AI ඒජන්ට්වල වැඩිදුරටත් භාවිතය ගොඩනැගීමට අවශ්ය තැන, සම්පූර්ණයෙන්ම ස්කේලබල්, විශ්වාසනීය හා පාලනය කළ හැකි සෙෂන් ආකෘතියක් ගොඩක් වැදගත් වේ. Dev.to වෙතින් පළ වූ නව ගැඹුරු විශ්ලේෂණයක් අනුව, පරණ "එක සේවාදායකය‑එක සර්වර" මොඩලය ඉදිරිගත කරන ලද පරිසරයක, බහු-සර්වර, ස්වයංක්රීය ස්කේලින් සහ කන්ටේනර් නැවත ආරම්භ කිරීමේදී ගැටළු මතුවේ.
ඇත්තටම, MCP (Model Context Protocol) යනු AI ඒජන්ට්වලට මෙවලම්, API, දත්ත ගබඩා ආදියට සම්මත ප්රොටොකෝලයක් සපයන පද්ධතියකි. එය සෑම සංවිධානයක්ම තනි‑අභිරුචි සම්බන්ධකයක් නිර්මාණය කිරීමේ වැය ඉවත් කරයි. නමුත්, ඒජන්ට් වැඩසටහන් බහු‑පරිශීලක, බහු‑මෙවලම් පරිසරයක ක්රියාත්මක වන විට, සර්වර මත තාවකාලික මතකය (in‑memory) පදනම් වූ සෙෂන් තොරතුරු අහිමි වීමට ඉඩ ඇත.
ඉහළ පරිමාණය සහිත පරිසරයක, සර්වර එකක මත සෙෂන් තොරතුරු රඳවා තබා ගැනීම "ස්ටිකී සර්වර" ලෙස හැඳින්වේ. එය ලෝඩ් බාලන්සර් එකේ ඉල්ලීම් එකම සර්වරයට යොමු කරන අතර, ස්කේලබල්භාවය, ස්වයංක්රීය පරිමාණය, ප්රදේශීය රවුටින් හා විශ්වාසනීයත්වය අඩුවේ. ඒ වෙනුවට, සෙෂන් තොරතුරු Redis, PostgreSQL වැනි බහුවිධ දත්ත ගබඩා වලට මාරු කිරීමෙන්, සර්වරය මතකය නොමැතිව පවා එකම සත්ය තොරතුර තබා ගැනීමට හැකියාව ලැබේ.
ශ්රී ලංකාවට ඇති වැදගත්කම
ශ්රී ලංකාවේ තරුණ සංවර්ධකයින්ට, මේ නව ආකෘතිය අන්තර්ජාල‑මූලික AI සේවා නිර්මාණය කිරීමේදී තදබල පදනමක් වේ. දත්ත ගබඩා, API හෝ ක්ලවුඩ් සේවා සමඟ ඒකාබද්ධ කිරීමේදී, ස්කේලබල්භාවය සහ විශ්වාසනීයතාවය අඩු වීමේ අවදානම අඩු කරයි. එමෙන්ම, ස්ථානීය ව්යාපාරිකයන්ට, AI‑චැට්බොට්, වාර්තාකරණ මෙවලම් හෝ පාරිභෝගික සේවා ආධාරකයන් වැනි වැඩසටහන් ඉතා කාර්යක්ෂමව පවත්වා ගැනීමට අවශ්ය පරිසරය සැපයේ.
ඉදිරි දශකයේ ශ්රී ලංකාවේ තාක්ෂණික ආර්ථිකය AI‑මූලික සේවා මත ඉදිරියට යාමට, MCP සෙෂන් නිර්මාණය වැනි සාර්ථක පද්ධති අත්යවශ්ය වේ. ඒ නිසා, ස්ථානීය විශ්වවිද්යාල, කේන්ද්රික පුහුණු වැඩසටහන් හා ආරම්භක සංස්ථා මෙම නව මාර්ගෝපදේශය අනුගමනය කර, පරිසරය ගොඩනැගීමේදී පරිසර‑අභ්යන්තර අභියෝග වලින් මුක්වා ගැනීමට හැකියාව ලැබේ.
අවසන් වශයෙන්, MCP ගේ සෙෂන් ආකෘතිය දැන් පරිසර‑අභ්යන්තර පරිසරයෙහි ස්කේලබල්, නිරාවරණ සහ පාලනය කළ හැකි AI ඒජන්ට් පද්ධති නිර්මාණයට මූලික පදනමක් වේ. මෙය ශ්රී ලංකාවේ තාක්ෂණික නවෝත්පාදන වලට නව දොරටුවක් විවෘත කරයි.
