Title: AI का USB-C: अपना खुद का MCP बनाएँ

Anthropic ने Model Context Protocol (MCP) को ओपन-सोर्स कर दिया है, जो एक प्लग-इन स्टैंडर्ड है। यह किसी भी AI एजेंट को एक ही, समान इंटरफ़ेस के माध्यम से डेटाबेस, मॉनिटरिंग टूल्स, कोड रिपॉजिटरी और बहुत कुछ से जुड़ने की सुविधा देता है। डेवलपर्स अब कई अलग-अलग कस्टम कनेक्टर्स की जगह एक ही MCP सर्वर का उपयोग कर सकते हैं और हर कंपैटिबल क्लाइंट को तुरंत एक ही डेटा तक पहुँच प्रदान कर सकते हैं।

AI-ऐप डेवलपर्स को एक सामान्य “USB-C” की आवश्यकता क्यों है

आज AI-संचालित वर्कफ़्लो बनाना कस्टम कोड को आपस में जोड़ने जैसा महसूस होता है। क्या आप चाहते हैं कि Claude, एक Python स्क्रिप्ट, या कोई थर्ड-पार्टी एडिटर PostgreSQL से डेटा पढ़े, Datadog डैशबोर्ड को क्वेरी करे, या GitHub इश्यू खोले? आपको हर बार एक नया इंटीग्रेशन लेयर लिखना पड़ता है। जैसे-जैसे स्टैक बढ़ता है, यह मेहनत बढ़ती जाती है, और 'ग्लू कोड' (glue code) को बनाए रखना, टेस्ट करना और सुरक्षित रखना कठिन हो जाता है।

MCP इस चक्र को रोकता है। यह resources (रीड-ओनली डेटा जैसे लॉग्स या API स्पेक्स), tools (ऐसी क्रियाएं जिन्हें एजेंट कॉल कर सकता है, जैसे SQL चलाना या टिकट बनाना), और prompts (टेम्पलेट्स जो यह निर्देशित करते हैं कि AI को डेटा का उपयोग कैसे करना चाहिए) को एक्सपोज़ करने के लिए एक एकल प्रोटोकॉल को परिभाषित करता है। कोई भी अनुपालन करने वाला (compliant) क्लाइंट अलग-अलग सेवाओं के साथ ऐसे व्यवहार करता है जैसे वे एक ही पोर्ट में प्लग की गई हों।

प्रोटोकॉल की संरचना कैसे है

  • MCP Hosts – वे एप्लिकेशन जिनमें AI एम्बेड होता है, उदाहरण के लिए Claude Desktop या कोई कोड-असिस्टेंट एडिटर।
  • MCP Clients – होस्ट के अंदर की पतली परतें (thin layers) जो हैंडशेक को संभालती हैं और रिक्वेस्ट को रूट करती हैं।
  • MCP Servers – हल्के प्रोग्राम जो किसी विशिष्ट डेटा सोर्स या सर्विस को एक्सपोज़ करते हैं, जैसे कि SQLite फ़ाइल, Slack वर्कस्पेस, या कोई मॉनिटरिंग एंडपॉइंट।

जब कोई AI कनेक्ट होता है, तो क्लाइंट सर्वर के रिसोर्सेज, टूल्स और प्रॉम्प्ट्स के कैटलॉग को खोज लेता है। इसके बाद एजेंट ऐसी कॉल जारी करता है जो बिल्कुल एक जैसी दिखती हैं, चाहे अंतर्निहित (underlying) सर्विस एक रिलेशनल डेटाबेस हो या टिकटिंग सिस्टम। सर्वर उन कॉल्स को उपयुक्त API या क्वेरी भाषा में अनुवादित करता है और परिणाम ऐसे फॉर्मेट में वापस करता है जिसे एजेंट उपयोग कर सके।

एक ठोस वर्कफ़्लो

कल्पना कीजिए कि एक डेवलपर MCP के माध्यम से एक PostgreSQL सर्वर और एक Datadog मॉनिटरिंग एंडपॉइंट को AI असिस्टेंट से जोड़ता है। डेवलपर असिस्टेंट से हाल ही में आए एरर स्पाइक्स (error spikes) का पता लगाने, डेटाबेस से संबंधित यूजर रिकॉर्ड निकालने और कोड फिक्स का सुझाव देने के लिए कहता है। AI:

  1. MCP-एक्सपोज़्ड मॉनिटरिंग टूल के माध्यम से Datadog को क्वेरी करता है और प्रासंगिक लॉग्स निकालता है।
  2. MCP-प्रदान किए गए डेटाबेस टूल का उपयोग करके PostgreSQL सर्वर पर SQL क्वेरी चलाता है।
  3. एक प्रॉम्प्ट से पैच जनरेट करता है जो देखे गए एरर पैटर्न के लिए फिक्स की विशिष्ट संरचना का वर्णन करता है।

ये तीनों चरण एक ही प्रोटोकॉल के माध्यम से होते हैं, बिना डेवलपर द्वारा प्रत्येक सेवा के लिए अलग-अलग एडॉप्टर लिखे।

MCP सर्वर बनाना

Anthropic का रेफरेंस इम्प्लीमेंटेशन दिखाता है कि सर्वर TypeScript या Python जैसी परिचित भाषाओं में लिखा जा सकता है। यह प्रक्रिया इन बातों पर केंद्रित है:

  1. उन रिसोर्सेज को घोषित करना जिन्हें सर्वर एक्सपोज़ करेगा (जैसे, टेबल्स का एक सेट, लॉग फाइलों का एक संग्रह)।
  2. उन टूल्स को परिभाषित करना जिन्हें AI कॉल कर सकता है (SQL निष्पादन, HTTP POST, फ़ाइल राइट)।
  3. कोई भी प्रॉम्प्ट टेम्पलेट प्रदान करना जो AI को उसके अनुरोधों को फॉर्मेट करने में मदद करे।

एक बार सर्वर चलने के बाद, कोई भी MCP-कंपैटिबल क्लाइंट इसे स्वचालित रूप से खोज लेता है, जिससे नया डेटा सोर्स संगठन के AI टूल्स में तुरंत उपयोग के योग्य हो जाता है।

निष्कर्ष

Model Context Protocol AI एजेंटों के लिए एक एकल “USB-C” प्रदान करता है, जो कस्टम कनेक्टर्स के उलझे हुए जाल को एक प्लग-एंड-प्ले इकोसिस्टम में बदल देता है। ग्लू कोड लिखने से थक चुके टीमें आज ही MCP का परीक्षण कर सकती हैं और एक व्यावहारिक शॉर्टकट को काम करते हुए देख सकती हैं।