කෝඩින් ඒජන්ට් (coding agents) බහුලව භාවිතා කරන තාක්ෂණවේදීන්ට, එක් සපයන්නෙකුගේ කොටස ඉවර වීම හෝ රේට්-ලීමිට් (rate‑limit) වෙලා පසු, වැඩකිරීම නවතින අමාරු අත්දැකීම අසාමාන්ය නොවේ.
අද වන විට, OpenAI, Anthropic, Gemini, Groq වැනි විවිධ LLM සපයන්නන්ගෙන් ප්රතිලාභ ලබා ගත හැකි නමුත්, ඒවායේ කොටස් (quota) එකිනෙකට වෙනම ගබඩා කර තිබෙන නිසා, එක් සැසියක් තුළ එකම සපයන්නා මත රඳා සිටීමට සිදු වේ. මෙයින් වැරදි දෙකක් සිදු වේ: අඩු‑දැවැන්ත කාර්යයන්ට වඩා මිල අධික මොඩලයන් භාවිතා කිරීමෙන් පිරිවැය වැඩි වීම, සහ සපයන්නා රුදුරු වීම හෝ රේට්‑ලීමිට් වෙලා වැඩ නතර වීමෙන් කාර්ය ප්රවාහය බිඳීම.
මෙම ගැටලුවට විසඳුමක් ලෙස @mrrlin-dev විසින් external‑agents නමින් MCP (Multi‑Channel Proxy) සර්වර් එකක් නිර්මාණය කර ඇත. ඔබේ කෝඩින් ඒජන්ට් එක මෙම සර්වර් එකට අමතරව කතා කරන අතර, සර්වර් පසුබැසියෙන් විවිධ LLM සපයන්නන් වෙත ඉල්ලීම් යොමු කරයි. එමඟින් වෙන්ව තිබූ කොටස් එකම වැඩබලන ටෝකන් බජට් එකක් ලෙස එකතු කර ගත හැකිය.
MCP භාවිතා කිරීමේ ප්රධාන ලාභය තාක්ෂණික “මැජික්” නොව, වඩාත් ප්රායෝගික, පිරිවැය‑කාර්යක්ෂම, හා ස්ථායිකරණය කළ හැකි ක්රියාමාර්ගයක් බවයි. ඔබට සපයන්නාගේ සීමා “දුරස්ථ” නොව, පවතින සම්පත් වඩා හොඳින් භාවිතා කර ගැනීමට අවස්ථාව ලැබේ.
ශ්රී ලංකාවට ඇති වැදගත්කම
ශ්රී ලංකාවේ තරුණ ඩෙවලපර්, විද්යාල/විශ්වවිද්යාල සිසුන්, හා තාක්ෂණික ව්යාපාර සඳහා මෙය විශාල වාසියක් වේ. පළමු, බහුලව පවතින AI සබැඳි පාඨමාලා හෝ පර්යේෂණ ව්යාපෘති වලදී, විවිධ සපයන්නන්ගේ නොමැති කොටස් එකට එකතු කර, වැඩි පරිමාණ දත්ත සැකසීමේ හැකියාව ලැබේ. දෙවැනි, ව්යාපාරික පරිසරයන්ට, වැඩි පිරිවැයක් නැතිව, ප්රධාන මොඩලයන් පමණක් නොව, අඩු‑මිලේ මොඩලයන්ද භාවිතා කර, පිරිවැය ඉතිරි කර ගත හැකිය. තෙවැනි, සංවර්ධකයන්ට අලුත් API හෝ සපයන්නා වෙනස් කිරීමේදී, සංකීර්ණ fallback ලොජික් ලියන අවශ්යතාවයක් නොමැතිව, MCP සර්වර් එකේ නීති පද්ධතිය සකස් කිරීමෙන් සියලුම වැඩසටහන් එකම අතුරින් පවත්වා ගත හැකිය.
ඉතින්, මේ තාක්ෂණය ශ්රී ලංකාවේ AI‑චලිත නිර්මාණය, අධ්යාපන‑ප්රජා, සහ ස්ථායිකරණය කළ ව්යාපාරික ක්රියාකාරකම් සඳහා නව මාර්ගයක් විවෘත කරයි.
කෝඩින් ඒජන්ට් වලට නව පියවරක් – MCP සර්වර් එක සමඟ, ඔබේ LLM සම්පත් එකතුවක් වශයෙන් පරිහරණය කර, වැඩි ධාරිතාව, අඩු පිරිවැය, හා අඩු අඩුපාඩු සමඟ වැඩ කරමු.
