WebMCP অরিজিন ট্রায়ালে যোগ দিন

Chrome 149 WebMCP অরিজিন ট্রায়াল প্রদান করা শুরু করার পরে, ওয়েব পৃষ্ঠা এবং প্রক্সির মধ্যে সম্পর্ক আরও প্রত্যক্ষ হয়ে উঠবে: পৃষ্ঠাটি আর মেশিনের অনুমান করার জন্য DOM এবং দৃশ্যমান অনুলিপি দেয় না, নিয়ন্ত্রণ নিজেই উদ্দেশ্য, স্থিতি এবং নির্বাহযোগ্য সীমানা ঘোষণা করতে পারে৷ এই পরিবর্তনটি দেখতে একটি API ট্রায়ালের মতো, কিন্তু আসলে এটি অন্তর্নিহিত তথ্য থেকে সুস্পষ্ট প্রোটোকলে “ইন্টারফেস অভিপ্রায়” তুলে নেওয়ার মতো।

WebMCP-এর মতো কিছুর মান ওয়েব পৃষ্ঠায় পরিভাষাগুলির একটি স্তর যুক্ত করা নয়, তবে এজেন্টরা সবচেয়ে বেশি ভয় পায় এমন অনিশ্চয়তাকে শক্ত করা। একটি বোতাম জমা দিতে, সুইচ করতে, নিশ্চিত করতে বা শুধুমাত্র একটি পপ-আপ স্তর খুলতে হয়; একটি ইনপুট বাক্স একটি তারিখ, একটি অনুসন্ধান শব্দ, বা একটি অ্যাপয়েন্টমেন্ট সময় যা একটি বিশেষ বিন্যাসের প্রয়োজন কিনা৷ অতীতে, এই তথ্যটি মূলত পাঠ্য, কাঠামো এবং প্রসঙ্গ থেকে অনুমান করা হয়েছিল। অনুমান কাজ করে, কিন্তু একবার পৃষ্ঠাটি জটিল হয়ে গেলে, এজেন্ট ভুল করতে শুরু করে “হয়” এর জন্য “মনে হয়”।

মানুষের কাছে, এই ভুল পড়া সাধারণত শুধুমাত্র একটি ভুল ক্লিক। এজেন্টদের জন্য, ভুল পড়া ভুলের একটি স্থির পথে পরিণত হয়। এটি যাচাইকরণ, রোলব্যাক বা পার্শ্বপ্রতিক্রিয়ার সম্মুখীন না হওয়া পর্যন্ত ভুল বোঝাপড়ার সাথে চালিয়ে যেতে থাকবে, যা প্রকাশ করে যে পূর্ববর্তী পদক্ষেপটি বিপথে গেছে। WebMCP শব্দার্থবিদ্যার এই স্তরটিকে সুস্পষ্ট করে দেওয়ার পরে, এজেন্টকে পৃষ্ঠাটিকে সম্পূর্ণরূপে ভিজ্যুয়াল মানচিত্র হিসাবে অনুমান করতে হবে না এবং ওয়েব পৃষ্ঠাটি মূল মিথস্ক্রিয়া পৃষ্ঠের দায়িত্বগুলিও স্পষ্টভাবে ব্যাখ্যা করতে পারে।

এই ব্যাপারটি সেইসব ইন্টারফেসের জন্য সবচেয়ে উপযুক্ত যেগুলিকে বিশুদ্ধ HTML কপিরাইটিং দিয়ে ব্যাখ্যা করা কঠিন, যেমন ক্যালেন্ডার, রিজার্ভেশন, অনুমতি অ্যাপ্লিকেশন, সেটিংস প্যানেল, বা সাধারণ ইনপুট বাক্সের মতো দেখতে কিন্তু প্রকৃতপক্ষে বিভিন্ন ব্যবসায়িক অর্থ রয়েছে। শুধুমাত্র লেবেল এবং স্থানধারকের উপর নির্ভর করার সময়, এজেন্টকে প্রায়ই পৃষ্ঠার চারপাশে যেতে হয় এবং বারবার চেষ্টা করতে হয়; একবার পৃষ্ঠাটি ঘোষণা করতে পারে “এখানে তারিখ নির্বাচন” “এখানে নিশ্চিতকরণ পদক্ষেপ” এবং “এখানে স্থিতি শুধুমাত্র এই দিকে পরিবর্তন হতে পারে”, ইন্টিগ্রেশন খরচ সরাসরি হ্রাস করা হবে।

কিন্তু অরিজিন ট্রায়াল আরেকটি সমস্যাও উত্থাপন করে: শব্দার্থবিদ্যার এই স্তরটি বজায় রাখা দরকার। পৃষ্ঠার গঠন পরিবর্তন হবে, বোতামের অনুলিপি পরিবর্তন হবে এবং ব্যবসার অবস্থা পরিবর্তন হবে। যদি এজেন্ট সত্যিই নির্ভর করে এমন অভিপ্রায়ের স্তরটি উপাদানগুলির সাথে একত্রে আপডেট করা না হলে, এটি শীঘ্রই প্রবাহিত হবে। সেই সময়ে, সবচেয়ে বিপজ্জনক অবস্থা “সম্পূর্ণভাবে অব্যবহারযোগ্য” নয় কিন্তু “এখনও চলতে পারে, কিন্তু মাঝে মাঝে ভুল করে, এবং ভুলগুলি স্বাভাবিক।”

অতএব, WebMCP এজেন্টের কাছে পোস্ট করা একটি অনুস্মারক কার্ডের পরিবর্তে ওয়েব পৃষ্ঠার সাথে একটি চুক্তির মতো। বাস্তবায়ন, পরীক্ষা এবং রিগ্রেশন চেকগুলিতে মিথস্ক্রিয়া সীমানা লিখতে এটির সামনের প্রান্তের প্রয়োজন। যতক্ষণ চুক্তির এই স্তরটি এখনও প্রদর্শনের পর্যায়ে থাকে, সমস্ত এজেন্ট বুঝতে পারে একটি সাফল্যের ক্ষেত্রে; যখন এটি বাস্তব পৃষ্ঠায় প্রবেশ করে, তখন যা সত্যিই মোকাবেলা করা দরকার তা সংস্করণ সামঞ্জস্য, ডাউনগ্রেড পাথ এবং ঘোষণাটি অবৈধ হয়ে যাওয়ার পরে সমাধান হয়ে যায়।

আমি এই অরিজিন ট্রায়ালটিকে একটি দিকনির্দেশক সংকেত হিসাবে বিবেচনা করতে পছন্দ করি। ব্রাউজাররা গুরুত্ব সহকারে বিবেচনা করতে শুরু করে যে এজেন্টরা কীভাবে ওয়েব পৃষ্ঠাগুলি পড়ে, যার মানে হল যে সামনের প্রান্তটি শুধুমাত্র মানুষের জন্য ফর্ম্যাটিং নয়, মেশিনগুলির জন্য ক্রিয়াগুলিকেও সংজ্ঞায়িত করে৷ পৃষ্ঠাটি যত জটিল, সংজ্ঞার এই স্তরটি তত বেশি মূল্যবান; পৃষ্ঠাটি যত ঘন ঘন পরিবর্তন করা হয়, সংজ্ঞার এই স্তরটির রক্ষণাবেক্ষণের খরচ তত বেশি গুরুত্বপূর্ণ। WebMCP-এর মতো ক্ষমতার চূড়ান্ত উত্তরাধিকার একটি নতুন শব্দ নয়, তবে সামনের প্রান্ত এবং এজেন্টের মধ্যে ক্রমাগত প্রান্তিককরণের জন্য একটি শব্দ।