AIUnlimited
🌳

AI की नींव

🌱
AI Seeds

शून्य से शुरू करें

🌿
AI Sprouts

नींव बनाएं

🌳
AI Branches

व्यवहार में लागू करें

🏕️
AI Canopy

गहराई में जाएं

🌲
AI Forest

AI में महारत हासिल करें

🔨

AI में महारत

✏️
AI Sketch

शून्य से शुरू करें

🪨
AI Chisel

नींव बनाएं

⚒️
AI Craft

व्यवहार में लागू करें

💎
AI Polish

गहराई में जाएं

🏆
AI Masterpiece

AI में महारत हासिल करें

📘

AI व्यावहारिक

📖
ओपन-सोर्स मॉडल को समझना

ओपन-सोर्स मॉडल की बुनियादी बातें और संसाधन

🎯
समस्या से मॉडल कार्य तक

व्यावसायिक समस्याओं को मॉडल कार्यों में बदलना

⚡
अपना पहला मॉडल चलाना

30 मिनट में अपने पहले परिणाम देखें

🔧
फाइन-ट्यूनिंग और मूल्यांकन

मॉडल फाइन-ट्यून करें और प्रदर्शन का मूल्यांकन करें

🚀
अनुप्रयोग प्रणालियाँ

वास्तविक AI अनुप्रयोग बनाएं

🎨
जनरेटिव AI

ओपन-सोर्स AIGC मॉडल का अन्वेषण करें

🤖
एजेंट

एजेंट फ्रेमवर्क और MCP टूल सीखें

📐
पूरक बुनियादी बातें

LLM की बुनियादी बातें और मूल्यांकन

🎓

क्लाउड अकादमी

🤖
Claude 101

Learn AI basics with Claude

💻
Claude Code 101

Code with Claude as your pair programmer

🤝
Introduction to Claude Cowork

Collaborate with Claude on complex projects

⚙️
Claude Platform 101

Build apps with the Claude API

लैब

7 प्रयोग लोड हुए
🧬Neural Network Playground🤖AI या इंसान?🥋Prompt Engineering Dojo🏁Algorithm Race🧠AI ट्रिविया चैलेंज🏗️सिस्टम डिज़ाइन कैनवस
🎯मॉक इंटरव्यूलैब में जाएँ→
🚀

करियर विकास

🚀
इंटरव्यू लॉन्चपैड

अपनी यात्रा शुरू करें

🌟
व्यवहारिक इंटरव्यू में महारत

सॉफ्ट स्किल्स में महारत

💻
तकनीकी इंटरव्यू

कोडिंग राउंड में सफल हों

🤖
AI और ML इंटरव्यू

ML इंटरव्यू में महारत

🏆
ऑफर और उससे आगे

सबसे अच्छा ऑफर पाएं

सीखना शुरू करें - यह बुनियादी है
AIUnlimited

MIT लाइसेंस

沪ICP备18025655号-11

सीखें

  • AI बुनियादी बातें
  • AI व्यावहारिक
  • क्लाउड अकादमी
  • लैब
  • करियर विकास

समुदाय

  • हमारे बारे में
  • सामान्य प्रश्न

सहायता

  • footer.terms
  • footer.privacy
  • footer.contact
AI और इंजीनियरिंग प्रोग्राम›🤖 एजेंट›पाठ›MCP: Connecting Models to Tools
🔌
एजेंट • शुरुआती⏱️ 25 मिनट पढ़ने का समय

MCP: Connecting Models to Tools

get_weather वह पहचानकर्ता है जो MS-Agent द्वारा सर्वर कनेक्शन नाम और टूल नाम को जोड़ने के बाद प्रदर्शित होता है। area और target_date पूर्व-हार्डकोडेड कॉल पैरामीटर नहीं हैं, बल्कि Qwen3-4B द्वारा "हांगझोउ कल" के आधार पर उत्पन्न संरचित पैरामीटर हैं। संबंधी पंजीकरण परिणाम नीचे दिखाए गए हैं।

चित्र

टूल रिटर्न और अंतिम उत्तर का प्रसंस्करण

मौसम MCP पैरामीटर प्राप्त करता है, "हांगझोउ" को "हांगझोउ, झेजियांग, चीन" के रूप में पार्स करता है, स्थानीय समय क्षेत्र के अनुसार tomorrow को 7 सितंबर 2026 में बदलता है, और निम्नलिखित वापस करता है:

{
  "requested_area": "杭州",
  "resolved_area": "杭州,浙江,中国",
  "date": "2026-09-07",
  "timezone": "Asia/Shanghai",
  "weather_code": 51,
  "weather": "小毛毛雨",
  "temperature_max_c": 29.0,
  "temperature_min_c": 21.6,
  "precipitation_probability_max_percent": 31,
  "wind_speed_max_kmh": 13.0,
  "data_source": "Open-Meteo"
}

Qwen3-4B इन परिणामों के आधार पर प्राकृतिक भाषा उत्तर उत्पन्न करता है, वास्तव में मेल खाने वाले क्षेत्र, तिथि, मौसम की स्थिति, अधिकतम और न्यूनतम तापमान, वर्षा की संभावना और अधिकतम हवा की गति सूचीबद्ध करता है। इस प्रकार "प्रश्न समझना - टूल चुनना - पैरामीटर उत्पन्न करना - टूल निष्पादित करना - परिणामों को संसाधित करना" कॉल श्रृंखला पूरी होती है।

चित्र

MCP प्लाज़ा में fetch सेवा का कॉल

होस्टिंग और कॉन्फ़िगरेशन के बाद, पहले सीधे सेवा से कनेक्ट करें और टूल सूची जांचें। नीचे दिया गया परीक्षण उदाहरण वेबसाइट https://example.com का उपयोग करता है।

MCP अनुमति प्रबंधन

MCP के अनुमति प्रबंधन को केवल "यह सर्वर कनेक्ट हो सकता है या नहीं" इस स्तर तक सीमित नहीं रहना चाहिए, बल्कि तीन प्रश्नों को स्पष्ट करना चाहिए: वर्तमान उपयोगकर्ता किन संसाधनों तक पहुंच सकता है, मॉडल किन टूल्स को कॉल कर सकता है, और प्रत्येक कॉल बाहरी सिस्टम पर क्या प्रभाव डालेगा।

MCP सुरक्षा जोखिम

MCP मॉडल को न केवल सामग्री उत्पन्न करने की अनुमति देता है, बल्कि फाइलें पढ़ने, डेटाबेस क्वेरी करने, नेटवर्क सेवाओं को कॉल करने और यहां तक कि बाहरी सिस्टम को संशोधित करने की भी अनुमति देता है। इसलिए यह सामान्य चैट मॉडल की तुलना में अधिक जटिल सुरक्षा जोखिम पैदा करता है।

पाठ 2 / 70% पूर्ण
←What is an Agent?

चर्चा

साइन इन करें चर्चा में शामिल हों

MCP के लिए उपयुक्त परिदृश्य

MCP उन परिदृश्यों के लिए अधिक उपयुक्त है जहां बाहरी टूल्स और डेटा स्रोत बहुत अधिक हैं, जहां ये क्षमताएं विभिन्न मॉडल्स या Agents द्वारा पुन: उपयोग की जा सकती हैं, और जहां मॉडल वर्तमान कार्य के आधार पर गतिशील रूप से निर्धारित करता है कि कौन से टूल्स कॉल करने हैं।

इस अध्याय के सभी प्रयोगात्मक डेटा और कोड यहां उपलब्ध हैं:

https://modelscope.cn/gallery/liucong/fae5791c-a024-412f-97c3-5fb93fee708e