Model Context Protocol (MCP) ایجنٹس کو ٹولز تک پہنچنے کا ایک معیاری طریقہ دیتا ہے: GitHub، ڈیٹا بیس، فائل سسٹم، براؤزر۔ MCP کے بہت سے ٹیوٹوریل Claude یا GPT فرض کر کے چلتے ہیں۔ آپ کو ان میں سے کسی کی ضرورت نہیں۔ یہ پوسٹ بتاتی ہے کہ MCP ٹول کالنگ سپورٹ کرنے والے کسی بھی OpenAI سے مطابقت رکھنے والے ماڈل کے ساتھ کیوں چلتا ہے، ڈویلپرز جو کلائنٹس اصل میں استعمال کرتے ہیں ان میں اسے کیسے سیٹ کریں، اور اپنے کوڈ میں MCP کو اوپن ماڈل سے کیسے جوڑیں۔
MCP کسی بھی ماڈل کے ساتھ کیوں چلتا ہے؟
MCP آپ کی ایپلیکیشن اور ٹول سرورز کے درمیان بیٹھتا ہے، آپ کی ایپلیکیشن اور ماڈل کے درمیان نہیں۔ MCP کی آرکیٹیکچر دستاویزات تین کردار بیان کرتی ہیں:
- ہوسٹ: AI ایپلیکیشن، جیسے کوئی ایڈیٹر ایکسٹینشن یا آپ کی اسکرپٹ۔
- کلائنٹ: ایک کنکشن جو ہوسٹ ہر MCP سرور سے رکھتا ہے۔
- سرور: ایک پروگرام جو ٹولز، ریسورسز اور پرامپٹس فراہم کرتا ہے، مقامی طور پر stdio پر یا ریموٹ طور پر Streamable HTTP پر۔
دستاویزات واضح ہیں: MCP “does not dictate how AI applications use LLMs or manage the provided context.” (ترجمہ: یہ طے نہیں کرتا کہ AI ایپلیکیشنز LLMs کیسے استعمال کریں یا فراہم کردہ کانٹیکسٹ کو کیسے سنبھالیں۔) ہوسٹ tools/list سے ہر سرور کے ٹولز کی فہرست لیتا ہے، انہیں ایک رجسٹری میں ملاتا ہے جسے ماڈل دیکھ سکے، اور جب ماڈل کوئی ٹول مانگتا ہے تو ہوسٹ درست سرور کو tools/call بھیجتا ہے۔
OpenAI سے مطابقت رکھنے والے API پر ”ماڈل دیکھ سکے“ کا مطلب ہے کہ ٹولز عام tools ایرے میں جاتے ہیں۔ MCP ٹول میں پہلے سے ایک نام، ایک description اور ایک inputSchema ہوتا ہے، جو فنکشن کی تعریف سے ایک کے بدلے ایک ملتا ہے۔ ماڈل کو کبھی پتا نہیں چلتا کہ MCP شامل ہے۔ اسے بس قابل اعتماد ٹول کالنگ چاہیے۔
MCP کے لیے کون سا ماڈل استعمال کریں؟
| BroadNet پر ماڈل | ٹول کالنگ درج | کانٹیکسٹ | MCP کے لیے موزونیت |
|---|---|---|---|
| GLM 5.3 | ہاں | 1,048,576 | بہت سے سرورز کے لیے اچھا ڈیفالٹ |
| Qwen3.8 27B | ہاں | 262,144 | اچھا، ساتھ میں تصویری ان پٹ |
| DeepSeek V4.1 Flash | درج نہیں | 1,048,576 | پہلے ٹیسٹ کریں؛ تصویری ان پٹ |
| Gemma 4 VL 26B | درج نہیں | 32,768 | تجویز نہیں کیا جاتا |
ٹول چلانے والے دونوں ماڈلز کے آمنے سامنے موازنے کے لیے دیکھیں GLM 5.3 بمقابلہ Qwen3.8 27B۔ کانٹیکسٹ لوگوں کی توقع سے زیادہ اہم ہے۔ ہر MCP ٹول اسکیما ہر کال کے ساتھ جاتا ہے۔ opencode کی دستاویزات کہتی ہیں “MCP tools consume model context, so add only the servers you need.” (ترجمہ: MCP ٹولز ماڈل کا کانٹیکسٹ کھاتے ہیں، اس لیے صرف ضروری سرورز جوڑیں۔) ایجنٹ ٹوکن بجٹ والی پوسٹ دکھاتی ہے کہ اسے کیسے ناپیں۔
عام کلائنٹس میں MCP کیسے سیٹ کریں؟
| کلائنٹ | MCP سرورز کہاں جاتے ہیں | ٹرانسپورٹس | نوٹ |
|---|---|---|---|
| Cline | MCP Servers پینل، mcpServers JSON |
stdio، Streamable HTTP، پرانا SSE | ریموٹ ٹائپ "streamableHttp" |
| Continue | config.yaml میں mcpServers یا .continue/mcpServers/ |
stdio، sse، streamable-http | صرف Agent موڈ |
| opencode | opencode.jsonc میں mcp.servers |
local، remote |
رازوں کے لیے {env:NAME} استعمال کریں |
| n8n | AI Agent پر MCP Client Tool نوڈ | ریموٹ سرور اینڈپوائنٹ (اس کی دستاویزات ایک SSE اینڈپوائنٹ بیان کرتی ہیں) | All، Selected یا All Except ٹولز چنیں |
| OpenAI Agents SDK | Agent پر mcp_servers=[...] |
stdio، Streamable HTTP، SSE | HostedMCPTool نہیں |
پھر کلائنٹ کے ماڈل کو اپنے فراہم کنندہ کی طرف کریں: Cline، Continue اور opencode کی گائیڈز BroadNet کے لیے ماڈل والا حصہ بیان کرتی ہیں۔ Continue میں tool_use صلاحیت یاد رکھیں، ورنہ Agent موڈ دستیاب نہیں ہوگا۔
Continue کی ایک مثال، اس کی دستاویزات سے:
mcpServers:
- name: SQLite MCP
type: stdio
command: npx
args: ["-y", "mcp-sqlite", "/path/to/your/database.db"]
Python میں MCP کو اوپن ماڈل سے کیسے جوڑیں؟
اگر آپ اپنا ایجنٹ بنا رہے ہیں تو یہ پل مختصر ہے۔ یہ MCP Python SDK کا Client (ورژن 2.0 یا بعد کا؛ pip install "mcp>=2") استعمال کرتا ہے، جو StdioServerParameters ملنے پر stdio سرور شروع کرتا ہے، اور BroadNet کی طرف کیا گیا OpenAI SDK:
import asyncio, json, os
from mcp import Client, StdioServerParameters
from mcp.types import TextContent
from openai import OpenAI
llm = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
server = StdioServerParameters(command="npx",
args=["-y", "@modelcontextprotocol/server-filesystem", "."])
async def main(question):
async with Client(server) as mcp:
listed = await mcp.list_tools()
tools = [{"type": "function", "function": {
"name": t.name, "description": t.description or "",
"parameters": t.input_schema}} for t in listed.tools]
messages = [{"role": "user", "content": question}]
for _ in range(8):
r = llm.chat.completions.create(model="broadnet/glm-5.3",
messages=messages, tools=tools, max_tokens=4000)
msg = r.choices[0].message
messages.append(msg.model_dump(exclude_none=True))
if not msg.tool_calls:
return msg.content
for call in msg.tool_calls:
try:
res = await mcp.call_tool(call.function.name,
json.loads(call.function.arguments or "{}"))
text = "\n".join(b.text for b in res.content if isinstance(b, TextContent))
out = f"Error: {text}" if res.is_error else text
except Exception as e:
out = f"Error: {e}"
messages.append({"role": "tool", "tool_call_id": call.id, "content": out})
print(asyncio.run(main("List the Markdown files here and summarize the README.")))
mcp 1.x میں کوئی Client کلاس نہیں: سرور کو stdio_client(...) سے کھولیں، اسے ClientSession میں لپیٹیں، initialize() کال کریں، اور camelCase فیلڈز inputSchema اور isError پڑھیں۔ تین باتیں اہم ہیں:
- ایررز ٹول نتائج بنتے ہیں۔ MCP SDK ٹول کی ناکامی ایکسیپشن اٹھانے کے بجائے
is_errorسے بتاتا ہے۔ انہیں واپس بھیجیں تاکہ ماڈل خود کو ڈھال سکے۔ ہماری ٹول کالنگ گائیڈ تصدیق اور دوبارہ کوشش بیان کرتی ہے۔ - لوپ محدود رکھیں۔ یہاں آٹھ مراحل۔ بڑے نتائج لوٹانے والے MCP سرورز کانٹیکسٹ جلدی بھر دیتے ہیں۔
- ٹولز فلٹر کریں۔ صرف وہی ٹولز دکھائیں جو کام کے لیے ضروری ہیں۔ OpenAI Agents SDK اس کے لیے
tool_filterدیتا ہے، اور n8n میں Selected اور All Except ہیں۔
اس کے بجائے OpenAI Agents SDK استعمال کر رہے ہیں؟ اس کی MCPServerStdio اور MCPServerStreamableHttp کلاسز آپ کے پروسیس میں چلتی ہیں۔ انہیں کسٹم فراہم کنندہ کے ساتھ جوڑیں، جیسا ہماری Agents SDK گائیڈ میں ہے۔ اس کا HostedMCPTool OpenAI کے Responses API کے اندر چلتا ہے اور صرف OpenAI ماڈلز کے ساتھ کام کرتا ہے۔
اوپن ماڈلز پر MCP میں کیا غلط ہوتا ہے؟
- بہت زیادہ ٹولز۔ ماڈل غلط ٹول چنتا ہے یا ٹولز کو نظرانداز کرتا ہے۔ فعال سیٹ چھوٹا رکھیں۔ اپنے ٹولز کے لیے JSON schema جنریٹر ایک صاف، سادہ
parametersاسکیما بناتا ہے۔ - بڑے ٹول نتائج۔ پوری ڈیٹا بیس ٹیبل لوٹانے والا سرور کانٹیکسٹ ونڈو سے آگے نکل سکتا ہے۔ حد لگائیں یا صفحات میں بانٹیں۔
- خالی یا کٹے جواب۔ GLM 5.3 اور Qwen3.8 27B پہلے ریزننگ کرتے ہیں، اور ریزننگ
max_tokensمیں گنی جاتی ہے۔ اسے بڑھائیں۔ - اعتماد۔ MCP سرورز آپ کی مشین پر کوڈ چلاتے ہیں یا آپ کی اسناد سے سروسز کال کرتے ہیں۔ صرف قابل اعتماد سرورز انسٹال کریں، اور لکھنے یا پیسے خرچ کرنے والے اقدامات کی تصدیق کریں۔
BroadNet Inference کہاں فٹ ہوتا ہے
BroadNet Inference ماڈل والا حصہ فراہم کرتا ہے: ٹول کالنگ کے ساتھ درج GLM 5.3 اور Qwen3.8 27B، اسی اسٹینڈرڈ chat-completions فارمیٹ کے ذریعے جسے اوپر کا ہر MCP کلائنٹ استعمال کر سکتا ہے، پرامپٹس اور آؤٹ پٹس پر زیرو ڈیٹا ریٹینشن کے ساتھ۔ یہ آپ کے لیے MCP سرورز یا ہوسٹ شدہ ٹولز نہیں چلاتا؛ یہ کام آپ کا کلائنٹ کرتا ہے۔ دونوں ماڈلز کی فی ٹوکن قیمتیں قیمتوں کے صفحے پر ہیں، اور کلیدیں inference.broadnet.ai پر ملتی ہیں۔
