Murtamattomien tietojen ylittäminen: Voivatko Anthropicin mallin kontekstiprotokollan parantaa tekoälysuorituskykyä?

Anthropicin innovatiivinen mallin kontekstiprotokolla (MCP) pyrkii ratkaisemaan fragmentoituneen datan ongelman ja parantamaan tekoälypohjaisten ratkaisujen tehokkuutta. Voittaako se kontekstiaavatun tekoäly-integraation standardin?

Yksi nykyajan tekoäly-innovaatioiden suurimmista haasteista on suurten kielen mallien (LLM) eristyneisyys reaaliaikaisesta datasta. Tämän ongelman ratkaisemiseksi San Francisco -pohjainen tekoäly-tutkimus- ja turvallisuusyhtiö Anthropic julkaisi äskettäin ainutlaatuisen kehitysarkkitehtuurin, jolla muutetaan tekoäly-mallien ja datan välistä vuorovaikutusta.

Yhtiön uusi Malli-kontekstiprotokolla (MCP), joka on julkaistu avoimena lähdekoodina, on suunniteltu parantamaan tekoäly-tehokkuutta “kaksisuuntaisen viestinnän avulla tekoäly-sovellusten ja reaaliaikaisen, monipuolisen datan lähteiden välillä”.

Arkitehtuuri on suunniteltu ratkaisemaan kasvavaa frustraatiota: vanhentuneita tekoäly-tuloksia, joita aiheuttaa puute reaaliaikaisesta datasta. Anthropic väittää, että yhdenmukainen protokolla voi parantaa tekoäly-kehitystä ja toiminnallisuutta yrityksille ja tehdä niistä enemmän ihmismäisiä reaaliaikaisen kontekstin avulla. Yhtiön mukaan jokainen uusi liiketoimintadata edellyttää mukautettuja tekoäly-toteutuksia, mikä luo tehokkuutta. MCP pyrkii ratkaisemaan tämän tarjoamalla standardoidun kehyksen, jota kehittäjät voivat ottaa laajasti käyttöön.

“Arkitehtuuri on suoraviivainen: kehittäjät voivat joko paljastaa datansa MCP-palvelimien kautta tai rakentaa tekoäly-sovelluksia (MCP-asiakkaat), jotka yhdistää näihin palvelimiin. Sen sijaan, että ylläpidettäisiin erillisiä liittymiä kussakin data-lähteessä, kehittäjät voivat nyt rakentaa standardin mukaan”, Anthropic selitti blogi-kirjoituksessa. “Kun ekosysteemi kypsyää, tekoäly-järjestelmät säilyttävät kontekstin siirtymisen eri työkalujen ja tietojoukkojen välillä, korvaamalla nykyiset fragmentoidut integraatiot kestävämmällä arkkitehtuurilla.”

Tekoäly-mallit, mukaan lukien Anthropicin lippulaiva-apuohjelma Claude, voivat integroida työkalujen kanssa kuten Google Drive, Slack ja GitHub. Asiantuntijat ovat sitä mieltä, että MCP: llä on potentiaalia muuttaa liiketoimintatekoäly-integraatioita samalla tavalla kuin Service-Oriented Architecture (SOA) ja muut protokollat vallankumouskohtaisen sovellusyhteensopivuuden.

“Teollisuusstandardin omaavan protokollan omistaminen data-putkien välillä LLM: n ja data-lähteiden välillä on pelinmuuttaja. Samoin kuin REST ja SQL ohjelmistoteollisuudessa, standardoidut protokollat kuten MCP voivat auttaa tiimejä rakentamaan GenAI-sovelluksia nopeammin ja luotettavammin”, Gideon Mendels, Cometin perustaja ja toimitusjohtaja, tekoäly-mallin arviointialusta, kertoi minulle. “Tämä seuraa markkinatodellisuutta viimeisten kuuden kuukauden aikana, että suuri LLM-malli ei ole tarpeeksi.”

Anthropic paljasti myös, että varhaiset yritys-adoptiot, mukaan lukien Block ja Apollo, ovat jo integroineet MCP: n järjestelmiinsä. Samaan aikaan kehitystyökalujen tarjoajat, kuten Zed, Replit, Codeium ja Sourcegraph, tekevät yhteistyötä MCP: n kanssa parantamaan alustojaan. Tämä yhteistyö pyrkii auttamaan tekoäly-malleja ja -agenteja hakemaan relevantimpaa tietoa reaaliajassa, ymmärtämään kontekstia tehokkaammin ja tuottamaan hienostuneita tuloksia yritystehtävien, kuten koodauksen, suuremmalla tehokkuudella.

“Tekoäly-mallit, jotka ovat enemmän ihmismäisiä ja itsetietoisia, voivat tehdä teknologiasta tuttavallisemman, mikä voi johtaa laajempaan omaksumiseen”, Masha Levin, Entrepreneur in Residence One Way Ventures, kertoi minulle. “On edelleen paljon pelkoa tekoälyä kohtaan, ja monet näkevät sen vain koneena. Tekoäly-mallien ihmistenkaltaistaminen voi auttaa lievittämään näitä pelkoja ja helpottaa sulautumista arkipäiväiseen elämään.”

Levin varoitti myös mahdollisesta haitasta. “On riski, että yritykset voivat riippuvaiseksi tekoälystä tukeakseen, mikä voi johtaa haitallisiin seurauksiin, jos tekoäly vaikuttaa päätöksiin äärimmäisesti.”

Oikea MCP: n testi on sen kyky saavuttaa laaja hyväksyntä ja ohittaa kilpailijansa tiukoilla markkinoilla.

Anthropic MCP vs. OpenAI ja Perplexity: Taistelu tekoäly-innovaatioiden standardeista

Vaikka Anthropic MCP: n avoimen lähdekoodin lähestymistapa merkitsee merkittävää edistystaskua tekoäly-innovaatioissa, se tulee kilpailtuihin markkinoihin, joita hallitsevat teknologiajätit kuten OpenAI ja Perplexity.

OpenAI: n “Työskentele sovellusten kanssa” -ominaisuus ChatGPT: ssä esittelee samankaltaisia ominaisuuksia, vaikka omistaja-keskeisellä lähestymistavalla, joka priorisoi läheiset kumppanuudet avoimien standardien sijaan. Tämä ominaisuus sallii ChatGPT: n pääsyyn ja analyysiin dataa ja sisältöä muista sovelluksista – vain käyttäjän luvalla, mikä poistaa kehittäjien tarpeen kopioida ja liittää manuaalisesti. Sen sijaan ChatGPT voi tarkastella dataa suoraan sovelluksesta ja tarjota älykkäämpiä, kontekstiaavareita ehdotuksia sen integraation ansiosta reaaliaikaisen internetin datan kanssa.

Lisäksi yhtiö esitteli reaaliaikaisen data-arkkitehtuurinsa lokakuussa, nimeltään “Reaaliaikainen API”, joka mahdollistaa ääniohjattujen avustajien vastata tehokkaammin hakemalla tuoreita konteksteja internetistä. Esimerkiksi ääniohjattu avustaja voi tehdä tilauksen käyttäjän puolesta tai hakea relevanttia asiakastietoja tarjotakseen henkilökohtaisia vastauksia. “Nyt reaaliaikaisella API: llä ja pian äänellä Chat Completions API: ssä kehittäjät eivät enää tarvitse ompelemaan useita malleja näiden kokemusten voimaan”, OpenAI sanoi blogi-kirjoituksessa. “Moottorin alla reaaliaikainen API sallii luodaan pysyvän WebSocket-yhteyden vaihtaa viestejä GPT-4o: n kanssa.”

Samaan tapaan Perplexity: n reaaliaikainen data-protokolla tekoälylle, nimeltään pplx-api, tarjoaa kehittäjille pääsyn sen suureen kielen malliin (LLM). Tämä API sallii sovellusten lähettää luonnollisen kielen kysymyksiä ja vastaanottaa yksityiskohtaisia, reaaliaikaisia tietoja internetistä. Yhden API-päätepisteen kautta se mahdollistaa ajan tasalla olevan datan hakemisen ja kontekstiaavareiden vastausten tuottamisen tekoäly-sovelluksille, mahdollistaen kehittäjien rakentaa sovelluksia, jotka pysyvät ajan tasalla viimeisimmän tiedon mukaisesti.

“Yleensä teollisuus pyrkii standardoimaan yhden avoimen lähdekoodin ratkaisun, mutta usein se vie vuosia. On hyvin todennäköistä, että OpenAI yrittää esitellä enemmän protokollia”, Mendels sanoi. “Mutta jos MCP saavuttaa laajan hyväksynnän ensimmäisenä laatuaan, voimme nähdä tekniikoita ja parhaita käytäntöjä standardoituvan sen ympärille.”

Voittaako Anthropic MCP kontekstiaavatun tekoäly-integraation standardin?

Vaikka MCP: llä on potentiaalia, se kohtaa merkittäviä haasteita. Turvallisuus on ensisijainen huolenaihe, koska tekoäly-järjestelmien salliminen herkän yritysdatan käyttöön lisää riskiä vuotoja, jos järjestelmä menee pieleen. Lisäksi kehittäjien, jotka ovat jo vakiintuneita jo olemassa oleviin ekosysteemeihin, saattaa olla vaikea vakuuttaa MCP: n käyttöönotto.

Toinen ongelma on datan valtava koko, JD Raimondin, data-tieteen johtajan, IT-kehitysyhtiö Making Sense, mukaan. Hän kertoi minulle, “Anthropic on johtaja kokeissa, jotka johtavat suuriin konteksteihin, mutta mallien tarkkuus kärsii suuresti. On todennäköistä, että ne paranevat ajan myötä, ja suorituskyvyn kannalta on paljon temppuja, joilla voidaan pitää nopeus hyväksyttävänä.”

Vaikka Anthropic väittää, että MCP parantaa tekoäly-mallien kykyä hakea ja kontekstualisoida dataa, puute konkreettisista mittareista, jotka tukevat näitä väitteitä, voi hidastaa omaksumista. “Riippumatta siitä, oletko tekoäly-työkalujen kehittäjä, yritys, joka haluaa hyödyntää olemassa olevaa dataa, tai varhainen omaksuja, joka tutkii raja-aluetta, kutsuvamme sinua rakentamaan kontekstiaavatun tekoäly-tulevaisuuden kanssamme”, Anthropic sanoi.

Kun kehittäjät testaavat MCP: n kykyjä, teollisuus seuraa, voittaako tämä avoin standardi tarvittavan hyväksynnän kontekstiaavatun tekoäly-integraation benchmarkiksi. Mendels ehdottaa, että standardisointi voisi olla älykäs siirto Anthropicilta, mahdollistaen paremman yhteensopivuuden ja sallien tiimien kokeilla eri työkalujen yhdistelmiä, jotta voidaan määrittää paras sopimus heidän tarpeisiinsa. “Tällä hetkellä tuntuu liian aikaiselta sanoa, että monia prosesseja tekoäly-ekosysteemissä on standardoitu”, Mendels huomautti. “Innovaatiot tapahtuvat nopeasti, ja tänään parhaat käytännöt voivat olla vanhentuneita ensi viikolla. Vain aika kertoo, voittaako MCP onnistuneesti kontekstidatan hakemisen standardisoinnissa.”