What is MCP in AI and how is it different from an agent?

MCP is a protocol that standardizes how models call tools and access data. An agent is the reasoning system that plans and uses those tools; MCP provides the safe interface the agent relies on.

Why use MCP for tool calling instead of custom integrations?

A protocol like MCP reduces bespoke glue code, improves auditability, and enforces schemas and permissions. It lets multiple agents reuse the same tools reliably.

Can I build agents without MCP?

Yes, but you may face brittle integrations and limited observability. MCP adds structure, typed inputs/outputs, and policy enforcement that make agents more reliable.

What are common MCP tools for business automations?

Typical tools include `search_kb`, `get_revenue`, `crm_lookup`, `summarize_pdf`, `send_slack_message`, and `create_ticket`. Each should have clear schemas and scoped permissions.

How do I add human approval to agent actions with MCP?

Expose tools with a `requires_approval` flag or a dedicated `request_approval` tool. The agent triggers the request, and MCP enforces the approval before executing the risky action.

MCP এবং Agent কী? ২০২৫ সালের জন্য একটি স্পষ্ট, ব্যবহারিক ব্যাখ্যা

ধরণ: ব্যবহারিক এবং সমাধান-ভিত্তিক

আপনি যদি AI ট্যুলিংয়ের দ্রুত বিবর্তন অনুসরণ করে থাকেন, তাহলে সম্ভবত “MCP” এবং “agent”-এর মতো শব্দগুলি শুনে থাকবেন। এখানে একটি বিষয় আছে: উভয়ই AI অটোমেশনের জগতে ঘুরপাক খেলেও, তারা ভিন্ন সমস্যা সমাধান করে। MCP এবং agent আর্কিটেকচার কীভাবে একসাথে কাজ করে তা বোঝা আপনাকে আরও নিরাপদ, নির্ভরযোগ্য এবং সহজে স্কেল করা যায় এমন সিস্টেম ডিজাইন করতে সহায়তা করতে পারে।

এই ব্যাখ্যাটি হাতে-কলমে করার একটি উপায়। আমরা শব্দগুলো সংজ্ঞায়িত করব, তারা কীভাবে যোগাযোগ করে তা দেখাব, বাস্তব জগতের ব্যবহারের ক্ষেত্রগুলো তুলে ধরব এবং এমন কিছু প্যাটার্ন দেব যা আপনি সরাসরি প্রয়োগ করতে পারেন।

সংক্ষিপ্ত সংজ্ঞা ( buzzword এর ধোঁয়াশা ছাড়াই)

MCP (Model Context Protocol): একটি সু-সংজ্ঞায়িত প্রোটোকলের মাধ্যমে AI মডেল (LLM) গুলোকে বাহ্যিক সরঞ্জাম, ডেটা উৎস এবং ক্ষমতার সাথে সংযোগ করার একটি স্ট্যান্ডার্ডাইজড উপায়। MCP-কে প্লাম্বিং হিসাবে ভাবুন যা একটি মডেলকে সুরক্ষিতভাবে ফাংশন কল করতে, ডেটা আনতে এবং একটি অনুমানযোগ্য, নিরীক্ষণযোগ্য উপায়ে কাজ করতে দেয়।

Agent: একটি স্বায়ত্তশাসিত বা আধা-স্বায়ত্তশাসিত সিস্টেম যা একটি LLM দ্বারা চালিত এবং সরঞ্জাম ব্যবহার করে কাজ পরিকল্পনা করে, যুক্তি দেয় এবং সম্পাদন করে। একজন agent সিদ্ধান্ত নিতে পারে: “আমার ডেটা A দরকার, তারপর এটিকে টুল B দিয়ে রূপান্তর করতে হবে, তারপর ব্যবহারকারী C-কে জানাতে হবে।” Agents সরঞ্জাম অ্যাক্সেসের উপর নির্ভর করে; MCP হল সেই অ্যাক্সেস প্রদানের একটি পরিচ্ছন্ন উপায়।

সংক্ষেপে: একটি agent হল অরকেস্ট্রেটর। MCP হল ইন্টারফেস লেয়ার যা এটিকে নিরাপদ, কাঠামোগত হাত দেয়।

এজেন্ট তৈরি করার আগে MCP কেন গুরুত্বপূর্ণ

নিরাপত্তা এবং নিয়ন্ত্রণ: MCP সংজ্ঞায়িত করে কোন সরঞ্জামগুলি বিদ্যমান, কী কী ইনপুট অনুমোদিত এবং আউটপুট দেখতে কেমন। এটি এজেন্টদের সরঞ্জাম ব্যবহারের ক্ষেত্রে ভুল ধারণা তৈরি করা বা অপ্রত্যাশিত কাজ করার সম্ভাবনা হ্রাস করে।

আন্তঃকার্যকারিতা: একটি সাধারণ প্রোটোকলের সাথে, একই সরঞ্জাম কাস্টম ইন্টিগ্রেশন ছাড়াই বিভিন্ন এজেন্ট বা মডেল জুড়ে পুনরায় ব্যবহার করা যেতে পারে।

পর্যবেক্ষণযোগ্যতা: স্ট্যান্ডার্ডাইজড বার্তা এবং স্কিমা এজেন্ট আসলে কী করেছে তা লগ, পরীক্ষা এবং নিরীক্ষণ করা সহজ করে তোলে।

মাপযোগ্যতা: আপনার টুলসেট বাড়ার সাথে সাথে, MCP-এর চুক্তি অ্যাড-হক বাইন্ডিংয়ের জগাখিচুড়ি এড়াতে সাহায্য করে।

সারমর্ম: সরঞ্জামগুলিকে স্ট্যান্ডার্ডাইজ করতে MCP লেয়ার তৈরি করুন; ফলাফল সরবরাহ করতে এতে এজেন্ট যুক্ত করুন।

মানসিক মডেল: MCP বনাম Agent

Agent উত্তর দেয়: “একটি লক্ষ্য অর্জনের জন্য সেরা পদক্ষেপের ক্রম কী?”

MCP উত্তর দেয়: “কীভাবে আমি সঠিক প্যারামিটার, অনুমতি এবং ডেটা ফর্ম্যাট সহ নির্ভরযোগ্যভাবে N নম্বর ধাপ কল করব?”

আপনি MCP ছাড়াই এজেন্ট তৈরি করতে পারেন, তবে প্রায়শই আপনাকে মিনি-প্রোটোকলগুলি পুনরায় উদ্ভাবন করতে হতে পারে। MCP গ্রহণ করা কাস্টম গ্লু কোড হ্রাস করে এবং ব্যর্থতার ক্ষেত্রগুলি হ্রাস করে।

এক নজরে আর্কিটেকচার

ব্যবহারকারীর উদ্দেশ্য → Agent (পরিকল্পনা, যুক্তি)
 → MCP এর মাধ্যমে টুলিং (স্ট্যান্ডার্ডাইজড কল, স্কিমা, অনুমতি)
 → বাহ্যিক সিস্টেম (API, ডাটাবেস, ফাইল, ক্লাউড সার্ভিস)
 → ফলাফল → Agent সংশ্লেষণ → ব্যবহারকারী

এজেন্ট পরিকল্পনা করে এবং সিদ্ধান্ত নেয়।

MCP পরিষ্কার স্কিমা সহ অনুসন্ধান, ইনভয়েস_পুনরুদ্ধার, অথবা স্ল্যাক_বার্তা_প্রেরণ এর মতো সরঞ্জাম সরবরাহ করে।

এজেন্ট MCP এর মাধ্যমে সরঞ্জাম কল করে, কাঠামোগত ফলাফল গ্রহণ করে এবং চূড়ান্ত আউটপুট তৈরি করে।

একটি বাস্তব উদাহরণ: সাপ্তাহিক রাজস্ব সারসংক্ষেপ বট

লক্ষ্য: “প্রতি সোমবার সকাল ৯টায় ফিনান্স স্ল্যাক চ্যানেলে একটি সংক্ষিপ্ত সাপ্তাহিক রাজস্ব সারসংক্ষেপ পাঠান।”

Agent এর দায়িত্ব:

সময়কাল বোঝা (গত সোমবার–রবিবার)

কোন ডেটা মেট্রিক্স গুরুত্বপূর্ণ তা স্থির করা (মোট, নেট, রিফান্ড, MoM পরিবর্তন)

ধাপগুলো সাজানো এবং ত্রুটিগুলো সামলানো

MCP এর দায়িত্ব:

টাইপ করা ইনপুট সহ get_revenue(start_date, end_date) সরঞ্জাম সরবরাহ করা

get_refunds এবং send_slack_message(channel, text) সরবরাহ করা

অথরাইজেশন সুযোগ প্রয়োগ করা; প্রতিটি কল লগ করা

সিউডোকোড স্কেচ

# Agent পরিকল্পনা (সংক্ষিপ্ত যুক্তি)
start, end = last_week
revenue = mcp.call("get_revenue", {"start": start, "end": end})
refunds = mcp.call("get_refunds", {"start": start, "end": end})
summary = analyze(revenue, refunds)
message = format_summary(summary)
mcp.call("send_slack_message", {"channel": "#finance", "text": message})

এখানে এজেন্ট কী করতে হবে এবং কেন করতে হবে সে সম্পর্কে যুক্তি দেয়। MCP গ্যারান্টি দেয় যে প্রতিটি সরঞ্জাম কল বৈধ, নিরাপদ এবং লগ করা আছে।

কীভাবে MCP নির্ভরযোগ্যতা উন্নত করে (এবং আপনার ঘুম)

টাইপ করা চুক্তি: সরঞ্জাম ইনপুট/আউটপুট স্কিমা নির্দিষ্ট করে। রানটাইমে কম অপ্রত্যাশিত ঘটনা ঘটে।

ক্ষমতা রেজিস্ট্রি: এজেন্টরা রানটাইমে সরঞ্জাম এবং তাদের ডকস্ট্রিং আবিষ্কার করে। কম হার্ডকোডিং।

অনুমতি: সরঞ্জামগুলির সুযোগের প্রয়োজন হতে পারে; এজেন্টদের ভূমিকা বা পরিবেশ অনুসারে স্যান্ডবক্স করা যেতে পারে।

স্ট্রিমিং এবং চঙ্কিং: বড় ফলাফলগুলি ধারাবাহিক খামগুলির সাথে পেজিনেট বা স্ট্রিম করা যেতে পারে।

পরীক্ষার ক্ষমতা: ডিটারমিনিস্টিক এজেন্ট পরীক্ষা চালানোর জন্য আপনি MCP সরঞ্জামগুলিকে মক করতে পারেন।

এজেন্ট প্যাটার্ন যা MCP এর সাথে ভালভাবে যুক্ত

প্ল্যানার–এক্সিকিউটর বিভাজন

একটি উচ্চ-স্তরের পরিকল্পনা তৈরি করতে একটি LLM পাস ব্যবহার করুন; MCP এর মাধ্যমে ধাপে ধাপে সম্পাদন করতে দ্বিতীয়টি ব্যবহার করুন।

সুবিধা: স্পষ্ট চেকবিন্দু; আংশিক ব্যর্থতা থেকে পুনরুদ্ধার করা সহজ।

সুরক্ষার সাথে রিফ্লেক্সিভ লুপ

সরঞ্জাম কল করার আগে এজেন্ট তার নিজের পরিকল্পনাকে সমালোচিত করে (“আমার কাছে প্রয়োজনীয় সমস্ত ডেটা আছে কি?”)।

MCP এর স্কিমা অনুমান যাচাই করতে সাহায্য করে।

মানুষের হাতের গেট

ঝুঁকিপূর্ণ কাজের জন্য (পেমেন্ট, ডেটা মুছে ফেলা), MCP requires_approval=true ফ্ল্যাগ প্রকাশ করতে পারে।

এজেন্ট অনুমোদনের জন্য অনুরোধ করে; MCP এটি প্রয়োগ করে।

ডিটারমিনিস্টিক রিপ্লে

ফলাফল পুনরুত্পাদন, ডিবাগ এবং নিরীক্ষণের সাথে সম্মতি জানাতে MCP ট্রান্সক্রিপ্ট (অনুরোধ/উত্তর) সংরক্ষণ করুন।

সাধারণ ভুল (এবং MCP কীভাবে সাহায্য করে)

অস্পষ্ট সরঞ্জাম শব্দার্থ → MCP রেজিস্ট্রিতে বর্ণনামূলক নাম, উদাহরণ এবং স্কিমা ব্যবহার করুন।

ডেটা গোপনীয়তা ফাঁস → সরঞ্জামগুলিকে শক্তভাবে স্কোপ করুন; প্রম্পটের মাধ্যমে নয়, MCP এর মাধ্যমে টোকেন পাস করুন।

অতিরিক্ত আত্মবিশ্বাসী এজেন্ট → সরঞ্জাম-স্তরের হারের সীমা এবং গার্ডরেইল যুক্ত করুন; এজেন্টকে অবশ্যই পরিচালনা করতে হবে এমন স্পষ্ট ত্রুটি ফেরত দিন।

ইন্টিগ্রেশন পচন → আপনার সরঞ্জামগুলির সংস্করণ তৈরি করুন; MCP এজেন্টদের সুন্দরভাবে সংস্করণ নিয়ে আলোচনা করতে দেয়।

বাস্তবায়ন নোট যা আপনি আজ ব্যবহার করতে পারেন

কোর সরঞ্জামগুলির একটি ছোট সেট দিয়ে শুরু করুন (পড়া, লেখা, জানানো)। আপনার লগ না পাওয়া পর্যন্ত প্রসারিত করবেন না।

তাদের MCP সংজ্ঞা সহ সরঞ্জাম ডক্স কো-লোকেট করুন। উদাহরণ এবং প্রান্তিক কেস অন্তর্ভুক্ত করুন।

বিপজ্জনক সরঞ্জামগুলিতে একটি dry_run প্যারামিটার যুক্ত করুন এবং এজেন্টদের প্রথমে এটি ব্যবহার করার জন্য প্রশিক্ষণ দিন।

নিরাপদ এজেন্ট মূল্যায়নের জন্য মক ডেটা সহ একটি স্টেজিং MCP পরিবেশ তৈরি করুন।

মেট্রিক ট্র্যাক করুন: সরঞ্জামের ত্রুটির হার, পুনরায় চেষ্টা, বিলম্বতা এবং শেষ থেকে শেষ পর্যন্ত কাজের সাফল্য।

নিরাপত্তা, সম্মতি এবং গভর্নেন্স

ন্যূনতম সুবিধা: প্রতিটি এজেন্ট পরিচয় MCP সুযোগের একটি ন্যূনতম সেটের সাথে ম্যাপ করে।

রিডাকশন: MCP মডেলটিতে ফিরে যাওয়ার আগে আউটপুট স্যানিটাইজ করতে পারে (যেমন, PII মাস্ক)।

নীতি প্রয়োগ: MCP-তে নিয়ম কেন্দ্রীভূত করুন যাতে সমস্ত এজেন্ট সেগুলি উত্তরাধিকার সূত্রে পায়।

নিরীক্ষণযোগ্যতা: নিয়ন্ত্রিত ব্যবহারের ক্ষেত্রগুলির জন্য MCP কলের স্বাক্ষরিত লগ রাখুন।

কীভাবে MCP এবং এজেন্ট সিস্টেম আপনার সংস্থার সাথে স্কেল করে

দল-স্তরের পুনঃব্যবহার: ফিনান্স এবং সাপোর্ট এজেন্ট MCP এর মাধ্যমে একই send_slack_message সরঞ্জাম পুনরায় ব্যবহার করতে পারে।

সরবরাহকারী অদলবদল: আপনি যদি LLM সরবরাহকারী পরিবর্তন করেন তবে MCP স্তর স্থিতিশীল থাকে—স্থানান্তর সময় সাশ্রয় করে।

নতুন চ্যানেল: একবার send_email বা create_ticket সরঞ্জাম যুক্ত করুন; প্রতিটি এজেন্ট উপকৃত হয়।

আপনার এজেন্ট কৌশল নির্বাচন করা

তৈরি করার আগে এই প্রশ্নগুলি জিজ্ঞাসা করুন:

কাজটি কি পরিষ্কার স্কিমা সহ সরঞ্জাম হিসাবে এনকোড করার জন্য যথেষ্ট স্থিতিশীল?

আমার কি স্বায়ত্তশাসন (বহু-পদক্ষেপ যুক্তি) নাকি শুধু স্মার্ট সমৃদ্ধি দরকার?

ব্যর্থতার খরচ কত? আমার কি MCP-তে মানুষের অনুমোদনের গেট যুক্ত করা উচিত?

আমি কীভাবে শেষ থেকে শেষ পর্যন্ত সিস্টেম পর্যবেক্ষণ এবং পরীক্ষা করব?

যদি বেশিরভাগ উত্তর “হ্যাঁ” হয়, তবে একটি সীমিত ডোমেনে MCP-সমর্থিত এজেন্ট দিয়ে শুরু করুন, তারপর পুনরাবৃত্তি করুন।

বাস্তব-বিশ্বের ব্যবহারের ক্ষেত্র যেখানে MCP + এজেন্ট উজ্জ্বল

গ্রাহক সমর্থন ট্রাইজ

সরঞ্জাম: search_kb, lookup_account, create_ticket, respond_template

ফলাফল: সঠিক, লগ করা ক্রিয়াগুলির সাথে দ্রুত প্রথম প্রতিক্রিয়া।

সেলস রিসার্চ কোপাইলট

সরঞ্জাম: web_search, crm_lookup, summarize_pdf, draft_email

ফলাফল: মিনিটের মধ্যে খসড়া করা সম্ভাবনা বিষয়ক সংক্ষিপ্ত বিবরণ; ট্র্যাক করা প্রচার।

Ops অটোমেশন

সরঞ্জাম: run_query, open_incident, post_update, generate_report

ফলাফল: হ্রাস করা টয়েল এবং স্পষ্ট নিরীক্ষণ ট্রেইল।

ডেটা গুণমান নজরদারি

সরঞ্জাম: sample_dataset, validate_schema, file_issue, notify_owner

ফলাফল: কম ডাউনস্ট্রিম আশ্চর্যজনক ঘটনা।

একটি সংক্ষিপ্ত শব্দকোষ (যাতে দলগুলি শর্তাবলীতে একমত হয়)

MCP সরঞ্জাম: একটি কলযোগ্য ক্ষমতা যা একটি স্কিমা এবং নীতি সহ প্রোটোকলের মাধ্যমে প্রকাশ করা হয়।

ক্ষমতা রেজিস্ট্রি: ডিরেক্টরি যেখানে সরঞ্জাম, সংস্করণ এবং ডক্স থাকে।

এজেন্ট: LLM-চালিত পরিকল্পনাকারী/নির্বাহক MCP সরঞ্জাম ব্যবহার করে লক্ষ্য পূরণ করে।

চিন্তা লুপ: এজেন্টের অভ্যন্তরীণ যুক্তির পদক্ষেপ (লুকানো বা সংক্ষিপ্ত করা হতে পারে)।

মানুষের হাতের লুপ: একটি চেকবিন্দু যার জন্য সুস্পষ্ট অনুমোদনের প্রয়োজন।

উদাহরণ: একটি MCP সরঞ্জাম স্কিমা ডিজাইন করা

{
 "name": "get_revenue",
 "description": "ISO-8601 এ একটি তারিখের সীমার জন্য রাজস্ব মেট্রিক ফেরত দেয়।",
 "version": "1.2.0",
 "auth": { "scopes": ["finance.read"] },
 "input_schema": {
 "type": "object",
 "properties": {
 "start": { "type": "string", "format": "date" },
 "end": { "type": "string", "format": "date" },
 "currency": { "type": "string", "enum": ["USD", "EUR", "JPY"] }
 },
 "required": ["start", "end"]
 },
 "output_schema": {
 "type": "object",
 "properties": {
 "gross": { "type": "number" },
 "net": { "type": "number" },
 "refunds": { "type": "number" },
 "notes": { "type": "string" }
 },
 "required": ["gross", "net", "refunds"]
 }
}

এই স্বচ্ছতা এজেন্টদের আত্মবিশ্বাস দেয় এবং আপনাকে গার্ডরেইল দেয়।

নোট করার মতো: MCP-সংযুক্ত এজেন্টদের জন্য Sider.AI ব্যবহার করা

প্রাসঙ্গিকতা স্কোর: 8/10

আপনি যদি সরঞ্জাম-ব্যবহারকারী এজেন্টদের সাথে পরীক্ষা করছেন, তবে দ্রুত প্রোটোটাইপ তৈরি করতে এবং সবকিছু পর্যবেক্ষণযোগ্য রাখতে সহায়তা করে। যাইহোক, Sider.AI একাধিক সরঞ্জাম এজেন্টের সাথে কাজ করার জন্য একটি নমনীয় পরিবেশ সরবরাহ করে, যার মধ্যে রয়েছে:

স্পষ্ট সরঞ্জামের সীমানা সহ পদক্ষেপগুলির ভিজ্যুয়াল অর্কেস্ট্রেশন

MCP-স্টাইলের সরঞ্জাম এবং স্কিমা বৈধতা যুক্ত করা সহজ

সরঞ্জাম কল এবং ফলাফলের জন্য অন্তর্নির্মিত লগিং

সংবেদনশীল কাজের জন্য মানুষের হাতের অনুমোদন

এর মানে হল আপনি একটি এজেন্টের স্কেচ করতে পারেন, এটিকে আপনার সরঞ্জামগুলিতে তারযুক্ত করতে পারেন এবং স্ক্র্যাচ থেকে সমস্ত কাঠামো তৈরি না করে সম্পূর্ণ ট্রান্সক্রিপ্ট দেখতে পারেন।

মূল টেকওয়ে যা আপনি আজই কাজ করতে পারেন

ছোট করে শুরু করুন: সুনির্দিষ্ট স্কিমা সহ 3-5টি উচ্চ-মূল্যের MCP সরঞ্জাম সংজ্ঞায়িত করুন।

যে কোনও সরঞ্জাম যা অর্থ, ডেটা বা অনুমতির পরিবর্তন করতে পারে তাতে অনুমোদন যুক্ত করুন।

পরিকল্পনাকে মৃত্যুদন্ড থেকে আলাদা করুন; প্রতিটি সরঞ্জাম কল লগ করুন।

এজেন্টদের পরীক্ষা করতে স্টেজিং ডেটা এবং ডিটারমিনিস্টিক রিপ্লে ব্যবহার করুন।

আপনার লগের উপর আত্মবিশ্বাসী হওয়ার পরেই আপনার টুলসেট প্রসারিত করুন।

উপসংহার: MCP এবং এজেন্ট ব্যাখ্যা করা হয়েছে, প্রয়োগ করা হয়েছে এবং ঝুঁকি কমানো হয়েছে

MCP এবং এজেন্ট সিস্টেম পরিপূরক। এজেন্ট পরিকল্পনা করে এবং সিদ্ধান্ত নেয়; MCP সিদ্ধান্তগুলিকে নিরাপদ, পুনরাবৃত্তিযোগ্য ক্রিয়ায় পরিণত করে। আপনি যদি ২০২৫ সালে AI-চালিত অটোমেশন সম্পর্কে গুরুতর হন, তবে প্রথমে প্রোটোকল স্তরটিকে অগ্রাধিকার দিন—স্বচ্ছ স্কিমা, অনুমতি এবং পর্যবেক্ষণযোগ্যতা—তারপর এজেন্টদের উপরে যৌগিক মান সরবরাহ করতে দিন। এই ভিত্তির সাথে, আপনি দ্রুত শিপিং করবেন, আরও ভাল ঘুমাবেন এবং আত্মবিশ্বাসের সাথে স্কেল করবেন।

FAQ

প্রশ্ন ১: AI-তে MCP কী এবং এটি কীভাবে একজন এজেন্ট থেকে আলাদা? MCP হল একটি প্রোটোকল যা মডেলগুলি কীভাবে সরঞ্জাম কল করে এবং ডেটা অ্যাক্সেস করে তা স্ট্যান্ডার্ডাইজ করে। একজন এজেন্ট হল যুক্তিবাদী সিস্টেম যা সেই সরঞ্জামগুলির পরিকল্পনা করে এবং ব্যবহার করে; MCP নিরাপদ ইন্টারফেস প্রদান করে যার উপর এজেন্ট নির্ভর করে।

প্রশ্ন ২: কাস্টম ইন্টিগ্রেশনের পরিবর্তে সরঞ্জাম কল করার জন্য MCP ব্যবহার করবেন কেন? MCP-এর মতো একটি প্রোটোকল কাস্টম গ্লু কোড হ্রাস করে, নিরীক্ষণযোগ্যতা উন্নত করে এবং স্কিমা এবং অনুমতি প্রয়োগ করে। এটি একাধিক এজেন্টকে নির্ভরযোগ্যভাবে একই সরঞ্জাম পুনরায় ব্যবহার করতে দেয়।

প্রশ্ন ৩: আমি কি MCP ছাড়াই এজেন্ট তৈরি করতে পারি? হ্যাঁ, তবে আপনি ভঙ্গুর ইন্টিগ্রেশন এবং সীমিত পর্যবেক্ষণযোগ্যতার সম্মুখীন হতে পারেন। MCP কাঠামো, টাইপ করা ইনপুট/আউটপুট এবং নীতি প্রয়োগ যোগ করে যা এজেন্টদের আরও নির্ভরযোগ্য করে তোলে।

প্রশ্ন ৪: ব্যবসায়িক অটোমেশনের জন্য সাধারণ MCP সরঞ্জামগুলি কী কী? সাধারণ সরঞ্জামগুলির মধ্যে রয়েছে search_kb, get_revenue, crm_lookup, summarize_pdf, send_slack_message, এবং create_ticket। প্রতিটির পরিষ্কার স্কিমা এবং স্কোপড অনুমতি থাকা উচিত।

প্রশ্ন ৫: আমি কীভাবে MCP এর সাথে এজেন্ট ক্রিয়াকলাপে মানুষের অনুমোদন যোগ করব? একটি requires_approval ফ্ল্যাগ বা একটি ডেডিকেটেড request_approval সরঞ্জাম সহ সরঞ্জামগুলি প্রকাশ করুন। এজেন্ট অনুরোধটি ট্রিগার করে এবং ঝুঁকিপূর্ণ ক্রিয়াটি সম্পাদনের আগে MCP অনুমোদন প্রয়োগ করে।