AI ඒජන්ට්වලට වැඩ කරන විට, ඔවුන්ට අවශ්ය වන්නේ කේතයක් හෝ ප්රශ්නයක් විසඳීමට අවශ්ය තොරතුරු පමණයි. නමුත් බොහෝ සමාගම් Model Context Protocol (MCP) භාවිතා කරමින් සියලුම මෙවලම් එකවර ලෝඩ් කර දෙන නිසා, ඒජන්ට් 50,000 ටෝකන් පමණ කාර්ය විස්තරයන්ගෙන් පිරී, සැබැවින්ම සිතීමට අවකාශයක් නොමැතිවෙයි.
එක් සමාගම 50 MCP සර්වරක් පවත්වාගෙන, සෑම සර්වරයකම 10‑20 ක් මෙවලම් (tool) ලියා ඇතැයි ගණන් කළහොත්, එකතුව 500‑1,000 ක් වැනි tool schemas වේ. ඒවායේ පරාමිතීන්, විස්තර, වර්ගයන් ඇතුළත් නිසා, ඒවා සියල්ල AI ඒජන්ට්ගේ context window එකට දමන්නේ 50,000 ටෝකන් පමණ ගනන් වන අතර, ඒජන්ට් එකක් කතා කිරීමටත් පෙර මේ තරම් බරක් ගත වෙයි.
ප්රගතිශීලී රවුට් කිරීම (Progressive Routing) මේ ගැටලුවට විසඳුමක් සපයයි. HyperNexus විසින් නිර්මාණය කරන ලද මෙම පද්ධතිය තුළ තට්ටු 3ක් පවතිනවා:
- ලේයර් 1 – Semantic Search: ප්රාදේශීය vector embeddings භාවිතා කර, ඔබේ පසුබැසීමේ ප්රශ්නයට ගැලපෙන මෙවලම් සොයා ගැනේ.
- ලේයර් 2 – Router: ඉහළම ගැලපීමක් ඇති tool schemas පමණක් LLM context එකට ඇතුළත් කරයි, අනෙකුත් මෙවලම් නිශ්ක්රියව රඳවා ඇත.
- ලේයර් 3 – Universal Parity: Claude, Codex, Gemini CLI, Cursor, Windsurf, Kiro, GitHub Copilot CLI වැනි ව්යාපාරික AI වලට ඒකම tool signatures ලබා දේ.
ප්රගතිශීලී රවුට් කිරීමෙන් පසු, එක් සැසියකට අවශ්ය tool definitions ටෝකන් ගණන 1,200‑2,500 ට පමණ අඩුවේ. එය 95% ක අඩු කිරීමක් වන අතර, ඒජන්ට්ට තවත් තොරතුරු, කේත, ආරක්ෂාකාරී තොරතුරු ආදිය ගැන සිතීමට ඉඩ සලසයි.
ශ්රී ලංකාවට ඇති වැදගත්කම
- සිසුන්ට AI ඒජන්ට්වලින් වැඩි ධාරිතාවක් ලැබේ – කේත හෝ පරිසර ගැටළුවක් විශ්ලේෂණය කිරීමේදී අවශ්යම මෙවලමක් පමණක් ලබා ගත හැක.
- දෙවල් සංවර්ධකයින්ට වැඩි දක්ෂතාවයක් – context ඉතිරිවීම නිසා, AI සමඟ වැඩ කිරීමේ වේගය සහ නිවැරදිත්වය වැඩිවේ.
- ව්යාපාරිකයන්ට වියදම අඩු කිරීම – සර්වර සම්පත්, API ඇමතුම්, token වියදම් ඉතිරිවීමෙන් ක්ලවුඩ් වියදම අඩු වේ.
අවසන් වශයෙන්, AI ඒජන්ට්වලට “දිය” නොවී, “නැවත මුහුදු ගැලපීමට” ප්රගතිශීලී රවුට් කිරීම අත්යවශ්ය වේ. ඔබේ AI ක්රමලේඛනයේ කාර්යක්ෂමතාවය ඉහළ නැංවීමට, මෙය අත්හදා බැලීමට කාලය එළඹී ඇත.
