AI ඒජන්ට් වශයෙන් වැඩ කරන සංවර්ධකයින්ට MCP (Model Context Protocol) සර්වර් එකේ සැපයූ මෙවලම් භාවිතය ඉතා වැදගත්. නමුත් සර්වර් විශාල ලෙස නිර්දේශයන්ට අනුකූලව තිබුනත්, ඒජන්ට් එකට ඒවා හරහා ක්රියාත්මක වීම අමාරු විය හැකිය.
ඔබ්ජෙක්ට් මූලිකව, mcpgrade නමැති නව මෙවලම භාවිතා කරමින්, 36 ජනප්රිය MCP සර්වර් එකක් කෙටි කාලයකදී පරීක්ෂා කර ඇත. එක් කමන්ඩ් එකක් මගින්, API යතුරක් අවශ්ය නොවී, විස්තරාත්මක වාර්තාවක් ලැබේ.
ප්රතිඵල අතිශය විවිධ වූවා. 15 සර්වර් A ශ්රේණිය (96‑97 ලකුණු) ලැබූ අතර, 11 සර්වර් D/F (57‑67 ලකුණු) ලෙස අගය කරන ලදි. විශේෂයෙන් MongoDB, Notion, Airtable, Todoist, GitHub ආදිය වැනි විශාල නාමාවලියක් අඩු ලකුණු ලැබීය.
Finding 1: බොහෝ D/F සර්වර් වල “parameter description” හි හිස් බවයි ප්රධාන ගැටලුව. ස්කීමා සෑදීමේදී zod හෝ OpenAPI භාවිතා කර, .describe() එකක් එක් නොකිරීම නිසා, URL, format, options වැනි වැදගත් තොරතුරු අහිමි වෙයි. ඒ නිසා AI ඒජන්ට් එකට ඒ පරාමිතීන් සම්බන්ධයෙන් කිසිදු තොරතුරක් නොමැතිව, වැරදි අනුමාන හෝ පූර්ණයෙන්ම අමතක කිරීම සිදුවේ.
Finding 2: ලැයිස්තු ප්රමාණය සහ ප්රලේඛන පාලනය අතර සම්බන්ධතාවය පෙනේ. කුඩා කට්ටලයක් (95+ ලකුණු) ඇතත්, 24‑26 මෙවලම් ඇති සර්වර් බොහොමයක් D/F ලකුණු ලැබීය. එහෙත් shrimp‑task‑manager වැනි 15 මෙවලම් සහිත සර්වර් එක A/96 ලකුණු ලබා, සවිස්තරාත්මක, නාමය ගැලපෙන, තනි තනි විස්තරයන් ගැලපෙන ආකාරයෙන් සාර්ථක විය.
Finding 3: නියමිත අනුවාදය සහ භාවිතා හැකියාව එකම පරාමිතිය නොවේ. පරණ Slack reference සර්වර් එක, අලුත්ම සංවර්ධනය නොවූවද, සියලු පරාමිතීන්ට විස්තර ලේඛන සපයා A/97 ලකුණු ලබා ඇත. එයට වඩා, වර්තමාන වාණිජ සර්වර් කිහිපයක් විස්තර රහිත පරාමිතීන් සමඟ නිකුත් කර ඇත.
ශ්රී ලංකාවට ඇති වැදගත්කම
- ස්ථානීය AI සංවර්ධකයින්ට MCP සර්වර් තෝරා ගැනීමේදී ප්රලේඛන ගුණාත්මකතාව පරීක්ෂා කිරීම අත්යවශ්ය වේ.
- ඉගෙනුම් ආයතනවලට, පරාමිතීන්හි සවිස්තරාත්මක විස්තරය AI ඒජන්ට් පරික්ෂණ පාඨමාලා තුළ නව මානකයක් ලෙස එක් කළ හැකිය.
- ව්යාපාරික පරිසරයේ, නිවැරදි API ලේඛන මගින් කාර්යක්ෂම AI‑සහයෝගීතා වැඩිවීම සහ දෝෂ අඩුවීම සිදු වේ.
අවසානයේ, MCP සර්වර් එකේ “parameter description” එකක් අමතක කිරීම AI ඒජන්ට් විශ්වාසභාවයට බරපතළ බලපෑමක් ඇති කරයි. සංවර්ධකයින්ට ඉක්මනින් සිය සර්වර් පරාමිතීන් සවිස්තරාත්මක කර, mcpgrade මගින් පරීක්ෂා කිරීම අගනා කාලය ඉතිරිකරයි.
