Murtamalla Dataesteet: Voitteko Anthropicin Mallin Kontekstiprotokollan Parantaa Tekoälysuorituskykyä?

Anthropicin innovatiivinen Model Context Protocol (MCP) pyrkii ratkaisemaan fragmentoituja tietoja ja lisäämään tekoälyratkaisujen tehokkuutta. Voitteko se tulla kontekstiaavainen tekoälyintegraation standardiksi?

Yksi tärkeimmistä haasteista tekoälyinnovaatioissa tänään on suurten kielimallien (LLM) eristyneisyys reaaliaikaisista tiedoista. Tämän ongelman ratkaisemiseksi San Francisco -pohjainen tekoälytutkimus- ja turvallisuusyhtiö Anthropic ilmoitti hiljattain ainutlaatuisesta kehitysarkkitehtuurista muuttaa, miten tekoälymallit vuorovaikuttavat tietojen kanssa.

Yhtiön uusi Model Context Protocol (MCP), joka on julkaistu avoimena lähdekoodina, on suunniteltu lisäämään tekoälytehokkuutta “kaksisuuntaisen viestinnän kautta tekoälysovellusten ja reaaliaikaisen, monipuolisten tietolähteiden välillä.”

Arkkitehtuuri on rakennettu ratkaisemaan kasvavaa frustraatiota: vanhentuneita tekoälytuloksia, jotka johtuvat puutteellisesta yhteydestä reaaliaikaisiin tietoihin. Anthropic väittää, että yhdenmukainen protokolla voi parantaa tekoälykehitystä ja toiminnallisuutta liiketoiminnassa ja tehdä niistä enemmän ihmismäisiä reaaliaikaisen kontekstin kautta. Yhtiön mukaan jokainen uusi liiketoimintatietolähde vaatii mukautettuja tekoälytoteutuksia, mikä luo tehokkuutta. MCP pyrkii ratkaisemaan tämän tarjoamalla standardoidun kehyksen, jota kehittäjät voivat omaksua yleisesti.

“Arkkitehtuuri on suoraviivainen: kehittäjät voivat joko paljastaa tietonsa MCP-palvelimien kautta tai rakentaa tekoälysovelluksia (MCP-asiakkaat), jotka muodostavat yhteyden näihin palvelimiin. Sen sijaan, että ylläpitäisivät erillisiä liittymiä kullekin tietolähteelle, kehittäjät voivat nyt rakentaa standardin mukaisen protokollan”, Anthropic selitti blogikirjoituksessa. “Kun ekosysteemi kypsyy, tekoälyjärjestelmät ylläpitävät kontekstia siirtymisen aikana eri työkalujen ja tietojoukkojen välillä, korvaamalla nykyiset fragmentoidut integraatiot kestävämällä arkkitehtuurilla.”Tekoälymallit, mukaan lukien Anthropicin lipunkantaja Claude, voivat integroida työkalujen kanssa, kuten Google Drive, Slack ja GitHub. Asiantuntijat ovat sitä mieltä, että MCP: llä on potentiaalia muuttaa liiketoimintakohtaisia tekoälyintegraatioita samalla tavalla kuin Service-Oriented Architecture (SOA) ja muut protokollat vallankumouskohtaisesti sovellusyhteensopivuuden.

“Tehtäväksi tekoäly- ja tietolähteiden välisten tietoputkien teollisuusstandardiprotokolla on pelinmuuttaja. Samoin kuin REST ja SQL ohjelmistoteollisuudessa, standardoidut protokollat, kuten MCP, voivat auttaa tiimejä rakentamaan GenAI-sovelluksia nopeammin ja luotettavammin”, Gideon Mendels, tekoälymallin arviointialustan Comet perustaja ja toimitusjohtaja, kertoi minulle. “Tämä seuraa markkinan toteamaa viimeisten kuuden kuukauden aikana, että loistava LLM-malli ei ole tarpeeksi.”

Anthropic paljasti myös, että varhaiset yritysasiakkaat, 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 tekoälymalleja ja -agenteja hakemaan relevantimpia tietoja reaaliajassa, ymmärtämään kontekstia tehokkaammin ja tuottamaan hienostuneita tuloksia liiketoimintatehtävissä, kuten koodauksessa, suuremmalla tehokkuudella.

“Tekoälymallit, jotka ovat enemmän ihmismäisiä ja itsetietoisia, voivat tehdä teknologiasta tuttavallisemman, mikä voi johtaa laajempaan omaksumiseen”, Masha Levin, yrittäjä One Way Venturesissa, kertoi minulle. “On edelleen paljon pelkoa tekoälyä kohtaan, ja monet näkevät sen vain koneena. Tekoälymallien inhimillistäminen voi auttaa lievittämään näitä pelkoja ja edistämään sulautumista arkipäiväiseen elämään.”

Levin varoitti myös mahdollisesta haitasta. “On riski, että yritykset voivat tulla liian riippuvaiseksi tekoälystä tukensa vuoksi, mikä voi johtaa vaarallisiin seurauksiin, jos järjestelmä menee villiksi.”

MCP: n todellinen testi on kuitenkin sen kyky saavuttaa laaja hyväksyntä ja ohittaa kilpailijansa tiiviissä markkinassa.

Anthropic MCP vs. OpenAI ja Perplexity: Taistelu tekoälyinnovaation standardeista

Vaikka Anthropic MCP: n avoimen lähdekoodin lähestymistapa merkitsee merkittävää edistystä tekoälyinnovaatiossa, se tulee kilpailtuihin markkinoihin, joita hallitsevat teknologiajätit, kuten OpenAI ja Perplexity.

OpenAI: n viimeaikainen “Työskentele sovellusten kanssa” -ominaisuus ChatGPT: ssä esittelee samanlaisia ominaisuuksia, vaikka se on omistettu lähemmän yhteistyön priorisointiin avoimien standardien sijaan. Tämä ominaisuus sallii ChatGPT: n pääsyn ja analyysin tietoja ja sisältöä muista sovelluksista – vain käyttäjän luvalla, poistamalla tarpeen kopioida ja liittää tietoja manuaalisesti. Sen sijaan ChatGPT voi tarkastella tietoja suoraan sovelluksesta ja tarjota älykkäämpiä, kontekstiaavain ehdotuksia sen integraation ansiosta reaaliaikaisen internetin tietojen kanssa.

Lisäksi yhtiö esitteli reaaliaikaisen data-arkkitehtuurnsa lokakuussa, nimeltään “Reaaliaikainen API”, joka mahdollistaa ääniohjattujen avustajien vastaamisen tehokkaammin hakemalla tuoreita konteksteja internetistä. Esimerkiksi ääniohjattu avustaja voi tehdä tilauksen käyttäjän puolesta tai hakea relevanttia asiakastietoja tarjoamaan henkilökohtaisia vastauksia. “Nyt reaaliaikaisen API: n ja pian äänen kanssa Chat Completions API: ssä kehittäjät eivät enää tarvitse koostaa useita malleja näiden kokemusten voimakkaaksi”, OpenAI sanoi blogikirjoituksessa. “Peittäen reaaliaikainen API sallii luoda pysyvän WebSocket-yhteyden viestien vaihtamiseen GPT-4o: n kanssa.”

Samaan tapaan Perplexity: n reaaliaikainen dataprotokolla tekoälylle, joka tunnetaan nimellä “pplx-api”, tarjoaa kehittäjille pääsyn sen suurelle kielimallille (LLM). Tämä API sallii sovellusten lähettää luonnollisen kielen kyselyitä ja vastaanottaa yksityiskohtaisia, reaaliaikaisia tietoja internetistä. Yhden API-päätepisteen kautta se mahdollistaa ajantasaisen tietojen hakemisen ja kontekstiaavain vastauksia tekoälysovelluksille, mahdollistaen kehittäjien luoda sovelluksia, jotka pysyvät ajan tasalla viimeisimmän tiedon kanssa.

“Yleensä teollisuus pyrkii standardoimaan yhden avoimen lähdekoodiratkaisun, mutta usein se vie vuosia. On hyvin todennäköistä, että OpenAI yrittää esitellä enemmän protokollia”, Mendels sanoi. “Mutta jos MCP saavuttaa laajan hyväksynnän ensimmäisenä standardina, voimme nähdä tekniikoita ja parhaita käytäntöjä, jotka alkavat standardisoida sitä.”

Voiko Anthropic MCP asettaa standardin kontekstiaavain tekoälyintegraatiolle?

Vaikka MCP: llä on potentiaalia, se kohtaa merkittäviä haasteita. Turvallisuus on ensisijainen huolenaihe, sillä tekoälyjärjestelmien salliminen pääsemään käsiksi arkaluonteisiin yritystietoihin lisää riskiä tietovuodoille, jos järjestelmä menee villiksi. Lisäksi vakuuttaminen kehittäjille, jotka ovat jo vakiintuneissa ekosysteemeissä, MCP: n omaksumisesta voi osoittautua vaikeaksi.

Toinen ongelma on tietojen valtava koko, JD Raimondin, Making Sensen data- ja tietotieteellisen johtajan, 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 tekoälyn kykyä hakea ja ymmärtää tietoja, konkreettisten mittareiden puute, jotka tukevat näitä väitteitä, voi hidastaa omaksumista. “Riippumatta siitä, oletko tekoälytyökalujen kehittäjä, yritys, joka haluaa hyödyntää olemassa olevia tietoja, tai varhainen omaksuja, joka tutkii raja-aluetta, kutsuvamme sinua rakentamaan kontekstiaavain tekoälyn tulevaisuutta yhdessä”, Anthropic sanoi.

Kun kehittäjät testaavat MCP: n kykyjä, alan toimijat seuraavat, voittaako tämä avoin standardi tarvittavan otteen standardiksi kontekstiaavain tekoälyintegraatiolle. Mendels ehdottaa, että standardisointi voisi olla viisas siirto Anthropicille, mahdollistaen paremman yhteensopivuuden ja sallien tiimien kokeilla eri työkaluyhdistelmiä parhaan sopimisen löytämiseksi tarpeisiinsa. “Tällä hetkellä tuntuu liian aikaiselta sanoa, että monet prosessit tekoälyekosysteemissä ovat standardisoituneet”, Mendels huomautti. “Innovaatio tapahtuu niin nopeasti, että tänään parhaat käytännöt voivat olla vanhentuneita ensi viikolla. Vain aika kertoo, voittaako MCP: n kaltaisen protokollan onnistua standardoimassa kontekstidatan hakemisen.”