AI මොඩලයන්ට කේත ලිවීම, ටෙස්ට් ධාවනය, pull request සෑදීම වගේ වැඩ කිරීමට හැකියාව දුන්නාම, ඒවා අතර සම්බන්ධතා කළමනාකරණය ගැටළුවක් බව පෙනී යයි.
උදාහරණයක් ලෙස, එක් AI ඒජන්ට් එකක් කාර්යයක් ග්රහණය කරමින් අතරමඟේම එහි context window පිරී යයි. වෙනත් එකක් ඒ ඒකකය නොදැන ඒම කාර්යය තවත් ග්රහණය කරයි. තෙවැනි එකක් අදින්නාම අත්හිටුවා “in progress” ලෙස සලකුණු කරයි, ඒ තත්ත්වය කිසිවක් නිවරදි නොකරයි. මෙවැනි ගැටලු මොඩලයේ බුද්ධියෙන් නොව, ඒජන්ට්ස් අතර සම්බන්ධතා අඩුපාඩු නිසා සිදු වේ.
මෙම ගැටලුවට විසඳුමක් ලෙස, ලේඛකයා විසින් rhizome-mcp නමින් විවෘත මූලාශ්ර MCP සර්වර් එකක් නිර්මාණය කර ඇත. එහි මූලික අදහස “work attempts”, “leases” සහ “checkpoints” යන ත්රිත්වය භාවිතා කිරීමයි. ඒජන්ට්ස්වලට කාර්යයක් ග්රහණය කරන විට, එය “assigned” නොව “lease” ලෙස ලබා දේ. lease එකේ කාල සීමාවක් (lease_expires_at) ඇත; ඒ කාලය අවසන් වුවහොත්, සේවාදායකයා ස්වයංක්රීයව කාර්යය ආපසු ගෙන එයි.
Lease token එකක් පමණක් අදාළ පාර්ශ්වයට අවසර ලබා දේ; එය පරිශීලක නාමය හෝ ලොග්-ඉන් තොරතුරු නොවේ. ඒජන්ට් එකක් “heartbeat” (renew_attempt) නොකළහොත්, lease කාලය ඉක්මවා ගොස්, කාර්යය “lost” නොවී, නව ඒජන්ට් එකට ලබා දිය හැකිය.
ශ්රී ලංකාවට ඇති වැදගත්කම
ශ්රී ලංකාවේ තරුණ සංවර්ධකයින්ට, මෙම lease‑based ක්රමය ඉගෙන ගැනීම මඟින් විකසිත AI කේතන පද්ධති නිර්මාණය කළ හැකිය. ගොඩනැගිලි වැනි බහු‑ඒජන්ට් ව්යාපෘතිවල, කාර්ය බෙදා ගැනීමේ අවශ්යතාවය ඉතාමත් වැදගත්. ලීස් පද්ධතිය භාවිතා කරමින්, සේවාදායකය ස්වයංක්රීයව අඩංගු නොවන කාර්යයන් පිරිසිදු කරයි, එවිට මෘදුකාංග සංවර්ධන කාලය කෙටි වේ.
ව්යාපාරික පසුබිමෙන්, මෙම තාක්ෂණය CI/CD පයිප්ලයින් වල ස්වයංක්රීය කිරීමේදී ගැටළු අඩු කරයි. ගොඩනැගිලි ආකාරයේ පද්ධති (cloud, API) වල අඩු‑කාලීන සේවා අඩු කිරීම, සම්පූර්ණ ව්යාපාරයට කාර්යක්ෂමතාවය වැඩි කරයි.
අනාගතයේ, ශ්රී ලංකාවේ විශ්වවිද්යාල හා පුහුණු මධ්යස්ථාන AI coding agents පිළිබඳ පර්යේෂණ හා පුහුණුවීම් සඳහා මෙම මාදිලිය අධික ලෙස භාවිතා වනු ඇත.
සාරාංශය වශයෙන්, AI coding agents වල අඩු‑කාලීන ගැටළු “lease” සහ “checkpoint” යන මූලධර්මයන්ගෙන් සාර්ථකව කළමනාකරණය කළ හැකිය. මෙය දේශීය සංවර්ධකයින්ට නව අවස්ථා ගොඩනැගීමට මඟ පෙන්වයි.
