wehub-resource-sync
48 KiB
48 KiB
சமூகம் மற்றும் பங்களிப்புகள்
(இந்த பாடத்தின் வீடியோவை பார்க்க மேலுள்ள படத்தை கிளிக் செய்யவும்)
முன்னோட்டம்
இந்த பாடம் MCP சமூகத்துடன் எப்படி ஈடுபடுவது, MCP சூழலை எவ்வாறு பங்களிப்பது, மற்றும் ஒத்துழைப்பு வளர்ச்சிக்கு சிறந்த நடைமுறைகளை எப்படி பின்பற்றுவது என்பதைக் கவனிக்கும். திறந்த மூல MCP திட்டங்களில் எப்படி பங்கேற்க வேண்டும் என்பதைக் புரிந்துகொள்வது இந்த தொழில்நுட்பத்தின் எதிர்காலத்தை வடிவமைக்க விரும்புவோருக்கு அவசியம்.
கற்றல் இலக்குகள்
இந்த பாடத்தின் முடிவில், நீங்கள் இந்தக் கருத்துக்களை செய்ய முடியும்:
- MCP சமூகம் மற்றும் சூழலை உடையமைப்பை புரிந்து கொள்வது
- MCP சமூகம்论坛்கள் மற்றும் விவாதங்களில் திறம்பட பங்கேற்கது
- MCP திறந்த மூல களஞ்சியங்களுக்கு பங்களிக்கும்
- தனிப்பயன் MCP கருவிகள் மற்றும் சேவையகங்களை உருவாக்கி பகிர்ந்தல்
- MCP வளர்ச்சி மற்றும் ஒத்துழைப்புக்கு சிறந்த நடைமுறைகளை பின்பற்றல்
- MCP வளர்ச்சிக்கான சமூகம் வளங்கள் மற்றும் கட்டமைப்புகளை கண்டறிதல்
MCP சமூக சூழல்
MCP சூழல் பல கூறுகள் மற்றும் பங்கேற்பாளர்களைக் கொண்டுள்ளது, இவை இணைந்து பிரத protoc வீள் முன்னேற்றத்தை எடுக்கின்றன.
முக்கிய சமூக கூறுகள்
- முதன்மை புரோட்டோக்கால் பராமரிப்பாளர்கள்: அதிகாரப்பூர்வ Model Context Protocol GitHub அமைப்பு MCP அடிப்படை விவரக்குறிப்புகள் மற்றும் குறிப்பு செயலாக்கங்களை பராமரிக்கின்றனர்
- கருவி மேம்படுத்தோர்: MCP கருவிகள் மற்றும் சேவையகங்களை உருவாக்கும் நபர்கள் மற்றும் குழுக்கள்
- இணக்குநர் வழங்குநர்கள்: MCP-ஐ தனது தயாரிப்புகள் மற்றும் சேவைகளில் ஒருங்கிணைக்கும் நிறுவனங்கள்
- இறுதி பயனர்கள்: தங்கள் பயன்பாடுகளில் MCP-ஐ பயன்படுத்தும் டெவலப்பர்கள் மற்றும் நிறுவனங்கள்
- பங்களிப்பாளர்கள்: குறியீடு, ஆவணங்கள் அல்லது பிற வளங்களை பங்களிக்கும் சமூகம் உறுப்பினர்கள்
சமூகம் வளங்கள்
அதிகாரப்பூர்வ சேனல்கள்
- MCP GitHub அமைப்பு
- MCP ஆவணங்கள்
- MCP விவரக்குறிப்பு
- GitHub விவாதங்கள்
- MCP உதாரணங்கள் மற்றும் சேவையக களஞ்சியம்
சமூகம் இயக்கும் வளங்கள்
- MCP கிளையண்ட்கள் - MCP ஒருங்கிணைப்பை ஆதரிக்கும் கிளையண்ட்களின் பட்டியல்
- சமூக MCP சேவையகங்கள் - சமூகத்தால் உருவாக்கப்பட்ட MCP சேவையகங்களின் வளர்ந்து வரும் பட்டியல்
- அற்புதமான MCP சேவையகங்கள் - தேர்ந்தெடுக்கப்பட்ட MCP சேவையகங்கள் பட்டியல்
- PulseMCP - MCP வளங்களை கண்டறிய சமூக மையம் மற்றும் செய்திமடல்
- Discord சேவையகம் - MCP டெவலப்பர்களுடன் இணைக்கவும்
- மொழி சார்ந்த SDK செயலாக்கங்கள்
- வலைப்பதிவுகள் மற்றும் பயிற்சிகள்
MCP-க்கு பங்களிப்பது
பங்களிப்பு வகைகள்
MCP சூழல் பலவிதமான பங்களிப்புக்களை வரவேற்கிறது:
-
குறியீடு பங்களிப்புகள்:
- முதன்மை புரோட்டோக்கால் மேம்பாடுகள்
- பிழை திருத்தல்கள்
- கருவி மற்றும் சேவையக செயலாக்கங்கள்
- பல மொழிகளில் கிளையண்ட்/சேவையக நூலகங்கள்
-
ஆவணங்கள்:
- முந்தைய ஆவணங்களை மேம்படுத்தல்
- பயிற்சி மற்றும் வழிகாட்டிகள் உருவாக்கம்
- ஆவணங்களை மொழிபெயர்ப்பு
- உதாரணங்கள் மற்றும் மாதிரிப் பயன்பாடுகள் உருவாக்கம்
-
சமூக ஆதரவு:
- மன்றங்கள் மற்றும் விவாதங்களில் கேள்விகளுக்கு பதிலளித்தல்
- சோதனை மற்றும் பிரச்சனைகளை அறிவித்தல்
- சமூக நிகழ்வுகளை ஏற்பாடு செய்தல்
- புதிய பங்களிப்பாளர்களுக்கு வழிகாட்டுதல்
பங்களிப்பு செயல்முறை: முதன்மை புரோட்டோக்கால்
முதன்மை MCP புரோட்டோக்கால் அல்லது அதிகாரப்பூர்வ செயலாக்கங்களுக்கு பங்களிக்க, அதிகாரப்பூர்வ பங்களிப்பு வழிகாட்டுதல் guidelines இல் உள்ள கீழ்க்காணும் கொள்கைகளை பின்பற்றவும்:
-
எளிமை மற்றும் குறைந்தபட்சம்: MCP விவரக்குறிப்பு புதிய கருத்துக்களை சேர்க்க உயர்ந்த தரம் வைத்திருக்கிறது. குறிப்புகளை சேர்ப்பது அகற்றுவதைவிட எளிது.
-
கோட்பாட்டிற்கும் ஒத்திசைவு: விவரக்குறிப்பு மாற்றங்கள் குறிப்பிட்ட செயலாக்க சவால்களை அடிப்படையாகக் கொண்டு இருக்க வேண்டும், ஊகக் கருத்துக்களைக் கொண்டு அல்ல.
-
முன்மொழிவின் நிலைகள்:
- வரையறுக்க: பிரச்சனை பரப்பை ஆய்வு செய்தல், மற்ற MCP பயனர்கள் அதே பிரச்சனையை சந்திக்கிறார்கள் என்பதை உறுதிசெய்தல்
- மாதிரி உருவாக்குதல்: ஒரு மாதிரி தீர்வை கட்டமைக்கவும் பயன்படுத்தலை விளக்கவும்
- எழுதுதல்: மாதிரியை அடிப்படையாகக் கொண்டு ஒரு விவரக்குறிப்பு முன்மொழிவை எழுத்து
வளர்ச்சி சுற்றுச்சூழலின் அமைப்பு
# கிடையலை கிளையாக்கவும்
git clone https://github.com/YOUR-USERNAME/modelcontextprotocol.git
cd modelcontextprotocol
# சார்ந்த தொகுதிகளை நிறுவவும்
npm install
# வரைபட மாற்றங்களுக்காக, சரிபார்க்கவும் மற்றும் schema.json ஐ உருவாக்கவும்:
npm run check:schema:ts
npm run generate:schema
# ஆவண மாற்றங்களுக்காக
npm run check:docs
npm run format
# ஆவணத்தை உள்ளூர் முறையில் முன்னோட்டம் பார்க்கவும் (விருப்பமானது):
npm run serve:docs
உதாரணம்: பிழை திருத்தம் பங்களிப்பு
// வகைஸ்கிரிப்ட்-எஸ்டிகேயில் பிழையுடன் உள்ள அசல் கோடு
export function validateResource(resource: unknown): resource is MCPResource {
if (!resource || typeof resource !== 'object') {
return false;
}
// பிழை: சொத்துக் சரிபார்ப்பை தவறவிடல்
// தற்போதைய அமலாக்கம்:
const hasName = 'name' in resource;
const hasSchema = 'schema' in resource;
return hasName && hasSchema;
}
// ஒரு பங்களிப்பில் சரி செய்யப்பட்ட அமலாக்கம்
export function validateResource(resource: unknown): resource is MCPResource {
if (!resource || typeof resource !== 'object') {
return false;
}
// மேம்பட்ட சரிபார்ப்பு
const hasName = 'name' in resource && typeof (resource as MCPResource).name === 'string';
const hasSchema = 'schema' in resource && typeof (resource as MCPResource).schema === 'object';
const hasDescription = !('description' in resource) || typeof (resource as MCPResource).description === 'string';
return hasName && hasSchema && hasDescription;
}
உதாரணம்: ஸ்டாண்டர்டு நூலகத்திற்கு புதிய கருவி பங்களிப்பு
# உதாரண ஆக்கம்: MCP ஸ்டாண்டர்ட் நூலகத்துக்கான ஒரு CSV தரவுத்தொடர் கருவி
from mcp_tools import Tool, ToolRequest, ToolResponse, ToolExecutionException
import pandas as pd
import io
import json
from typing import Dict, Any, List, Optional
class CsvProcessingTool(Tool):
"""
Tool for processing and analyzing CSV data.
This tool allows models to extract information from CSV files,
run basic analysis, and convert data between formats.
"""
def get_name(self):
return "csvProcessor"
def get_description(self):
return "Processes and analyzes CSV data"
def get_schema(self):
return {
"type": "object",
"properties": {
"csvData": {
"type": "string",
"description": "CSV data as a string"
},
"csvUrl": {
"type": "string",
"description": "URL to a CSV file (alternative to csvData)"
},
"operation": {
"type": "string",
"enum": ["summary", "filter", "transform", "convert"],
"description": "Operation to perform on the CSV data"
},
"filterColumn": {
"type": "string",
"description": "Column to filter by (for filter operation)"
},
"filterValue": {
"type": "string",
"description": "Value to filter for (for filter operation)"
},
"outputFormat": {
"type": "string",
"enum": ["json", "csv", "markdown"],
"default": "json",
"description": "Output format for the processed data"
}
},
"oneOf": [
{"required": ["csvData", "operation"]},
{"required": ["csvUrl", "operation"]}
]
}
async def execute_async(self, request: ToolRequest) -> ToolResponse:
try:
# அளவுருக்களை பிரிக்கவும்
operation = request.parameters.get("operation")
output_format = request.parameters.get("outputFormat", "json")
# நேரடி தரவு அல்லது URL மூலம் CSV தரவைப் பெறவும்
df = await self._get_dataframe(request)
# கோரப்பட்ட செயல்பாட்டின் அடிப்படையில் செயலாக்கவும்
result = {}
if operation == "summary":
result = self._generate_summary(df)
elif operation == "filter":
column = request.parameters.get("filterColumn")
value = request.parameters.get("filterValue")
if not column:
raise ToolExecutionException("filterColumn is required for filter operation")
result = self._filter_data(df, column, value)
elif operation == "transform":
result = self._transform_data(df, request.parameters)
elif operation == "convert":
result = self._convert_format(df, output_format)
else:
raise ToolExecutionException(f"Unknown operation: {operation}")
return ToolResponse(result=result)
except Exception as e:
raise ToolExecutionException(f"CSV processing failed: {str(e)}")
async def _get_dataframe(self, request: ToolRequest) -> pd.DataFrame:
"""Gets a pandas DataFrame from either CSV data or URL"""
if "csvData" in request.parameters:
csv_data = request.parameters.get("csvData")
return pd.read_csv(io.StringIO(csv_data))
elif "csvUrl" in request.parameters:
csv_url = request.parameters.get("csvUrl")
return pd.read_csv(csv_url)
else:
raise ToolExecutionException("Either csvData or csvUrl must be provided")
def _generate_summary(self, df: pd.DataFrame) -> Dict[str, Any]:
"""Generates a summary of the CSV data"""
return {
"columns": df.columns.tolist(),
"rowCount": len(df),
"columnCount": len(df.columns),
"numericColumns": df.select_dtypes(include=['number']).columns.tolist(),
"categoricalColumns": df.select_dtypes(include=['object']).columns.tolist(),
"sampleRows": json.loads(df.head(5).to_json(orient="records")),
"statistics": json.loads(df.describe().to_json())
}
def _filter_data(self, df: pd.DataFrame, column: str, value: str) -> Dict[str, Any]:
"""Filters the DataFrame by a column value"""
if column not in df.columns:
raise ToolExecutionException(f"Column '{column}' not found")
filtered_df = df[df[column].astype(str).str.contains(value)]
return {
"originalRowCount": len(df),
"filteredRowCount": len(filtered_df),
"data": json.loads(filtered_df.to_json(orient="records"))
}
def _transform_data(self, df: pd.DataFrame, params: Dict[str, Any]) -> Dict[str, Any]:
"""Transforms the data based on parameters"""
# செயல்படுத்தல் பல்வேறு மாற்றங்களை உள்ளடக்கும்
return {
"status": "success",
"message": "Transformation applied"
}
def _convert_format(self, df: pd.DataFrame, format: str) -> Dict[str, Any]:
"""Converts the DataFrame to different formats"""
if format == "json":
return {
"data": json.loads(df.to_json(orient="records")),
"format": "json"
}
elif format == "csv":
return {
"data": df.to_csv(index=False),
"format": "csv"
}
elif format == "markdown":
return {
"data": df.to_markdown(),
"format": "markdown"
}
else:
raise ToolExecutionException(f"Unsupported output format: {format}")
பங்களிப்பு வழிகாட்டுதல்
MCP திட்டங்களுக்கு வெற்றிகரமான பங்களிப்பை செய்ய:
- சிறியதிலிருந்து தொடங்கு: ஆவணங்கள், பிழை திருத்தங்கள், அல்லது சிறிய மேம்பாடுகளுடன் தொடங்கு
- பாணி வழிகாட்டுதலை பின்பற்று: திட்டத்தின் குறியீடு பாணி மற்றும் பரம்பரை நடைமுறைகளை பின்பற்று
- சோதனைகள் எழுதுக: உங்கள் குறியீடு பங்களிப்புகளுக்கான அலகு சோதனைகளைச் சேர்க்கவும்
- உங்கள் பணியை ஆவணப்படுத்துக: புதிய அம்சங்கள் அல்லது மாற்றங்களுக்கு தெளிவான ஆவணங்களைச் சேர்க்கவும்
- நோக்கமான PRகளை சமர்ப்பிக்கவும்: ஒரு பிரச்சனை அல்லது அம்சத்தில் மட்டுமே கவனமாக உள்ளடக்கப்பட்ட புல்ல் கோரிக்கைகளை சமர்ப்பிக்கவும்
- பின்னூட்டத்துடன் ஈடுபடு: உங்கள் பங்களிப்புகளில் அனைத்து பின்னூட்டங்களையும் பதிலளிக்க தயாராக இருங்கள்
உதாரண பங்களிப்பு வேலையில் பணிசெய்தல்
# ரெப்பாசிடரை கிளோன் செய்க
git clone https://github.com/modelcontextprotocol/typescript-sdk.git
cd typescript-sdk
# உங்கள் பங்களிப்புக்கான புதிய கிளையை உருவாக்குக
git checkout -b feature/my-contribution
# உங்கள் மாற்றங்களை செய்யவும்
# ...
# உங்கள் மாற்றங்கள் தற்போதைய செயல்பாட்டை பாதிக்காமல் இருக்கிறதா என்பதை உறுதிசெய்ய சோதனைகளை இயக்கவும்
npm test
# விளக்கமான հաղորդிப்புடன் உங்கள் மாற்றங்களை கமிட் செய்யவும்
git commit -am "Fix validation in resource handler"
# உங்கள் கிளையைக் உங்கள் ஃபோர்க்குக்கு புஷ் செய்யவும்
git push origin feature/my-contribution
# உங்கள் கிளையிலிருந்து மெயின் ரெப்பாசிடரிக்கான புல் ரெக்வெஸ்டை உருவாக்கவும்
# பின்னர் கருத்துக்களைப் பெறுவதில் ஈடுபட்டு தேவையானபடி உங்கள் ப்ருக்கு திருத்தங்கள் செய்யவும்
MCP சேவையகங்கள் உருவாக்கல் மற்றும் பகிர்வு
MCP சூழலை பங்களிப்பதற்கு மிகவும் மதிப்புமிக்க வழிகளில் ஒன்று தனிப்பயன் MCP சேவையகங்களை உருவாக்கி பகிர்வதாகும். சமூகத்தினர் ஏற்கனவே பல சேவைகளுக்கும் பயன்பாடுகளுக்கும் நூற்றுக்கணக்கான சேவையகங்களை உருவாக்கியுள்ளனர்.
MCP சேவையக வளர்ச்சிக்கான கட்டமைப்புகள்
MCP சேவையக வளர்ச்சியை எளிதாக்க பல கட்டமைப்புகள் கிடைக்கின்றன:
-
அதிகாரப்பூர்வ SDKக்கள் (MCP Specification 2025-11-25 உடன் இணக்கமானவைகள்):
-
சமூக கட்டமைப்புகள்:
- MCP-Framework - TypeScript இல் அழகாகவும் வேகமாகவும் MCP சேவையகங்களை உருவாக்குக
- MCP Declarative Java SDK - Java உடன் குறிச்சொற்கள் சார்ந்த MCP சேவையகங்கள்
- Quarkus MCP Server SDK - MCP சேவையகங்களுக்கான Java கட்டமைப்பு
- Next.js MCP Server Template - MCP சேவையகங்களுக்கான Next.js ஆரம்ப திட்டம்
பகிரக்கூடிய கருவிகளை உருவாக்குதல்
.NET உதாரணம்: பகிரக்கூடிய கருவி தொகுப்பை உருவாக்குதல்
// Create a new .NET library project
// dotnet new classlib -n McpFinanceTools
using Microsoft.Mcp.Tools;
using System.Threading.Tasks;
using System.Net.Http;
using System.Text.Json;
namespace McpFinanceTools
{
// Stock quote tool
public class StockQuoteTool : IMcpTool
{
private readonly HttpClient _httpClient;
public StockQuoteTool(HttpClient httpClient = null)
{
_httpClient = httpClient ?? new HttpClient();
}
public string Name => "stockQuote";
public string Description => "Gets current stock quotes for specified symbols";
public object GetSchema()
{
return new {
type = "object",
properties = new {
symbol = new {
type = "string",
description = "Stock symbol (e.g., MSFT, AAPL)"
},
includeHistory = new {
type = "boolean",
description = "Whether to include historical data",
default = false
}
},
required = new[] { "symbol" }
};
}
public async Task<ToolResponse> ExecuteAsync(ToolRequest request)
{
// Extract parameters
string symbol = request.Parameters.GetProperty("symbol").GetString();
bool includeHistory = false;
if (request.Parameters.TryGetProperty("includeHistory", out var historyProp))
{
includeHistory = historyProp.GetBoolean();
}
// Call external API (example)
var quoteResult = await GetStockQuoteAsync(symbol);
// Add historical data if requested
if (includeHistory)
{
var historyData = await GetStockHistoryAsync(symbol);
quoteResult.Add("history", historyData);
}
// Return formatted result
return new ToolResponse {
Result = JsonSerializer.SerializeToElement(quoteResult)
};
}
private async Task<Dictionary<string, object>> GetStockQuoteAsync(string symbol)
{
// Implementation would call a real stock API
// This is a simplified example
return new Dictionary<string, object>
{
["symbol"] = symbol,
["price"] = 123.45,
["change"] = 2.5,
["percentChange"] = 1.2,
["lastUpdated"] = DateTime.UtcNow
};
}
private async Task<object> GetStockHistoryAsync(string symbol)
{
// Implementation would get historical data
// Simplified example
return new[]
{
new { date = DateTime.Now.AddDays(-7).Date, price = 120.25 },
new { date = DateTime.Now.AddDays(-6).Date, price = 122.50 },
new { date = DateTime.Now.AddDays(-5).Date, price = 121.75 }
// More historical data...
};
}
}
}
// Create package and publish to NuGet
// dotnet pack -c Release
// dotnet nuget push bin/Release/McpFinanceTools.1.0.0.nupkg -s https://api.nuget.org/v3/index.json -k YOUR_API_KEY
Java உதாரணம்: கருவிகளுக்கான Maven தொகுப்பை உருவாக்குதல்
// பகிரக்கூடிய MCP கருவி தொகுப்புக்கான pom.xml அமைப்பு
<!--
<project>
<groupId>com.example</groupId>
<artifactId>mcp-weather-tools</artifactId>
<version>1.0.0</version>
<dependencies>
<dependency>
<groupId>com.mcp</groupId>
<artifactId>mcp-server</artifactId>
<version>1.0.0</version>
</dependency>
</dependencies>
<distributionManagement>
<repository>
<id>github</id>
<name>GitHub Packages</name>
<url>https://maven.pkg.github.com/username/mcp-weather-tools</url>
</repository>
</distributionManagement>
</project>
-->
package com.example.mcp.weather;
import com.mcp.tools.Tool;
import com.mcp.tools.ToolRequest;
import com.mcp.tools.ToolResponse;
import com.mcp.tools.ToolExecutionException;
import java.net.http.HttpClient;
import java.net.http.HttpRequest;
import java.net.http.HttpResponse;
import java.net.URI;
import java.util.HashMap;
import java.util.Map;
public class WeatherForecastTool implements Tool {
private final HttpClient httpClient;
private final String apiKey;
public WeatherForecastTool(String apiKey) {
this.httpClient = HttpClient.newHttpClient();
this.apiKey = apiKey;
}
@Override
public String getName() {
return "weatherForecast";
}
@Override
public String getDescription() {
return "Gets weather forecast for a specified location";
}
@Override
public Object getSchema() {
Map<String, Object> schema = new HashMap<>();
// விவர வடிவம் வரையறு...
return schema;
}
@Override
public ToolResponse execute(ToolRequest request) {
try {
String location = request.getParameters().get("location").asText();
int days = request.getParameters().has("days") ?
request.getParameters().get("days").asInt() : 3;
// வானிலை APIஐ அழை
Map<String, Object> forecast = getForecast(location, days);
// பதிலை உருவாக்கு
return new ToolResponse.Builder()
.setResult(forecast)
.build();
} catch (Exception ex) {
throw new ToolExecutionException("Weather forecast failed: " + ex.getMessage(), ex);
}
}
private Map<String, Object> getForecast(String location, int days) {
// செயல்பாடு வானிலை APIஐ அழைக்கும்
// எளிமைப்படுத்தப்பட்ட எடுத்துக்காட்டு
Map<String, Object> result = new HashMap<>();
// முன்னறிவிப்பு தரவை சேர்க்கவும்...
return result;
}
}
// Maven பயன்படுத்தி கட்டி வெளியிடு
// mvn clean package
// mvn deploy
Python உதாரணம்: PyPI தொகுப்பை வெளியிடுதல்
# PyPI பேக்கேஜுக்கான அடைவு ஒழுங்கமைப்பு:
# mcp_nlp_tools/
# ├── உரிமம்
# ├── README.md
# ├── setup.py
# ├── mcp_nlp_tools/
# │ ├── __init__.py
# │ ├── உணர்ச்சி கருவி.py
# │ └── மொழிபெயர்ப்பு கருவி.py
# உதாரண setup.py
"""
from setuptools import setup, find_packages
setup(
name="mcp_nlp_tools",
version="0.1.0",
packages=find_packages(),
install_requires=[
"mcp_server>=1.0.0",
"transformers>=4.0.0",
"torch>=1.8.0"
],
author="Your Name",
author_email="your.email@example.com",
description="MCP tools for natural language processing tasks",
long_description=open("README.md").read(),
long_description_content_type="text/markdown",
url="https://github.com/username/mcp_nlp_tools",
classifiers=[
"Programming Language :: Python :: 3",
"License :: OSI Approved :: MIT License",
"Operating System :: OS Independent",
],
python_requires=">=3.8",
)
"""
# உதாரண NLP கருவி அமலாக்கம் (sentiment_tool.py)
from mcp_tools import Tool, ToolRequest, ToolResponse, ToolExecutionException
from transformers import pipeline
import torch
class SentimentAnalysisTool(Tool):
"""MCP tool for sentiment analysis of text"""
def __init__(self, model_name="distilbert-base-uncased-finetuned-sst-2-english"):
# உணர்ச்சி பகுப்பாய்வு மாடலை ஏற்று கொள்ளவும்
self.sentiment_analyzer = pipeline("sentiment-analysis", model=model_name)
def get_name(self):
return "sentimentAnalysis"
def get_description(self):
return "Analyzes the sentiment of text, classifying it as positive or negative"
def get_schema(self):
return {
"type": "object",
"properties": {
"text": {
"type": "string",
"description": "The text to analyze for sentiment"
},
"includeScore": {
"type": "boolean",
"description": "Whether to include confidence scores",
"default": True
}
},
"required": ["text"]
}
async def execute_async(self, request: ToolRequest) -> ToolResponse:
try:
# அளவுருக்களை எடுத்து கொள்ளவும்
text = request.parameters.get("text")
include_score = request.parameters.get("includeScore", True)
# உணர்ச்சியை பகுப்பாய்வு செய்யவும்
sentiment_result = self.sentiment_analyzer(text)[0]
# முடிவை வடிவமைக்கவும்
result = {
"sentiment": sentiment_result["label"],
"text": text
}
if include_score:
result["score"] = sentiment_result["score"]
# முடிவை திருப்பி அளிக்கவும்
return ToolResponse(result=result)
except Exception as e:
raise ToolExecutionException(f"Sentiment analysis failed: {str(e)}")
# வெளியிட:
# python setup.py sdist bdist_wheel
# python -m twine upload dist/*
சிறந்த நடைமுறைகளை பகிர்வு
MCP கருவிகளை சமூகத்துடன் பகிரும்போது:
-
முழுமையான ஆவணங்கள்:
- குறிக்கோள், பயன்பாடு மற்றும் உதாரணங்களை ஆவணப்படுத்துக
- அளவுருக்கள் மற்றும் திரும்பும் மதிப்புகளை விளக்குக
- எந்தவொரு வெளிப்புற சார்புகளையும் ஆவணம் செய்யவும்
-
பிழை கையாளல்:
- வலுவான பிழை கையாளலை நடைமுறைப்படுத்துக
- பயனுள்ள பிழை செய்திகள் வழங்கவும்
- முனை நிலைகளை நரம்பாக கையாள்க
-
நடைமுறைகளுக்கான கவனம்:
- வேகம் மற்றும் வள பயன்பாட்டிற்கான மேம்பாடுகள் செய்தல்
- பொருத்தமான போது சேமிப்பகத்தை (cache) பயன்படுத்துக
- விரிவாக்கக்கூடியதைக் கருத்தில் கொள்ளுங்கள்
-
பாதுகாப்பு:
- பாதுகாப்பான API விசைகள் மற்றும் அங்கீகாரத்தைப் பயன்படுத்துக
- உள்ளீடுகளை சரிபார்த்து சுத்தம் செய்யுங்கள்
- வெளிப்புற API அழைப்புகளுக்கான வீதம் வரம்பை அமல்படுத்துக
-
சோதனை:
- முழுமையான சோதனை கவர் செய்யுங்கள
- வெவ்வேறு உள்ளீட்டு வகைகள் மற்றும் முனைகள் மூலம் சோதனை நடத்துக
- சோதனை செயல்முறைகளை ஆவணப்படுத்துக
சமூகம் ஒத்துழைப்பு மற்றும் சிறந்த நடைமுறைகள்
திறமையான ஒத்துழைப்பு வளமையான MCP சூழலை உருவாக்க முக்கியம்.
தொடர்பு சேனல்கள்
- GitHub பிரச்சனைகள் மற்றும் விவாதங்கள்
- Microsoft தொழில்நுட்ப சமூகம்
- Discord மற்றும் Slack சேனல்கள்
- Stack Overflow (tag:
model-context-protocolஅல்லதுmcp)
குறியீடு மதிப்பீடு
MCP பங்களிப்புகளை மதிப்பாய்வதற்கு:
- தெளிவு: குறியீடு தெளிவாகவும் நன்கு ஆவணப்படுத்தப்பட்டதா?
- சரியான செயல்: இது எதிர்பார்த்தபடி செயல்படுகிறதா?
- ஒற்றுமை: திட்ட மரபுகளை பின்பற்றுகிறதா?
- முழுமை: சோதனைகள் மற்றும் ஆவணங்கள் உள்ளனவா?
- பாதுகாப்பு: பாதுகாப்பு சார்ந்த எதுவும் உள்ளதா?
பதிப்பு பொருத்தக்கூறுகள்
MCPக்காக வளர்ச்சி செய்யும் போது:
- புரோட்டோக்கால் பதிப்பு: உங்கள் கருவி ஆதரிக்கும் MCP புரோட்டோக்கால் பதிப்பை பின்பற்றவும்
- கிளையண்ட் பொருத்தத்தன்மை: பின்வாங்கும் பொருத்தத்தன்மையை கவனியுங்கள்
- சேவையக பொருத்தத்தன்மை: சேவையக செயலாக்க வழிகாட்டுதல்களை பின்பற்றவும்
- மாற்றங்கள் உடைக்கும் நிலை: எந்த உடைக்கும் மாற்றங்களும் தெளிவாக ஆவணப்படுத்தப்பட வேண்டும்
உதாரண சமூகத் திட்டம்: MCP கருவி பதிவேட்டு
ஒரு முக்கிய சமூகம் பங்களிப்பு MCP கருவிகளுக்கான பொதுவான பதிவேட்டை உருவாக்குவது ஆகும்.
# ஒரு சமூக கருவி பதிவு API இற்கான எடுத்துக்காட்டு தரவுத்தளம்
from fastapi import FastAPI, HTTPException, Depends
from pydantic import BaseModel, Field, HttpUrl
from typing import List, Optional
import datetime
import uuid
# கருவி பதிவு மாதிரிகள்
class ToolSchema(BaseModel):
"""JSON Schema for a tool"""
type: str
properties: dict
required: List[str] = []
class ToolRegistration(BaseModel):
"""Information for registering a tool"""
name: str = Field(..., description="Unique name for the tool")
description: str = Field(..., description="Description of what the tool does")
version: str = Field(..., description="Semantic version of the tool")
schema: ToolSchema = Field(..., description="JSON Schema for tool parameters")
author: str = Field(..., description="Author of the tool")
repository: Optional[HttpUrl] = Field(None, description="Repository URL")
documentation: Optional[HttpUrl] = Field(None, description="Documentation URL")
package: Optional[HttpUrl] = Field(None, description="Package URL")
tags: List[str] = Field(default_factory=list, description="Tags for categorization")
examples: List[dict] = Field(default_factory=list, description="Example usage")
class Tool(ToolRegistration):
"""Tool with registry metadata"""
id: uuid.UUID = Field(default_factory=uuid.uuid4)
created_at: datetime.datetime = Field(default_factory=datetime.datetime.now)
updated_at: datetime.datetime = Field(default_factory=datetime.datetime.now)
downloads: int = Field(default=0)
rating: float = Field(default=0.0)
ratings_count: int = Field(default=0)
# பதிவு செயலிக்கான FastAPI பயன்பாடு
app = FastAPI(title="MCP Tool Registry")
# இந்த எடுத்துக்காட்டுக்கான நினைவக தரவுத்தளம்
tools_db = {}
@app.post("/tools", response_model=Tool)
async def register_tool(tool: ToolRegistration):
"""Register a new tool in the registry"""
if tool.name in tools_db:
raise HTTPException(status_code=400, detail=f"Tool '{tool.name}' already exists")
new_tool = Tool(**tool.dict())
tools_db[tool.name] = new_tool
return new_tool
@app.get("/tools", response_model=List[Tool])
async def list_tools(tag: Optional[str] = None):
"""List all registered tools, optionally filtered by tag"""
if tag:
return [tool for tool in tools_db.values() if tag in tool.tags]
return list(tools_db.values())
@app.get("/tools/{tool_name}", response_model=Tool)
async def get_tool(tool_name: str):
"""Get information about a specific tool"""
if tool_name not in tools_db:
raise HTTPException(status_code=404, detail=f"Tool '{tool_name}' not found")
return tools_db[tool_name]
@app.delete("/tools/{tool_name}")
async def delete_tool(tool_name: str):
"""Delete a tool from the registry"""
if tool_name not in tools_db:
raise HTTPException(status_code=404, detail=f"Tool '{tool_name}' not found")
del tools_db[tool_name]
return {"message": f"Tool '{tool_name}' deleted"}
முக்கிய எடுத்துக்காட்டுகள்
- MCP சமூகம் பரபரப்பானது மற்றும் பலவிதமான பங்களிப்புக்களை வரவேற்கிறது
- MCPக்குள் பங்களிப்பது முதன்மை புரோட்டோக்கால் மேம்பாடுகளிலிருந்து தனிப்பயன் கருவிகள் வரை பரவுகிறது
- பங்களிப்பு வழிகாட்டுதலை பின்பற்றுவது உங்கள் PR ஏற்றுக்கொள்ள வாய்ப்புகளை அதிகரிக்கிறது
- MCP கருவிகளை உருவாக்கி பகிர்வது சூழலை மேம்படுத்தும் ஒரு மதிப்புமிக்க வழி
- MCP வளர்ச்சியும் மேம்பாட்டும் சமூகம் ஒத்துழைப்பு மூலம் தான் நடக்கிறது
பயிற்சி
- உங்கள் திறன்கள் மற்றும் ஆர்வத்தினை அடிப்படையாக கொண்ட MCP சூழலில் பங்களிக்கக்கூடிய ஒரு பகுதியை கண்டறியவும்
- MCP களஞ்சியத்தை Fork செய்து உள்ளூர் வளர்ச்சி சுற்றுச்சூழலை அமைக்கவும்
- ஒரு சிறிய மேம்பாடு, பிழை திருத்தம் அல்லது சமூகத்துக்கு பயன்படக்கூடிய கருவி உருவாக்கவும்
- உங்கள் பங்களிப்பு சரியான சோதனைகளுடன் மற்றும் ஆவணங்களுடன் ஆவணமாக்கவும்
- பொருத்தமான களஞ்சியத்திற்கு புல் கோரிக்கையை சமர்ப்பிக்கவும்
கூடுதல் வளங்கள்
அடுத்தது என்ன
அடுத்தது: முதன்மையான ஏற்றத்திற்கு பாடங்கள்
குறிப்பு:
இந்த ஆவணம் Co-op Translator என்ற AI மொழிபெயர்ப்பு சேவையை பயன்படுத்தி மொழிபெயர்க்கப்பட்டுள்ளது. நாங்கள் துல்லியத்திற்காக முயலினாலும், தானாகச் செய்யப்பட்ட மொழிபெயர்ப்புகளில் பிழைகள் அல்லது தவறுகள் இருக்கக்கூடும் என்பதை தயவுசெய்து கவனமாக இருக்கவும். தாய்மொழியில் உள்ள அசல் ஆவணம் அதிகாரப்பூர்வமான ஆதாரமாக கருதப்பட வேண்டும். முக்கியமான தகவல்களுக்கு, தொழில்முறை மனித மொழிபெயர்ப்பை பரிந்துரைக்கிறோம். இந்த மொழிபெயர்ப்பைப் பயன்படுத்துவதால் ஏற்படும் எந்த தவறான புரிதலுக்கும் நாங்கள் பொறுப்பாய Nuk.