Python භාෂාවෙන් ලියන ලද MCP සර්වර් එකේ සෙවුම් කාර්යය අඩු කාර්යක්ෂමතාවක් පෙන්වා දී තිබුණා. "firewall" කියන වචනයක් සෙවීමේදී, අදාළ ලිපිය පළමුවෙන්ම නොපෙනෙමින්, අකාරාදී අක්ෂර මාලාව අනුව පළමු පහ ලිපි පෙන්වී තිබුණා.
මෙම ගැටලුවේ මූලික හේතුව රැංකිං (ranking) ක්රමයක් නොමැති වීමයි. සර්වර් පද්ධතිය සෙවුම් ප්රතිඵල පළමු පහක් තෝරා ගන්නා විට, ඒවා අකාරාදී අනුක්රමයෙන් සකස් කරමින්, සෙවුම් වචනය අඩංගු වුනාම පමණක් එකතු කරයි. ඒ නිසා, "UFW Firewall Basics" වැනි සම්පූර්ණ ලිපිය පවා පසුපසට වැටෙයි.
ප්රථම අදියරේ විසඳුම ලෙස, සෙවුම් ප්රතිඵල සියල්ල එකතු කර, score ගණනය කර, පසුගිය අනුක්රමයෙන් පිළිවෙලට සකස් කිරීමයි. මෙයින් පසු, ඉහළම ලකුණු ලැබූ ලිපිය පළමු ස්ථානයේ පෙන්වයි. දෙවන අදියරේ, local embeddings භාවිතා කර, Ollama නාමක nomic-embed-text මොඩලය දත්ත කැබලි (chunks) වලට වෙන් කර, ඒවා .npz ගොනුවක සුරක්ෂිත කරයි. මෙය සෙවුම් වේගය වැඩි කරමින්, අර්ථයමත් සම්බන්ධතා සොයා ගැනීමට උදව් කරයි.
ඉන්පසු, සෙවුම් කේතය search_document: සහ search_query: පෙරලීමෙන්, සෙවුම් යන්ත්රය නවතම ලිපි පළ කරන අතර, හයිබ්රිඩ් (hybrid) ආකාරයේ සෙවුම් ක්රම දෙකම (exact match + embeddings) භාවිතා කරයි. මෙය කේතය CPU මත පවත්වා ගැනීමට හැකිවීමත් සමඟ, සර්වර් එකේ කාර්යක්ෂමතාව වැඩි කරයි.
ශ්රී ලංකාවට ඇති වැදගත්කම
ශ්රී ලංකාවේ සංවර්ධනකරුවන්, සිසුන්, ව්යාපාරිකයන් සඳහා මෙම නවීකරණය විශාල වාසියක් ලබා දේ. රැංකිං සහ එම්බෙඩ්ඩින්ස් එකතුවෙන්, දේශීය ප්රජාවට තත්ත්වයක් පදනම් කරගත්, වේගවත්, නිවැරදි සෙවුම් අත්දැකීමක් ලැබේ. Python, AI, API වැනි නව තාක්ෂණික කුසලතා ඉගෙනගන්නා සිසුන්ට, මෙම උදාහරණය හොඳ කේත ආදර්ශයක් වේ. ව්යාපාරිකයන්ට, ඉක්මනින් අවශ්ය තොරතුරු සොයාගැනීම මගින් නිෂ්පාදන සංවර්ධනය, ගනුදෙනුකාරී සේවා වඩාත් ප්රබල කරයි.
අවසන් වශයෙන්, සර්වර් එකේ සෙවුම් ක්රමය උසස් කර ගැනීම, තාක්ෂණික කණ්ඩායම්වලට කාලය ඉතිරි කර, වැඩි නිෂ්පාදනශීලීත්වයක් ලබා දේ. මෙය ශ්රී ලංකාවේ තාක්ෂණික පරිසරය තවත් සාර්ථක කරගැනීමට මඟ පෙන්වයි.
