Model Context Protocol (MCP) परिचय

मॉडल कॉन्टेक्स्ट प्रोटोकॉल क्यों सीखें?

बड़े भाषा मॉडल वास्तविक समय के डेटा तक पहुँच नहीं सकते या अपने आप कोई कार्रवाई नहीं कर सकते, और हर टूल या API को कस्टम कोड के साथ जोड़ना स्केल नहीं करता। मॉडल कॉन्टेक्स्ट प्रोटोकॉल (MCP) इसे एक ही, मानकीकृत तरीके से हल करता है, जिससे AI अनुप्रयोग बाहरी टूल्स, डेटा और सेवाओं से जुड़ सकते हैं—जिसे अक्सर "AI के लिए USB-C पोर्ट" कहा जाता है। इस पाठ्यक्रम में, आप Python में शुरू से MCP सर्वर और क्लाइंट बनाएँगे और उन्हें एक LLM से जोड़ेंगे।

मैं अपना पहला MCP सर्वर कैसे बनाऊँ और कनेक्ट करूँ?

आप MCP आर्किटेक्चर—होस्ट, क्लाइंट, और सर्वर—और हर सर्वर द्वारा उपलब्ध कराए जाने वाले तीन प्रिमिटिव्स: टूल्स, रिसोर्सेज़, और प्रॉम्प्ट्स, से शुरुआत करेंगे। फिर आप FastMCP का उपयोग करके एक मुद्रा परिवर्तक सर्वर बनाएँगे, डॉकस्ट्रिंग्स और टाइप हिंट्स जोड़ेंगे ताकि एक LLM आपके टूल्स को खोज सके, और एक async Python क्लाइंट लिखेंगे जो stdio ट्रांसपोर्ट के माध्यम से उन टूल्स को सूचीबद्ध और कॉल करता है।

मैं एक LLM को रियल-टाइम टूल्स और संदर्भ कैसे दूँ?

केवल टूल्स ही पर्याप्त नहीं हैं—मॉडलों को डेटा और व्यवहारिक निर्देशों की भी आवश्यकता होती है। आप केवल-पठन संदर्भ और मॉडल को मार्गदर्शन देने वाले संकेतों के लिए संसाधन जोड़ेंगे, फिर इन तीनों प्रिमिटिव्स को पाँच-चरणीय टूल-कॉलिंग वर्कफ़्लो के माध्यम से OpenAI LLM में जोड़ेंगे, ताकि वह आत्मविश्वास से उत्तर दे सके या ज़रूरत पड़ने पर स्पष्टीकरण माँग सके।

मैं MCP सर्वरों को प्रोडक्शन में कैसे लाऊँ?

वास्तविक दुनिया के सर्वरों को सिर्फ़ happy-path कोड से कहीं ज़्यादा की ज़रूरत होती है। आप फ़ाइल-आधारित संसाधनों को डेटाबेस-समर्थित क्वेरीज़ से बदलेंगे, अनुरोध टाइमआउट जोड़ेंगे, संरचित त्रुटि प्रबंधन, और सुरक्षित API प्रमाणीकरण जो कुंजियों को सर्वर-साइड रखता है। अंत में, आप एक तृतीय-पक्ष MCP सर्वर से कनेक्ट करेंगे और देखेंगे कि वही क्लाइंट कोड किसी भी ऐसे सर्वर के साथ काम करता है जो इस प्रोटोकॉल को बोलता है।