Bilatzailea
Aurreko zenbakian azaldu genuen zer diren RAG sistemak. LLM edo hizkuntza-eredu handietan oinarritutako txatbot-en zehaztasuna hobetzeko (bereziki gai oso espezializatuetan edo aktualitatezkoetan), LLMari galdera egin aurretik, bilaketa bat egiten da (Interneten, gure enpresako dokumentuetan...) API bati deiak eginez, eta lehenbiziko emaitza diren orriak edo dokumentuak pasatzen zaizkio LLMari, hau esanez: “Erantzun erabiltzailearen galdera honi, eta, horretarako, oinarritu zaitez dokumentu hauen edukietan”. Ikusten denez, RAG sistema batean geruza bat dago LLMaren gainetik API bati deitzeko ahalmena duena.
RAG sistemak bilduma batean bakarrik egin behar badu bilaketa, API dei bat inplementatu beharko du. Baina bilduma bat baino gehiago kontsultatu behar badu, orduan API bat baino gehiagotarako deiak inplementatu beharko dira, eta lana gehitu eta konplikatu egingo da. Gainera, baliteke galderaren arabera erabaki behar izatea zer iturri kontsultatu behar den, edo emaitzaren arabera ikusi behar izatea bilaketa gehiago egin behar den, iturri berean edo beste batean... Benetan konplexua izan daiteke RAG sistema baten gaineko geruza hori programatzea; logika ez bada oso azalekoa, sarritan ez da erraza hori ordenagailuko programa gisa egitea.
MCP: txatbotek mundurako sarbidea izateko estandarra
Bada, horrelakoak errazteko sortu zen MCP protokoloa. Siglek Model Context Protocol esan nahi dute, ereduei testuingurua emateko protokoloa dela adieraziz. Interfaze unibertsal bakarra eskaintzen dute LLMetan oinarritutako AA-sistemek APIak kontsultatzeko. Anthropic enpresak (Claude LLM eta txatbotaren sortzaileak) sortu zuen, 2024ko azaroan, baina 2025eko abenduan Linux Fundazioaren ardurapekoa den Agentic AI Foundation erakundearen esku utzi zuen protokoloaren jabetza eta etorkizuneko garapena. Denborarekin txatbot-hornitzaile guztiak (OpenAI, Google, Microsoft...) pasatu dira berau erabiltzera eta bultzatzera, eta esan daiteke gaur egun denek darabilten estandarra dela.
Hala, AA sistemek erabiltzekoak diren APIek gaur egun MCP zerbitzari baten geruza bat jartzen dute gainetik. MCP protokoloak ahalbidetzen du zerbitzari horri galdetzea zer funtzio jartzen dituen atzigarri, zer parametrorekin eta zer motatakoak, eta zer motatako emaitzak itzultzen dituen. Eta gero esan dakioke funtzio horietako bat exekutatzeko, nahi diren parametroekin, eta emaitza jasoko da.
RAG sistema konplexuen orkestrazioa sinplifikatuz
Lehen aipatu dugunaren moduko RAG sistema baten funtzionamendua honela izango litzateke MCP protokoloa baliatuta: eskura dagoen eta baliatu nahi den MCP zerbitzari bakoitzari galdetzen zaio dauzkan funtzio, parametro eta emaitzen inguruan, eta gero LLMari esaten zaio: “Erantzun erabiltzailearen galdera honi, eta, horretarako, iturri hauetan egin ditzakezu bilaketak, bakoitzean halako eta halako funtzio erabilita”. Orduan LLMak erabakitzen du zein iturritan egon daitezkeen galderarentzako baliagarri diren dokumentuak, sistemari esaten dio zein MCPri egin behar dizkion zein funtzioren deiak eta zein parametrorekin, eta emaitza jasotakoan erabakitzen du ea bilaketa gehiago egingo duen edo jada baduen erabiltzaileari erantzuteko nahikoa informazio.
Ikusten denez, MCP protokoloaren abantaila bakarra ez da API ezberdinak inplementatzeko lana aurrezten duela. Hainbat iturri daudenean bilaketa-mota ezberdinetarako, egin beharreko ataza konplexua izan daiteke. Horrelakoen logika programa informatiko batean inplementatzea zaila edota kostu handikoa edo ezinezkoa izan daiteke.
«Mota guztietako ekintzak exekuta ditzaketen MCP zerbitzariak egin daitezke eta egiten dira»
Horren ordez, iturrien aukeraketak eta bestelako erabakiak LLMaren esku utziko dira, eta RAG sistema bera oso gauza sinplea eta nahiko orokorra bihurtzen da: MCP protokoloari deiak egiten jakin behar du, eta hasieran MCP zerbitzariei galdetuko die zeintzuk diren euren funtzioak, parametroak eta abarrak; gero, erabiltzailearen galdera bakoitzeko, ikusi dugunaren moduko instrukzio generiko beti berdin bat besterik ez dio pasatu behar LLMari, ondoren MCP zerbitzariei LLMak eskatutako deiak egin honek jada erantzuna baduela esan arte, eta, amaitzeko, erantzuna erabiltzaileari pasatu. Programatzeko zaila edo ezinezkoa litzatekeen logika korapilatsu hori ez dugu programatu beharrik izango, eta justu horrelako gauzak egiteko dauden LLMak egingo du MCP zerbitzarien orkestrazioa.
Bilaketaz harago
MCP zer den azaltzeko artikulu honetan erabilitako adibideetan, MCP zerbitzari guztiak informazioa bilatzeko izan dira. Izan ere, RAG sistema konplexuak dira MCP baliagarria den kasuetako bat. RAG sistemak zer diren ikusia genuen lehenago, eta horrelakoetan erabiltzen diren MCP zerbitzuak bilaketarako soilik dira.
Baina kontua da MCP protokoloaren bidez eskuragarri jar daitezkeen zerbitzariak ez direla soilik bilaketak eta kontsultak egitekoak. Aitzitik, mota guztietako ekintzak exekuta ditzaketen MCP zerbitzariak egin daitezke eta egiten dira: posta elektronikoa kontsultatu eta idatzi, hegaldiak eta hotelak erreserbatu, online denda baten erosketak egin, gure biltegi robotizatuko orgak mugitu, kode-biltegiekin eragin... Gaur egun, denetariko MCPak daude eskuragarri. Eta gureak egin ditzakegu, gure dokumentazioa atzitzeko, gure ordenagailuarekin interakzioa izateko...
Bilaketaz haragoko gauzak eskaintzen dituzten MCP zerbitzariak baliatzen dituzten sistemak AA agenteak dira. Termino hori ziurrenik entzungo zenuen azkenaldian, ezta? Oso boladan dagoen gaia da, zalantzarik gabe. Horiek zer diren, nola dabiltzan eta zer abantaila eta arazo dituzten hurrengo zenbakian izango dugu hizpide.
Igor Leturia Azkarate
Informatikaria eta ikertzailea. Elhuyar aldizkarian "Mundu digitala" atalaz arduratzen da 2009tik.
