विकिप्रॉम्प्ट तक पहुंचने के तीन तरीके: बल्क डेटासेट, सर्च एपीआई, और एमसीपी

विकिप्रॉम्प्ट तक पहुंचने के तीन तरीके: बल्क डेटासेट, सर्च एपीआई, और एमसीपी

विकिप्रॉम्प्ट के पास अब तीन अलग-अलग दरवाजों के पीछे 55,000 से अधिक क्यूरेटेड एआई प्रॉम्प्ट हैं, और गलत दरवाजा चुनना दोपहर बर्बाद करने का सबसे आसान तरीका है। यदि आप पूरे कैटलॉग को स्थानीय रूप से फिर से बनाने के लिए /search को लूप में हिट करने वाला स्क्रैपर लिखते हैं, तो आपको अंततः रेट-लिमिटेड किया जाएगा और आपने कुछ ऐसा फिर से बनाया होगा जो हम पहले ही आपके लिए बना चुके हैं। यदि आप चैट एजेंट के अंदर अनुरोध समय पर एक ही क्वेरी का उत्तर देने के लिए पूरा डेटासेट डाउनलोड करते हैं, तो आपने उस सवाल का जवाब देने के लिए 55,000 रिकॉर्ड भेज दिए हैं जिसके लिए तीन की जरूरत थी।

सही विकल्प पूरी तरह से आपकी समस्या के आकार पर निर्भर करता है: क्या आपको सब कुछ चाहिए, क्या आपको एक सवाल का एक जवाब चाहिए, या क्या आपको एक ऐसा टूल चाहिए जिसे भाषा मॉडल अपने आप कॉल कर सके। यहां बताया गया है कि तीन एकीकरण पथ इन तीन जरूरतों से कैसे मेल खाते हैं।

पथ 1: बल्क डेटासेट, जब आपको पूरा कैटलॉग चाहिए

इसका उपयोग तब करें जब आप प्रॉम्प्ट डेटा पर प्रशिक्षण ले रहे हों, अपना खुद का सर्च इंडेक्स बना रहे हों, कॉर्पस में विश्लेषण चला रहे हों, या कैटलॉग को अपने डेटाबेस में मिरर कर रहे हों। यह "एक बार डाउनलोड करें, डेटा के मालिक बनें" विकल्प है।

डेटासेट मेनिफेस्ट से शुरू करें। यह total_prompts, record_fields जो आपको वापस मिलेंगे, और पेजिनेशन योजना के साथ JSON लौटाता है, ताकि आप कुछ भी खींचने से पहले आकार की जांच कर सकें।

वास्तविक रिकॉर्ड /dataset/prompts पर रहते हैं। पेजिनेशन कीज़ेट-आधारित है: प्रत्येक प्रतिक्रिया में एक next URL शामिल होता है, और आप इसे तब तक फॉलो करते रहते हैं जब तक next null वापस नहीं आता। पेज का आकार डिफ़ॉल्ट रूप से 200 है और 500 तक जाता है:

curl "https://www.wikiprompt.org/dataset/prompts?limit=500"

पायथन में एक न्यूनतम पेजिनेशन लूप इस तरह दिखता है:

import requests

url = "https://www.wikiprompt.org/dataset/prompts?limit=500"

records = []

while url:

resp = requests.get(url).json()

records.extend(resp["results"])

url = resp.get("next")

print(len(records), "prompts pulled")

प्रत्येक रिकॉर्ड में slug, url, title, description, content (वास्तविक प्रॉम्प्ट टेक्स्ट), category, tags, media, model, संरचित metadata (मीडिया प्रकार, पहलू अनुपात, शैली, गुणवत्ता मूल्यांकन), author, original_source, और टाइमस्टैम्प होते हैं। कोई एपीआई कुंजी नहीं, CORS पूरी तरह से खुला है, और प्रतिक्रियाएं एज-कैश्ड हैं, इसलिए पूर्ण पुल तेज़ है और हमारे सर्वर पर कोई वास्तविक लोड नहीं डालता है।

ट्रेडऑफ़ ताजगी है। बल्क पुल एक स्नैपशॉट है। यदि आपको पांच मिनट पहले कैटलॉग की स्थिति चाहिए, तो यह गलत टूल है, आपको अगले दो में से एक चाहिए।

पथ 2: सर्च एपीआई, जब आपको लक्षित उत्तर चाहिए

इसका उपयोग तब करें जब आपके एकीकरण को प्रति अनुरोध केवल मुट्ठी भर प्रॉम्प्ट की आवश्यकता हो, उदाहरण के लिए "दिन का प्रॉम्प्ट" विजेट, एक स्लैक बॉट जो "मेरे लिए लोगो प्रॉम्प्ट खोजें" का उत्तर देता है, या एक सुविधा जो आपके अपने उत्पाद में प्रासंगिक प्रॉम्प्ट सतह पर लाती है। इसके लिए पूरा डेटासेट डाउनलोड करना बर्बाद बैंडविड्थ और बर्बाद रखरखाव है (आपको इसे फिर से सिंक करते रहना होगा)।

एंडपॉइंट है https://www.wikiprompt.org/api/search?q=YOURQUERY, सादा JSON, कोई प्रमाणीकरण नहीं। लोगो प्रॉम्प्ट के लिए एक क्वेरी:

curl "https://www.wikiprompt.org/api/search?q=logo"

यह वर्तमान कैटलॉग के खिलाफ एक लाइव क्वेरी है, इसलिए एक घंटे पहले प्रकाशित प्रॉम्प्ट तुरंत दिखाई देता है, पिछले सप्ताह खींचे गए डेटासेट स्नैपशॉट के विपरीत। यह दोनों सिरों पर सस्ता भी है: आपको हजारों रिकॉर्ड को क्लाइंट-साइड पार्स करने के बजाय मुट्ठी भर मैच वापस मिलते हैं ताकि दो प्रासंगिक खोज सकें। यदि आपका एकीकरण अनुरोध-संचालित है (उपयोगकर्ता कुछ टाइप करता है, आपको परिणाम चाहिए), तो यह लगभग हमेशा सही फिट है।

पथ 3: एमसीपी सर्वर, जब कॉल करने वाला एआई एजेंट हो

इसका उपयोग तब करें जब क्लॉड, या कोई अन्य एमसीपी-सक्षम एजेंट, बातचीत के हिस्से के रूप में विकिप्रॉम्प्ट से ब्राउज़ या खींचने की आवश्यकता हो, न कि एक बैकएंड नौकरी के रूप में जो आपने लिखा और नियंत्रित किया है। एमसीपी सर्वर प्रॉम्प्ट डिस्कवरी को टूल के रूप में उजागर करता है जिसे एजेंट अपने आप कॉल करने का फैसला करता है, बातचीत के बीच में, उसके आधार पर जो उपयोगकर्ता ने वास्तव में पूछा था।

एक एमसीपी क्लाइंट को https://mcp.wikiprompt.org/mcp (स्ट्रीमेबल HTTP) पर इंगित करें और एजेंट को search_prompts, get_prompt, list_categories, get_featured, get_trending, और random_prompt जैसे टूल मिलते हैं, साथ ही एक use_prompt(slug) प्रॉम्प्ट टेम्पलेट भी। CLI से:

claude mcp add --transport http wikiprompt https://mcp.wikiprompt.org/mcp

एक बार कनेक्ट होने के बाद, एक चरित्र डिजाइन बनाने वाला एजेंट प्रेरणा के लिए search_prompts कॉल कर सकता है और इस खानाबदोश यात्री चरित्र ब्रीफ जैसा कुछ वापस खींच सकता है, बिना आपको एक भी लाइन एकीकरण कोड लिखने की जरूरत के। डेटासेट और सर्च एपीआई दोनों के लिए आपको कॉलिंग कोड लिखने और कब कॉल करना है यह तय करने की आवश्यकता होती है। एमसीपी इसे उलट देता है: एजेंट तय करता है, जिस क्षण उसे जरूरत होती है, किस टूल को कॉल करना है और किन तर्कों के साथ। स्क्रिप्ट के लिए बनाने के बजाय एजेंटों के लिए बनाने का यही पूरा मतलब है।

उनके बीच चयन करना

एक मोटा नियम: बल्क के लिए डेटासेट, अपने बैकएंड से एक बार की खोज के लिए सर्च एपीआई, और किसी भी चीज़ के लिए एमसीपी जहां एआई एजेंट वह है जो तय करता है कि क्या लाना है। कुछ ठोस मामले:

वे परस्पर अनन्य नहीं हैं। एक एकल उत्पाद अपनी सिफारिश सुविधा को शक्ति देने के लिए सप्ताह में एक बार बल्क डेटासेट खींच सकता है, /api/search के खिलाफ एक लाइव सर्च बॉक्स उजागर कर सकता है, और अलग से एमसीपी सर्वर पंजीकृत कर सकता है ताकि इसकी एआई सुविधाएं वर्तमान कैटलॉग को सीधे ब्राउज़ कर सकें। एक को चुनने के बारे में कुछ भी आपको दूसरों से बाहर नहीं करता है।

आप जो भी पथ उपयोग करते हैं, सामग्री वास्तविक लोगों के सार्वजनिक पोस्ट से एकत्रित होती है, उनसे लाइसेंस प्राप्त नहीं होती है, इसलिए उचित खेलें: wikiprompt.org और, प्रति रिकॉर्ड, original_source को श्रेय दें जहां से प्रॉम्प्ट वास्तव में आया था। यदि आप कोड को छूने से पहले पूर्ण रूप से वर्णित रिकॉर्ड पर करीब से नज़र डालना चाहते हैं, तो पहले कुछ लाइव पेज ब्राउज़ करें, एक रोबोट परिवर्तन ब्लूप्रिंट और एक डेटा फिजिकलाइजेशन अवधारणा दोनों उन फ़ील्ड को दिखाते हैं जो आपको उपरोक्त तीनों पथों में से किसी से भी वापस मिलेंगे।

उपरोक्त सब कुछ के कॉम्पैक्ट मशीन-पठनीय सारांश के लिए, llms.txt में छोटा संस्करण है। मनुष्यों के लिए यह तय करने के लिए कि कहां से शुरू करें, उत्तर आमतौर पर है: यदि आप सुनिश्चित नहीं हैं, तो सर्च एपीआई से शुरू करें, यह सबसे कम प्रतिबद्धता और परीक्षण करने के लिए सबसे तेज़ है।