A Large-Scale Dataset of MCP Implementations on GitHub
यह शोध पत्र GitHub से 2,297 सत्यापित मॉडल कॉन्टेक्स्ट प्रोटोकॉल (MCP) कार्यान्वयनों का पहला बड़े पैमाने पर, साक्ष्य-आधारित डेटासेट प्रस्तुत करता है, जिसे वास्तविक दुनिया के MCP पारिस्थितिकी तंत्र, विकास प्रवृत्तियों और वास्तुशिल्प पैटर्न का विश्लेषण करने के लिए एक आधारभूत बेंचमार्क स्थापित करने हेतु एक कठोर हाइब्रिड सत्यापन पाइपलाइन के माध्यम से बनाया गया है।
मूल पेपर CC0 1.0 (http://creativecommons.org/publicdomain/zero/1.0/) के तहत सार्वजनिक डोमेन को समर्पित 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
AI की दुनिया की कल्पना एक विशाल, बातूनी रोबोट के रूप में करें जो एक कंप्यूटर के अंदर रहता है। लंबे समय तक, यह रोबोट केवल उसी बारे में बात कर सकता था जो उसने अपने ट्रेनिंग डेटा से सीखा था, जैसे कि एक ऐसा छात्र जिसे केवल अपनी पाठ्यपुस्तक में दी गई जानकारी का पता हो। लेकिन हाल ही में, एक नया नियम पुस्तिका जिसे मॉडल कॉन्टेक्स्ट प्रोटोकॉल (MCP) कहा जाता है, आई है। सोचिए कि MCP एक सार्वभौमिक अनुवादक (universal translator) और मानक पावर आउटलेट्स का एक सेट है जो इस रोबोट को वास्तविक दुनिया के उपकरणों—जैसे मौसम ऐप, सर्च इंजन, या कोड एडिटर—से जुड़ने की अनुमति देता है, ताकि वह केवल उनके बारे में बात करने के बजाय वास्तव में काम कर सके।
लेकिन समस्या यह है: कोई नहीं जानता था कि वास्तव में कितने लोग इन "पावर आउटलेट्स" को बना रहे हैं या वे अंदर से कैसे दिखते हैं। अफवाहें और सूचियाँ तो थीं, लेकिन वास्तविक कोड का कोई ठोस नक्शा नहीं था।
यहीं से यह शोध पत्र (paper) आता है। लेखकों ने डिजिटल खजाना खोजने वालों की तरह काम किया, जो इन MCP प्रोजेक्ट्स का पहला विशाल, सत्यापित नक्शा बनाने के लिए GitHub (एक विशाल लाइब्रेरी जहाँ डेवलपर्स अपना कोड स्टोर करते हैं) में गहराई तक उतरे।
महान खोज (The Great Dig)
टीम ने केवल अनुमान नहीं लगाया; उन्होंने सुरागों की तलाश के लिए एक सुपर-स्मार्ट रोबोट पाइपलाइन बनाई। उन्होंने "MCP" का उल्लेख करने वाले 3,238 संभावित प्रोजेक्ट्स से शुरुआत की। लेकिन हर वह प्रोजेक्ट जो कहता है "मैं एक MCP प्रोजेक्ट हूँ", वास्तव में वह नहीं होता। कुछ केवल खाली खोल (empty shells) थे, कुछ केवल ट्यूटोरियल थे, और कुछ "MCP" नाम का उपयोग किसी और चीज़ के लिए कर रहे थे (जैसे कि Minecraft के लिए एक गेम मोड, न कि एक AI टूल)।
सच्चाई जानने के लिए, उन्होंने बहु-चरणीय जांच (multi-stage check-up) की:
- रेज़्यूमे चेक: क्या प्रोजेक्ट में हालिया अपडेट थे? यदि इसमें नौ महीने से कोई हलचल नहीं हुई थी, तो उसे बाहर कर दिया गया।
- कोड स्कैन: उन्होंने विशिष्ट "फिंगरप्रिंट" फाइलों (जैसे
package.jsonयाpyproject.toml) को देखा जो यह साबित करती हैं कि प्रोजेक्ट वास्तव में MCP सिस्टम से जुड़ने की कोशिश कर रहा है। - स्ट्रक्चर चेक: उन्होंने विशिष्ट फोल्डर्स और एंट्री पॉइंट्स को देखा जो दिखाते हैं कि कोड चलने के लिए तैयार है, न कि केवल एक अवधारणा (concept) के रूप में बैठा है।
इस सभी फिल्टरिंग के बाद, उन्हें 2,297 प्रोजेक्ट मिले जो असली थे। वे इतने सावधान थे कि जब उन्होंने एक रैंडम सैंपल की मैन्युअल रूप से दोबारा जांच की, तो उन्होंने पाया कि यह प्रक्रिया 83% सटीक थी। उन्होंने 90 ऐसे प्रोजेक्ट्स भी पहचाने जो असली टूल्स की तरह दिख रहे थे लेकिन वास्तव में केवल "दिखावे वाले" टेम्पलेट थे जिनमें कोई काम करने वाले हिस्से नहीं थे, और उन्हें अंतिम सूची से बाहर कर दिया।
ये प्रोजेक्ट क्या कर रहे हैं?
इन 2,297 सत्यापित प्रोजेक्ट्स की सूची मिलने के बाद, उन्होंने उन्हें तीन मुख्य भूमिकाओं में वर्गीकृत किया, जैसे कि एक नाटक के पात्र:
- क्लाइंट्स (The Clients): ये "अनुरोध करने वाले" हैं। ये रोबोट के हाथों की तरह हैं, जो टूल्स के लिए हाथ बढ़ाते हैं। (सोचिए एक चैट इंटरफ़ेस जो मौसम के बारे में पूछ रहा है)।
- सर्वर (The Servers): ये "प्रदाता" हैं। इनके पास टूल्स होते हैं और जब पूछा जाता है, तो ये उन्हें सौंप देते हैं।
- गेटवेज़ (The Gateways): ये "बिचौलिए" या अनुवादक हैं। ये विभिन्न प्रणालियों को एक-दूसरे से बात करने में मदद करते हैं, जिससे AI और बाहरी सेवाओं के बीच के अंतर को पाटा जा सके।
डेटा बताता है कि Python और TypeScript इन टूल्स को बनाने के लिए सुपरस्टार भाषाएँ हैं। वे अनुरोधकर्ताओं (Clients) और प्रदाताओं (Servers) दोनों के लिए हावी हैं। दिलचस्प बात यह है कि "बिचौलिए" (Gateways) भी Go का उपयोग करना पसंद करते हैं, जो गति और विश्वसनीयता के लिए जानी जाने वाली भाषा है।
इन्हें कैसे बनाया जाता है?
शोध पत्र सुझाव देता है कि अधिकांश प्रोजेक्ट विशाल, कॉर्पोरेट मोनोलिथ (monoliths) नहीं हैं। इसके बजाय, वे छोटी, फुर्तीली टीमों की तरह दिखते हैं। एक विशिष्ट प्रोजेक्ट में लगभग 4 अद्वितीय योगदानकर्ता (contributors) और 70 कमिट्स (अपडेट्स) होते हैं। डेवलपर्स बड़े, डरावने अपडेट एक साथ करने के बजाय छोटे, बार-बार किए जाने वाले बदलाव करना पसंद करते हैं।
इसका क्या अर्थ है
यह पेपर यह दावा नहीं करता कि इसने AI टूल्स के हर रहस्य को सुलझा लिया है। इसके बजाय, यह एक ठोस, साक्ष्य-आधारित आधार प्रदान करता है। यह सुझाव देता है कि जबकि इकोसिस्टम तेजी से बढ़ रहा है, यह वर्तमान में कुछ प्रमुख भाषाओं द्वारा संचालित है और एक विशिष्ट पैटर्न का पालन करता है जिसमें छोटा और क्रमिक विकास (iterative development) शामिल है। इन 2,297 वास्तविक प्रोजेक्ट्स की एक साफ, सत्यापित सूची देकर, यह कार्य भविष्य के अध्ययनों के लिए मंच तैयार करता है ताकि यह समझा जा सके कि ये AI कनेक्शन वास्तव में कैसे विकसित हो रहे हैं, न कि केवल मार्केटिंग हाइप के आधार पर अनुमान लगाना।
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।