Překračování datových bariér: Může Model Context Protocol od Anthropic zlepšit výkon AI?

Inovativní Model Context Protocol (MCP) od Anthropic má za cíl řešit fragmentované údaje a zvýšit efektivitu řešení založených na umělé inteligenci. Může se stát standardem pro kontextově vědomou integraci AI?

Jedním z nejpalčivějších problémů v inovacích umělé inteligence (AI) dnes je izolace velkých jazykových modelů (LLM) od dat v reálném čase. Aby se tento problém řešil, společnost Anthropic, která se zabývá výzkumem a bezpečností AI, oznámila unikátní architekturu vývoje, aby změnila, jak AI modely interagují s daty.

Nový Model Context Protocol (MCP), spuštěný jako open-source projekt, je navržen tak, aby zvýšil efektivitu AI prostřednictvím „dvojité komunikace mezi AI aplikacemi a datovými zdroji v reálném čase“.

Architektura je navržena tak, aby řešila rostoucí frustraci: zastaralé výstupy AI způsobené nedostatkem spojení s daty v reálném čase. Anthropic tvrdí, že sjednocený protokol může zlepšit vývoj a funkčnost AI pro podniky a učinit je více lidskými prostřednictvím kontextové vědomosti v reálném čase. Podle společnosti každý nový podnikový zdroj dat vyžaduje vlastní implementaci AI, což vytváří neefektivitu. MCP se snaží toto řešit nabídkou standardizovaného rámce, který mohou vývojáři přijmout univerzálně.

„Architektura je přímá: vývojáři mohou buď exponovat svá data prostřednictvím MCP serverů nebo vyvíjet AI aplikace (MCP klienti), které se připojují k těmto serverům. Místo toho, aby udržovali samostatné konektory pro každý zdroj dat, mohou vývojáři nyní vyvíjet proti standardnímu protokolu,“ vysvětlila Anthropic v blogovém příspěvku. „Jakmile se ekosystém zralý, AI systémy budou udržovat kontext, zatímco se pohybují mezi různými nástroji a datovými sadami, nahrazují dnešní fragmentované integrace udržitelnější architekturou.“

AI modely, včetně, ale nejen Anthropicova vlajkového asistenta Claude, mohou integrovat s nástroji jako Google Drive, Slack a GitHub. Odborníci naznačují, že MCP má potenciál transformovat podnikové AI integrace stejným způsobem, jakým Service-Oriented Architecture (SOA) a další protokoly revolucionalizovaly interoperabilitu aplikací.

„Mít průmyslový standardní protokol pro datové potrubí mezi LLM a zdroji dat je změna hry. Podobně jako REST a SQL ve softwarovém průmyslu, standardizované protokoly, jako je MCP, mohou pomoci týmům vyvíjet GenAI aplikace rychleji a s lepší spolehlivostí,“ řekl mi Gideon Mendels, spoluzakladatel a CEO platformy pro hodnocení AI modelů Comet. „To následuje po uvědomění trhu v posledních šesti měsících, že dobrý LLM model nestačí.“

Anthropic také odhalila, že raní podnikoví adoptoři, včetně Block a Apollo, již integrovali MCP do svých systémů. Mezitím poskytovatelé vývojářských nástrojů, jako jsou Zed, Replit, Codeium a Sourcegraph, spolupracují s MCP, aby vylepšili své platformy. Tento partnerství má za cíl pomoci AI modelům a agentům získat relevantnější informace prostřednictvím dat v reálném čase, lépe pochopit kontext a generovat nuancované výstupy pro podnikové úkoly, jako je kódování, s větší efektivitou.

“AI modely, které jsou více lidské a sebevědomé, mohou učinit technologii cítit se vztahově, což by mohlo vést k širšímu přijetí,” řekla mi Masha Levin, Entrepreneur v One Way Ventures. “Stále existuje mnoho strachu z AI, protože mnoho lidí je vidí pouze jako stroj. Učinit tyto modely lidskými by mohlo pomoci zmírnit tyto obavy a usnadnit jejich integraci do každodenního života.”

Levin také varovala před potenciální nevýhodou. „Existuje riziko, že podniky se mohou stát příliš závislými na AI pro podporu, což by mohlo vést k nežádoucím důsledkům, pokud by AI ovlivňovala jejich rozhodnutí extrémním způsobem.“

Skutečný test pro MCP však bude jeho schopnost získat široké přijetí a předehnat své konkurenty na přeplněném trhu.

Anthropic MCP vs. OpenAI a Perplexity: Bitva o standardy inovací AI

Zatímco open-source přístup Anthropic MCP představuje významný pokrok v inovacích AI, vstupuje do konkurenčního prostředí, které dominují technologické giganti jako OpenAI a Perplexity.

Nedávná funkce „Pracovat s aplikacemi“ od OpenAI pro ChatGPT ukazuje podobné schopnosti, i když s proprietárním zaměřením na prioritu blízkých partnerství nad otevřenými standardy. Tato funkce umožňuje ChatGPT přístup a analýzu dat a obsahu z jiných aplikací, ale pouze s uživatelským povolením, eliminuje potřebu, aby vývojáři ručně kopírovali a vkládali. Místo toho ChatGPT může přímo prohlížet data z aplikace a poskytovat chytřejší, kontextově vědomé návrhy díky integraci s daty z internetu v reálném čase.

Kromě toho společnost také představila svou architekturu v reálném čase v říjnu, nazvanou „Realtime API“, která umožňuje hlasovým asistentům reagovat efektivněji tím, že čerstvý kontext z internetu. Například hlasový asistent může na základě uživatele objednat nebo získat relevantní zákaznické informace pro personalizované odpovědi. „Nyní s Realtime API a brzy s audio v Chat Completions API již vývojáři nemusí spojovat více modelů, aby tyto zkušenosti umožnili,“ řekla OpenAI v blogovém příspěvku. „Pod kapotou Realtime API umožňuje vytvořit trvalé WebSocket spojení pro výměnu zpráv s GPT-4o.“

Podobně protokol Perplexity pro AI v reálném čase, nazvaný „pplx-api“, poskytuje vývojářům přístup k velkému jazykovému modelu (LLM). Tento API umožňuje aplikacím zasílat dotazy v přirozeném jazyce a přijímat podrobné, aktuální informace z webu. Prostřednictvím jednoho API koncového bodu umožňuje aktuální získání dat a kontextově vědomé odpovědi pro AI aplikace, umožňující vývojářům budovat aplikace, které zůstávají v souladu s nejnovějšími informacemi.

„Obvykle průmysl standardizuje na jednu open-source řešení, ale často to trvá roky. Je velmi pravděpodobné, že OpenAI se bude snažit zavést více protokolů,“ řekl Mendels. „Ale pokud MCP získá široké přijetí jako první standard svého druhu, mohli bychom vidět techniky a nejlepší postupy začít standardizovat kolem něj.“

Může Anthropic MCP stanovit standard pro kontextově vědomou integraci AI?

Přes svůj potenciál Anthropic MCP čelí významným výzvám. Bezpečnost je primárním problémem, protože umožnění AI systémům přístup k citlivým podnikovým datům zvyšuje riziko úniků, pokud systém selže. Kromě toho přesvědčení vývojářů, kteří jsou již zavedeni v etablovaných ekosystémech, aby přijali MCP, by mohlo být obtížné.

Dalším problémem je čistá velikost dat, podle JD Raimondi, hlavy datové vědy ve firmě Making Sense. Řekl mi: „Anthropic je lídr v experimentech vedoucích k velkým kontextům, ale přesnost modelů trpí značně. Je pravděpodobné, že se zlepší s časem, a z hlediska výkonu existuje mnoho triků, aby se udržela akceptovatelná rychlost.“

Zatímco Anthropic tvrdí, že MCP zlepšuje schopnost AI získávat a kontextualizovat data, absence konkrétních benchmarků, které by tyto nároky podporovaly, by mohla brzdit přijetí. „Buďte-li vývojářem nástrojů AI, podnikem, který chce využít stávající data, nebo raným adoptorem, který zkoumá hranice, zveme vás, abyste společně s námi budovat budoucnost kontextově vědomé AI,“ řekla Anthropic.

Jak vývojáři testují schopnosti MCP, průmysl bude sledovat, zda tento open standard získá potřebnou trakci, aby se stal měřítkem pro kontextově vědomou integraci AI. Mendels naznačuje, že standardizace by mohla být chytrým tahem pro Anthropic, potenciálně zvyšujícím interoperabilitu a umožňujícím týmům experimentovat s různými kombinacemi nástrojů, aby určily nejlepší volbu pro své potřeby. „Right now, it feels too early to say that many processes in the AI ecosystem are standardizing,“ Mendels noted. „With innovation happening so rapidly, today’s best practices might be outdated by next week. Only time will tell if a protocol like MCP can succeed in standardizing context data retrieval.”