කෘතිම බුද්ධිය (Artificial Intelligence) වේගයෙන්ම වෙනස් වන ක්ෂේත්‍රයක්. මම මේ තාක්ෂණික ලෝකය ගැන තවමත් නිරන්තරයෙන් ඉගෙනගන්නා සහ පර්යේෂණ කරන කෙනෙක් විදිහට, මෑතකදී මගේ අවධානය සම්පූර්ණයෙන්ම යොමු වුණේ Agentic AI කියන සුවිශේෂී සංකල්පය වෙතයි.

අපි එදිනෙදා පාවිච්චි කරන ChatGPT හෝ Gemini වගේ සාමාන්‍ය AI මෙවලම් වලට වඩා මේ Agentic AI කියන්නේ හාත්පසින්ම වෙනස්, ඉතාම දියුණු මට්ටමක පවතින තාක්ෂණිකක් (Paradigm Shift). මෙම ලිපියෙන් මම බලාපොරොත්තු වෙන්නේ Agentic AI යනු කුමක්ද, එය ක්‍රියාත්මක වන ආකාරය සහ මම පුද්ගලිකව සිදුකළ අත්හදා බැලීම්වල ප්‍රතිඵල සරලව සහ ගැඹුරින් සාකච්ඡා කිරීමටයි.

1. Generative AI සහ Agentic AI අතර පවතින වෙනස

අපි දැනට බහුලවම භාවිතා කරන්නේ Generative AI (උත්පාදක කෘතිම බුද්ධිය) කාණ්ඩයට අයත් වෙබ් ප්ලැට්ෆෝම්. මෙම පද්ධති මඟින් සිදු කරන්නේ අප ලබාදෙන Prompt එකකට පිළිතුරු සැපයීම පමණයි. උදාහරණයක් වශයෙන්, මෘදුකාංග කේතනයකදී (Coding) Error එකක් ආවොත්, අපට සිදුවනවා නැවතත් එම දෝෂය කොපි කර බ්‍රවුසරයට ගොස් AI එකට ලබා දී විසඳුම් සෙවීමට. ලොකු Large Code Project සමඟ වැඩ කිරීමේදී මෙම ක්‍රමය ඉතාමත් අපහසු සහ කාලය වැයවන ක්‍රියාවලියක්.

නමුත්, Agentic AI යනු පරිශීලකයා විසින් ලබාදෙන අවසාන ඉලක්කය (Goal) මත පදනම්ව, ස්වාධීනව තීරණ ගනිමින් පියවරෙන් පියවර ක්‍රියාත්මක වන ස්වයංක්‍රීය නියෝජිතයෙක් (Autonomous Agent).

2. මගේ ප්‍රායෝගික අත්හදා බැලීම්

Gemini CLI සිට Antigravity දක්වා

මම මුලින්ම මෙම අපහසුතා මඟහරවා ගැනීමට Gemini සහ Claude Code CLI වගේ මෙවලම් භාවිතයෙන් ටර්මිනල් (Terminal) එක ඇතුලෙන්ම කේත ලියවා ගැනීමට උත්සාහ කළා. එය සාමාන්‍ය වෙබ් අඩවි නිර්මාණයට හොඳ විසඳුමක් වුණත්, සැබෑ Agentic අත්දැකීමක් ලැබුණේ ගූගල් සමාගම විසින් නිකුත් කරන ලද Antigravity v1.19 සහ v1.23 වැනි AI Coding & Agent ප්ලැට්ෆෝම් පරිශීලනයට එකතු වීමත් සමඟයි.

මෙම පද්ධති හරහා සාමාන්‍යයෙන් දිනකදී නිම කරන වැඩකටයුතු 4-5 ගුණයක වේගයකින් නිම කරගැනීමේ හැකියාව ලැබුණා. Antigravity මෙවලමකට අප යම් කාර්යයක් පැවරු විට, එය මඟදී 500 Server Error එකක් පැමිණ නැවතුනෙ නැත්තම්, තනිවම මුළු Codebase සමගම වැඩ කර Errors fix කරයි.

සුවිශේෂී කරුණ නම්, වෙබ් අඩවියක් ඩිවෙලොප් කිරීමේදී Agent විසින්ම කේතය ලියා, තමන්ගේම බ්‍රවුසර් ටූල් එකක් හරහා Chrome එකක් ඕපන් කර සජීවීව පරීක්ෂා කිරීමයි. අප විසින් එහි පරිශීලක UI දෝෂයක් පවතින බව පැවසුවහොත්, Agent විසින් බ්‍රවුසරය තුළ Virtual කීබෝඩ් සහ මවුස් (Virtual Input Systems) සකස් කරගෙන, ක්ලික් කරමින් දෝෂ පවතින ස්ථාන සොයාගෙන ස්වයංක්‍රීයවම ඒවා නිවැරදි කරයි.

මෑතකදී නිකුත් වූ Antigravity 2.0 සංස්කරණය ප්‍රධාන ප්‍රවේශයන් දෙකක් ඔස්සේ ක්‍රියාත්මක වේ:

• Antigravity 2.0 (Fire-and-Forget): මෙහිදී පරිශීලකයාට ටර්මිනල් එකක් හෝ කෝඩ් එකක් දැකගත නොහැක. කේතනය පිළිබඳ කිසිදු දැනුමක් නොමැති අයෙකුට වුවද, අවසාන ඉලක්කය පමණක් ලබා දී සම්පූර්ණ නිපැයුමක් ලබාගත හැක්කේ Agent විසින් සියල්ල පසුබිමෙන් පාලනය කරන බැවිනි.
• Antigravity IDE (Human-in-the-Loop): මෙය සංවර්ධකයන් (Developers) සඳහා නිපදවා ඇත. මිනිසා විසින් කේත ලියන අතරතුර AI මඟින් සහාය ලබාදෙමින් (Copilot මෙන්) දෙදෙනාගේම දායකත්වයෙන් කාර්යය සම්පූර්ණ කරයි.

3. පද්ධති ක්‍රියාකාරීත්වය: LLM සහ MCP Servers

ඇත්තටම Agentic AI එකක් කියන්නේ ක්‍රියාත්මක විය හැකි වර්චුවල් ශරීරයක් වගේ එකක්. ඒ ශරීරයට සිතන්නට නම් "මොළයක්" අවශ්‍යයි. අන්න ඒ මොළය විදිහට තමයි Claude, Gemini වගේ විශාල භාෂා ආකෘති (Large Language Models / LLMs) කනෙක්ට් කරන්නේ.

නමුත් මොළයට බාහිර ලෝකය සමඟ වැඩ කිරීමට නම් අත්දැකීම් සහ මෙවලම් අවශ්‍යයි. ඒ සඳහා භාවිතා වන විප්ලවීය තාක්ෂණය තමයි MCP (Model Context Protocol). MCP සර්වර්ස් හරහා AI ආකෘතියට අපගේ එදිනෙදා පරිගණක මෙවලම් සියල්ල එකිනෙකට සම්බන්ධ කළ හැකියි.

ඊමේල් වලට ස්වයංක්‍රීයව පිළිතුරු සැපයීම, දිනපතා සමාජ මාධ්‍ය සටහන් (Social Media Posts) පළ කිරීම, ලිපිගොනු (Docs) සකස් කිරීම වැනි කාර්යයන් කිහිපයක් වචන 3-4 කින් පැවසූ සැනින් සිදු කිරීමට මෙයට හැකියාව ලැබෙන්නේ මේ නිසයි.

මම මේ ක්‍රියාවලිය තවදුරටත් පහසු කිරීමට, එදිනෙදා පරිශීලනය වන කාර්යයන් සහ Commands 90 කට වඩා අඩංගු Custom Python MCP Server එකක් නිර්මාණය කර GitHub වෙතOpen Sourceලෙස මුදාහැර තිබෙනවා. අවශ්‍ය ඕනෑම කෙනෙකුට පහත Link ඔස්සේ එය ලබාගෙන ස්වයංක්‍රීයකරණ කටයුතු සඳහා පරීක්ෂා කර බැලිය හැකියි:

🔗 GitHub Repository: sh4lu-z/Custom-MCP

📊 Agentic AI සහ MCP සන්නිවේදන Simulator එක

පහත දැක්වෙන ඉන්ටරැක්ටිව් සිමියුලේටරය (Interactive Simulator) ආධාරයෙන්, AI මොළය සහ MCP සර්වර්ස් අතර දත්ත හුවමාරු වෙමින් බාහිර මෙවලම් ක්‍රියාත්මක වන ආකාරය ඔබට ප්‍රායෝගිකව පරීක්ෂා කර බලා වටහාගත හැකියි:

4. කිසිදු පිරිවැයකින් තොරව Local Machine එකක Agentic AI ධාවනය කිරීම

බොහෝ දෙනෙකු සිතන්නේ මෙම දියුණු AI තාක්ෂණයන් අත්හදා බැලීමට අධික පිරිවැයක් හෝ API Key ගාස්තු ගෙවිය යුතු බවයි. නමුත් කිසිදු මුදලක් වැය නොකර (No Cost) තමන්ගේම පරිගණකය තුළ Local මාදිලි ධාවනය කිරීමේ හැකියාව දැන් පවතිනවා.

LM Studio වැනි මෘදුකාංගයක් භාවිතයෙන් ගූගල් සමාගමේ Llama 3.3, Gemma, Qwen 3, DeepSeek-R1 මාදිලි download කරගෙන, MCP සර්වර්ස් සමඟ සම්බන්ධ කර ආරක්ෂිතව සහ නොමිලේම තමන්ගේම පරිගණකය තුළ පරීක්ෂණ සිදු කළ හැකියි. මෙහිදී දත්ත බාහිර සේවාදායකයන් වෙත නොයන බැවින් දත්ත රහස්‍යභාවය (Privacy) උපරිමයෙන්ම රැකෙනවා.

පරිගණක වලට අමතරව ස්මාර්ට් ජංගම දුරකථන (Smartphones) සඳහාද Local මාදිලි ධාවනය කළ හැකි යෙදුම් ගූගල් සමාගම විසින් Google Edge Gallery හරහා නිකුත් කර තිබෙනවා. එමඟින් දුරකථනය තුළටම LLM එකක් ඩවුන්ලොඩ් කර පරීක්ෂා කිරීමේ හැකියාව පවතිනවා.

ලෝකල් පද්ධති ගැන කතා කිරීමේදී මෑතකදී නිකුත් වූ Gemma 4 ආකෘතිය (LLM) පිළිබඳව විශේෂයෙන්ම සඳහන් කළ යුතුයි. එය ප්‍රමාණයෙන් ඉතා කුඩා (Small Model) එකක් වුවත්, එහි Performance ඉතා ඉහළ මට්ටමක පවති. සුවිශේෂී කරුණ නම් Gemma 4 සතුව Vision (රූප සහ පරිගණක තිරයන් හඳුනාගැනීමේ හැකියාව) පවතිනවා. මෙයින් අදහස් කරන්නේ අපගේ Local ඒජන්ට් කෙනෙකුට ස්වයංක්‍රීයව Computer screen දෙස බලා තීරණ ගැනීමට අවශ්‍ය "ඇස් දෙක" ලැබී ඇති බවයි.

5. අවසාන අදහස සහ අනාගතය

තාක්ෂණයේ අනාගතය ගමන් කරන්නේ පරිශීලකයා විසින් සෑම පියවරක්ම AI වෙත උපදෙස් දෙන යුගයෙන් මිදී, තනි ඉලක්කයක් ලබා දුන් පසු AI විසින්ම සියල්ල සැලසුම් කර ක්‍රියාවට නංවන ස්වයංක්‍රීය යුගයකටයි. අපට අවශ්‍ය වන්නේ නිවැරදි ඉලක්කයන් පද්ධතිය වෙත ලබා දීම පමණයි.

ඔබත් Antigravity හෝ ලෝකල් ඒජන්ටික් පද්ධති පිළිබඳව අත්හදා බැලීම් සිදුකර තිබෙනවා නම්, හෝ මම සකස් කළ GitHub MCP සර්වර් එක භාවිතා කර බැලුවා නම්, ඔබේ අත්දැකීම් සහ අදහස් පහළින් කමෙන්ට් කරගෙන යන්න. තවත් මෙවැනි තාක්ෂණික ලිපියකින් නැවත හමුවෙමු! 🚀✨