MCP, LLM ऐप के लिए प्लग जैसा एक स्टैंडर्ड है: टूल सर्वर एक बार लिखें, और MCP समझने वाला कोई भी क्लाइंट उसे इस्तेमाल कर सकता है।
यह कैसे काम करता है
स्पेसिफ़िकेशन तीन भूमिकाएँ बताता है जो JSON-RPC 2.0 मैसेज में बात करती हैं:
- होस्ट (Hosts): “LLM applications that initiate connections” (अनुवाद: कनेक्शन शुरू करने वाले LLM ऐप्लिकेशन), जैसे IDE एजेंट या चैट ऐप।
- क्लाइंट (Clients): “Connectors within the host application” (अनुवाद: होस्ट ऐप्लिकेशन के अंदर के कनेक्टर), हर सर्वर के लिए एक।
- सर्वर (Servers): “Services that provide context and capabilities.” (अनुवाद: कॉन्टेक्स्ट और क्षमताएँ देने वाली सेवाएँ।)
सर्वर टूल (वे फ़ंक्शन जिन्हें मॉडल चला सकता है), रिसोर्स (डेटा और कॉन्टेक्स्ट) और प्रॉम्प्ट (मैसेज टेम्पलेट) दे सकते हैं। स्पेसिफ़िकेशन दो स्टैंडर्ड ट्रांसपोर्ट तय करता है: लोकल सबप्रोसेस के लिए stdio, और Streamable HTTP, जिसमें हर मैसेज एक HTTP POST है और जवाब JSON या server-sent event स्ट्रीम के रूप में आते हैं।
टूल के लिए क्लाइंट tools/list भेजता है और नाम, विवरण और JSON Schema में एक inputSchema पाता है। वह इन्हें टूल परिभाषाओं के रूप में मॉडल को देता है। जब मॉडल कोई टूल कॉल लौटाता है, तो क्लाइंट आर्ग्युमेंट के साथ tools/call भेजता है और नतीजा मॉडल को वापस देता है।
{"jsonrpc": "2.0", "id": 2, "method": "tools/call",
"params": {"name": "get_weather", "arguments": {"location": "New York"}}}
मॉडल कभी MCP सर्वर से सीधे बात नहीं करता। उसे सिर्फ़ टूल परिभाषाएँ और नतीजे दिखते हैं, इसीलिए MCP किसी भी ऐसे मॉडल के साथ चलता है जो टूल कॉल अच्छी तरह सँभालता हो।
यह क्यों मायने रखता है
- दोबारा इस्तेमाल. एक GitHub या डेटाबेस सर्वर MCP बोलने वाले हर एजेंट और एडिटर के काम आता है।
- टोकन की लागत. सूचीबद्ध हर टूल का नाम, विवरण और schema हर टर्न पर इनपुट के रूप में भेजा जाता है। बहुत सारे टूल वाले बहुत सारे सर्वर हर अनुरोध को लंबा बनाते हैं। सिर्फ़ वही चालू करें जो काम के लिए ज़रूरी हो।
- सुरक्षा. स्पेसिफ़िकेशन कहता है कि टूल “represent arbitrary code execution” (अनुवाद: मनमाने कोड के चलने के बराबर हैं) और होस्ट को कोई भी टूल चलाने से पहले यूज़र की सहमति लेनी होगी। टूल के नतीजे भी प्रॉम्प्ट इंजेक्शन का रास्ता बन सकते हैं।
BroadNet Inference पर
BroadNet के डॉक्स में कोई MCP सर्वर या MCP के लिए अलग एंडपॉइंट नहीं है। आप MCP अपने क्लाइंट (Cline, Continue, opencode और दूसरे) में चलाते हैं और क्लाइंट के मॉडल को BroadNet के OpenAI-कम्पैटिबल API पर सेट करते हैं। BroadNet के डॉक्स GLM 5.3 और Qwen3.8 27B के लिए टूल कॉलिंग सूचीबद्ध करते हैं। OpenAI-कम्पैटिबल मॉडल के साथ MCP वाला लेख क्लाइंट सेटअप और एक Python ब्रिज दिखाता है।