Membuka Batasan Data: Apakah Protokol Konteks Model Anthropic Dapat Meningkatkan Kinerja AI?

Protokol Konteks Model (MCP) inovatif dari Anthropic bertujuan untuk mengatasi data yang terfragmentasi dan meningkatkan efisiensi solusi yang didukung AI. Apakah ini dapat menjadi standar untuk integrasi AI yang sadar konteks?

Salah satu tantangan paling mendesak dalam inovasi kecerdasan buatan (AI) saat ini adalah isolasi model bahasa besar (LLM) dari data waktu nyata. Untuk mengatasi masalah ini, perusahaan penelitian dan keamanan AI yang berbasis di San Francisco, Anthropic, baru-baru ini mengumumkan arsitektur pengembangan unik untuk mengubah cara model AI berinteraksi dengan data.

Protokol Konteks Model (MCP) baru perusahaan, yang diluncurkan sebagai proyek open-source, dirancang untuk meningkatkan efisiensi AI melalui “komunikasi dua arah antara aplikasi yang didukung AI dan sumber data waktu nyata yang beragam.”

Arsitektur ini dibangun untuk mengatasi frustrasi yang semakin besar: output AI yang sudah ketinggalan zaman karena kurangnya koneksi ke data waktu nyata. Anthropic mengklaim bahwa protokol terpadu dapat meningkatkan pengembangan dan fungsionalitas AI untuk bisnis, dan membuatnya lebih seperti manusia melalui kesadaran konteks waktu nyata. Menurut perusahaan, setiap sumber data bisnis baru memerlukan implementasi AI khusus, sehingga menciptakan ketidakefisienan. MCP bertujuan untuk mengatasi ini dengan menawarkan kerangka kerja standar yang dapat diadopsi secara universal oleh pengembang.

“Arsitektur ini sederhana: pengembang dapat memaparkan data mereka melalui server MCP atau membangun aplikasi AI (klien MCP) yang terhubung ke server ini. Sebagai gantinya memelihara konektor terpisah untuk setiap sumber data, pengembang sekarang dapat membangun melawan protokol standar,” Anthropic menjelaskan dalam sebuah posting blog. “Ketika ekosistem matang, sistem AI akan mempertahankan konteks saat mereka berpindah antara alat dan set data yang berbeda, menggantikan integrasi yang terfragmentasi saat ini dengan arsitektur yang lebih berkelanjutan.”

Model AI, termasuk tetapi tidak terbatas pada asisten bendera Anthropic Claude, dapat diintegrasikan dengan alat seperti Google Drive, Slack, dan GitHub. Para ahli menyarankan bahwa MCP memiliki potensi untuk mengubah integrasi AI bisnis dengan cara yang sama seperti Arsitektur Berorientasi Layanan (SOA) dan protokol lainnya merevolusi interoperabilitas aplikasi.

“Memiliki protokol standar industri untuk pipa data antara LLM dan sumber data adalah perubahan besar. Serupa dengan REST dan SQL di industri perangkat lunak, protokol standar seperti MCP dapat membantu tim membangun aplikasi GenAI lebih cepat dan dengan keandalan yang lebih baik,” Gideon Mendels, co-pendiri dan CEO platform evaluasi model AI Comet, mengatakan kepada saya. “Ini mengikuti realisasi pasar dalam enam bulan terakhir bahwa model LLM yang hebat tidak cukup.”

Anthropic juga mengungkapkan bahwa pengadopsi perusahaan awal termasuk Block dan Apollo telah mengintegrasikan MCP ke dalam sistem mereka. Sementara itu, penyedia alat pengembangan seperti Zed, Replit, Codeium, dan Sourcegraph berkolaborasi dengan MCP untuk meningkatkan platform mereka. Kemitraan ini bertujuan untuk membantu model dan agen AI mengambil informasi lebih relevan melalui data waktu nyata, memahami konteks lebih efektif, dan menghasilkan output yang lebih halus untuk tugas perusahaan seperti pengkodean, dengan efisiensi yang lebih besar.

“Model AI yang lebih seperti manusia dan self-aware dapat membuat teknologi terasa lebih terkait, yang dapat memacu adopsi yang lebih luas,” Masha Levin, Entrepreneur in Residence di One Way Ventures, mengatakan kepada saya. “Masih banyak ketakutan seputar AI, dengan banyak orang melihatnya hanya sebagai mesin. Menghumanisasi model ini dapat membantu meredakan ketakutan tersebut dan memfasilitasi integrasi yang lebih lancar ke dalam kehidupan sehari-hari.”

Levin juga memperingatkan tentang kemungkinan kerugian. “Ada risiko bahwa bisnis mungkin menjadi terlalu bergantung pada AI untuk dukungan, memungkinkan AI untuk mempengaruhi keputusan mereka dengan cara yang ekstrem, yang dapat menyebabkan konsekuensi berbahaya.”

Namun, ujian sebenarnya untuk MCP akan menjadi kemampuannya untuk mendapatkan adopsi yang luas dan mengungguli pesaingnya di pasar yang padat.

Anthropic MCP vs. OpenAI dan Perplexity: Pertarungan untuk Standar Inovasi AI

Sementara pendekatan open-source Anthropic MCP menandai kemajuan yang signifikan untuk inovasi AI, ini memasuki lanskap kompetitif yang didominasi oleh raksasa teknologi seperti OpenAI dan Perplexity.

Fitur “Bekerja dengan Aplikasi” OpenAI baru-baru ini untuk ChatGPT menampilkan kemampuan serupa, meskipun dengan fokus proprietari pada prioritas kemitraan yang lebih dekat daripada standar terbuka. Fitur ini memungkinkan ChatGPT untuk mengakses dan menganalisis data dan konten dari aplikasi lain – tetapi hanya dengan izin pengguna, menghilangkan kebutuhan bagi pengembang untuk secara manual menyalin dan menempelkan. Sebagai gantinya, ChatGPT dapat meninjau data langsung dari aplikasi, memberikan saran yang lebih pintar dan sadar konteks karena integrasinya dengan data internet waktu nyata.

Lebih lanjut, perusahaan juga memperkenalkan arsitektur data waktu nyata pada Oktober, yang disebut “Realtime API”, yang memungkinkan asisten suara untuk merespons lebih efektif dengan menarik konteks segar dari internet. Misalnya, asisten suara dapat melakukan pemesanan atas nama pengguna atau mengambil informasi pelanggan yang relevan untuk memberikan respons yang dipersonalisasi. “Sekarang dengan Realtime API dan segera dengan audio di Chat Completions API, pengembang tidak perlu lagi menyatukan beberapa model untuk memungkinkan pengalaman ini,” OpenAI mengatakan dalam sebuah posting blog. “Di bawah tenda, Realtime API memungkinkan Anda membuat koneksi WebSocket yang persisten untuk bertukar pesan dengan GPT-4o.”

Demikian pula, protokol data waktu nyata Perplexity untuk AI, yang dikenal sebagai “pplx-api“, memberikan pengembang akses ke model bahasa besar (LLM). API ini memungkinkan aplikasi untuk mengirimkan kueri bahasa alami dan menerima informasi terperinci dan waktu nyata dari web. Melalui satu titik akhir API, ini memungkinkan pengambilan data yang mutakhir dan respons yang sadar konteks untuk aplikasi AI, memberdayakan pengembang untuk membangun aplikasi yang tetap sejalan dengan informasi terbaru.

“Biasanya, industri cenderung memstandarkan satu solusi open-source, tetapi seringkali itu membutuhkan waktu bertahun-tahun. Sangat mungkin bahwa OpenAI akan mencoba memperkenalkan lebih banyak protokol,” kata Mendels. “Tapi jika MCP mendapatkan adopsi yang luas sebagai standar pertama dari jenisnya, kita mungkin akan melihat teknik dan praktik terbaik mulai memstandarkan di sekitarnya.”

Apakah Anthropic MCP Dapat Menetapkan Standar untuk Integrasi AI yang Sadar Konteks?

Meskipun potensinya, Anthropic MCP menghadapi tantangan yang signifikan. Keamanan adalah kekhawatiran utama, karena memungkinkan sistem AI untuk mengakses data perusahaan yang sensitif meningkatkan risiko kebocoran jika sistem menjadi liar. Selain itu, meyakinkan pengembang yang sudah terbiasa dengan ekosistem yang mapan untuk mengadopsi MCP dapat terbukti sulit.

Masalah lainnya adalah ukuran data yang besar, menurut JD Raimondi, kepala ilmu data di perusahaan pengembangan IT Making Sense. Ia mengatakan kepada saya, “Anthropic adalah pemimpin dalam eksperimen yang mengarah pada konteks besar, tetapi akurasi model sangat menderita. Kemungkinan besar mereka akan menjadi lebih baik seiring waktu, dan dari sisi kinerja, ada banyak trik untuk menjaga kecepatan yang dapat diterima.”

Sementara Anthropic menyatakan bahwa MCP meningkatkan kemampuan AI untuk mengambil dan mengkontekstualisasikan data, kurangnya benchmark konkrit untuk mendukung klaim ini dapat menghambat adopsi. “Apakah Anda pengembang alat AI, perusahaan yang ingin memanfaatkan data yang ada, atau pengadopsi awal yang menjelajahi batas, kami mengundang Anda untuk membangun masa depan AI yang sadar konteks bersama,” kata Anthropic.

Ketika pengembang menguji kemampuan MCP, industri akan memantau untuk melihat apakah standar terbuka ini dapat mendapatkan traksi yang dibutuhkan untuk menjadi patokan untuk integrasi AI yang sadar konteks. Mendels menyarankan bahwa standarisasi bisa menjadi langkah yang cerdas untuk Anthropic, potensialmente meningkatkan interoperabilitas dan memungkinkan tim untuk bereksperimen dengan kombinasi alat yang berbeda untuk menentukan yang terbaik untuk kebutuhan mereka. “Saat ini, terasa terlalu dini untuk mengatakan bahwa banyak proses dalam ekosistem AI telah distandarkan,” Mendels mencatat. “Dengan inovasi yang terjadi dengan cepat, praktik terbaik hari ini mungkin sudah ketinggalan zaman minggu depan. Hanya waktu yang akan menunjukkan apakah protokol seperti MCP dapat berhasil dalam memstandarkan pengambilan data konteks.”