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 மற்றும் Agent என்றால் என்ன? 2025க்கான தெளிவான, நடைமுறை விளக்கம்

நடை: நடைமுறை மற்றும் தீர்வு சார்ந்த

AI கருவிகளின் விரைவான வளர்ச்சியை நீங்கள் பின்பற்றி இருந்தால், “MCP” மற்றும் “agent” போன்ற சொற்களைப் பற்றி கேள்விப்பட்டிருக்கலாம். இங்கே ஒரு விஷயம்: இவை இரண்டும் AI ஆட்டோமேஷன் உலகில் இருந்தாலும், அவை வெவ்வேறு சிக்கல்களைத் தீர்க்கின்றன. MCP மற்றும் agent கட்டமைப்புகள் எவ்வாறு ஒன்றிணைகின்றன என்பதைப் புரிந்துகொள்வது, பாதுகாப்பான, நம்பகமான மற்றும் எளிதில் அளவிடக்கூடிய அமைப்புகளை வடிவமைக்க உதவும்.

இந்த விளக்கம் ஒரு நேரடியான அணுகுமுறையை எடுக்கிறது. நாம் சொற்களை வரையறுப்போம், அவை எவ்வாறு ஒன்றிணைந்து செயல்படுகின்றன என்பதைக் காட்டுவோம், நிஜ உலக பயன்பாட்டு நிகழ்வுகளை எடுத்துக்காட்டுவோம், மேலும் நீங்கள் உடனடியாகப் பயன்படுத்தக்கூடிய முறைகளை வழங்குவோம்.

விரைவான வரையறைகள் (பிரபலமான வார்த்தைகள் இல்லாமல்)

MCP (Model Context Protocol): AI மாடல்களை (LLMகள்) வெளிப்புற கருவிகள், தரவு ஆதாரங்கள் மற்றும் திறன்களுடன் நன்கு வரையறுக்கப்பட்ட நெறிமுறை மூலம் இணைப்பதற்கான ஒரு தரப்படுத்தப்பட்ட வழி. MCP ஐ குழாய்த்தொகுதியாக நினைத்துக்கொள்ளுங்கள், இது ஒரு மாதிரி பாதுகாப்பாக செயல்பாடுகளை அழைக்கவும், தரவைப் பெறவும், கணிக்கக்கூடிய, தணிக்கை செய்யக்கூடிய வழியில் செயல்களைச் செய்யவும் அனுமதிக்கிறது.

Agent: ஒரு LLM மூலம் இயக்கப்படும் தன்னாட்சி அல்லது அரை-தன்னாட்சி அமைப்பு ஆகும், இது கருவிகளைப் பயன்படுத்தி பணிகளைத் திட்டமிடுகிறது, காரணங்களை ஆராய்கிறது மற்றும் செயல்படுத்துகிறது. ஒரு agent பின்வருமாறு முடிவு செய்யலாம்: “எனக்கு தரவு A தேவை, பின்னர் அதை கருவி B மூலம் மாற்ற வேண்டும், பின்னர் பயனர் C க்கு அறிவிக்க வேண்டும்.” Agents கருவி அணுகலை நம்பியுள்ளன; MCP அந்த அணுகலை வழங்க ஒரு சுத்தமான வழியாகும்.

சுருக்கமாக: ஒரு agent என்பது ஒருங்கிணைப்பாளர். MCP என்பது பாதுகாப்பான, கட்டமைக்கப்பட்ட கைகளை வழங்கும் இடைமுக அடுக்கு ஆகும்.

நீங்கள் agents உருவாக்கும் முன் MCP ஏன் முக்கியம்

பாதுகாப்பு மற்றும் கட்டுப்பாடு: MCP என்ன கருவிகள் உள்ளன, என்ன உள்ளீடுகள் அனுமதிக்கப்படுகின்றன, மற்றும் வெளியீடுகள் எப்படி இருக்கும் என்பதை வரையறுக்கிறது. இது agents கருவி பயன்பாட்டைப் பற்றி தவறாகக் கற்பனை செய்வதற்கான வாய்ப்புகளைக் குறைக்கிறது அல்லது திட்டமிடப்படாத செயல்களைச் செய்வதற்கான வாய்ப்புகளைக் குறைக்கிறது.

ஒருங்கிணைப்பு: ஒரு பொதுவான நெறிமுறையுடன், ஒரே கருவியை வெவ்வேறு agents அல்லது மாதிரிகள் முழுவதும் பிரத்யேக ஒருங்கிணைப்புகள் இல்லாமல் மீண்டும் பயன்படுத்தலாம்.

கண்காணிப்பு: தரப்படுத்தப்பட்ட செய்திகள் மற்றும் திட்டங்கள், agent உண்மையில் என்ன செய்தது என்பதைப் பதிவு செய்வது, சோதிப்பது மற்றும் தணிக்கை செய்வது எளிதாக்குகிறது.

அளவிடுதல்: உங்கள் கருவித்தொகுப்பு வளரும்போது, MCP இன் ஒப்பந்தம் தற்காலிக பிணைப்புகளின் சிக்கலைக் குறைக்க உதவுகிறது.

கீழே உள்ள வரி: கருவிகளைத் தரப்படுத்த MCP அடுக்கை உருவாக்குங்கள்; முடிவுகளை வழங்க agents ஐ அதில் செருகவும்.

மன மாதிரி: MCP vs. Agent

Agent பதில்கள்: “ஒரு இலக்கை அடைய சிறந்த வழிமுறைகளின் வரிசை என்ன?”

MCP பதில்கள்: “சரியான அளவுருக்கள், அனுமதிகள் மற்றும் தரவு வடிவங்களுடன் நான் படி N ஐ எவ்வாறு நம்பகத்தன்மையுடன் அழைப்பது?”

MCP இல்லாமல் நீங்கள் agents உருவாக்கலாம், ஆனால் நீங்கள் பெரும்பாலும் சிறிய நெறிமுறைகளை மறுபரிசீலனை செய்ய வேண்டியிருக்கும். MCP ஐ ஏற்றுக்கொள்வது பிரத்யேக பசை குறியீட்டைக் குறைக்கிறது மற்றும் தோல்வி மேற்பரப்புகளைக் குறைக்கிறது.

கட்டமைப்பு ஒரு பார்வை

பயனர் நோக்கம் → Agent (திட்டமிடல், காரணங்காட்டுதல்)
 → MCP வழியாக கருவித்தொகுப்பு (தரப்படுத்தப்பட்ட அழைப்புகள், திட்டங்கள், அனுமதிகள்)
 → வெளிப்புற அமைப்புகள் (APIs, தரவுத்தளங்கள், கோப்புகள், கிளவுட் சேவைகள்)
 → முடிவுகள் → Agent தொகுப்பு → பயனர்

Agent திட்டமிட்டு முடிவு செய்கிறது.

MCP தேடல், retrieve_invoice, அல்லது send_slack_message போன்ற கருவிகளை தெளிவான திட்டங்களுடன் வெளிப்படுத்துகிறது.

Agent MCP மூலம் கருவிகளை அழைக்கிறது, கட்டமைக்கப்பட்ட முடிவுகளைப் பெறுகிறது மற்றும் இறுதி வெளியீட்டை உருவாக்குகிறது.

ஒரு உறுதியான உதாரணம்: வாராந்திர வருவாய் சுருக்க போட்

இலக்கு: “ஒவ்வொரு திங்கட்கிழமையும் காலை 9 மணிக்கு நிதி Slack சேனலுக்கு ஒரு சுருக்கமான வாராந்திர வருவாய் சுருக்கத்தை அனுப்பவும்.”

Agent பொறுப்புகள்:

நேர அளவுகளைப் புரிந்து கொள்ளுங்கள் (கடந்த திங்கள்-ஞாயிறு)

எந்த தரவு அளவீடுகள் முக்கியம் என்பதை முடிவு செய்யுங்கள் (மொத்தம், நிகரம், பணத்தைத் திரும்பப்பெறுதல், MoM மாற்றம்)

வரிசை படிகள் மற்றும் பிழைகளைக் கையாளவும்

MCP பொறுப்புகள்:

தட்டச்சு செய்யப்பட்ட உள்ளீடுகளுடன் get_revenue(start_date, end_date) கருவியை வழங்கவும்

get_refunds மற்றும் send_slack_message(channel, text) ஐ வழங்கவும்

அங்கீகார வரம்புகளை அமல்படுத்தவும்; ஒவ்வொரு அழைப்பையும் பதிவு செய்யவும்

போலிக்கோடு ஸ்கெட்ச்

# Agent திட்டம் (காரணங்காட்டுதல் சுருக்கப்பட்டது)
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})

இங்கே agent என்ன செய்ய வேண்டும் மற்றும் ஏன் என்று காரணங்களை ஆராய்கிறது. ஒவ்வொரு கருவி அழைப்பும் செல்லுபடியாகும், பாதுகாப்பானது மற்றும் பதிவு செய்யப்பட்டுள்ளது என்பதை MCP உறுதி செய்கிறது.

MCP நம்பகத்தன்மையை எவ்வாறு மேம்படுத்துகிறது (மற்றும் உங்கள் தூக்கம்)

தட்டச்சு செய்யப்பட்ட ஒப்பந்தங்கள்: கருவிகள் உள்ளீடு/வெளியீடு திட்டங்களைக் குறிப்பிடுகின்றன. இயக்க நேரத்தில் குறைவான ஆச்சரியங்கள்.

திறன் பதிவேடு: Agents கருவிகளையும் அவற்றின் ஆவண சரங்களையும் இயக்க நேரத்தில் கண்டறியலாம். குறைவான கடின குறியீடாக்கம்.

அனுமதி: கருவிகளுக்கு வரம்புகள் தேவைப்படலாம்; agents பங்கு அல்லது சூழலால் சாண்ட்பாக்ஸ் செய்யப்படலாம்.

ஸ்ட்ரீமிங் மற்றும் துண்டாக்குதல்: பெரிய முடிவுகளை பக்கங்களாகப் பிரிக்கலாம் அல்லது நிலையான உறைகளுடன் ஸ்ட்ரீம் செய்யலாம்.

சோதனை திறன்: தீர்மானகரமான agent சோதனைகளை இயக்க MCP கருவிகளை நீங்கள் கேலி செய்யலாம்.

MCP உடன் நன்றாக இணையும் Agent முறைகள்

திட்டமிடுபவர்-செயல்படுத்துபவர் பிரிவு

உயர்-நிலை திட்டத்தை உருவாக்க ஒரு LLM பாஸைப் பயன்படுத்தவும்; MCP வழியாக படிப்படியாக செயல்படுத்த இரண்டாவது.

நன்மை: தெளிவான சோதனைச் சாவடிகள்; பகுதி தோல்விகளிலிருந்து மீள்வது எளிது.

பாதுகாப்புகளுடன் பிரதிபலிப்பு சுழற்சிகள்

கருவிகளை அழைப்பதற்கு முன்பு agent அதன் சொந்த திட்டத்தை விமர்சிக்கிறது (“எனக்கு தேவையான அனைத்து தரவும் உள்ளதா?”).

MCP இன் திட்டங்கள் அனுமானங்களை சரிபார்க்க உதவுகின்றன.

மனிதன்-சுழற்சி வாயில்களில்

ஆபத்தான செயல்களுக்கு (கட்டணங்கள், தரவு நீக்கம்), MCP requires_approval=true கொடிகளை வெளிப்படுத்தலாம்.

Agent ஒப்புதல் கோருகிறது; MCP அதை அமல்படுத்துகிறது.

தீர்மானகரமான மறுபதிப்பு

MCP டிரான்ஸ்கிரிப்ட்களை (கோரிக்கைகள்/பதில்கள்) சேமித்து முடிவுகளை மீண்டும் உருவாக்கவும், பிழைகளை நீக்கவும் மற்றும் தணிக்கைகளுக்கு இணங்கவும்.

பொதுவான குறைபாடுகள் (மற்றும் MCP எவ்வாறு உதவுகிறது)

தெளிவற்ற கருவி சொற்பொருள் → MCP பதிவேட்டில் விளக்கமான பெயர்கள், எடுத்துக்காட்டுகள் மற்றும் திட்டங்களைப் பயன்படுத்தவும்.

தரவு தனியுரிமை கசிவுகள் → கருவிகளை இறுக்கமாக வரம்பிடவும்; தூண்டுதலுக்கு பதிலாக MCP வழியாக டோக்கன்களை அனுப்பவும்.

அதிக நம்பிக்கையுள்ள agents → கருவி-நிலை விகித வரம்புகள் மற்றும் பாதுகாப்புகளைச் சேர்க்கவும்; agent கையாள வேண்டிய வெளிப்படையான பிழைகளைத் திருப்பவும்.

ஒருங்கிணைப்பு அழுகல் → உங்கள் கருவிகளை பதிப்பு செய்யவும்; MCP agents நேர்த்தியாக பதிப்புகளைப் பேச்சுவார்த்தை நடத்த அனுமதிக்கிறது.

இன்று நீங்கள் பயன்படுத்தக்கூடிய செயலாக்க குறிப்புகள்

சிறிய அளவிலான முக்கிய கருவிகளுடன் (படித்தல், எழுதுதல், அறிவித்தல்) தொடங்கவும். பதிவுகள் கிடைத்த பின்னரே விரிவாக்கவும்.

கருவி ஆவணங்களை அவற்றின் MCP வரையறைகளுடன் இணைக்கவும். எடுத்துக்காட்டுகள் மற்றும் எட்ஜ் கேஸ்களைச் சேர்க்கவும்.

ஆபத்தான கருவிகளுக்கு dry_run அளவுருவைச் சேர்த்து, அதை முதலில் பயன்படுத்த agents பயிற்சி செய்யவும்.

பாதுகாப்பான agent மதிப்பீட்டிற்காக போலி தரவுகளுடன் ஒரு இடைக்கால MCP சூழலை உருவாக்கவும்.

அளவீடுகளைக் கண்காணிக்கவும்: கருவி பிழை விகிதங்கள், மறுமுயற்சிகள், தாமதம் மற்றும் இறுதி முதல் இறுதி பணி வெற்றி.

பாதுகாப்பு, இணக்கம் மற்றும் ஆளுகை

குறைந்தபட்ச சலுகை: ஒவ்வொரு agent அடையாளமும் MCP வரம்புகளின் குறைந்தபட்ச தொகுப்பிற்கு வரைபடமாக்குகிறது.

திருத்தம்: MCP மாதிரியை திருப்பி அனுப்புவதற்கு முன்பு வெளியீடுகளை சுத்தப்படுத்தலாம் (எ.கா., PII ஐ மறைக்கலாம்).

கொள்கை அமலாக்கம்: MCP இல் விதிகளை மையப்படுத்துங்கள், எனவே அனைத்து agents அவற்றைப் பெறுகின்றன.

தணிக்கை திறன்: கட்டுப்படுத்தப்பட்ட பயன்பாட்டு நிகழ்வுகளுக்கு MCP அழைப்புகளின் கையொப்பமிடப்பட்ட பதிவுகளை வைத்திருங்கள்.

MCP மற்றும் agent அமைப்புகள் உங்கள் நிறுவனத்துடன் எவ்வாறு அளவிடப்படுகின்றன

குழு-நிலை மறுபயன்பாடு: நிதி மற்றும் ஆதரவு agents MCP வழியாக அதே send_slack_message கருவியை மீண்டும் பயன்படுத்தலாம்.

விற்பனையாளர் இடமாற்றம்: நீங்கள் LLM வழங்குநர்களை மாற்றினால், MCP அடுக்கு நிலையானதாக இருக்கும் - இடம்பெயர்வு நேரத்தை மிச்சப்படுத்தும்.

புதிய சேனல்கள்: send_email அல்லது create_ticket கருவிகளை ஒருமுறை சேர்க்கவும்; ஒவ்வொரு agent பயன் பெறுகிறது.

உங்கள் agent உத்தியைத் தேர்ந்தெடுப்பது

உருவாக்குவதற்கு முன் இந்த கேள்விகளைக் கேளுங்கள்:

தெளிவான திட்டங்களுடன் கருவிகளாக குறியாக்கம் செய்ய பணி போதுமானதாக உள்ளதா?

எனக்கு சுயாட்சி (பல-படி காரணங்காட்டுதல்) தேவையா அல்லது ஸ்மார்ட் செறிவூட்டல் தேவையா?

தோல்வி செலவுகள் என்ன? MCP இல் மனித ஒப்புதல் வாயில்களை சேர்க்க வேண்டுமா?

நான் அமைப்பை இறுதி முதல் இறுதி வரை எவ்வாறு கவனித்து சோதிப்பேன்?

பெரும்பாலான பதில்கள் “ஆம்” என்றால், ஒரு வரையறுக்கப்பட்ட களத்தில் MCP-ஆதரவு agent உடன் தொடங்கி, பின்னர் மீண்டும் செய்யவும்.

MCP + agents பிரகாசிக்கும் நிஜ உலக பயன்பாட்டு நிகழ்வுகள்

வாடிக்கையாளர் ஆதரவு வகைப்பாடு

கருவிகள்: search_kb, lookup_account, create_ticket, respond_template

விளைவு: துல்லியமான, பதிவு செய்யப்பட்ட செயல்களுடன் வேகமான முதல் பதில்.

விற்பனை ஆராய்ச்சி கோபைலட்

கருவிகள்: web_search, crm_lookup, summarize_pdf, draft_email

விளைவு: வாய்ப்பு சுருக்கங்கள் நிமிடங்களில் தயாரிக்கப்படுகின்றன; கண்காணிக்கப்பட்ட அவுட்ரீச்.

Ops ஆட்டோமேஷன்கள்

கருவிகள்: run_query, open_incident, post_update, generate_report

விளைவு: குறைக்கப்பட்ட வேலை மற்றும் தெளிவான தணிக்கை தடங்கள்.

தரவு தரமான கண்காணிப்பாளர்

கருவிகள்: sample_dataset, validate_schema, file_issue, notify_owner

விளைவு: குறைவான கீழ்நிலை ஆச்சரியங்கள்.

ஒரு சிறிய சொற்களஞ்சியம் (எனவே குழுக்கள் சொற்களில் இணைகின்றன)

MCP கருவி: ஒரு திட்டம் மற்றும் கொள்கையுடன் நெறிமுறை மூலம் வெளிப்படுத்தப்படும் அழைக்கக்கூடிய திறன்.

திறன் பதிவேடு: கருவிகள், பதிப்புகள் மற்றும் ஆவணங்கள் இருக்கும் அடைவு.

Agent: இலக்குகளை முடிக்க MCP கருவிகளைப் பயன்படுத்தும் LLM-இயக்கப்படும் திட்டமிடுபவர்/செயல்படுத்துபவர்.

சிந்தனை சுழற்சி: agent இன் உள் காரணங்காட்டுதல் படிகள் (மறைக்கப்படலாம் அல்லது சுருக்கப்படலாம்).

மனிதன்-சுழற்சி: வெளிப்படையான ஒப்புதல் தேவைப்படும் ஒரு சோதனைச் சாவடி.

உதாரணம்: MCP கருவி திட்டத்தை வடிவமைத்தல்

{
 "name": "get_revenue",
 "description": "ISO-8601 இல் ஒரு தேதி வரம்பிற்கான வருவாய் அளவீடுகளை வழங்குகிறது.",
 "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"]
 }
}

இந்த தெளிவு agents க்கு நம்பிக்கையை அளிக்கிறது மற்றும் உங்களுக்கு பாதுகாப்புகளை வழங்குகிறது.

குறிப்பிடத்தக்கது: MCP-இணைக்கப்பட்ட agents க்கான Sider.AI ஐப் பயன்படுத்துதல்

தொடர்புடைய மதிப்பெண்: 8/10

கருவி-பயன்படுத்தும் agents உடன் நீங்கள் பரிசோதனை செய்தால், எல்லாவற்றையும் வேகமாக முன்மாதிரி செய்து கண்காணிக்கக்கூடியதாக வைத்திருப்பது உதவும். மூலம், Sider.AI பல கருவி agents உடன் பணிபுரிவதற்கான நெகிழ்வான சூழலை வழங்குகிறது, இதில்:

தெளிவான கருவி எல்லைகளுடன் படிகளின் காட்சி இசைவு

MCP-பாணி கருவிகள் மற்றும் திட்டம் சரிபார்ப்பை எளிதாகச் சேர்த்தல்

கருவி அழைப்புகள் மற்றும் விளைவுகளுக்கான உள்ளமைக்கப்பட்ட பதிவு

உணர்திறன் செயல்களுக்கான மனிதன்-சுழற்சி ஒப்புதல்கள்

அதாவது நீங்கள் ஒரு agent ஐ வரைந்து, அதை உங்கள் கருவிகளுடன் இணைத்து, முழு டிரான்ஸ்கிரிப்டையும் பார்க்கலாம் - அனைத்து சாரக்கட்டுகளையும் புதிதாக உருவாக்காமல்.

இன்று நீங்கள் செயல்படக்கூடிய முக்கிய குறிப்புகள்

சிறியதாகத் தொடங்கவும்: துல்லியமான திட்டங்களுடன் 3-5 உயர்-மதிப்பு MCP கருவிகளை வரையறுக்கவும்.

பணம், தரவு அல்லது அனுமதிகளை மாற்றக்கூடிய எந்த கருவிக்கும் ஒப்புதல்களைச் சேர்க்கவும்.

திட்டமிடலை செயல்படுத்தலில் இருந்து பிரிக்கவும்; ஒவ்வொரு கருவி அழைப்பையும் பதிவு செய்யவும்.

agents ஐ சோதிக்க இடைக்கால தரவு மற்றும் தீர்மானகரமான மறுபதிப்புகளைப் பயன்படுத்தவும்.

உங்கள் பதிவுகளில் நீங்கள் உறுதியாக இருந்த பின்னரே உங்கள் கருவித்தொகுப்பை விரிவாக்கவும்.

முடிவுரை: MCP மற்றும் agent விளக்கப்பட்டது, பயன்படுத்தப்பட்டது மற்றும் ஆபத்து குறைக்கப்பட்டது

MCP மற்றும் agent அமைப்புகள் ஒன்றுக்கொன்று நிரப்பியாக உள்ளன. agent திட்டமிட்டு முடிவு செய்கிறது; MCP முடிவுகளை பாதுகாப்பான, மீண்டும் செய்யக்கூடிய செயல்களாக மாற்றுகிறது. 2025 இல் AI-இயக்கப்படும் ஆட்டோமேஷனைப் பற்றி நீங்கள் தீவிரமாக இருந்தால், முதலில் நெறிமுறை அடுக்கிற்கு முன்னுரிமை கொடுங்கள் - தெளிவான திட்டங்கள், அனுமதிகள் மற்றும் கண்காணிப்பு - பின்னர் agents மேலே கலவையான மதிப்பை வழங்கட்டும். இந்த அடித்தளத்துடன், நீங்கள் வேகமாக அனுப்பலாம், நன்றாக தூங்கலாம் மற்றும் நம்பிக்கையுடன் அளவிடலாம்.

FAQ

Q1: AI இல் MCP என்றால் என்ன, அது ஒரு agent இலிருந்து எவ்வாறு வேறுபடுகிறது? MCP என்பது மாதிரிகள் கருவிகளை அழைக்கும் மற்றும் தரவை அணுகும் முறையைத் தரப்படுத்துகிறது. ஒரு agent என்பது அந்த கருவிகளைத் திட்டமிட்டுப் பயன்படுத்தும் காரணங்காட்டுதல் அமைப்பு; MCP agent நம்பியிருக்கும் பாதுகாப்பான இடைமுகத்தை வழங்குகிறது.

Q2: தனிப்பயன் ஒருங்கிணைப்புகளுக்கு பதிலாக கருவி அழைப்பிற்கு MCP ஐ ஏன் பயன்படுத்த வேண்டும்? MCP போன்ற ஒரு நெறிமுறை பிரத்யேக பசை குறியீட்டைக் குறைக்கிறது, தணிக்கை திறனை மேம்படுத்துகிறது மற்றும் திட்டங்கள் மற்றும் அனுமதிகளை அமல்படுத்துகிறது. இது பல agents ஒரே கருவிகளை நம்பகத்தன்மையுடன் மீண்டும் பயன்படுத்த அனுமதிக்கிறது.

Q3: MCP இல்லாமல் நான் agents உருவாக்க முடியுமா? ஆம், ஆனால் நீங்கள் உடையக்கூடிய ஒருங்கிணைப்புகள் மற்றும் வரையறுக்கப்பட்ட கண்காணிப்பு ஆகியவற்றை எதிர்கொள்ள நேரிடும். MCP அமைப்பு, தட்டச்சு செய்யப்பட்ட உள்ளீடுகள்/வெளியீடுகள் மற்றும் கொள்கை அமலாக்கத்தைச் சேர்க்கிறது, இது agents ஐ மிகவும் நம்பகமானதாக ஆக்குகிறது.

Q4: வணிக ஆட்டோமேஷன்களுக்கான பொதுவான MCP கருவிகள் என்ன? வழக்கமான கருவிகளில் search_kb, get_revenue, crm_lookup, summarize_pdf, send_slack_message, மற்றும் create_ticket ஆகியவை அடங்கும். ஒவ்வொன்றும் தெளிவான திட்டங்கள் மற்றும் வரம்புக்குட்பட்ட அனுமதிகளைக் கொண்டிருக்க வேண்டும்.

Q5: MCP உடன் agent செயல்களுக்கு மனித ஒப்புதலை எவ்வாறு சேர்ப்பது? requires_approval கொடியுடன் அல்லது அர்ப்பணிக்கப்பட்ட request_approval கருவியுடன் கருவிகளை வெளிப்படுத்துங்கள். agent கோரிக்கையைத் தூண்டுகிறது, மேலும் MCP ஆபத்தான செயலைச் செயல்படுத்துவதற்கு முன்பு ஒப்புதலை அமல்படுத்துகிறது.