2026 වසරේ AI තාක්ෂණයේ නවතම ප්රවණතාවක් වන "AI ඒජන්ට් ටූල් කැලින්ග්" ගැන අවධානය යොමු කරමු. LLM (Large Language Model) ගොඩනැගීමේදී එය බාහිර පද්ධති, API, දත්ත ගබඩා සමඟ සම්බන්ධ වීමට භාවිතා කරන ප්රධාන ක්රමවේදයයි.
මෙම ක්රියාවලියෙහි මූලික අදහස වන්නේ, මොඩලය පරිශීලකගේ ස්වභාවික ඉල්ලීම අනුව කුමන මෙවලම (tool) භාවිතා කරනවාද, කවදා එය කැලින් කරනවාද, ඒ සඳහා කුමන පරාමිති (arguments) යොදන්නාද යන තීරණය ස්වයංක්රීයව ගෙන ඒමයි. උදාහරණයක් ලෙස, "PR සාරාංශයක් රචනා කරන්න" කියන ඉල්ලීමක් ලැබුවහොත්, ඒජන්ට් එක GitHub API එකෙන් නවතම commit ගොනු ගෙන එයි, ඒ තොරතුරු සාරාංශ කර Slack වෙත පණිවුඩයක් යවයි.
AI ඒජන්ට් ටූල් කැලින්ග් තුළ Function Calling යනු LLM එක JSON ආකාරයේ සංරචිත payload එකක් නිකුත් කර, එම payload එක නියමිත මෙවලමට (tool) යොමු කරනු ලබයි. මෙය Model Context Protocol (MCP) විසින් ප්රමිතීකරණය කරයි; MCP මගින් මෙවලම් සොයා ගැනීම, JSON‑RPC ආකාරයෙන් ක්රියාත්මක කිරීම, ප්රතිඵලය ආපසු LLM එකට ලබා දීම සම්පූර්ණ වේ. MCP නිසා මෙවලම් කේතය ප්රොම්ප්ට් තුළ හෝ යෙදුමේ හදිසි ලෙස ඇතුළත් නොවී, ඕනෑම වේලාවක ඩයිනමිකව ලෝඩ් කරගත හැක.
දැනට ප්රෝටෝකෝල සම්බන්ධතාවය සාර්ථකව පිහිටුවා ඇති නමුත්, වර්තමානයේ වර්ධනයේ බාධකය වන්නේ මෙවලම් ගුණාත්මකභාවයයි. එහි අඩංගු කරුණු වන්නේ: (1) Context efficiency – අති විශාල schema එකක් ප්රොම්ප්ට් තුළ ඇතුළත් කිරීමෙන් token බර වැඩි වෙයි; (2) Multi‑user authorization – පරිශීලක අවසරයන් පසු‑ප්රොම්ප්ට් මට්ටමේ කළ යුතුය; (3) Auditability – ක්රියාත්මක වූ සෑම මෙවලමක්ම ලොග් කිරීම අත්යවශ්ය; (4) Execution reliability – අරමුණට ගැලපෙන පරිදි අත්හදා බැලීම, නැවත උත්සාහ කිරීම වැනි යාන්ත්රණයන් අවශ්ය වේ.
ශ්රී ලංකාවට ඇති වැදගත්කම
- සිසුන් – AI ඒජන්ට් භාවිතා කරමින් නවතම තොරතුරු, කේත උදාහරණ, ව්යාපෘති ස්වයංක්රීය කිරීම ඉගෙන ගත හැකිය.
- ඩිවෙලපර්ස් – MCP සහ A2A ප්රෝටෝකෝලයන්ගෙන් ලාභ ගනිමින්, කේත ලේඛනයේ අඩු token භාරයක්, ආරක්ෂිත OAuth සහ audit log මඟින් ව්යාපාරික පරිසරයන්ට ගැළපෙන විසඳුම් නිර්මාණය කළ හැක.
- ව්යාපාර – බහු‑පරිශීලක AI ඒජන්ට් මගින් දත්ත ගොනු, පාරිභෝගික සේවාවන්, DevOps ක්රියාකාරකම් ස්වයංක්රීය කර, කාලය හා වියදම සලකුණු කරයි.
අවසානයේ, AI ඒජන්ට් ටූල් කැලින්ග් තාක්ෂණය ප්රෝඩක්ශන් මට්ටමින් පරිහරණය කරන්නේ නම්, ඩයිනමික මෙවලම් ලෝඩ් කිරීම, OAuth delegation, audit logs යන පියවරයන් අනුගමනය කර, සුරක්ෂිත, විශ්වාසනීය, සහ පරිශීලක‑කේන්ද්රිත AI සේවා සැපයිය හැක.
