளமைக்கப்பட்ட அங்கீகாரம்: அங்கீகாரம் நேரடியாக A2A நெறிமுறையில் ஒருங்கிணைக்கப்பட்டுள்ளது, ஏஜெண்ட் தொடர்புகளுக்கு வலுவான பாதுகாப்பு கட்டமைப்பை வழங்குகிறது.

A2A உதாரணம்

நம் பயண பதிவுக் காட்சியை விரிவாக்கிப்போத, இந்த முறை A2A பயன்படுத்துவோம்.

1. பயனர் கோரிக்கை மல்டி-ஏஜெண்டுக்குத்: ஒரு பயனர் "Travel Agent" A2A கிளையண்ட்/ஏஜெண்டுடன் தொடர்பு கொண்டு, "அடுத்த வாரம் ஹனோலுலுவுக்கு முழு பயணத்தை, விமானங்கள், ஹோட்டல் மற்றும் கார் வாடகை உட்பட, புக் செய்யவும்" என்று சொல்லலாம்.

2. Travel Agent மூலம் ஒருங்குறுக்கல்: Travel Agent இந்த சிக்கலான கோரிக்கையைப் பெறுகிறது. அது தனது LLMஐப் பயன்படுத்தி பணியை சிந்தித்து, பிற சிறப்பான ஏஜெண்டுகளுடன் தொடர்பு கொள்ள வேண்டியதைக் கண்டறிகிறது.

3. ஏஜெண்டு-இடையிலான தொடர்பு: Travel Agent அப்பொழுது A2A நெறிமுறையைப் பயன்படுத்தி downstream ஏஜெண்டுகளுடன் இணைகிறது, உதாரணமாக வெவ்வேறு நிறுவனங்கள் உருவாக்கிய "Airline Agent", "Hotel Agent", மற்றும் "Car Rental Agent" போன்றவை.

4. பொறுப்பிடப்பட்ட பணியின் நடைமுறை: Travel Agent இவை போன்ற சிறப்பு ஏஜெண்டுகளுக்கு குறிப்பிட்ட பணிகளை அனுப்புகிறது (உதாரணமாக, "Find flights to Honolulu", "Book a hotel", "Rent a car"). இவ்வை ஒவ்வொன்றும் தங்கள் சொந்த LLMகளை இயக்கி, தங்களின் சொந்த கருவிகளை (அவை தாங்கள் MCP சேவையகங்களாக இருக்கலாம்) பயன்படுத்தி பதிவு பணியின் தொடர்புடைய பகுதியை நிறைவேற்றுகின்றன.

5. ஒத்திணைந்த பதில்: அனைத்து downstream ஏஜெண்டுகளும் பணிகளை முடித்தபின், Travel Agent விமான விவரங்கள், ஹோட்டல் உறுதிப்பத்திரம், கார் வாடகை பதிவு போன்றவற்றை ஒருங்கிணைத்து பயனருக்கு ஒரு விரிவான, உரையாடல் முறை பதிலை அனுப்பும்.

இயல்பான மொழி வலை (NLWeb)

இணையதளங்கள் நீண்டகாலமாக பயனர்களுக்கு இணையத்தில் தகவல் மற்றும் தரவுகளை அணுகுவதற்கான பிரதான வழியாக இருக்கும்.

நாம் NLWeb இன் விதிவிசை கூறுகள், அதன் பயன்கள் மற்றும் நம் பயண பயன்பாட்டில் NLWeb எவ்வாறு செயல்படுகிறது என்பதைக் காண்போம்.

NLWeb கூறுகள்

• NLWeb பயன்பாடு (முதன்மை சேவை குறியீடு): இயல்பான மொழி கேள்விகளை செயலாக்கும் அமைப்பு. இது தளத்தின் பல்வேறு பகுதிகளை இணைத்து பதில்களை உருவாக்குகிறது. இதை ஒரு இணையதளத்தின் இயல்பான மொழி வசதிகளை இயக்கும் எஞ்சினாக நீங்கள் கருதலாம்.

• NLWeb நெறிமுறை: இது ஒரு இணையதளத்துடன் இயல்பான மொழி தொடர்புக்கு அடிப்படையான விதிமுறைகள். இது பதில்களை JSON வடிவில் (பல்வேறு நேரங்களில் Schema.org பயன்படுத்தி) திருப்பி அனுப்பும். இதன் நோக்கம் “AI வலை”க்கான ஒரு எளிய அடித்தளத்தை உருவாக்குவது, HTML ஆவணங்களை பகிர்ந்துகொள்வதை சாத்தியமாகக்கியதில் HTML செய்ததைப்போலவே.

• MCP சேவையகம் (Model Context Protocol Endpoint): ஒவ்வொரு NLWeb அமைப்பும் MCP சேவையகமாகவும் செயல்படுகிறது. இதன் பொருள், அது பிற AI அமைப்புகளுடன் கருவிகள் (உதா., “ask” முறை) மற்றும் தரவுகளைக் பகிர முடியும். நடைமுறையில், இதை இணையதளத்தின் உள்ளடக்கம் மற்றும் திறன்களை AI ஏஜெண்டுகளால் பயன்படுத்தக்கூடியதாக மாற்றுகிறது, இதனால் தளம் விசாலமான “ஏஜெண்ட் சூழல்நிலையின்” ஒரு பகுதியாக மாறுகிறது.

• எம்பெட்டிங் மாதிரிகள்: இந்த மாதிரிகள் இணையதள உள்ளடக்கத்தை வெக்டர் (embeddings) எனப்படும் எண்கணித பிரதிநிதிகளாக மாற்ற பயன்படுத்தப்படுகின்றன. இவை பொருளை கணினிகள் ஒப்பிடவும் தேடவும் பயன்படும்படி குறிக்கின்றன. அவை சிறப்பு தரவுத்தளத்தில் சேமிக்கப்படுகின்றன, மற்றும் பயனர்கள் எந்த embedding மாதிரியைப் பயன்படுத்த விரும்புகிறார்கள் என்பதைக் தேர்வு செய்யலாம்.

• வேக்டர் தரவுத்தளம் (புதுமுக பயிற்சி உபகரணம்): இந்த தரவுத்தளத்தில் இணையதள உள்ளடக்கத்தின் எம்பெடிங்குகள் சேமிக்கப்படுகின்றன. ஒருவர் கேள்வி கேட்டால், NLWeb விரைவாக தொடர்புடைய தகவலைக் கண்டுபிடிக்க வேக்டர் தரவுத்தளத்தைச் சோதிக்கும். அது தொடர்புடைய பதில்களின் பட்டியலை ஒத்துபார்த்து தரப்படும். NLWeb Qdrant, Snowflake, Milvus, Azure AI Search, மற்றும் Elasticsearch போன்ற வெவ்வேறு வேக்டர் சேமிப்பு முறைகளுடன் ஒருங்கிணைக்கிறது.

NLWeb உதாரணம்

மீண்டும் நம் பயண பதிவு இணையதளத்தைப் பரிசீலிக்கவும், ஆனால் இந்த முறை அது NLWeb மூலம் இயக்கப்படுகிறது.

1. தரவு இறக்குமதி: பயண இணையதளத்தின் தற்போதைய தயாரிப்புatalogகள் (உதா., விமான பட்டியல்கள், ஹோட்டல் விளக்கங்கள், சுற்றுப்பயண пакகேஜ்கள்) Schema.org மூலம் வடிவமைக்கப்படுகின்றன அல்லது RSS ஊட்டிகளாக ஏற்றப்படுகின்றன. NLWeb கருவிகள் இந்த கட்டமைக்கப்பட்ட தரவுகளை இஞ்செஸ்ட் செய்து, எம்பெடிங்குகளை உருவாக்கி, உள்ளக அல்லது தொலைவிலுள்ள வேக்டர் தரவுத்தளத்தில் சேமிக்கின்றன.

2. இயல்பான மொழி கேள்வி (மனிதர்): ஒரு பயனர் தளம் பார்வையிடும்போது, மெனுக்களைத் தவிர்த்து, ஒரு உரையாடல் இடைமுகத்தில் "அடுத்த வாரம் ஹனோலுலுவில் ஒரு குடும்ப நட்பு ஹோட்டல், ஒரே ஒரு குளம் உள்ளதாகக் கண்டுபிடிக்கவும்" என்று தட்டச்சு செய்யலாம்.

3. NLWeb செயலாக்கம்: NLWeb பயன்பாடு இந்த கேள்வியை பெறுகிறது. அது கேள்வியை புரிந்துகொள்ள LLMக்கு அனுப்பி அதே நேரத்தில் அதன் வேக்டர் தரவுத்தளத்தைச் சோதி தொடர்புடைய ஹோட்டல் பட்டியல்களை தேடுகிறது.

4. துல்லியமான முடிவுகள்: LLM தரவுத்தளத்திலிருந்து வரும் தேடல் முடிவுகளை விளக்க உதவுகிறது, "குடும்ப நட்பு", "குளம்" மற்றும் "ஹனோலுலு" என்ற அடிப்படையில் சிறந்த பொருந்துதல்களை அடையாளம் காண்பதையும், பிறகு இயல்பான மொழி பதிலாக வடிவமைப்பதையும் செய்கிறது. முக்கியமாக, பதில் இணையதளத்தின் கேடாலாக் உள்ள உண்மையான ஹோட்டல்களுக்கு குறிப்பிடுகிறது, பொய் தகவலைத் தவிர்க்கிறது.

5. AI ஏஜெண்ட் தொடர்பு: NLWeb MCP சேவையகமாக செயல்படுவதால், ஒரு வெளி AI பயண ஏஜெண்ட் இத்தளத்தின் NLWeb நிகழ்பகுதிக்கு இணைக்கலாம். AI ஏஜெண்ட் பின்னர் ask("Are there any vegan-friendly restaurants in the Honolulu area recommended by the hotel?") MCP முறையைப் பயன்படுத்தி நேரடியாக தளத்தை கேட்கலாம். NLWeb நிகழ்வில் இது செயலாக்கப்பட்டு, அதன் உணவக தகவல் தரவுத்தளத்தை (ஏற்றப்பட்டால்) பயன்படுத்தி கட்டமைக்கப்பட்ட JSON பதிலை திருப்பி வழங்கும்.

MCP/A2A/NLWeb பற்றிய மேலான கேள்விகள் உண்டா?

மற்ற பயிலுனர்களை சந்திக்க, ஆபீஸ் நேரங்களில் கலந்து கொள்ள மற்றும் உங்கள் AI ஏஜெண்ட் கேள்விகளுக்கு பதில்கள் பெற Microsoft Foundry Discord-இல் சேரவும்.

வளங்கள்

• MCP for Beginners
• MCP Documentation
• NLWeb Repo
• Semantic Kernel Guides

---

மறுப்பு அறிவிப்பு: இந்த ஆவணம் AI மொழிபெயர்ப்பு சேவை Co-op Translator (https://github.com/Azure/co-op-translator) மூலம் மொழிபெயர்க்கப்பட்டது. நாங்கள் துல்லியத்திற்காக முயன்றாலும், தானியங்கி மொழிபெயர்ப்புகளில் பிழைகள் அல்லது தவறான தகவல்கள் இருக்கக்கூடும் என்பதை தயவுசெய்து கவனிக்கவும். மூல ஆவணம் அதன் அசல் மொழியிலேயே அதிகாரப்பூர்வ ஆதாரமாக கருதப்பட வேண்டும். முக்கியமான தகவல்களுக்கு தொழில்முறை மனித மொழிபெயர்ப்பை பரிந்துரைக்கிறோம். இந்த மொழிபெயர்ப்பைப் பயன்படுத்துவதால் ஏற்படும் எந்த தவறான புரிதல்களுக்கு அல்லது தவறான விளக்கங்களுக்கு நாங்கள் பொறுப்பாக இருக்க மாட்டோம்.