MCP টুল কী এবং AI মডেল কীভাবে সেগুলো ব্যবহার করে?

MCP টুল হলো এমন ফাংশন, যেগুলো কথোপকথনের বাইরে কোনো কাজ সম্পাদনের জন্য একটি AI মডেল কল করতে পারে। যেমন, আপনার নোটে সার্চ করা বা কোনো ডেটাবেসে কোয়েরি চালানো। প্রতিটি টুল একটি MCP (Model Context Protocol) সার্ভারে থাকে এবং এর একটি নাম ও একটি সংক্ষিপ্ত বর্ণনা থাকে, যা মডেলকে কখন টুলটি ব্যবহার করতে হবে তা ঠিক করতে সাহায্য করে।

"MCP টুল" শব্দটি অন্যভাবেও ব্যবহৃত হয়। দৈনন্দিন ব্যবহারে, মানুষ "MCP টুল" বলতে MCP সার্ভার (যে অ্যাপ্লিকেশনগুলো টুল সরবরাহ করে) বা সেই সার্ভারগুলোর তালিকা থাকা ডিরেক্টরিকে বোঝায়। MCP Tools আবার একটি কমান্ড-লাইন প্রোগ্রামের নামও, যা দিয়ে কোনো MCP সার্ভারের টুলগুলোর তালিকা দেখা ও সেগুলো কল করা যায়।

এই গাইডটি প্রোটোকলের ফাংশনগুলো নিয়ে, সার্ভার, ডিরেক্টরি বা কমান্ড লাইন নিয়ে নয়। এতে ব্যাখ্যা করা হয়েছে একটি টুল কী কী নিয়ে গঠিত, সার্ভারগুলো কী ধরনের টুল সরবরাহ করে, এবং রিসোর্স, প্রম্পট ও ফাংশন কলিং থেকে টুল কীভাবে আলাদা। এরপর একটি মডেল টুল ব্যবহারের জন্য যে ধাপগুলো অনুসরণ করে, সেগুলো একে একে তুলে ধরা হয়েছে, আর শেষে টুল ব্যবহারের সঙ্গে সম্পর্কিত সবচেয়ে সাধারণ সমস্যাগুলো আলোচনা করা হয়েছে।

MCP টুল কী?

MCP টুল হলো এমন একটি ফাংশন, যা AI মডেলকে অন্যান্য সফটওয়্যার অ্যাপ্লিকেশন ব্যবহার করে কাজ সম্পন্ন করতে দেয়। যেমন, আমার AI এজেন্ট ও ওয়ার্কফ্লোগুলো MCP টুল ব্যবহার করে Gmail-এ ইমেইলের খসড়া তৈরি করে (create_draft), Trello কার্ড তৈরি করে (trelloWriteCard), এবং DataForSEO থেকে লাইভ সার্চ ফলাফল আনে (serp_organic_live_advanced) — এগুলো কয়েকটি উদাহরণমাত্র।

সফটওয়্যার অ্যাপগুলো প্রায়ই তাদের MCP সার্ভারে একাধিক MCP টুল সরবরাহ করে। যেমন, Trello MCP সার্ভারে বর্তমানে 14টি MCP টুল আছে, যেগুলোর মাধ্যমে AI মডেল বোর্ড, লিস্ট, চেকলিস্ট, কার্ড এবং আরও অনেক কিছু পড়তে ও আপডেট করতে পারে।

আর যেহেতু টুলগুলো কীভাবে বর্ণনা ও সরবরাহ করা হবে তা MCP মানসম্মত করে দেয়, তাই এই প্রোটোকল সমর্থন করে এমন যেকোনো AI অ্যাপ একই MCP টুল ব্যবহার করতে পারে।

একটি MCP টুলে কী কী থাকে

প্রতিটি MCP টুলে তিনটি জিনিস থাকে:

• নাম: একটি সংক্ষিপ্ত শনাক্তকারী, যা মডেল টুলটি কল করার সময় ব্যবহার করে (যেমন, Google Calendar-এ get_event)।
• বর্ণনা: টুলটি কী করে এবং কখন কাজে লাগে, তার সহজ ভাষায় লেখা একটি ব্যাখ্যা। লার্জ ল্যাঙ্গুয়েজ মডেল (LLM) এটি পড়ে সিদ্ধান্ত নেয় টুলটি আপনার অনুরোধের সঙ্গে মানানসই কি না (যেমন, "Returns a single event on the given calendar.")।
• ইনপুট: টুলটি চালানোর জন্য যে তথ্য দরকার, যেমন নোট সার্চের জন্য একজন ক্লায়েন্টের নাম ও একটি তারিখ। এটি JSON-এ লেখা হয়, এবং ডেভেলপাররা একে ইনপুট স্কিমা বলেন, কারণ এটি প্রতিটি ইনপুটের ধরন নির্ধারণ করে দেয় (টেক্সট, সংখ্যা বা একটি তালিকা)।

বড় করুন

কিছু টুল অতিরিক্ত মেটাডেটা যোগ করে: একটি প্রদর্শিত নাম, টুলটি যে ফলাফল ফেরত দেয় তার একটি বর্ণনা (একটি আউটপুট স্কিমা), এবং টুলটি কীভাবে আচরণ করে সে সম্পর্কে অ্যানোটেশন।

AI মডেল কখনোই কোনো টুলের পেছনের কোড দেখতে পায় না। টুলটি নিজের সম্পর্কে যা বলে, মডেল কেবল তার ওপর ভিত্তি করেই কাজ করে, তাই অস্পষ্ট নাম বা বর্ণনার কারণে মডেল ভুল টুল বেছে নেয়।

কী কী ধরনের MCP টুল রয়েছে

কাজের ধরন অনুযায়ী MCP টুলগুলোকে চারটি গ্রুপে ভাগ করা যায়:

• সার্চ ও লুকআপ টুল: তথ্য খুঁজে বের করে বা সংগ্রহ করে (যেমন, নোটে সার্চ করা, একটি ফাইল পড়া বা একটি ডেটাবেসে কোয়েরি চালানো)।
• অ্যাকশন টুল: অন্য কোনো অ্যাপে কিছু তৈরি বা পরিবর্তন করে (যেমন, একটি টাস্ক যোগ করা, একটি ক্যালেন্ডার ইভেন্ট তৈরি করা, একটি সাপোর্ট টিকিট খোলা বা একটি ইমেইল পাঠানো)।
• ডেটা-প্রসেসিং টুল: ডেটা রূপান্তর বা বিশ্লেষণ করে (যেমন, একটি স্প্রেডশিট ফাইল বিশ্লেষণ করা বা কোনো হিসাব চালানো)।
• সিস্টেম টুল: লোকাল সিস্টেমের সঙ্গে কাজ করে (যেমন, টার্মিনালে একটি কমান্ড চালানো)।

MCP টুল বনাম রিসোর্স & প্রম্পট

MCP টুল ছাড়াও, একটি MCP সার্ভার আরও দুই ধরনের বিল্ডিং ব্লক সরবরাহ করতে পারে, যেগুলোকে প্রোটোকলে প্রিমিটিভ বলা হয়: রিসোর্স এবং প্রম্পট।

বড় করুন

যেমন, GitHub-এর অফিসিয়াল MCP সার্ভার সরবরাহ করে:

• issue_write নামের একটি টুল, যা ইস্যু তৈরি বা আপডেট করে,
• repository_content নামের একটি রিসোর্স, যা একটি রিপোজিটরির ফাইলগুলোতে অ্যাক্সেস দেয়,
• issue_to_fix_workflow নামের একটি প্রম্পট, যা কোনো সমস্যাকে ইস্যু হিসেবে রিপোর্ট করা এবং সেটি ঠিক করতে GitHub-এর Copilot কোডিং এজেন্টকে দিয়ে একটি pull request তৈরি করানোর ধাপগুলো সাজিয়ে দেয়।

পার্থক্যটা হলো প্রতিটি কী করে এবং কখন কোনটি ব্যবহার করা হবে তা কে ঠিক করে: আপনি, আপনি যে AI অ্যাপে কাজ করছেন সেটি (যেমন, Perplexity), নাকি সেই অ্যাপের ভেতরে চলা AI মডেল।

• একটি MCP টুল কাজ সম্পাদন করে বা তথ্য খোঁজে। AI মডেল নিজে থেকেই সিদ্ধান্ত নেয় কখন একটি টুল কল করবে, এবং আপনার AI অ্যাপ সেই কলটি সার্ভারে পৌঁছে দেয়। আপনার AI মডেল টুল বেছে নেয়; আপনার AI অ্যাপের উচিত প্রতিটি কল আপনাকে দেখানো এবং আপনাকে তা প্রত্যাখ্যান করার সুযোগ দেওয়া।
• একটি রিসোর্স হলো MCP সার্ভারে থাকা কনটেন্ট, যেমন একটি ফাইল বা একগুচ্ছ রেকর্ড, যার প্রতিটির নিজস্ব ঠিকানা (একটি URI) থাকে। আপনার AI অ্যাপ সার্ভারকে জিজ্ঞেস করে তার কাছে কোন কোন রিসোর্স আছে, প্রয়োজনীয়টি তার ঠিকানা দিয়ে পড়ে, এবং কনটেন্টটি কনটেক্সট হিসেবে কথোপকথনে যোগ করে।
• একটি প্রম্পট হলো সার্ভারের দেওয়া আগে থেকে তৈরি একটি মেসেজ টেমপ্লেট, যাতে কখনো কখনো আপনার পূরণ করার মতো ফাঁকা জায়গা থাকে। আপনার AI অ্যাপ আপনাকে উপলব্ধ প্রম্পটগুলো দেখায়, আর আপনি সেগুলোর একটি বেছে নেন, প্রায়ই একটি স্ল্যাশ কমান্ড হিসেবে।

AI মডেল কীভাবে MCP টুল ব্যবহার করে

একটি AI মডেল পাঁচটি ধাপে একটি MCP টুল ব্যবহার করে: ডিসকভারি, টুল নির্বাচন, ইনভোকেশন, ফলাফল এবং এরর হ্যান্ডলিং। মডেল ও সার্ভারের মধ্যে সবকিছু আদান-প্রদান করে আপনার AI অ্যাপ।

বড় করুন

ধরুন, আপনি আপনার AI অ্যাপকে বললেন আপনার Trello-র "এই সপ্তাহ" লিস্টটি দেখে আপনার এডিটরের জন্য একটি আপডেটসহ ইমেইলের খসড়া তৈরি করতে। শুরু থেকে শেষ পর্যন্ত যা ঘটে:

1. ডিসকভারি: আপনার AI অ্যাপ যখন MCP ক্লায়েন্টের মাধ্যমে একটি MCP সার্ভারের সঙ্গে সংযুক্ত হয়, তখন এটি সার্ভারের উপলব্ধ টুলগুলোর তালিকা চায় (tools/list নামের একটি অনুরোধ)। অ্যাপ যা পাঠায়, LLM কেবল সেটুকুই দেখে: প্রতিটি টুলের নাম, বর্ণনা ও ইনপুট।
2. টুল নির্বাচন: AI মডেল আপনার অনুরোধকে সেই বর্ণনাগুলোর সঙ্গে মিলিয়ে দেখে এবং মানানসই টুলগুলো বেছে নেয়। এখানে সেগুলো হলো লিস্টটি পড়ার জন্য Trello-র trelloReadList এবং ইমেইলটি লেখার জন্য Gmail-এর create_draft। মডেলটি ইনপুটগুলোও পূরণ করে, যেমন কোন লিস্টটি পড়তে হবে।
3. ইনভোকেশন: মডেলটি টুলটি চালানোর জন্য একটি কাঠামোবদ্ধ অনুরোধ দিয়ে উত্তর দেয় (এই ধাপকে "ফাংশন কলিং" বলা হয়)। আপনার AI অ্যাপ সেই অনুরোধটি সঠিক সার্ভারে পাঠায় (একটি tools/call অনুরোধ)। এছাড়া অ্যাপটির উচিত কলটি আপনাকে দেখানো এবং আপনাকে তা প্রত্যাখ্যান করার সুযোগ দেওয়া।
4. ফলাফল: সার্ভার ফাংশনটি চালায় এবং result ফেরত পাঠায়, এই ক্ষেত্রে আপনার লিস্টে থাকা কার্ডগুলো। আপনার AI অ্যাপ ফলাফলটি কথোপকথনে যোগ করে, এবং মডেল ঠিক করে এরপর কী হবে: আপনাকে উত্তর দেবে, নাকি অন্য একটি টুল কল করবে, যেমন সেই কার্ডগুলোর ভিত্তিতে একটি ইমেইল লিখতে create_draft।
5. এরর হ্যান্ডলিং: টুলটি চলে কিন্তু ব্যর্থ হলে, যেমন লিস্টটি না থাকার কারণে, এররটি ফলাফলের অংশ হিসেবে ফিরে আসে। মডেল সেটি পড়ে ভিন্ন ইনপুট দিয়ে আবার চেষ্টা করতে পারে। আর যদি অনুরোধটিতেই ত্রুটি থাকে, যেমন সার্ভারে নেই এমন কোনো টুল কল করা হয়, তাহলে অ্যাপ এর বদলে একটি প্রোটোকল এরর পায়। সেক্ষেত্রে মডেলের সামলে ওঠার সম্ভাবনা কম।

মূল বিষয় হলো, মডেল কেবল বর্ণনা দেখেই টুল বেছে নেয়, আর সার্ভারের সঙ্গে সব যোগাযোগ করে আপনার AI অ্যাপ।

MCP টুলের সাধারণ সমস্যা এবং সেগুলো কীভাবে এড়াবেন

MCP টুলের সমস্যাগুলো মূলত চারটি বিষয়ের ওপর নির্ভর করে: কতগুলো টুল সংযুক্ত আছে, সেগুলোর নাম ও বর্ণনা কেমন, সেগুলো কতটা ডেটা ফেরত দেয়, এবং সেগুলো কোন সার্ভার থেকে আসে।

প্রতিটি সমস্যা কীভাবে দেখা দেয় এবং কী করলে সমাধান মেলে:

MCP টুলের জন্য কেন আপনার অনুমোদন প্রয়োজন?

MCP টুলের জন্য আপনার অনুমোদন প্রয়োজন, কারণ এটি না থাকলে AI মডেল এমন পরিবর্তন করে ফেলতে পারে যা আপনি চাননি, অথবা আপনার নিয়ন্ত্রণের বাইরের কোনো সার্ভারের সঙ্গে সংবেদনশীল ডেটা শেয়ার করতে পারে।

কোনো অনুরোধ ভুল বোঝা হলে বা কোনো টুলের বর্ণনা অস্পষ্ট হলে ভুল অ্যাকশন চালু হয়ে যেতে পারে। এছাড়া প্রতিটি কলেই আপনার কিছু তথ্য একটি সার্ভারে পাঠানো হয়।

এ কারণেই প্রোটোকল আশা করে যে AI অ্যাপগুলো প্রক্রিয়ার মধ্যে একজন মানুষকে যুক্ত রাখবে, যার যেকোনো টুল কল প্রত্যাখ্যান করার ক্ষমতা থাকবে।

কোন টুলে কতটা যাচাই দরকার, সেই অনুযায়ী টুলগুলো ভাগ করার একটি ব্যবহারিক উপায় এখানে দেওয়া হলো:

• যেসব অ্যাকশন শুধু পড়ে: কোনো কিছু খুঁজে দেখা, যেমন Trello-র trelloReadList দিয়ে একটি লিস্ট পড়া, কিছুই পরিবর্তন করে না। আপনার AI অ্যাপ যদি দেখায় কোন টুল চলেছে এবং সেটি কী খুঁজে দেখেছে, তাহলে এই কলগুলো আগে জিজ্ঞেস না করেই চলতে পারে।
• যেসব অ্যাকশন ফিরিয়ে নেওয়া যায়: Gmail-এর create_draft দিয়ে একটি ইমেইলের খসড়া তৈরি করা বা একটি Trello কার্ড যোগ করা এমন পরিবর্তন আনে, যা আপনি ফিরিয়ে নিতে পারেন। কলটি চলার আগে ইনপুটগুলো যাচাই করুন।
• যেসব অ্যাকশন ফিরিয়ে নেওয়া যায় না: Gmail-এর send_message দিয়ে ইমেইল পাঠানো, রেকর্ড মুছে ফেলা, অথবা পেমেন্ট বা সংবেদনশীল ডেটা সংক্রান্ত যেকোনো কিছু আর ফিরিয়ে নেওয়া যায় না। প্রতিবার এগুলোর জন্য স্পষ্ট অনুমতি দিন।

Perplexity-তে MCP টুল ব্যবহার করা

Perplexity দুই দিক থেকেই MCP টুলের সঙ্গে কাজ করে: আপনার সংযুক্ত করা MCP সার্ভারগুলোর টুল এটি ব্যবহার করতে পারে, এবং অন্যান্য AI অ্যাপকে নিজের টুলও সরবরাহ করে।

• Perplexity-তে MCP সার্ভার সংযুক্ত করুন: Pro, Max এবং Enterprise প্ল্যানে, MCP সার্ভার আছে এমন যেকোনো বাহ্যিক টুল বা ডেটা সোর্সের সঙ্গে আপনি Perplexity সংযুক্ত করতে পারেন এবং উত্তরে ও Perplexity Computer-এর এজেন্টিক ওয়ার্কফ্লোতে সেটি ব্যবহার করতে পারেন। Mac অ্যাপে আপনি আপনার কম্পিউটারে চলা MCP সার্ভারও সংযুক্ত করতে পারেন
• অন্যান্য AI অ্যাপে Perplexity-র টুল ব্যবহার করুন: Perplexity-র MCP সার্ভার রিমোট MCP সার্ভার সমর্থন করে এমন যেকোনো AI অ্যাপকে, যেমন Claude Code-কে, চারটি টুল (perplexity_search, perplexity_ask, perplexity_research এবং perplexity_reason) সরবরাহ করে। একটি আলাদা সার্ভারের মাধ্যমে অন্যান্য AI অ্যাপ বহু-ধাপের কাজ Perplexity Computer-কে দিতে পারে।

MCP টুল সম্পর্কে সাধারণ প্রশ্নাবলি

MCP কি কেবল টুল কলিং?

না, MCP কেবল টুল কলিং নয়। টুল কলিং হলো মডেল যেভাবে একটি টুল চায়, আর MCP হলো AI অ্যাপ যেভাবে টুল খুঁজে পায় এবং প্রতিটি কল সেই সার্ভারে পাঠায় যেটি টুলটি চালায়।

টুল কলিং (একে ফাংশন কলিংও বলা হয়) হলো কাজের মধ্যে AI মডেলের অংশ: মডেল টুলের একটি তালিকা দেখে এবং সেগুলোর একটি চালানোর অনুরোধ দিয়ে উত্তর দেয়। শুধু টুল কলিং ব্যবহার করলে, প্রতিটি AI অ্যাপকে প্রতিটি টুল নিজেই সংজ্ঞায়িত করতে ও চালাতে হয়।

MCP টুলগুলোকে সার্ভারে রাখার সুযোগ দেয়, ফলে MCP সমর্থন করে এমন যেকোনো AI অ্যাপ সেগুলো তার মডেলকে দিতে পারে এবং মডেলের অনুরোধগুলো সঠিক সার্ভারে পাঠাতে পারে।

MCP কি API-এর জায়গা নেবে?

না, MCP API-এর জায়গা নেবে না, কারণ MCP এবং API একসঙ্গে কাজ করে। MCP টুলগুলো প্রায়ই বিদ্যমান API-এর ওপর ভিত্তি করে তৈরি হয়, এবং মডেল যখন একটি টুল কল করে, MCP সার্ভার সাধারণত একটি API অনুরোধ পাঠায়।

কোন কোন AI অ্যাপ MCP টুল সমর্থন করে?

MCP টুল Claude, ChatGPT ও Perplexity-র মতো AI অ্যাসিস্ট্যান্টে এবং Visual Studio Code ও Cursor-এর মতো ডেভেলপমেন্ট টুলে কাজ করে। MCP ডকুমেন্টেশনে এগুলোর নাম উল্লেখ করা হয়েছে এবং বলা হয়েছে যে আরও অনেক অ্যাপেও এগুলো কাজ করে।

AI মডেলকে নিজেও কি MCP সমর্থন করতে হয়?

না। AI মডেলকে MCP সমর্থন করতে হয় না, কারণ প্রোটোকলটি সামলায় আপনার AI অ্যাপ। এটি সার্ভারগুলোর সঙ্গে সংযুক্ত হয়, সেগুলোর টুল মডেলের কাছে পৌঁছে দেয়, এবং মডেলের টুল অনুরোধগুলো আবার সঠিক সার্ভারে পাঠায়। মডেলকে কেবল ফাংশন কলিং সমর্থন করতে হয়।

MCP কি অপ্রচলিত হয়ে যাচ্ছে?

না, MCP এখনো সক্রিয়ভাবে উন্নয়নাধীন। এর রক্ষণাবেক্ষণকারীরা জুলাই 2026-এ MCP স্পেসিফিকেশনের একটি নতুন সংস্করণ প্রকাশ করেছেন এবং আগস্ট 2026-এ একটি হালনাগাদ রোডম্যাপ প্রকাশ করেছেন, যার মধ্যে এমন কাজও রয়েছে যাতে কথোপকথনের পরিসর সংকুচিত হওয়ার সঙ্গে সঙ্গে সার্ভারগুলো ধাপে ধাপে তাদের টুলগুলো প্রকাশ করতে পারে।