Durchbrechen von Datenbarrieren: Kann Anthropics Model Context Protocol die Leistung von KI verbessern?

Anthropics innovativer Model Context Protocol (MCP) zielt darauf ab, fragmentierte Daten zu überwinden und die Effizienz von KI-gesteuerten Lösungen zu verbessern. Kann er zum Standard für kontextbewusste KI-Integration werden?

Eine der dringendsten Herausforderungen in der KI-Innovation heute ist die Isolation von Large Language Models (LLMs) von Echtzeitdaten. Um dieses Problem zu lösen, hat das in San Francisco ansässige KI-Forschungs- und Sicherheitsunternehmen Anthropic kürzlich eine einzigartige Entwicklungarchitektur vorgestellt, um die Art und Weise, wie KI-Modelle mit Daten interagieren, neu zu gestalten.

Das neue Model Context Protocol (MCP) von Anthropic, das als Open-Source-Projekt gestartet wurde, soll die Effizienz von KI durch eine “zweigleisige Kommunikation zwischen KI-gesteuerten Anwendungen und Echtzeit-, diversen Datenquellen” verbessern.

Die Architektur ist darauf ausgelegt, eine wachsende Frustration zu bekämpfen: veraltete KI-Ausgaben, die durch mangelnde Verbindung zu Echtzeitdaten verursacht werden. Anthropic behauptet, dass das einheitliche Protokoll die KI-Entwicklung und -Funktionalität für Unternehmen verbessern und sie durch Echtzeit-Kontextbewusstsein menschlicher machen kann. Laut dem Unternehmen erfordert jede neue Geschäftsdatenquelle benutzerdefinierte KI-Implementierungen, was zu Ineffizienzen führt. MCP soll dies angehen, indem es einen standardisierten Rahmen bietet, den Entwickler universell anwenden können.

“Die Architektur ist einfach: Entwickler können ihre Daten entweder über MCP-Server verfügbar machen oder KI-Anwendungen (MCP-Clients) erstellen, die mit diesen Servern verbinden. Anstatt separate Konnektoren für jede Datenquelle zu pflegen, können Entwickler jetzt gegen ein Standardprotokoll bauen”, erklärte Anthropic in einem Blogbeitrag. “Wenn das Ökosystem gereift ist, werden KI-Systeme Kontext beibehalten, wenn sie zwischen verschiedenen Tools und Datensätzen wechseln, und die heutigen fragmentierten Integrationen durch eine nachhaltigere Architektur ersetzen.”KI-Modelle, einschließlich, aber nicht beschränkt auf Anthropics Flaggschiff-Assistenten Claude, können mit Tools wie Google Drive, Slack und GitHub integriert werden. Experten sind der Meinung, dass MCP das Potenzial hat, Geschäfts-KI-Integrationen auf die gleiche Weise zu revolutionieren, wie Service-Oriented Architecture (SOA) und andere Protokolle die Anwendungsinteroperabilität revolutionierten.

“Ein Branchenstandard-Protokoll für Datenpipelines zwischen LLMs und Datenquellen ist ein Game-Changer. Ähnlich wie REST und SQL in der Softwareindustrie können standardisierte Protokolle wie MCP Teams helfen, GenAI-Anwendungen schneller und zuverlässiger zu bauen”, sagte Gideon Mendels, Mitgründer und CEO der KI-Modellbewertungsplattform Comet, gegenüber mir. “Dies folgt der Markterkenntnis der letzten sechs Monate, dass ein großartiges LLM-Modell nicht ausreicht.”

Anthropic hat auch enthüllt, dass frühe Unternehmensanwender, einschließlich Block und Apollo, MCP bereits in ihre Systeme integriert haben. Währenddessen arbeiten Entwicklungstool-Anbieter wie Zed, Replit, Codeium und Sourcegraph mit MCP zusammen, um ihre Plattformen zu verbessern. Diese Partnerschaft zielt darauf ab, KI-Modellen und -Agenten zu helfen, relevantere Informationen durch Echtzeitdaten zu erhalten, Kontext effektiver zu erfassen und nuancierte Ausgaben für Unternehmensaufgaben wie Codierung mit größerer Effizienz zu generieren.

“KI-Modelle, die menschlicher und selbstbewusster sind, können die Technologie persönlicher machen, was zu einer breiteren Akzeptanz führen könnte”, sagte Masha Levin, Entrepreneur in Residence bei One Way Ventures, gegenüber mir. “Es gibt noch viel Angst um KI, da viele sie nur als Maschine sehen. Die Humanisierung dieser Modelle könnte dazu beitragen, diese Ängste zu zerstreuen und eine reibungslosere Integration in den Alltag zu fördern.”

Levin warnte jedoch auch vor einem möglichen Nachteil. “Es besteht das Risiko, dass Unternehmen zu sehr auf KI für Unterstützung angewiesen sind und sie ihre Entscheidungen in extremen Maßen beeinflussen lassen, was zu schädlichen Konsequenzen führen kann.”

Der wahre Test für MCP wird jedoch seine Fähigkeit sein, weite Akzeptanz zu erlangen und seine Konkurrenten in einem überfüllten Markt zu überbieten.

Anthropic MCP vs. OpenAI und Perplexity: Der Kampf um KI-Innovationsstandards

Während Anthropic MCPs Open-Source-Ansatz eine bemerkenswerte Weiterentwicklung für KI-Innovationen darstellt, tritt es in eine wettbewerbsintensive Landschaft ein, die von Technologie-Giganten wie OpenAI und Perplexity dominiert wird.

OpenAIs kürzlich vorgestelltes “Work with Apps”-Feature für ChatGPT zeigt ähnliche Fähigkeiten, obwohl es sich auf eine proprietäre Ausrichtung auf enge Partnerschaften gegenüber offenen Standards konzentriert. Dieses Feature ermöglicht es ChatGPT, auf Daten und Inhalte aus anderen Apps zuzugreifen und zu analysieren – jedoch nur mit Benutzerberechtigung, wodurch Entwickler nicht mehr manuell kopieren und einfügen müssen. Stattdessen kann ChatGPT die Daten direkt aus einer App überprüfen und intelligente, kontextbewusste Vorschläge liefern, da es mit Echtzeit-Internetdaten integriert ist.

Darüber hinaus stellte das Unternehmen im Oktober seine Echtzeit-Datenarchitektur vor, die als “Realtime API” bezeichnet wird und es Sprachassistenten ermöglicht, effektiver zu reagieren, indem sie frischen Kontext aus dem Internet abrufen. Beispielsweise kann ein Sprachassistent im Auftrag eines Benutzers eine Bestellung aufgeben oder relevante Kundendaten abrufen, um personalisierte Antworten zu liefern. “Mit der Realtime API und bald mit Audio im Chat Completions API müssen Entwickler nicht mehr mehrere Modelle zusammenfügen, um diese Erfahrungen zu ermöglichen”, sagte OpenAI in einem Blogbeitrag. “Unter der Haube ermöglicht die Realtime API die Erstellung einer persistenten WebSocket-Verbindung, um Nachrichten mit GPT-4o auszutauschen.”

Ebenso bietet Perplexitys Echtzeit-Datenprotokoll für KI, bekannt als “pplx-api“, Entwicklern Zugang zu seinem Large Language Model (LLM). Diese API ermöglicht es Anwendungen, natürliche Sprachabfragen zu senden und detaillierte, Echtzeit-Informationen aus dem Web zu erhalten. Durch einen einzigen API-Endpunkt ermöglicht es die Abrufung von Echtzeitdaten und kontextbewussten Antworten für KI-Anwendungen, wodurch Entwickler Anwendungen bauen können, die mit den neuesten Informationen übereinstimmen.

“Typischerweise tendiert die Branche dazu, sich auf eine Open-Source-Lösung zu standardisieren, aber das kann oft Jahre dauern. Es ist sehr wahrscheinlich, dass OpenAI versucht, weitere Protokolle einzuführen”, sagte Mendels. “Aber wenn MCP weite Akzeptanz als erster Standard seiner Art erlangt, könnten wir sehen, wie Techniken und Best Practices beginnen, sich um ihn herum zu standardisieren.”

Kann Anthropic MCP den Standard für kontextbewusste KI-Integration setzen?

Trotz seines Potenzials steht Anthropic MCP vor erheblichen Herausforderungen. Sicherheit ist ein primäres Anliegen, da die Ermöglichung von KI-Systemen, auf sensible Unternehmensdaten zuzugreifen, das Risiko von Datenlecks erhöht, wenn das System ausfällt. Darüber hinaus könnte es schwierig sein, Entwickler, die bereits in etablierten Ökosystemen verwurzelt sind, davon zu überzeugen, MCP zu adoptieren.

Ein weiteres Problem ist die enorme Größe der Daten, laut JD Raimondi, Leiter der Datenwissenschaft bei der IT-Entwicklungsfirmen Making Sense. Er sagte mir: “Anthropic ist der Leader bei Experimenten, die zu großen Kontexten führen, aber die Genauigkeit der Modelle leidet stark. Es ist wahrscheinlich, dass sie mit der Zeit besser werden, und leistungsseitig gibt es viele Tricks, um die Geschwindigkeit akzeptabel zu halten.”

Während Anthropic behauptet, dass MCP die Fähigkeit von KI, Daten abzurufen und zu kontextualisieren, verbessert, könnte das Fehlen konkreter Benchmarks, die diese Behauptungen unterstützen, die Akzeptanz behindern. “Ob Sie ein KI-Tool-Entwickler sind, ein Unternehmen, das bestehende Daten nutzen möchte, oder ein früher Anwender, der die Grenzen erforscht, laden wir Sie ein, die Zukunft kontextbewusster KI gemeinsam zu bauen”, sagte Anthropic.

Während Entwickler die Fähigkeiten von MCP testen, wird die Branche beobachten, ob dieser offene Standard die notwendige Akzeptanz erlangen kann, um zum Benchmark für kontextbewusste KI-Integration zu werden. Mendels schlägt vor, dass Standardisierung eine clevere Entscheidung für Anthropic sein könnte, da sie die Interoperabilität verbessern und Teams ermöglichen könnte, mit verschiedenen Werkzeugkombinationen zu experimentieren, um die beste Lösung für ihre Bedürfnisse zu finden. “Im Moment fühlt es sich zu früh an, um zu sagen, dass viele Prozesse im KI-Ökosystem standardisiert sind”, sagte Mendels. “Mit der rasanten Innovation könnte es sein, dass die heutigen Best Practices bereits nächste Woche veraltet sind. Nur die Zeit wird zeigen, ob ein Protokoll wie MCP erfolgreich sein kann, kontextbezogene Datenabfrage zu standardisieren.”