Бүх нийтлэлүүд
2026.05.293 min read#хиймэлоюунбаөгөгдлийншинжлэхухаан#AI#MCP#Agentic AI#Protocols#Хиймэл оюун#Хиймэл оюун агент#Протокол
Архитектурын шинэчлэл: MCP хэрхэн AI-ийг чатботоос агент руу шилжүүлж байна вэ?
Ц.Биндэрцэцэг
Багш
Ц.Биндэрцэцэг
Багш
Хиймэл оюуны салбарын хамгийн том нууц бол өнөөдөр бидний "агент" гэж нэрлээд байгаа зүйлсийн дийлэнх нь хөшигний цаана маш олон тооны тусгайлан бичсэн өөр өөр код болон тогтворгүй API холболтууд дээр тогтож буй явдал юм. Хөгжүүлэгчдийн дунд үүнийг "Интеграцийн там" гэж нэрлэдэг. Хэрэглэгчийн хүсэлтийг LLM-д уншуулах, дараа нь функц дуудах, буцаж ирсэн өгөгдлийг prompt руу хөрвүүлж оруулах гэсэн энэ урсгал хэрэгсэл бүрийн хувьд өөр өөрөөр бичигддэг.
Гэвч Anthropic-оос танилцуулсан Model Context Protocol (MCP) нь энэ замбараагүй байдлыг цэгцлэх архитектурын нэгдсэн стандартыг санал болгож байна. Энэ нь хиймэл оюуныг чатны хайрцгаас гаргаж, жинхэнэ утгаараа системүүдтэй харилцах боломжийг олгож буй хөдөлгүүр юм.
MCP-ээс өмнө шинэ хэрэгсэл эсвэл өгөгдлийн сан нэмэх бүрд LLM-ийн API дуудлага болон контекст тээвэрлэх логикийг дахин бичих хэрэгтэй болдог байв. Энэ нь N тооны модель, M тооны хэрэгсэл байлаа гэхэд дунд нь N x M тооны холболт хийх шаардлагатай гэсэн үг.
MCP энэ асуудлыг модель болон өгөгдлийн эх үүсвэрийг хооронд нь бүрэн тусгаарлаж (N + M холболт болгож цөөлөх) шийдсэн.
Энэ бүтэц нь дараах гурван тулгууртай:
MCP Host: Хэрэглэгчийн харилцаж буй үндсэн аппликейшн. Контекстийг удирдаж, модель руу дамжуулна. Жишээ нь, Claude Desktop, Cursor, VS Code
MCP Client: Host дотор байрлах, серверүүдтэй холболт тогтоож, хүсэлт илгээх суваг. Жишээ нь, Протоколын клиент тал
MCP Server: Тодорхой нэг хэрэгсэл эсвэл өгөгдлийг хариуцсан lightweight сервер. Протоколын дагуу өгөгдлийг бэлдэж өгнө. Жишээ нь, Postgres Server, GitHub API Server
Энэхүү харилцаа нь JSON-RPC 2.0 стандарт дээр суурилдаг тул ямар ч программчлалын хэл, ямар ч моделд хөрвөх чадвартай.
Программчлалын түүхийг харвал үүнтэй яг ижил асуудлыг Microsoft компани Language Server Protocol (LSP)-ийг гаргаж шийдэж байсан түүхтэй. Өмнө нь шинээр гарсан код эдитор бүр (VS Code, Sublime, Vim) хэл бүрийн (Python, TypeScript, Go) синтакс, алдааг шалгах кодыг тус тусад нь бичдэг байв. LSP гарч ирснээр хэл бүр өөрийн гэсэн сервертэй болж, редакторууд зөвхөн тэр сервер рүү ханддаг ганцхан протоколтой болсон. MCP бол яг хиймэл оюуны ертөнцийн LSP юм. Одоо LLM-үүд өөрсдөө хэрэгсэл бүрийн API-ийн онцлогийг мэдэх албагүй. Тэд зөвхөн MCP серверээс ирж буй стандартчилсан мэдээллийг уншиж, боловсруулахад л хангалттай.
Хэрэглэгчид AI-ийг зөвхөн текстээр хариулдаг чатбот биш, ажлыг автоматжуулдаг агент болоосоо гэж хүссээр ирсэн билээ. Агент болохын тулд систем дараах хоёр чадварыг эзэмшсэн байх ёстой:
Контекст Инжекшн (Context Injection): Хэрэглэгчийн асуултад хариулахын тулд дотоод файлын систем, хөгжүүлэлтийн орчин, эсвэл Slack сувгаас хэрэгтэй өгөгдлийг автоматаар шүүж, зөв бүтэцтэйгээр өөрийн prompt-доо нэмэх.
Төлөв удирдах (State Management): Хийсэн үйлдлийнхээ үр дүнг тооцож, дараагийн алхмаа өөрөө шийдэх.
MCP нь эдгээр үйлдлийг хийхэд зориулж Resources (унших өгөгдөл), Prompts (бэлэн промптууд), болон Tools (гүйцэтгэх үйлдлүүд) гэсэн гурван үндсэн функцыг серверүүдээр дамжуулан системд олгодог. Үүний үр дүнд AI нь зөвхөн асуусан зүйлд хариулах биш, ажиллаж буй орчныг бүхэлд нь харгалзан үзээд хариулах боломжтой болно.
Хиймэл оюуны салбарт өдөр бүр шинэ тренд гарч ирдэг ч тэдгээрийн ихэнх нь маркетингийн өнгөн талын шинэчлэл байдаг. Харин MCP бол өнгөн талын чимэглэл биш, харин дэд бүтцийн түвшний өөрчлөлт юм.
Инженерчлэлийн үүднээс дүгнэвэл, MCP нь:
AI хөгжүүлэлтийн өртгийг эрс багасгаж байна.
Өгөгдлийг моделд шууд дамжуулахгүйгээр дунд нь хянах боломжийг олгож буй тул аюулгүй байдлыг шинэ шатанд гаргаж байна.
Олон өөр төрлийн AI системүүд нэгэн зэрэг, нэг өгөгдөл дээр хоршин ажиллах (Multi-agent orchestration) хаалгыг нээж байна.
Бид AI-ийг илүү томруулах уралдаанаас AI-ийг илүү ашиглаж болохуйц болгох уралдаан руу шилжиж байна. MCP бол энэ уралдааны тэргүүн эгнээнд орох инженерчлэлийн шийдэл мөн.