كسر حواجز البيانات: هل يمكن لبروتوكول سياق النموذج من Anthropic تعزيز أداء الذكاء الاصطناعي؟

يهدف بروتوكول سياق النموذج المبتكر من Anthropic إلى معالجة البيانات المتجزئة وزيادة كفاءة الحلول التي تعمل بالذكاء الاصطناعي. هل يمكن أن يصبح هذا البروتوكول معيارًا لدمج الذكاء الاصطناعي المعتمد على السياق؟

تعد واحدة من أكبر التحديات في ابتكار الذكاء الاصطناعي اليوم هي عزل نماذج اللغة الكبيرة عن البيانات في الوقت الفعلي. لمعالجة هذه القضية، أعلنت شركة Anthropic، وهي شركة أبحاث وسلامة الذكاء الاصطناعي مقرها سان فرانسيسكو، عن بنية تطوير فريدة لتحويل طريقة تفاعل نماذج الذكاء الاصطناعي مع البيانات.

تم إطلاق بروتوكول سياق النموذج الجديد من الشركة، بروتوكول سياق النموذج (MCP)، كمشروع مفتوح المصدر، وتم تصميمه لتعزيز كفاءة الذكاء الاصطناعي من خلال “التواصل الثنائي بين التطبيقات التي تعمل بالذكاء الاصطناعي ومصادر البيانات المتنوعة في الوقت الفعلي”.

تم بناء الهيكل لتحديد إحباط متزايد: مخرجات الذكاء الاصطناعي المتقادمة بسبب عدم وجود اتصال بالبيانات في الوقت الفعلي. تدعي شركة Anthropic أن البروتوكول الموحد يمكن أن يعزز تطوير الذكاء الاصطناعي ووظائفه للأعمال، ويجعلها أكثر تشابهًا بالبشر من خلال الوعي السياقي في الوقت الفعلي. وفقًا للشركة، كل مصدر بيانات جديد يتطلب تطبيقات ذكاء اصطناعي مخصصة، مما يخلق عدم كفاءة. يهدف MCP إلى معالجة هذه القضية من خلال تقديم إطار معياري يمكن للمطورين تبنيه على نطاق واسع.

“الهيكل بسيط: يمكن للمطورين إما كشف بياناتهم من خلال خواديم MCP أو بناء تطبيقات الذكاء الاصطناعي (عملاء MCP) التي تتواصل مع هذه الخواديم. بدلاً من الحفاظ على موصلات منفصلة لكل مصدر بيانات، يمكن للمطورين الآن بناء ضد بروتوكول معياري،” أوضحت شركة Anthropic في منشور في المدونة. “随着 نضج النظام البيئي، ستحافظ أنظمة الذكاء الاصطناعي على السياق عندما تتحرك بين أدوات و مجموعات بيانات مختلفة، وستستبدل التكاملات المتجزئة بهيكل أكثر استدامة.”

يمكن لنماذج الذكاء الاصطناعي، بما في ذلك مساعد Anthropic الرائد Claude، التكامل مع أدوات مثل Google Drive و Slack و GitHub. يقترح الخبراء أن MCP لديها إمكانية تحويل التكاملات التجارية للذكاء الاصطناعي بنفس الطريقة التي قامت بها هندسة البرمجيات الموجهة بالخدمات (SOA) وبروتوكولات أخرى بتغيير التفاعل بين التطبيقات.

“امتلاك بروتوكول معياري للأنابيب البيانية بين نماذج اللغة الكبيرة ومصادر البيانات هو مغير اللعبة. مشابه ل REST و SQL في صناعة البرمجيات، يمكن لبروتوكولات معيارية مثل MCP مساعدة الفرق على بناء تطبيقات GenAI بشكل أسرع وأكثر موثوقية،” قال جيديون مينديلز، المؤسس المشارك والرئيس التنفيذي لمنصة تقييم نموذج الذكاء الاصطناعي Comet، لي. “هذا يتبع إدراك السوق في الأشهر الستة الماضية أن نموذج LLM كبير ليس كافياً.”

كما كشفت شركة Anthropic عن أن المستخدمين المبكرين من الشركات، بمن فيهم Block و Apollo، قد قاموا بالفعل بتكامل MCP في أنظمتهم. وفي الوقت نفسه، تقوم مقدمو أدوات التطوير، مثل Zed و Replit و Codeium و Sourcegraph، بالتعاون مع MCP لتحسين منصاتهم. يهدف هذا التعاون إلى مساعدة نماذج الذكاء الاصطناعي والوكلاء على استرجاع معلومات أكثر صلة من خلال البيانات في الوقت الفعلي، وافتراض السياق بشكل أكثر فعالية، وتوليد مخرجات دقيقة لمهام الشركات مثل البرمجة، بأكثر كفاءة.

“يمكن لنماذج الذكاء الاصطناعي التي تشبه البشر أكثر وتكون أكثر وعيًا بأنفسهم جعل التكنولوجيا تبدو قابلة للتعرف، مما قد يدفع إلى تبني أوسع. لا يزال هناك خوف كبير من الذكاء الاصطناعي، حيث يرى العديد منه مجرد آلة. يمكن لجعل هذه النماذج أكثر إنسانية أن تساعد على تهدئة هذه المخاوف وتسهل التكامل السلس في الحياة اليومية،” قال ماشا ليفين، رائد أعمال في One Way Ventures، لي.

حذر ليفين أيضًا من عيب محتمل. “هناك خطر أن تصبح الشركات مت phụ thuộcًا بشكل كبير على الذكاء الاصطناعي للدعم، مما يسمح لها بالتأثير على قراراتها بطرق متطرفة، مما قد يؤدي إلى عواقب ضارة.”

然而، ستكون الاختبار الحقيقي لبروتوكول MCP هو قدرته على الحصول على انتشار واسع والتفوق على منافسيه في سوق مزدحم.

Anthropic MCP مقابل OpenAI و Perplexity: معركة معايير الابتكار في الذكاء الاصطناعي

في حين أن نهج MCP المفتوح المصدر يعتبر تقدمًا ملحوظًا لابتكار الذكاء الاصطناعي، فإنه يدخل سوقًا منافسًا يهيمن عليه عمالقة التكنولوجيا مثل OpenAI و Perplexity.

تظهر ميزة “العمل مع التطبيقات” الأخيرة من OpenAI لتشاتجبت قدرات مماثلة، على الرغم من التركيز الريادي على الأولوية للشراكات الوثيقة على معايير مفتوحة. تتيح هذه الميزة لتشاتجبت الوصول إلى البيانات والمحتوى من تطبيقات أخرى وتحليلها – ولكن فقط مع إذن المستخدم، مما يلغي الحاجة للمطورين إلى نسخ ولصق يدوية. بدلاً من ذلك، يمكن لتشاتجبت مراجعة البيانات مباشرة من التطبيق، وتقديم اقتراحات أكثر ذكاءً ووعيًا بالسياق بسبب تكاملها مع بيانات الإنترنت في الوقت الفعلي.

علاوة على ذلك، قدمت الشركة أيضًا هيكل بياناتها في الوقت الفعلي في أكتوبر، يسمى “واجهة برمجة التطبيقات في الوقت الفعلي”، الذي يسمح لمساعدي الصوت بالاستجابة بشكل أكثر فعالية من خلال سحب السياق الجديد من الإنترنت. على سبيل المثال، يمكن لمساعد الصوت أن يقوم بالطلبات باسم المستخدم أو استرجاع معلومات العملاء ذات الصلة لتوفير استجابات شخصية.

“الآن مع واجهة برمجة التطبيقات في الوقت الفعلي وسرًا مع الصوت في واجهة برمجة تطبيقات Chat Completions، لم يعد المطورون بحاجة إلى خياطة نماذج متعددة لتشغيل هذه التجارب،” قالت OpenAI في منشور في المدونة. “تحت الغطاء، تتيح لنا واجهة برمجة التطبيقات في الوقت الفعلي إنشاء اتصال ثنائي الاتجاه مع GPT-4o.”

كما قدمت Perplexity بروتوكول بياناتها في الوقت الفعلي للذكاء الاصطناعي، المعروف باسم “pplx-api،” للمطورين الوصول إلى نموذج اللغة الكبيرة. يسمح هذا البروتوكول للتطبيقات بإرسال استفسارات اللغة الطبيعية واستلام معلومات مفصلة ومتاحة في الوقت الفعلي من الويب. من خلال نقطة نهاية واحدة لبروتوكول التطبيقات، يتيح استرجاع البيانات في الوقت الفعلي واستجابات واعية بالسياق لتطبيقات الذكاء الاصطناعي، مما يمنح المطورين بناء تطبيقات تظل متوافقة مع أحدث المعلومات.

“تتميز الصناعة عادةً بتقييس معيار حل مفتوح المصدر، ولكن هذا غالبًا ما يستغرق سنوات. من المحتمل أن تحاول OpenAI تقديم المزيد من البروتوكولات،” قال مينديلز. “لكن إذا حصل MCP على انتشار واسع كأول معيار من نوعه، قد نرى تقنيات وأفضل ممارسات تبدأ في التقييس حولها.”

هل يمكن لبروتوكول Anthropic MCP تحديد المعيار لدمج الذكاء الاصطناعي المعتمد على السياق؟

على الرغم من إمكاناته، يواجه بروتوكول MCP تحديات كبيرة. الأمن هو القلق الأول، حيث يزيد تمكين أنظمة الذكاء الاصطناعي من الوصول إلى بيانات الشركات الحساسة من خطر التسريبات إذا انحرفت النظام. بالإضافة إلى ذلك، قد يثبت إقناع المطورين الذين يعتمدون بالفعل على النظم الموجودة بتكامل MCP أمرًا صعبًا.

هناك مشكلة أخرى وهي حجم البيانات، وفقًا لجدي رايموندي، رئيس علوم البيانات في شركة التطوير التكنولوجي Making Sense. قال لي، “Anthropic هي الرائدة في التجارب التي تؤدي إلى سياقات كبيرة، ولكن دقة النماذج تتأثر بشكل كبير. من المحتمل أن يتحسن الأداء مع مرور الوقت، ويمكن تطبيق العديد من الحيل لجعل السرعة مقبولة.”

في حين تدعي شركة Anthropic أن MCP يحسن قدرة الذكاء الاصطناعي على استرجاع البيانات ووضعها في السياق، قد تعيق عدم وجود معايير ملموسة لدعم هذه المطالبات عملية التبني. “سواء كنت مطورًا لأدوات الذكاء الاصطناعي أو شركة تبحث عن استغلال البيانات الحالية أو مستخدمًا مبكرًا يستكشف الحدود، ندعوكم جميعًا إلى بناء مستقبل الذكاء الاصطناعي المعتمد على السياق معًا،” قالت شركة Anthropic.

随着 اختبار المطورين لقدرات MCP، ستكون الصناعة تراقب لترى ما إذا كان هذا المعيار المفتوح يمكن أن يحصل على الزخم اللازم ليتحول إلى معيار لدمج الذكاء الاصطناعي المعتمد على السياق. يقترح مينديلز أن التقييس قد يكون خطوة ذكية لشركة Anthropic، مما قد يزيد من التفاعل بين الأنظمة ويمكّن الفرق من تجربة مزيج مختلف من الأدوات لتحديد أفضل ملاءمة لاحتياجاتهم. “في الوقت الحالي، يبدو الأمر مبكرًا جدًا لنا أن نقول إن العديد من العمليات في نظام الذكاء الاصطناعي قد أصبحت معيارية. مع حدوث الابتكارات بسرعة كبيرة، قد تصبح أفضل الممارسات الحالية عفا عليها الزمن في غضون أسبوع. فقط الوقت سيكشف عن是否 يمكن لبروتوكول مثل MCP النجاح في تقييس استرجاع البيانات المعتمد على السياق.”