Semantic Tool Discovery for Large Language Models: A Vector-Based Approach to MCP Tool Selection
यह शोध पत्र मॉडल कॉन्टेक्स्ट प्रोटोकॉल (MCP) के लिए एक वेक्टर-आधारित सिमेंटिक टूल डिस्कवरी आर्किटेक्चर पेश करता है जो डेंस एम्बेडिंग्स के माध्यम से केवल सबसे प्रासंगिक टूल्स को गतिशील रूप से चुनकर टोकन ओवरहेड और लेटेंसी को काफी कम कर देता है, जिससे 97.1% हिट रेट बनाए रखते हुए टोकन खपत में 99.6% की कमी आती है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक अत्यंत बुद्धिमान लेकिन थोड़े परेशान व्यक्तिगत सहायक (Large Language Model या LLM) हैं। आप लिखने, कोडिंग करने और समस्याओं को हल करने में अविश्वसनीय रूप से स्मार्ट हैं, लेकिन आप शारीरिक रूप से फोन नहीं उठा सकते, किसी डेटाबेस की जांच नहीं कर सकते, या अपने आप कोई फाइल नहीं देख सकते। आपको ये काम करने के लिए टूल्स (औजारों) की आवश्यकता है।
अतीत में, आपकी मदद करने के लिए, आपके बॉस (सिस्टम) आपको एक विशाल, धूल भरी विश्वकोश (encyclopedia) थमा देते थे जिसमें उनके पास मौजूद हर एक टूल होता था—शायद 100, 200, या यहाँ तक कि 1,000 अलग-अलग टूल्स। वे कहते, "यहाँ पूरी सूची है। तय करो कि तुम्हें इस काम के लिए किसकी आवश्यकता है।"
समस्या: "सब कुछ रखने वाला पुस्तकालय" (The Library of Everything)
इस दृष्टिकोण में तीन बड़े दोष हैं:
- यह बहुत महंगा है: 1,000 टूल्स के विवरण को पढ़ने में बहुत अधिक "मानसिक स्थान" (tokens) खर्च होता है, जिससे वास्तविक पैसा खर्च होता है।
- यह भ्रमित करने वाला है: जब आप 1,000 विकल्पों को देख रहे होते हैं, तो आप "एनालिसिस पैरालिसिस" (निर्णय न ले पाने की स्थिति) का शिकार हो जाते हैं। आप गलत विकल्प चुन सकते हैं क्योंकि आप अभिभूत महसूस कर रहे होते हैं।
- यह धीमा है: आप काम करने के बजाय सूची पढ़ने में अधिक समय बिताते हैं।
समाधान: "स्मार्ट लाइब्रेरियन" (The Smart Librarian)
यह पेपर काम करने का एक नया तरीका प्रस्तावित करता है। आपको पूरा विश्वकोश देने के बजाय, वे आपके और टूल्स के बीच एक स्मार्ट लाइब्रेरियन (वेक्टर-आधारित डिस्कवरी सिस्टम) स्थापित करते हैं।
यह नया सिस्टम कैसे काम करता है, इसके चरण यहाँ दिए गए हैं:
1. टूल इंडेक्स (लाइब्रेरी कैटलॉग)
सबसे पहले, सिस्टम उन सभी 100+ टूल्स को लेता है और प्रत्येक के लिए एक संक्षिप्त, मैत्रीपूर्ण सारांश लिखता है। वे इन सारांशों को एक अद्वितीय "फिंगरप्रिंट" (एक वेक्टर एम्बेडिंग) में बदल देते हैं जो केवल शब्दों को ही नहीं, बल्कि टूल के अर्थ को भी पकड़ता है।
- उपमा: कल्पना कीजिए कि हर टूल एक किताब है। केवल शीर्षक देखने के बजाय, लाइब्रेरियन पूरी किताब पढ़ता है और उसके 'वाइब' (vVibe) के आधार पर उसे एक विशिष्ट रंग कोड देता है। "फाइल डिलीटर" को "लाल" कोड मिलता है; "वेदर चेकर" को "नीला" कोड मिलता है।
2. यूजर क्वेरी (मदद मांगना)
जब आप पूछते हैं, "मुझे वह पुरानी रिपोर्ट डिलीट करनी है," तो सिस्टम केवल "डिलीट" शब्द को नहीं खोजता है। यह आपके वाक्य को एक मिलान करने वाले "फिंगरप्रिंट" में बदल देता है।
- उपमा: आप लाइब्रेरियन से कहते हैं, "मुझे एक लाल किताब चाहिए।" लाइब्रेरियन तुरंत समझ जाता है कि आपका क्या मतलब है, भले ही आपने "डिलीट" के बजाय "हटाना" कहा हो।
3. जादुई मिलान (वेक्टर सर्च)
लाइब्रेरियन अपने रंग-कोडित सूची को देखता है और तुरंत उन 3 से 5 टूल्स को ढूंढ निकालता है जो आपके फिंगरप्रिंट से सबसे अच्छी तरह मेल खाते हैं।
- परिणाम: आपको 100 किताबें देने के बजाय, लाइब्रेरियन आपको 3 बिल्कुल प्रासंगिक किताबों का एक छोटा सा ढेर थमा देता है।
यह क्यों एक गेम-चेंजर है
इस पेपर ने इसका परीक्षण 121 विभिन्न टूल्स (जैसे फाइल चेक करना, मौसम देखना, या GitHub प्रोजेक्ट्स प्रबंधित करना) और 140 विभिन्न प्रश्नों के साथ किया। यहाँ उनके निष्कर्ष दिए गए हैं:
- भारी बचत (वॉलेट): LLM को 121 के बजाय केवल 3 टूल्स दिखाने से, उन्होंने "पढ़ने की लागत" को 99.6% तक कम कर दिया।
- वास्तविक दुनिया का प्रभाव: यदि कोई कंपनी टूल लिस्ट पढ़ने पर साल में $1.5 मिलियन खर्च कर रही थी, तो यह तरीका उस लागत को लगभग शून्य कर देता है।
- समझदार विकल्प (दिमाग): LLM ने कम गलतियाँ कीं। जब आप एक जीनियस को एक छोटी, सटीक सूची देते हैं, तो वे एक बड़ी, अव्यवस्थित सूची की तुलना में बेहतर प्रदर्शन करते हैं। सिस्टम ने शीर्ष 3 विकल्प दिखाने पर 97% बार सही टूल ढूंढ लिया।
- अत्यधिक तेज़ (गति): लाइब्रेरियन ने मिलान करने में 100 मिलीसेकंड से भी कम समय लिया। यह एक इंसान के पलक झपकने से भी तेज़ है। यह बातचीत में लगभग कोई देरी पैदा नहीं करता है।
"फाइल सिस्टम" की चुनौती
पेपर ने यह भी नोट किया कि कुछ टूल्स को दूसरों से अलग पहचानना कठिन होता है।
- आसान: "चेक द वेदर" बनाम "चेक गिटहब।" ये बहुत अलग हैं। लाइब्रेरियन इन्हें तुरंत ढूंढ लेता है।
- कठिन: "रीड अ फाइल," "राइट अ फाइल," "कॉपी अ फाइल," "मूव अ फाइल।" ये सभी सुनने में बहुत समान लगते हैं। लाइब्रेरियन को यह सुनिश्चित करने के लिए कि LLM सही टूल चुने, कभी-कभी 3 के बजाय कुछ अधिक विकल्प (जैसे 5) दिखाने पड़ते हैं।
निचोड़ (The Bottom Line)
यह पेपर AI टूल्स के लिए एक फ़िल्टर पेश करता है। AI को विकल्पों के समुद्र में डुबोने के बजाय, यह एक स्मार्ट गेटकीपर के रूप में कार्य करता है, जो केवल सबसे प्रासंगिक टूल्स को ही अंदर आने देता है।
सरल शब्दोंों में: यह AI टूल्स के एक अराजक, महंगे और भ्रमित करने वाले "ऑल-यू-कैन-ईट बुफे" को एक क्यूरेटेड, 3-कोर्स मील में बदल देता है जो सस्ता, तेज़ और स्वाद में बहुत बेहतर है। यह कंपनियों के लिए सैकड़ों टूल्स के साथ बिना कंगाल हुए या भ्रमित हुए AI का उपयोग करना संभव बनाता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।