A Comparative Study of MCP and A2A for Inter-Agent Coordination in LLM-Based Systems
यह शोध पत्र इंटर-एजेंट समन्वय के लिए मॉडल कॉन्टेक्स्ट प्रोटोकॉल (MCP) और एजेंट2एजेंट (A2A) का एक अनुभवजन्य तुलना प्रस्तुत करता है, जो यह प्रकट करता है कि MCP एक हल्का, कम-जटिलता वाला दृष्टिकोण प्रदान करता है जिसके लिए स्पष्ट एप्लिकेशन-लेयर स्टेट मैनेजमेंट की आवश्यकता होती है, जबकि A2A काफी उच्च कार्यान्वयन जटिलता की कीमत पर स्टेटफुल, मल्टी-टर्न इंटरैक्शन के लिए समृद्ध नेटिव सपोर्ट प्रदान करता 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
एक ऐसी दुनिया की कल्पना करें जहाँ कंप्यूटर केवल आदेशों का पालन ही नहीं करते, बल्कि समस्याओं को हल करने के लिए वास्तव में एक-दूसरे से बातचीत भी कर सकते हैं। यह "एजेंटिक सिस्टम्स" (agentic systems) का रोमांचक, थोड़ा अराजक मोर्चा है। इन एजेंटों को पैरों वाले छोटे रोबोटों के रूप में न सोचें, बल्कि विशिष्ट डिजिटल श्रमिकों के रूप में सोचें। एक कोड लिखने में माहिर हो सकता है, दूसरा व्याकरण की जाँच करने में, और तीसरा फाइलों को व्यवस्थित करने में। कंप्यूटर विज्ञान के पुराने दिनों में, इन श्रमिकों को आपस में बात करने के लिए राजी करना एक फ्रांसीसी शेफ, एक जापानी सुशी मास्टर और एक जर्मन इंजीनियर को एक ऐसे रसोईघर में सहयोग करने के लिए मनाने जैसा था जहाँ वे सभी अलग-अलग भाषाएँ बोलते हैं और अलग-अलग मापने वाले कपों का उपयोग करते हैं। उन्हें एक सार्वभौमिक अनुवादक और नियमों के एक सख्त सेट की आवश्यकता थी ताकि यह पता चल सके कि कौन क्या करता है और कब करता है।
हाल ही में, इन डिजिटल श्रमिकों को समन्वय करने में मदद करने के लिए दो नए "भाषाओं" या नियमपुस्तिकाओं का उदय हुआ है: मॉडल कॉन्टेक्स्ट प्रोटोकॉल (MCP) और एजेंट टू एजेंट (A2A) प्रोटोकॉल। आप MCP को एक सुपर-एफिशिएंट यूनिवर्सल रिमोट कंट्रोल के रूप में देख सकते हैं जिसे एक टीवी (AI) को उसके विभिन्न इनपुट (टूल्स और डेटा) से जोड़ने के लिए डिज़ाइन किया गया है। यह सरल और तेज़ बनाया गया है। दूसरी ओर, A2A विशेष रूप से टीमों के लिए बनाई गई एक समर्पित प्रोजेक्ट मैनेजमेंट सॉफ्टवेयर की तरह है; इसमें कौन क्या कर रहा है, इसे ट्रैक करने, दीर्घकालिक कार्यों को प्रबंधित करने और बातचीत का एक लॉग रखने की अंतर्निहित सुविधाएँ हैं। इंजीनियरों के लिए जो इन प्रणालियों का निर्माण कर रहे हैं, बड़ा सवाल यह है: क्या हमें भारी-भरकम प्रोजेक्ट मैनेजर (A2A) की आवश्यकता है, या हम बस यूनिवर्सल रिमोट (MCP) का उपयोग कर सकते हैं और टीम प्रबंधन खुद ही संभाल सकते हैं?
यह शोध पत्र इस उत्तर को खोजने के लिए एक व्यावहारिक प्रयोग है। शोधकर्ताओं ने एक विशिष्ट सॉफ्टवेयर इंजीनियरिंग पहेली को हल करने के लिए AI एजेंटों की दो समान "टीमें" बनाईं: एक साधारण टेक्स्ट विवरण को एक जटिल, संरचित कंप्यूटर मॉडल में बदलना। उन्होंने एक टीम को MCP "रिमोट कंट्रोल" दृष्टिकोण का उपयोग करके बनाया और दूसरी टीम को A2A "प्रोजेक्ट मैनेजर" दृष्टिकोण का उपयोग करके बनाया। फिर उन्होंने दोनों टीमों के प्रदर्शन को देखा, उन्हें काम करने के लिए आवश्यक कोड की पंक्तियों को गिना, और यह जांचा कि वे बातचीत को ट्रैक करने, गलतियों को सुधारने और मिलकर काम करने जैसी चीजों को कितनी अच्छी तरह संभालते हैं।
परिणाम एक स्पष्ट ट्रेड-ऑफ (समझौता) पेश करते हैं, ठीक वैसे ही जैसे एक न्यूनतम (मिनिमलिस्ट) बैकपैक और एक पूरी तरह से लोडेड हाइकिंग रकसैक के बीच चयन करना। MCP का उपयोग करने वाली टीम आश्चर्यजनक रूप से फुर्तीली थी। इसे काम पूरा करने के लिए लगभग 33% कम कोड (1,255 बनाम 1,898 पंक्तियाँ) की आवश्यकता थी और यह काम करने के लिए कम जटिल गतिशील हिस्सों पर निर्भर थी। यह एक "लाइटवेट" समाधान था जिसने कम ओवरहेड के साथ काम पूरा कर दिया। हालाँकि, इस सरलता के साथ एक शर्त जुड़ी थी: प्रोटोकॉल स्वयं यह नहीं जानता था कि लंबी बातचीत को कैसे संभाला जाए या समय के साथ कार्य की स्थिति को कैसे ट्रैक किया जाए। शोधकर्ताओं को अपने एप्लिकेशन कोड में उन सभी "स्टेट मैनेजमेंट" (स्थिति प्रबंधन) सुविधाओं को शून्य से बनाना पड़ा, जैसे कि हर कदम को मैन्युअल रूप से लिखना क्योंकि मानचित्र में उसका कोई विवरण नहीं था।
इसके विपरीत, A2A एक भारी काम करने वाला (हेवी लिफ्टर) था। इसमें कार्यों के प्रबंधन, प्रगति को ट्रैक करने और बहु-चरणीय (multi-turn) बातचीत को संभालने के लिए अंतर्निहित उपकरणों का एक समृद्ध सेट था जहाँ एक एजेंट को स्पष्टीकरण मांगने की आवश्यकता हो सकती है। यह एक पूर्ण, अत्याधुनिक ऑफिस सूट की तरह महसूस हुआ। लेकिन इस शक्ति की एक कीमत थी: इसे लागू करने के लिए काफी अधिक कोड की आवश्यकता थी और इसने सिस्टम में अधिक जटिलता पैदा की। शोधकर्ताओं ने पाया कि जबकि A2A समन्वय के "उबाऊ" लेकिन आवश्यक हिस्सों (जैसे कि यह जानना कि कार्य रुका हुआ है या समाप्त हो गया है) को संभालने में बेहतर था, लेकिन इसे चलाने के लिए बहुत अधिक मेहनत की आवश्यकता थी।
अंततः, यह शोध पत्र सुझाव देता है कि कई वर्तमान, सीमित AI सिस्टमों के लिए, हल्का MCP दृष्टिकोण एक व्यवहार्य और कुशल विकल्प है, बशर्ते डेवलपर्स इसके ऊपर अपना स्वयं का "प्रोजेक्ट मैनेजमेंट" स्तर बनाने के लिए तैयार हों। हालाँकि, यदि आपको एक ऐसी प्रणाली की आवश्यकता है जो अतिरिक्त कोडिंग के बिना जटिल, लंबे समय तक चलने वाले वर्कफ़्लो और स्टेट परिवर्तनों को स्वाभाविक रूप से समझ सके, तो A2A अधिक मजबूत, हालांकि अधिक जटिल विकल्प है। लेखक यह स्पष्ट करते हुए सावधान हैं कि यह इन दोनों में से किसी एक को हमेशा के लिए "विजेता" घोषित करना नहीं है; बल्कि, यह एक विशिष्ट, वास्तविक दुनिया के परिदृश्य में इन दो उपकरणों के व्यवहार का एक स्नैपशॉट है, जो यह उजागर करता है कि चुनाव इस पर निर्भर करता है कि आप गति और सरलता को महत्व देते हैं या अंतर्निहित जटिलता प्रबंधन को।
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।