AI මොඩලයන්ට බාහිර මෙවලම් හා දත්ත සම්බන්ධ කිරීම සඳහා Model Context Protocol (MCP) යන නව විධානය 2024දී Anthropic විසින් හඳුන්වා දුන්නා. මේ ප්රොටෝකෝලය භාවිතා කරමින්, nuzur නම් ව්යාපෘතියට මම MCP Server එකක් නිර්මාණය කළා.
පළමුවෙන්ම, මම CRUD (Create, Read, Update, Delete) මෙවලම් සර්වරයට එක් කළා. ඒවා වැඩ කළාත්, විශාල payload එකක් AI මොඩලයට එවීමේදී ටෝකන් ගාස්තුව ඉතා වැඩිය. ව්යාපෘතියේ එක් Project Version එකේ නව entity එකක් එක් කිරීම, වෙනත් entity එකක් වෙනස් කිරීම වැනි කාර්යයන් කිරීමට මොඩලයට 15 මිනිත්තු කාලයක් වැය වුණා.
ගැටළුව වන්නේ AI මොඩලය විශාල JSON payload එකක් කියවීමට කාලය ගත කරයි, එමඟින් ටෝකන් පරිභෝගය ඉහළ යයි. ඒ නිසා වැඩි කාලයක් ගතවීම සහ පිරිවැය වැඩි වීමක් සිදු වුණා.
මෙම ගැටළුව විසඳීමට, මම granular tools යන අර්ථයෙන්, entity, field, relationship, enum වැනි කොටස් වෙන වෙනට පාලනය කරන මෙවලම් සකස් කළා. සර්වරය සමස්ත ව්යුහය රැකගෙන, AI මොඩලයට අවශ්ය කොටසක් පමණක් ලබා දුන්නා. ඒත් එක්ක, අවශ්ය විට සම්පූර්ණ Project Version එකේ සුළු සංස්කරණයක් ලබා දෙන lean version tool එකක්ද එකතු කළා.
ඉතිරිව, ඒකකයකින් 15 මිනිත්තු ගත වූ කාර්යය දැන් මිනිත්තුවකට අඩු කාලයක් තුළ අවසන් වුණා. ටෝකන් පරිභෝගයත් අඩුවී, සම්පූර්ණ ක්රියාකාරිත්වය තදබලයි.
ශ්රී ලංකාවට ඇති වැදගත්කම
- සිසුන්ට AI සහ MCP වැනි නව තාක්ෂණික ප්රොටෝකෝල ගැන ප්රායෝගික උදාහරණයක් ලැබේ.
- ස්ථානාන්ත සංවර්ධකයින්ට API වෙනුවට ඇඩ්ජස්ට් කළ හැකි, ටෝකන්-ආර්ථික මෙවලම් නිර්මාණය කිරීමේ පුරුදු ගොඩනඟා ගැනීමට අවස්ථාව ලැබේ.
- ව්යාපාරිකයන්ට AI‑සහයෝගීතාවය වැඩි දියුණු කර, ක්රියාකාරිත්ව වේගය සහ පිරිවැය අඩු කිරීමේ අත්දැකීම් ලබා දේ.
අනාගතයේ MCP Server එකක් නිර්මාණය කරන විට, මුල සිටම සුළු මෙවලම් සැලසුම් කර, AI‑පරිශීලකයන්ගේ පසුබැසි වගකීම් සලකා බලනවා නම්, වැඩි ධාරිතාවයක්, අඩු පිරිවැයක් සහ වේගවත් ප්රතිචාරයක් ලබා ගත හැකිය. ඔබත් MCP Server එකක් පරීක්ෂා කර බලන්න, අදහස් දක්වන්න!
