Brud med data-barrierer: Kan Anthropics Model Context Protocol forbedre AI-præstationen?

Anthropics innovative Model Context Protocol (MCP) har til formål at tackle fragmenterede data og øge effektiviteten af AI-drevne løsninger. Kan det blive standarden for kontekstbevidst AI-integration?

En af de mest presserende udfordringer i kunstig intelligens (AI)-innovation i dag er store sprogmodellers (LLM’er) isolation fra realtidsdata. For at tackle problemet har San Francisco-baserede AI-forsknings- og sikkerhedsfirma Anthropic nyligt annonceret en unik udviklingsarkitektur til at omforme, hvordan AI-modeller interagerer med data.

Firmaets nye Model Context Protocol (MCP) er lanceret som et open-source-projekt og er designet til at øge effektiviteten af AI gennem en “to-vejs kommunikation mellem AI-drevne applikationer og realtids-, diverse datakilder”.

Arkitekturen er bygget til at tackle en voksende frustration: forældede AI-udgangspunkter på grund af manglende forbindelse til realtidsdata. Anthropic hævder, at den fælles protokol kan forbedre AI-udvikling og funktionalitet for virksomheder og gøre dem mere menneskelignende gennem realtidskontekstbevidsthed. Ifølge firmaet kræver hver ny forretningsdatakilde brugerdefinerede AI-implementeringer, hvilket skaber ineffektiviteter. MCP søger at tackle dette ved at tilbyde en standardiseret ramme, som udviklere kan adoptere universelt.

“Arkitekturen er straight-forward: udviklere kan enten eksponere deres data gennem MCP-servere eller bygge AI-applikationer (MCP-klienter), der er forbundet til disse servere. I stedet for at vedligeholde separate forbindelser til hver datakilde kan udviklere nu bygge mod en standardprotokol,” forklarede Anthropic i en blogindlæg. “Da økosystemet modnes, vil AI-systemer vedligeholde kontekst, når de bevæger sig mellem forskellige værktøjer og datasæt, og erstatter i dag’s fragmenterede integrationer med en mere bæredygtig arkitektur.”

AI-modeller, herunder men ikke begrænset til Anthropics flagskib-assistent Claude, kan integrere med værktøjer som Google Drive, Slack og GitHub. Eksperter mener, at MCP har potentialet til at transformere virksomheds-AI-integrationer på samme måde, som Service-Oriented Architecture (SOA) og andre protokoller revolutionerede applikationsinteroperabilitet.

“At have en branchestandardprotokol for datapipelines mellem LLM’er og datakilder er en game-changer. Ligesom REST og SQL i softwareindustrien kan standardiserede protokoller som MCP hjælpe teams med at bygge GenAI-applikationer hurtigere og med bedre pålidelighed,” sagde Gideon Mendels, medstifter og administrerende direktør for AI-modelvurderingsplatformen Comet, til mig. “Dette følger markedets realisation i de sidste seks måneder, at en god LLM-model ikke er nok.”

Anthropic afslørede også, at tidlige virksomhedsadoptanter, herunder Block og Apollo, allerede har integreret MCP i deres systemer. Samtidig samarbejder udviklingsværktøjsleverandører som Zed, Replit, Codeium og Sourcegraph med MCP for at forbedre deres platforme. Dette samarbejde har til formål at hjælpe AI-modeller og -agenter med at hente mere relevant information gennem realtidsdata, fatte kontekst mere effektivt og generere nuancerede udgangspunkter for virksomhedsopgaver som f.eks. kodning med større effektivitet.

“AI-modeller, der er mere menneskelignende og selvbevidste, kan gøre teknologien mere tilgængelig, hvilket kunne drive bredere adoption,” sagde Masha Levin, Entrepreneur in Residence hos One Way Ventures, til mig. “Der er stadig meget frygt omkring AI, og mange ser på det som kun en maskine. At gøre disse modeller mere menneskelignende kunne hjælpe med at lette disse frygter og fremme en glattere integration i hverdagslivet.”

Levin advarede også om en potentiel ulempe. “Der er en risiko for, at virksomheder kan blive for afhængige af AI til støtte, hvilket kunne føre til, at det påvirker deres beslutninger på ekstreme måder, hvilket kunne føre til skadelige konsekvenser.”

Men den sande prøve for MCP vil være dens evne til at opnå bred adoption og overgå sine konkurrenter på et overfyldt marked.

Anthropic MCP vs. OpenAI og Perplexity: Kampen om AI-innovationsstandarder

Selvom Anthropics MCP’s open-source-tilgang markerer en bemærkelsesværdig fremgang for AI-innovation, indtræder det i et konkurrencedygtigt landskab domineret af teknologigiganter som OpenAI og Perplexity.

OpenAI’s nylige “Arbejd med apps”-funktion til ChatGPT viser lignende funktioner, selvom med en proprietær fokus på at prioritere tætte samarbejder over åbne standarder. Denne funktion giver ChatGPT adgang til og analyserer data og indhold fra andre apps, men kun med brugerens tilladelse, og eliminerer dermed behovet for udviklere at manuelt kopiere og indsætte. I stedet kan ChatGPT gennemgå dataene direkte fra en app og levere smartere, kontekstbevidste forslag på grund af dets integration med realtidsinternetdata.

Desuden introducerede firmaet også sin realtidsdataarkitektur i oktober, kaldet “Realtime API”, som giver stemmeassistenter mulighed for at reagere mere effektivt ved at trække frisk kontekst fra internettet. For eksempel kunne en stemmeassistent placere en ordre på en brugers vegne eller hente relevant kundeinformation for at levere personlige svar. “Nu med Realtime API og snart med lyd i Chat Completions API behøver udviklere ikke længere at sy sammen flere modeller for at aktivere disse oplevelser,” sagde OpenAI i en blogindlæg. “Under hood giver Realtime API mulighed for at oprette en varig WebSocket-forbindelse til at udveksle meddelelser med GPT-4o.”

Ligesom Perplexitys realtidsdataprotokol til AI, kendt som “pplx-api“, giver udviklere adgang til dets store sprogmodel (LLM). Denne API giver applikationer mulighed for at sende naturlige sprogforespørgsler og modtage detaljerede, realtidsoplysninger fra webben. Gennem en enkelt API-endpoint giver det mulighed for opdateret datahenting og kontekstbevidste svar til AI-applikationer og giver udviklere mulighed for at bygge applikationer, der forbliver i trit med de seneste oplysninger.

“Typisk tenderer branchen til at standardisere på en open source-løsning, men det tager ofte år. Det er meget sandsynligt, at OpenAI vil prøve at introducere flere protokoller,” sagde Mendels. “Men hvis MCP opnår bred adoption som den første standard af sin art, kunne vi se teknikker og bedste praksis begynde at standardisere omkring det.”

Kan Anthropic MCP sætte standarden for kontekstbevidst AI-integration?

På trods af dens potentiale står Anthropic MCP over for betydelige udfordringer. Sikkerhed er en primær bekymring, da det at aktivere AI-systemer til at få adgang til følsomme virksomhedsdata øger risikoen for lækkager, hvis systemet bliver rogue. Desuden kunne det være svært at overbevise udviklere, der allerede er etableret i etablerede økosystemer, om at adoptere MCP.

Et andet problem er den rene størrelse af data, ifølge JD Raimondi, chef for datavidenskab hos IT-udviklingsselskabet Making Sense. Han sagde til mig: “Anthropic er lederen i eksperimenter, der fører til store kontekster, men nøjagtigheden af modellerne lider meget. Det er sandsynligt, at de vil blive bedre over tid, og performance-mæssigt er der mange tricks til at holde hastigheden acceptabel.”

Selvom Anthropic hævder, at MCP forbedrer AI’s evne til at hente og kontekstualisere data, kan manglen på konkrete benchmark til at støtte disse påstande hindre adoption. “Uanset om du er en AI-værktøjsudvikler, en virksomhed, der søger at udnytte eksisterende data, eller en tidlig adopter, der udforsker fronten, inviterer vi dig til at bygge fremtiden for kontekstbevidst AI sammen,” sagde Anthropic.

Mens udviklere tester MCP’s kapaciteter, vil branchen følge med for at se, om denne åbne standard kan opnå den trækgivning, der er nødvendig for at blive en benchmark for kontekstbevidst AI-integration. Mendels mener, at standardisering kunne være en smart beslutning for Anthropic, hvilket potentielt kunne øge interoperabiliteten og give teams mulighed for at eksperimentere med forskellige kombinationer af værktøjer for at bestemme det bedste fit for deres behov. “Lige nu føles det for tidligt at sige, at mange processer i AI-økosystemet er under standardisering,” sagde Mendels. “Med innovation, der sker så hurtigt, kunne dagens bedste praksis være forældet om næste uge. Kun tiden vil vise, om en protokol som MCP kan lykkes i at standardisere kontekstdatahenting.”