ජාවා/ස්ප්රින්ග් පසුබැසි ඉංජිනේරුවරයෙක් AI ඉංජිනේරුවරයෙකු වෙත පියවර තබමින්, Model Context Protocol (MCP) භාවිතා කරමින් තම පළමු සර්වර් එක නිර්මාණය කළා. මෙය npm වෙත පළ කර, නිල MCP ලියාපදිංචි ගබඩාවේ ලැයිස්තුගත කිරීම, ඉන් පසු AI ක්ලයන්ට් එකක් එය සොයා ගැනීමට හැකි වීමයි.
ඔහු තෝරාගත් විෂය ඉතා සාමාන්ය – ස්පාඤ්ඤයේ ජාතික කාලගුණ සංස්ථාව AEMET විසින් ලබා දෙන නොමිලේ API එක. API යටතේ කිසිදු සංකීර්ණ අනවසරයක් නොමැති අතර, කීපයක් පමණක් අවශ්ය – API key එකක්.
ඒත් මේ “සාමාන්ය” API එක තුළින් දෙකේම වැදගත් ඉංජිනේරු පාඩම් ලැබුණා. පළමු පාඩම තමයි දෙපියක් (two‑step) ප්රවාහය. ප්රථම GET අයදුම්පතක් යැවූ විට, නිරුපිත දත්තවලට සෘජුවම පිළිතුරු ලැබෙන්නේ නැතිව, දත්ත ගබඩා කර ඇති URL එකක් (presigned URL) ලබා දෙනවා. එම URL එකට API key එකක් අවශ්ය නොවෙයි, නමුත් එය තවත් HTTP ඇණවුමක් කරලා ලබා ගත යුතුය. මෙය AWS S3 presigned URL පරිදි ක්රියා කරනවා.
දෙවන පාඩම තමයි කේතනයේ (encoding) ගැටලුව. AEMET බොහෝ දත්ත ISO‑8859‑1 (latin1) ආකාරයෙන් ලබා දෙයි. අපි සාමාන්යයෙන් response.json() භාවිතා කරන විට, “Cádiz” වැනි වචන “Cdiz” ලෙස බිඳේ. එබැවින් බෞද්ධිකව බෆර් එකක් කියවා, නිශ්චිතව latin1 ලෙස decode කරගත යුතුය.
ශ්රී ලංකාවට ඇති වැදගත්කම
මෙම ව්යාපෘතිය ශ්රී ලංකාවේ සංවර්ධකයන්ට, විශේෂයෙන් AI සහ API සමඟ වැඩ කරනවන්ට, පහත පරිදි ප්රයෝජනදායකයි:
- දෙපියක් API ප්රවාහය – සමාන සේවාවන් (උදා: AWS, Azure) සමඟ වැඩ කරන විට, ප්රතිචාරයේ URL ගත කිරීමේ සැලසුම හඳුනා ගැනීමට ඉගෙනගත හැක.
- කේතන ගැටලු – ලතින් අක්ෂර භාවිතා කරන බහුභාෂා API වලින් දත්ත ලබාගැනීමේදී, encoding conversion කළ යුතු බව අවධාරණය කරයි.
- MCP ප්රොටෝකෝලය – AI ක්ලයන්ට් (Claude Desktop, IDE agents) සමඟ අන්තර් ක්රියාකාරීත්වය සකස් කර, ස්වයංක්රිය වැඩ පිරිවැය අඩු කරයි.
ඉදිරියේදී, මෙම පදනම මත තවත් දෘශ්යමාන, දත්ත‑බහුල AI මෙවලම් නිර්මාණය කිරීමේ හැකියාවක් ඇත. එමෙන්ම, npm පදනමෙන් පළ කරන ලද පැකේජ් එක, ලෝකය පුරා සංවර්ධකයන්ට ප්රවේශය ලැබේ.
අවසානයේ, API එකේ ලුහුබැඳීම, කේතන ගැටළු විසඳීම, සහ MCP භාවිතය යන අංග තුළින්, පසුබැසි ඉංජිනේරුවරයෙක් AI ක්ෂේත්රයට මාරු වීමට පියවර තැබූ අත්දැකීමක් විය.
