MCP टूल क्या हैं और AI मॉडल उनका इस्तेमाल कैसे करते हैं?

MCP टूल ऐसे फ़ंक्शन हैं जिन्हें कोई AI मॉडल बातचीत के बाहर कोई काम करने के लिए कॉल कर सकता है। उदाहरण के लिए, आपके नोट्स में खोजना या किसी डेटाबेस से क्वेरी करना। हर टूल एक MCP (Model Context Protocol) सर्वर पर होता है और उसका एक नाम और एक छोटा विवरण होता है, जो मॉडल को यह तय करने में मदद करता है कि उसका इस्तेमाल कब करना है।

"MCP टूल" शब्द का इस्तेमाल दूसरे अर्थों में भी होता है। आम बोलचाल में, लोग "MCP टूल" तब भी कहते हैं जब उनका मतलब MCP सर्वर (वे ऐप्लिकेशन जो टूल उपलब्ध कराते हैं) या उन सर्वरों की सूची वाली डायरेक्टरी से होता है। MCP Tools एक कमांड-लाइन प्रोग्राम का नाम भी है, जिससे किसी MCP सर्वर के टूल की सूची देखी जा सकती है और उन्हें कॉल किया जा सकता है।

यह गाइड प्रोटोकॉल के फ़ंक्शन के बारे में है, सर्वर, डायरेक्टरी या कमांड लाइन के बारे में नहीं। इसमें बताया गया है कि किसी टूल में क्या-क्या होता है, सर्वर किस तरह के टूल उपलब्ध कराते हैं, और टूल, रिसोर्स, प्रॉम्प्ट और फ़ंक्शन कॉलिंग से कैसे अलग हैं। इसके बाद यह उन चरणों को समझाती है जिनसे होकर कोई मॉडल टूल का इस्तेमाल करता है, और अंत में टूल के इस्तेमाल से जुड़ी सबसे आम समस्याओं पर बात करती है।

MCP टूल क्या हैं?

MCP टूल एक ऐसा फ़ंक्शन है जिसकी मदद से AI मॉडल दूसरे सॉफ़्टवेयर ऐप्लिकेशन के साथ काम पूरे कर पाते हैं। उदाहरण के लिए, मेरे AI एजेंट और वर्कफ़्लो MCP टूल का इस्तेमाल करके Gmail में ईमेल ड्राफ़्ट करते हैं (create_draft), Trello कार्ड बनाते हैं (trelloWriteCard) और DataForSEO से लाइव सर्च नतीजे लाते हैं (serp_organic_live_advanced), और ये तो बस कुछ उदाहरण हैं।

सॉफ़्टवेयर ऐप अक्सर अपने MCP सर्वर पर कई MCP टूल उपलब्ध कराते हैं। उदाहरण के लिए, Trello MCP सर्वर पर फ़िलहाल 14 MCP टूल हैं, जिनसे AI मॉडल बोर्ड, लिस्ट, चेकलिस्ट, कार्ड और बहुत कुछ पढ़ और अपडेट कर सकते हैं।

और क्योंकि MCP यह मानकीकृत करता है कि टूल का वर्णन कैसे किया जाए और उन्हें कैसे उपलब्ध कराया जाए, इसलिए प्रोटोकॉल को सपोर्ट करने वाला कोई भी AI ऐप उसी MCP टूल का इस्तेमाल कर सकता है।

MCP टूल में क्या-क्या शामिल होता है

हर MCP टूल में तीन चीज़ें होती हैं:

• नाम: एक छोटा पहचानकर्ता, जिसका इस्तेमाल मॉडल टूल को कॉल करते समय करता है (जैसे, Google Calendar में get_event)।
• विवरण: सरल भाषा में यह व्याख्या कि टूल क्या करता है और कब काम आता है। लार्ज लैंग्वेज मॉडल (LLM) इसे पढ़कर तय करता है कि टूल आपके अनुरोध के लिए सही है या नहीं (जैसे, "Returns a single event on the given calendar.")।
• इनपुट: टूल को चलने के लिए ज़रूरी जानकारी, जैसे नोट्स खोजने के लिए क्लाइंट का नाम और तारीख। इसे JSON में लिखा जाता है, और डेवलपर इसे इनपुट स्कीमा कहते हैं, क्योंकि यह हर इनपुट का स्वरूप (टेक्स्ट, संख्या या सूची) तय करता है।

बड़ा करें

कुछ टूल अतिरिक्त मेटाडेटा भी जोड़ते हैं: डिस्प्ले नाम, उनके लौटाए जाने वाले नतीजों का विवरण (आउटपुट स्कीमा), और टूल के व्यवहार के बारे में एनोटेशन।

AI मॉडल किसी टूल के पीछे का कोड कभी नहीं देखता। वह इस आधार पर काम करता है कि टूल अपने बारे में क्या बताता है, इसलिए अस्पष्ट नाम या विवरण की वजह से मॉडल गलत टूल चुन लेता है।

MCP टूल किस तरह के होते हैं

अपने काम के आधार पर MCP टूल चार समूहों में आते हैं:

• सर्च और लुकअप टूल: जानकारी खोजते या निकालते हैं (जैसे, नोट्स में खोजना, कोई फ़ाइल पढ़ना या किसी डेटाबेस से क्वेरी करना)।
• एक्शन टूल: किसी दूसरे ऐप में कुछ बनाते या बदलते हैं (जैसे, कोई टास्क जोड़ना, कैलेंडर इवेंट बनाना, सपोर्ट टिकट खोलना या ईमेल भेजना)।
• डेटा-प्रोसेसिंग टूल: डेटा को बदलते हैं या उसका विश्लेषण करते हैं (जैसे, किसी स्प्रेडशीट फ़ाइल का विश्लेषण करना या कोई गणना चलाना)।
• सिस्टम टूल: लोकल सिस्टम के साथ इंटरैक्ट करते हैं (जैसे, टर्मिनल में कोई कमांड चलाना)।

MCP टूल बनाम रिसोर्स & प्रॉम्प्ट

MCP टूल के अलावा, कोई MCP सर्वर दो और तरह के बिल्डिंग ब्लॉक उपलब्ध करा सकता है, जिन्हें प्रोटोकॉल प्रिमिटिव कहता है: रिसोर्स और प्रॉम्प्ट।

बड़ा करें

उदाहरण के लिए, GitHub का आधिकारिक MCP सर्वर ये उपलब्ध कराता है:

• issue_write नाम का एक टूल, जो इश्यू बनाता या अपडेट करता है,
• repository_content नाम का एक रिसोर्स, जो किसी रिपॉज़िटरी की फ़ाइलों तक पहुँच देता है,
• issue_to_fix_workflow नाम का एक प्रॉम्प्ट, जो किसी समस्या को इश्यू के रूप में रिपोर्ट करने और उसे ठीक करने के लिए GitHub के Copilot कोडिंग एजेंट से pull request बनवाने के चरण तय करता है।

फ़र्क इस बात में है कि हर एक क्या करता है और यह कौन तय करता है कि उसका इस्तेमाल कब होगा: आप, वह AI ऐप जिसमें आप काम कर रहे हैं (जैसे, Perplexity), या उस ऐप के अंदर चल रहा AI मॉडल।

• MCP टूल कार्रवाई करता है या जानकारी खोजता है। AI मॉडल खुद तय करता है कि टूल को कब कॉल करना है, और आपका AI ऐप उस कॉल को सर्वर तक पहुँचाता है। टूल आपका AI मॉडल चुनता है; आपके AI ऐप को हर कॉल आपको दिखानी चाहिए और आपको उसे अस्वीकार करने का विकल्प देना चाहिए।
• रिसोर्स MCP सर्वर पर उपलब्ध सामग्री है, जैसे कोई फ़ाइल या रिकॉर्ड का कोई सेट, जिनमें से हर एक का अपना पता (URI) होता है। आपका AI ऐप सर्वर से पूछता है कि उसके पास कौन-से रिसोर्स हैं, जिसकी ज़रूरत है उसे उसके पते से पढ़ता है, और उस सामग्री को संदर्भ के रूप में बातचीत में जोड़ देता है।
• प्रॉम्प्ट सर्वर की ओर से दिया गया एक तैयार मैसेज टेम्पलेट है, जिसमें कभी-कभी खाली जगहें होती हैं जिन्हें आप भरते हैं। आपका AI ऐप आपको उपलब्ध प्रॉम्प्ट दिखाता है, और आप उनमें से एक चुनते हैं, अक्सर स्लैश कमांड के रूप में।

AI मॉडल MCP टूल का इस्तेमाल कैसे करते हैं

AI मॉडल पाँच चरणों में MCP टूल का इस्तेमाल करता है: डिस्कवरी, टूल चयन, इनवोकेशन, नतीजे और त्रुटि प्रबंधन। मॉडल और सर्वर के बीच की हर चीज़ आपका AI ऐप पहुँचाता है।

बड़ा करें

मान लीजिए आप अपने AI ऐप से कहते हैं कि वह आपकी Trello की "This week" लिस्ट देखे और आपके एडिटर के लिए अपडेट के साथ एक ईमेल ड्राफ़्ट करे। शुरू से अंत तक यह होता है:

1. डिस्कवरी: जब आपका AI ऐप MCP क्लाइंट के ज़रिए किसी MCP सर्वर से कनेक्ट होता है, तो वह सर्वर से उपलब्ध टूल की सूची माँगता है (इस अनुरोध को tools/list कहते हैं)। LLM सिर्फ़ वही देखता है जो ऐप उसे आगे भेजता है: हर टूल का नाम, विवरण और इनपुट।
2. टूल चयन: AI मॉडल आपके अनुरोध की तुलना उन विवरणों से करता है और सही टूल चुनता है। यहाँ, ये हैं लिस्ट पढ़ने के लिए Trello का trelloReadList और ईमेल लिखने के लिए Gmail का create_draft। वह इनपुट भी भरता है, जैसे कौन-सी लिस्ट पढ़नी है।
3. इनवोकेशन: मॉडल टूल चलाने के लिए एक संरचित अनुरोध के साथ जवाब देता है (इस चरण को "फ़ंक्शन कॉलिंग" कहते हैं)। आपका AI ऐप वह अनुरोध सही सर्वर को भेजता है (tools/call अनुरोध)। उसे आपको वह कॉल दिखानी चाहिए और आपको उसे अस्वीकार करने का विकल्प भी देना चाहिए।
4. नतीजे: सर्वर फ़ंक्शन चलाता है और result वापस भेजता है, इस मामले में आपकी लिस्ट के कार्ड। आपका AI ऐप नतीजे को बातचीत में जोड़ता है, और मॉडल तय करता है कि आगे क्या करना है: आपको जवाब देना या कोई दूसरा टूल कॉल करना, जैसे उन कार्ड के आधार पर ईमेल के साथ create_draft।
5. त्रुटि प्रबंधन: अगर टूल चलता है लेकिन विफल हो जाता है, उदाहरण के लिए, क्योंकि लिस्ट मौजूद नहीं है, तो त्रुटि नतीजे के हिस्से के रूप में वापस आती है। मॉडल उसे पढ़कर अलग इनपुट के साथ फिर से कोशिश कर सकता है। अगर अनुरोध ही गड़बड़ है, उदाहरण के लिए, क्योंकि वह ऐसे टूल को कॉल करता है जो सर्वर पर नहीं है, तो ऐप को इसके बजाय प्रोटोकॉल त्रुटि मिलती है। ऐसे में मॉडल के संभलने की संभावना कम होती है।

मुख्य बात यह है कि मॉडल सिर्फ़ टूल के विवरणों के आधार पर उन्हें चुनता है, और सर्वरों से सारी बातचीत आपका AI ऐप करता है।

MCP टूल से जुड़ी आम समस्याएँ और उनसे कैसे बचें

MCP टूल से जुड़ी समस्याएँ चार बातों पर निर्भर करती हैं: कितने टूल कनेक्ट हैं, उनके नाम और विवरण कैसे हैं, वे कितना डेटा लौटाते हैं, और वे किन सर्वरों से आते हैं।

हर समस्या कैसी दिखती है और किससे मदद मिलती है, यहाँ देखें:

MCP टूल को आपकी मंज़ूरी की ज़रूरत क्यों होती है?

MCP टूल को आपकी मंज़ूरी की ज़रूरत इसलिए होती है क्योंकि इसके बिना AI मॉडल ऐसे बदलाव कर सकता है जो आप नहीं चाहते थे, या संवेदनशील डेटा ऐसे सर्वर के साथ शेयर कर सकता है जो आपके नियंत्रण में नहीं है।

किसी अनुरोध को गलत समझ लेने या किसी टूल के अस्पष्ट विवरण से गलत कार्रवाई हो सकती है। साथ ही, हर कॉल आपकी कुछ जानकारी किसी सर्वर को भेजती है।

इसीलिए प्रोटोकॉल AI ऐप से यह अपेक्षा करता है कि वे प्रक्रिया में किसी इंसान को शामिल रखें, जिसके पास किसी भी टूल कॉल को अस्वीकार करने का विकल्प हो।

टूल को इस आधार पर बाँटने का एक व्यावहारिक तरीका यहाँ दिया गया है कि उन्हें कितनी जाँच की ज़रूरत है:

• सिर्फ़ पढ़ने वाली कार्रवाइयाँ: कुछ खोजने से, जैसे Trello के trelloReadList से कोई लिस्ट पढ़ने से, कुछ नहीं बदलता। ये कॉल पहले पूछे बिना चल सकती हैं, बशर्ते आपका AI ऐप यह दिखाए कि कौन-सा टूल चला और उसने क्या खोजा।
• ऐसी कार्रवाइयाँ जिन्हें पलटा जा सकता है: Gmail के create_draft से ईमेल ड्राफ़्ट बनाने या Trello कार्ड जोड़ने से कुछ ऐसा बदलता है जिसे आप वापस पहले जैसा कर सकते हैं। कॉल चलने से पहले इनपुट जाँच लें।
• ऐसी कार्रवाइयाँ जिन्हें पलटा नहीं जा सकता: Gmail के send_message से ईमेल भेजना, रिकॉर्ड डिलीट करना, या भुगतान या संवेदनशील डेटा से जुड़ी कोई भी कार्रवाई वापस नहीं ली जा सकती। इनके लिए हर बार स्पष्ट अनुमति दें।

Perplexity में MCP टूल का इस्तेमाल

Perplexity दोनों दिशाओं में MCP टूल के साथ काम करता है: यह आपके कनेक्ट किए गए MCP सर्वरों के टूल इस्तेमाल कर सकता है, और दूसरे AI ऐप को अपने टूल भी उपलब्ध कराता है।

• MCP सर्वरों को Perplexity से कनेक्ट करें: Pro, Max और Enterprise प्लान पर, आप Perplexity को किसी भी ऐसे बाहरी टूल या डेटा स्रोत से कनेक्ट कर सकते हैं जिसका MCP सर्वर हो, और उसका इस्तेमाल जवाबों और Perplexity Computer के एजेंटिक वर्कफ़्लो में कर सकते हैं। Mac ऐप में, आप अपने कंप्यूटर पर चलने वाले MCP सर्वर भी कनेक्ट कर सकते हैं
• दूसरे AI ऐप में Perplexity के टूल इस्तेमाल करें: Perplexity का MCP सर्वर रिमोट MCP सर्वर को सपोर्ट करने वाले किसी भी AI ऐप को, जैसे Claude Code, चार टूल (perplexity_search, perplexity_ask, perplexity_research और perplexity_reason) उपलब्ध कराता है। एक अलग सर्वर की मदद से दूसरे AI ऐप कई चरणों वाले टास्क Perplexity Computer को सौंप सकते हैं।

MCP टूल से जुड़े अक्सर पूछे जाने वाले सवाल

क्या MCP सिर्फ़ टूल कॉलिंग है?

नहीं, MCP सिर्फ़ टूल कॉलिंग नहीं है। टूल कॉलिंग वह तरीका है जिससे मॉडल किसी टूल के लिए अनुरोध करता है, और MCP वह तरीका है जिससे AI ऐप टूल खोजता है और हर कॉल को उस सर्वर तक पहुँचाता है जो उसे चलाता है।

टूल कॉलिंग (जिसे फ़ंक्शन कॉलिंग भी कहते हैं) काम का वह हिस्सा है जो AI मॉडल करता है: मॉडल टूल की एक सूची देखता है और उनमें से किसी एक को चलाने के अनुरोध के साथ जवाब देता है। सिर्फ़ टूल कॉलिंग के भरोसे, हर AI ऐप को हर टूल खुद परिभाषित करना और चलाना पड़ता है।

MCP की मदद से टूल सर्वरों पर रह सकते हैं, ताकि MCP को सपोर्ट करने वाला कोई भी AI ऐप उन्हें अपने मॉडल को उपलब्ध करा सके और मॉडल के अनुरोध सही सर्वर तक भेज सके।

क्या MCP, API की जगह ले लेगा?

नहीं, MCP, API की जगह नहीं लेगा, क्योंकि MCP और API साथ मिलकर काम करते हैं। MCP टूल अक्सर मौजूदा API के ऊपर बने होते हैं, और जब मॉडल किसी टूल को कॉल करता है, तो MCP सर्वर आम तौर पर एक API अनुरोध करता है।

कौन-से AI ऐप MCP टूल को सपोर्ट करते हैं?

MCP टूल Claude, ChatGPT और Perplexity जैसे AI असिस्टेंट में, और Visual Studio Code और Cursor जैसे डेवलपमेंट टूल में काम करते हैं। MCP डॉक्यूमेंटेशन में इनके नाम दिए गए हैं और बताया गया है कि कई दूसरे ऐप भी इन्हें सपोर्ट करते हैं।

क्या AI मॉडल का खुद MCP को सपोर्ट करना ज़रूरी है?

नहीं। AI मॉडल को MCP सपोर्ट करने की ज़रूरत नहीं है, क्योंकि प्रोटोकॉल आपका AI ऐप संभालता है। वह सर्वरों से कनेक्ट होता है, उनके टूल मॉडल तक पहुँचाता है, और मॉडल के टूल अनुरोधों को वापस सही सर्वर तक भेजता है। मॉडल को सिर्फ़ फ़ंक्शन कॉलिंग सपोर्ट करनी होती है।

क्या MCP पुराना पड़ता जा रहा है?

नहीं, MCP पर अब भी सक्रिय रूप से काम चल रहा है। इसके मेंटेनर्स ने जुलाई 2026 में MCP स्पेसिफ़िकेशन का नया वर्ज़न जारी किया और अगस्त 2026 में एक अपडेटेड रोडमैप प्रकाशित किया, जिसमें ऐसा काम शामिल है जिससे बातचीत का दायरा सीमित होने के साथ-साथ सर्वर अपने टूल धीरे-धीरे सामने ला सकें।