Claude Desktop, Cursor වැනි AI‑ඇප්ලිකේෂන් වලට නව MCP (Model Context Protocol) සර්වර් එකක් එක් කරන වෙලාවේ, README එකේ සඳහන් නොවූ ආරක්ෂක ප්රශ්න වලින් බොහෝ දෙනා වැළඳෙයි. එම ගැටළුවට විසඳුමක් ලෙස, ඉස්මාල් කුයියා විසින් RepoAI නමින් සර්වර් ආරක්ෂා ලකුණු ගණනය කරන පද්ධතියක් නිර්මාණය කළේය.
‘ස්ටාර් ගණන’ පමණක් පරීක්ෂා කරන්නේ ජනප්රියතාව පමණයි, ආරක්ෂාව නොවේ. 5,000 ස්ටාර් ඇති සර්වර් එකක් පවා රීඩ්‑ඔනලි මාදිලිය නොලැබීම, අධිකාරි පද්ධතිය නොමැති වීම, හෝ වසරක් කිසිදු නවීකරණයක් නොලැබීම වැනි ගැටළු ඇතිවිය හැක. ඒවා ස්ටාර් ගණනෙන් පෙනෙන්නේ නැත.
RepoAI 15 ක්රියාකාරී සංකේත (signals) භාවිතා කර සර්වර් එකක ආරක්ෂා ලකුණු ගණනය කරයි. ඒවා දෙකේ වර්ගයකට බෙදා ඇත: Repository Health (උපරිම +101 ලකුණු) සහ MCP‑විශේෂ (උපරිම +15 ලකුණු). උදාහරණයක් ලෙස, නිල රකිනකරු, නවතම commit, බහු දායකයන්, ලයිසන් සහිත බව, රීඩ්‑ඔනලි මෝඩ්, OAuth සහය වැනි මාර්ගෝපදේශයන්ට ලකුණු ලබා දේ; නමුත් අවදානම් උපකරණ, අධිකාරි නොමැති වීම වැනි අඩුපාඩු සඳහා ලකුණු අඩු කරයි.
ලකුණු 0‑100 අතරින් ගණනය කර, 80‑100 අතර අඩංගු නම් ‘ආරක්ෂිත’, 60‑79 ‘මධ්යම’, 0‑59 ‘ඉහල අවදානම’ ලෙස වර්ගීකරණය වේ. මෙය පරිශීලකයන්ට තීරණය ගැනීමට පැහැදිලි මාර්ගෝපදේශයක් සපයයි.
ආරම්භයේ මම LLM (Large Language Model) එකකට සම්පූර්ණ තීරණය ලබා දීමට උත්සාහ කළා. එය වැරදි අදහසක් බව පසුව හඳුනාගත්තා. AI එකට README වැනි වෙළඳ ප්රචාරක පාඨය පමණක් කියවා, එය ආරක්ෂිතයි කියා විශ්වාස කරගත හැක. ඒ නිසා RepoAI හි පද්ධතියෙහි ලකුණු ගණනය සම්පූර්ණයෙන්ම GitHub මූලික දත්ත, ලයිසන්, commit ඉතිහාසය, උපකරණ අවදානම් වර්ගීකරණය වැනි තත්ය තොරතුරු මත පදනම් වෙයි. AI එක භාවිතා කරන්නේ තත්ය ලකුණු මත පදනම්ව මනුෂ්යයාට කියවීමට සුදුසු සාරාංශයක් රචනා කිරීම පමණයි; එය නිර්මාණය වූ පසු, මනුෂ්ය පරීක්ෂකයෙකු විසින් අවසන් අනුමත කරයි.
උදාහරණයක් ලෙස qdrant/mcp-server-qdrant සර්වර් එක විශ්ලේෂණය කළ විට, 15 සංකේත පරීක්ෂා කර 58 ලකුණු (මධ්යම අවදානම) ලැබුණි. ප්රධාන අඩුපාඩුව OAuth නොමැති වීම හා මධ්යම පරිභෝජන අනුපාතයයි. පද්ධතිය එම සර්වර් සඳහා Claude Desktop, Cursor, VS Code, Windsurf වැනි පරිසර සඳහා සූදානම් config එකක් සකස් කරයි.
ශ්රී ලංකාවට ඇති වැදගත්කම
ශ්රී ලංකාවේ තාක්ෂණික විද්යාධාරීන්, විශ්වවිද්යාල සිසුන් සහ කුඩා ව්යාපාර සඳහා RepoAI විශාල වාසියක් ගෙනෙනවා. ප්රථමයෙන්, විශ්වාසදායක MCP සර්වර් තෝරා ගැනීමේ තීරණයක් ඉතා පැහැදිළිව හා ද්රුතව සිදු කරයි. දෙවනුව, ආරක්ෂා ලකුණු මගින් අඩුපාඩු හඳුනාගෙන, නවීකරණයන්ට වේගය දියුණු කරයි. තෙවනුව, ආරක්ෂිත AI උපකරණ භාවිතයෙන් දත්ත රහස්යතාවය රැක ගැනීම, ව්යාපාරික නීතිමය අවශ්යතා පූරණය කිරීමේ අඩංගු වේ. එම නිසා, දේශීය AI සංවර්ධකයන්ට ගෝලීය මට්ටමේ නිෂ්පාදන සමඟ තරඟ කිරීමට අවශ්ය විශ්වාසය හා ආරක්ෂාව ලැබේ.
දැනට RepoAI 213 සර්වර්, 36 වර්ගීකරණයන් සමඟ නිතර නැවත පරීක්ෂා කරයි, ඒ නිසා ලකුණු සෑම සතියකම නවතම commit වලට අනුව යාවත්කාලීන වේ. මූලික වශයෙන් MCP සඳහා ආරක්ෂා පද්ධතියක් සැපයූ RepoAI, Claude Skills සහ AI‑tool පද්ධතියේ වෙනත් මට්ටම් සඳහාද ඒම ආකෘතිය යොදා ගැනීමට සැලසුම් කරයි.
ඔබට MCP සර්වර් එකක් ස්ථාපනය කිරීමේදී කුමන ගැටළුවක් හමුවේද? RepoAI මගින් ඒ ගැටළුවට විසඳුමක් සොයා බලන්න.
