শিরোনাম: AI-এর USB C: আপনার নিজস্ব MCP তৈরি করুন
Anthropic তাদের Model Context Protocol (MCP) ওপেন-সোর্স করেছে, যা একটি প্লাগ-ইন স্ট্যান্ডার্ড। এটি যেকোনো AI এজেন্টকে একটি একক এবং অভিন্ন ইন্টারফেসের মাধ্যমে ডেটাবেস, মনিটরিং টুলস, কোড রিপোজিটরি এবং আরও অনেক কিছুর সাথে যোগাযোগ করতে সাহায্য করে। ডেভেলপাররা এখন অনেকগুলো আলাদা আলাদা কাস্টম কানেক্টর ব্যবহার না করে একটি মাত্র MCP সার্ভারের মাধ্যমে সব কাজ করতে পারবেন এবং প্রতিটি সামঞ্জস্যপূর্ণ (compatible) ক্লায়েন্ট তাৎক্ষণিকভাবে একই ডেটা অ্যাক্সেস করতে পারবে।
কেন AI-অ্যাপ ডেভেলপারদের একটি সাধারণ “USB-C” প্রয়োজন
বর্তমানে একটি AI-চালিত ওয়ার্কফ্লো তৈরি করা অনেকটা কাস্টম কোড জোড়া দেওয়ার মতো মনে হয়। আপনি কি চান Claude, একটি Python স্ক্রিপ্ট বা কোনো থার্ড-পার্টি এডিটর PostgreSQL থেকে ডেটা পড়ুক, Datadog ড্যাশবোর্ড কুয়েরি করুক বা একটি GitHub ইস্যু ওপেন করুক? প্রতিবার আপনাকে একটি নতুন ইন্টিগ্রেশন লেয়ার লিখতে হয়। স্ট্যাক যত বড় হয়, এই পরিশ্রম তত বাড়তে থাকে এবং এই glue code বা সংযোগকারী কোডগুলো রক্ষণাবেক্ষণ করা, পরীক্ষা করা এবং সুরক্ষিত রাখা কঠিন হয়ে পড়ে।
MCP এই চক্রটি বন্ধ করে দেয়। এটি resources (শুধুমাত্র পড়ার যোগ্য ডেটা যেমন লগ বা API স্পেসিফিকেশন), tools (এমন সব কাজ যা একটি এজেন্ট করতে পারে, যেমন SQL চালানো বা টিকিট তৈরি করা) এবং prompts (টেমপ্লেট যা নির্দেশ দেয় AI কীভাবে ডেটা ব্যবহার করবে) প্রকাশের জন্য একটি একক প্রোটোকল নির্ধারণ করে। যেকোনো সামঞ্জস্যপূর্ণ ক্লায়েন্ট বিভিন্ন সার্ভিসকে এমনভাবে দেখে যেন সেগুলো একই পোর্টে যুক্ত করা হয়েছে।
প্রোটোকলটি কীভাবে গঠিত
- MCP Hosts – এমন অ্যাপ্লিকেশন যাতে AI অন্তর্ভুক্ত থাকে, যেমন Claude Desktop বা কোনো কোড-অ্যাসিস্ট্যান্ট এডিটর।
- MCP Clients – হোস্টের ভেতরে থাকা একটি পাতলা লেয়ার যা হ্যান্ডশেক পরিচালনা করে এবং রিকোয়েস্টগুলো রাউট করে।
- MCP Servers – হালকা ওজনের প্রোগ্রাম যা একটি নির্দিষ্ট ডেটা সোর্স বা সার্ভিস প্রকাশ করে, যেমন একটি SQLite ফাইল, একটি Slack ওয়ার্কস্পেস বা একটি মনিটরিং এন্ডপয়েন্ট।
যখন একটি AI কানেক্ট হয়, তখন ক্লায়েন্ট সার্ভারের রিসোর্স, টুলস এবং প্রম্পটের ক্যাটালগ খুঁজে পায়। এরপর এজেন্ট এমন সব কল (calls) পাঠায় যা দেখতে একদম একই রকম মনে হয়, তা সে রিলেশনাল ডেটাবেস হোক বা কোনো টিকিটিং সিস্টেম। সার্ভার সেই কলগুলোকে উপযুক্ত API বা কুয়েরি ল্যাঙ্গুয়েজে রূপান্তর করে এবং এমন একটি ফরম্যাটে ফলাফল প্রদান করে যা এজেন্ট ব্যবহার করতে পারে।
একটি বাস্তব ওয়ার্কফ্লো
কল্পনা করুন একজন ডেভেলপার আছেন যিনি MCP-এর মাধ্যমে একটি PostgreSQL সার্ভার এবং একটি Datadog মনিটরিং এন্ডপয়েন্টকে একটি AI অ্যাসিস্ট্যান্টের সাথে যুক্ত করেছেন। ডেভেলপার অ্যাসিস্ট্যান্টকে সাম্প্রতিক এরর স্পাইক (error spikes) খুঁজে বের করতে, ডেটাবেস থেকে সংশ্লিষ্ট ইউজার রেকর্ড সংগ্রহ করতে এবং একটি কোড ফিক্সের পরামর্শ দিতে বললেন। AI তখন:
- MCP-এর মাধ্যমে প্রকাশিত মনিটরিং টুল ব্যবহার করে Datadog-এ কুয়েরি করে এবং প্রাসঙ্গিক লগগুলো সংগ্রহ করে।
- MCP-এর মাধ্যমে প্রাপ্ত ডেটাবেস টুল ব্যবহার করে PostgreSQL সার্ভারে একটি SQL কুয়েরি চালায়।
- একটি প্রম্পট থেকে একটি প্যাচ (patch) তৈরি করে যা দেখা যাওয়া এরর প্যাটার্নের জন্য একটি সম্ভাব্য ফিক্সের কাঠামো বর্ণনা করে।
এই তিনটি ধাপই একই প্রোটোকলের মাধ্যমে সম্পন্ন হয়, যেখানে ডেভেলপারকে প্রতিটি সার্ভিসের জন্য আলাদা আলাদা অ্যাডাপ্টার লিখতে হয় না।
একটি MCP সার্ভার তৈরি করা
Anthropic-এর রেফারেন্স ইমপ্লিমেন্টেশন দেখায় যে একটি সার্ভার TypeScript বা Python-এর মতো পরিচিত ভাষা দিয়ে লেখা যেতে পারে। এর প্রক্রিয়াটি মূলত তিনটি ধাপে বিভক্ত:
- সার্ভারটি কোন কোন রিসোর্স প্রকাশ করবে তা ঘোষণা করা (যেমন, কতগুলো টেবিল বা লগ ফাইলের সংগ্রহ)।
- AI যেসব টুল ব্যবহার করতে পারে তা সংজ্ঞায়িত করা (SQL execution, HTTP POST, file write)।
- এমন প্রম্পট টেমপ্লেট প্রদান করা যা AI-কে তার রিকোয়েস্টগুলো ফরম্যাট করতে সাহায্য করে।
সার্ভারটি চালু হওয়ার পর, যেকোনো MCP-সামঞ্জস্যপূর্ণ ক্লায়েন্ট এটিকে স্বয়ংক্রিয়ভাবে খুঁজে পায়, ফলে নতুন ডেটা সোর্সটি প্রতিষ্ঠানের সমস্ত AI টুলে তাৎক্ষণিকভাবে ব্যবহারযোগ্য হয়ে ওঠে।
সারসংক্ষেপ
Model Context Protocol AI এজেন্টদের জন্য একটি একক “USB-C” প্রদান করে, যা কাস্টম কানেক্টরগুলোর জটিল জালকে একটি প্লাগ-অ্যান্ড-প্লে ইকোসিস্টেমে রূপান্তরিত করে। যারা বারবার glue code লিখতে লিখতে ক্লান্ত, তারা আজই MCP পরীক্ষা করে দেখতে পারেন এবং এর ব্যবহারিক শর্টকাট সরাসরি কাজে লাগিয়ে দেখতে পারেন।