Menghancurkan Hambatan Data: Apakah Protokol Konteks Model Anthropic Dapat Meningkatkan Kinerja AI?

Inovasi Model Context Protocol (MCP) dari Anthropic bertujuan untuk mengatasi data yang terfragmentasi dan meningkatkan efisiensi solusi yang didukung oleh kecerdasan buatan (AI). Apakah ini bisa 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 asal San Francisco, Anthropic, baru-baru ini mengumumkan arsitektur pengembangan unik untuk mengubah cara model AI berinteraksi dengan data.

Perusahaan ini meluncurkan Model Context Protocol (MCP) sebagai proyek open-source, yang 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 oleh pengembang secara universal.

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

Model AI, termasuk 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 awal perusahaan, 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 AI dan agen mengambil informasi yang 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 memiliki kesadaran diri dapat membuat teknologi ini terasa lebih dekat, yang dapat memicu 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 bisa membantu mengurangi ketakutan tersebut dan memfasilitasi integrasi yang lebih lancar ke dalam kehidupan sehari-hari.”

Levin juga memperingatkan tentang potensi kelemahan. “Ada risiko bahwa bisnis mungkin menjadi terlalu bergantung pada AI untuk dukungan, yang dapat mempengaruhi keputusan mereka dengan cara yang ekstrem, sehingga dapat menyebabkan konsekuensi yang merugikan.”

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

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 yang dipimpin oleh raksasa teknologi seperti OpenAI dan Perplexity.

Fitur “Work with Apps” dari OpenAI untuk ChatGPT menampilkan kemampuan serupa, meskipun dengan fokus propietary 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 menyalin dan menempelkan secara manual. Sebagai gantinya, ChatGPT dapat meninjau data langsung dari aplikasi, memberikan saran yang lebih cerdas dan sadar konteks karena integrasinya dengan data internet waktu nyata.

Selain itu, perusahaan ini 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 menjahit beberapa model untuk memungkinkan pengalaman ini,” OpenAI mengatakan dalam sebuah pos 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) mereka. API ini memungkinkan aplikasi untuk mengirimkan kueri bahasa alami dan menerima informasi yang 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 untuk 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 memiliki potensi, 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 terjebak dalam ekosistem yang mapan untuk mengadopsi MCP bisa 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 tersebut menderita secara besar. 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 konkret untuk mendukung klaim ini mungkin akan menghambat adopsi. “Baik Anda adalah pengembang alat AI, perusahaan yang ingin memanfaatkan data yang ada, atau pengadopsi awal yang menjelajahi frontier, 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 standar 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 sedang memstandarkan,” Mendels mencatat. “Dengan inovasi yang terjadi dengan cepat, praktik terbaik hari ini mungkin sudah ketinggalan zaman minggu depan. Hanya waktu yang akan menentukan apakah protokol seperti MCP dapat berhasil dalam memstandarkan pengambilan data konteks.”