Abbattere le barriere dei dati: il protocollo di contesto del modello di Anthropic può migliorare le prestazioni dell'intelligenza artificiale?

L'innovativo Model Context Protocol (MCP) di Anthropic mira ad affrontare i dati frammentati e ad aumentare l'efficienza delle soluzioni basate sull'intelligenza artificiale. Potrebbe diventare lo standard per l'integrazione dell'intelligenza artificiale basata sul contesto?

Una delle sfide più urgenti nell'innovazione dell'intelligenza artificiale (IA) odierna è l'isolamento dei grandi modelli linguistici (LLM) dai dati in tempo reale. Per affrontare il problema, la società di ricerca e sicurezza sull'IA con sede a San Francisco, Anthropic, ha annunciato di recente un'architettura di sviluppo unica per rimodellare il modo in cui i modelli di IA interagiscono con i dati. 

La novità dell'azienda Protocollo del contesto modello (MCP), lanciato come progetto open source, è progettato per aumentare l'efficienza dell'intelligenza artificiale attraverso una "comunicazione bidirezionale tra applicazioni basate sull'intelligenza artificiale e fonti di dati diverse e in tempo reale". 

L'architettura è costruita per affrontare una crescente frustrazione: output AI obsoleti causati da una mancanza di connessione ai dati in tempo reale. Anthropic sostiene che il protocollo unificato può migliorare lo sviluppo e la funzionalità dell'AI per le aziende e renderle più simili all'uomo attraverso la consapevolezza del contesto in tempo reale. Secondo l'azienda, ogni nuova fonte di dati aziendali richiede implementazioni AI personalizzate, creando inefficienze. MCP cerca di affrontare questo problema offrendo un framework standardizzato che gli sviluppatori possono adottare universalmente.

"L'architettura è semplice: gli sviluppatori possono esporre i propri dati tramite server MCP o creare applicazioni AI (client MCP) che si collegano a questi server. Invece di mantenere connettori separati per ogni fonte di dati, gli sviluppatori possono ora creare in base a un protocollo standard", ha spiegato Anthropic in un post sul blog"Con la maturazione dell'ecosistema, i sistemi di intelligenza artificiale manterranno il contesto mentre si spostano tra diversi strumenti e set di dati, sostituendo le attuali integrazioni frammentate con un'architettura più sostenibile".

I modelli di intelligenza artificiale, tra cui, ma non solo, l'assistente di punta di Anthropic, Claude, possono integrarsi con strumenti come Google Drive, Slack e GitHub. Gli esperti suggeriscono che MCP ha il potenziale per trasformare le integrazioni di intelligenza artificiale aziendale nello stesso modo in cui Service-Oriented Architecture (SOA) e altri protocolli hanno rivoluzionato l'interoperabilità delle applicazioni.

"Avere un protocollo standard di settore per le pipeline di dati tra LLM e fonti di dati rappresenta una svolta. Simile a REST e SQL nel settore del software, protocolli standardizzati come MCP possono aiutare i team a creare applicazioni GenAI più velocemente e con maggiore affidabilità", Mi ha detto Gideon Mendels, co-fondatore e CEO della piattaforma di valutazione dei modelli di intelligenza artificiale Comet. "Ciò segue la presa di coscienza del mercato avvenuta negli ultimi sei mesi secondo cui un ottimo modello LLM non è sufficiente".

Anthropic ha anche rivelato che i primi utilizzatori aziendali, tra cui Block e Apollo, hanno già integrato MCP nei loro sistemi. Nel frattempo, i fornitori di strumenti di sviluppo come Zed, Replit, Codeium e Sourcegraph stanno collaborando con MCP per migliorare le loro piattaforme. Questa partnership mira ad aiutare i modelli e gli agenti di IA a recuperare informazioni più pertinenti tramite dati in tempo reale, a cogliere il contesto in modo più efficace e a generare output sfumati per attività aziendali come la codifica, con maggiore efficienza. 

"Modelli di intelligenza artificiale più simili all'uomo e consapevoli di sé possono rendere la tecnologia più accessibile, il che potrebbe favorirne un'adozione più ampia", mi ha detto Masha Levin, imprenditrice residente presso One Way Ventures. "C'è ancora molta paura intorno all'intelligenza artificiale, e molti la vedono semplicemente come una macchina. Umanizzare questi modelli potrebbe contribuire ad alleviare queste paure e a favorire una più agevole integrazione nella vita di tutti i giorni". 

Levin ha anche messo in guardia da un potenziale aspetto negativo. "C'è il rischio che le aziende possano diventare eccessivamente dipendenti dall'intelligenza artificiale per il supporto, consentendole di influenzare le loro decisioni in modi estremi, il che potrebbe portare a conseguenze dannose". 

Tuttavia, la vera prova per MCP sarà la sua capacità di ottenere un'adozione diffusa e di superare i suoi concorrenti in un mercato affollato.

Anthropic MCP contro OpenAI e Perplexity: la battaglia per gli standard di innovazione dell'intelligenza artificiale

Sebbene l'approccio open source di Anthropic MCP segni un notevole progresso nell'innovazione dell'intelligenza artificiale, esso si inserisce in un panorama competitivo dominato da giganti della tecnologia come OpenAI e Perplexity. 

La recente funzionalità "Work with Apps" di OpenAI per ChatGPT mostra capacità simili, sebbene con un focus proprietario sulla priorità delle partnership strette rispetto agli standard aperti. Questa funzionalità consente a ChatGPT di accedere e analizzare dati e contenuti da altre app, ma solo con il permesso dell'utente, eliminando la necessità per gli sviluppatori di copiare e incollare manualmente. Invece, ChatGPT può esaminare i dati direttamente da un'app, fornendo suggerimenti più intelligenti e consapevoli del contesto grazie alla sua integrazione con dati Internet in tempo reale. 

Inoltre, l'azienda ha anche introdotto la sua architettura di dati in tempo reale a ottobre, chiamata "Realtime API", che consente agli assistenti vocali di rispondere in modo più efficace estraendo un nuovo contesto da Internet. Ad esempio, un assistente vocale potrebbe effettuare un ordine per conto di un utente o recuperare informazioni rilevanti sul cliente per fornire risposte personalizzate. "Ora con la Realtime API e presto con l'audio nella Chat Completions API, gli sviluppatori non devono più unire più modelli per alimentare queste esperienze", ha affermato OpenAI in un post sul blog"Sotto il cofano, la Realtime API consente di creare una connessione WebSocket persistente per scambiare messaggi con GPT-4o."

Allo stesso modo, il protocollo di dati in tempo reale di Perplexity per l'intelligenza artificiale, noto come "API pplx,” fornisce agli sviluppatori l'accesso al suo modello di linguaggio di grandi dimensioni (LLM). Questa API consente alle applicazioni di inviare query in linguaggio naturale e ricevere informazioni dettagliate e in tempo reale dal Web. Tramite un singolo endpoint API, consente il recupero di dati aggiornati e risposte consapevoli del contesto per le applicazioni AI, consentendo agli sviluppatori di creare applicazioni che rimangono allineate con le informazioni più recenti.

"In genere, il settore tende a standardizzare su una soluzione open source, ma spesso ci vogliono anni. È molto probabile che OpenAI proverà a introdurre più protocolli", ha affermato Mendels. "Ma se MCP ottiene un'ampia adozione come primo standard del suo genere, potremmo vedere tecniche e best practice iniziare a standardizzarsi attorno a esso".

Anthropic MCP può stabilire lo standard per l'integrazione dell'intelligenza artificiale contestualizzata?

Nonostante il suo potenziale, Anthropic MCP deve affrontare sfide significative. La sicurezza è una preoccupazione primaria, poiché consentire ai sistemi di intelligenza artificiale di accedere a dati aziendali sensibili aumenta il rischio di perdite se il sistema diventa non autorizzato. Inoltre, convincere gli sviluppatori già radicati in ecosistemi consolidati ad adottare MCP potrebbe rivelarsi difficile. 

Un altro problema è la dimensione dei dati, secondo JD Raimondi, responsabile della data science presso l'azienda di sviluppo IT Making Sense. Mi ha detto: "Anthropic è leader negli esperimenti che portano a contesti di grandi dimensioni, ma l'accuratezza dei modelli ne risente notevolmente. È probabile che miglioreranno nel tempo e, in termini di prestazioni, ci sono molti trucchi per mantenere la velocità accettabile".

Sebbene Anthropic affermi che MCP migliori la capacità dell'IA di recuperare e contestualizzare i dati, la mancanza di benchmark concreti a supporto di queste affermazioni potrebbe ostacolarne l'adozione. "Che tu sia uno sviluppatore di strumenti di IA, un'azienda che cerca di sfruttare i dati esistenti o un early adopter che esplora nuove frontiere, ti invitiamo a costruire insieme il futuro dell'IA context-aware", ha affermato Anthropic. 

Mentre gli sviluppatori testano le capacità di MCP, il settore osserverà se questo standard aperto può ottenere la trazione necessaria per diventare un punto di riferimento per l'integrazione AI basata sul contesto. Mendels suggerisce che la standardizzazione potrebbe essere una mossa intelligente per Anthropic, aumentando potenzialmente l'interoperabilità e consentendo ai team di sperimentare diverse combinazioni di strumenti per determinare la soluzione migliore per le loro esigenze. "Al momento, sembra troppo presto per dire che molti processi nell'ecosistema AI si stanno standardizzando", ha osservato Mendels. "Con l'innovazione che avviene così rapidamente, le best practice odierne potrebbero essere obsolete entro la prossima settimana. Solo il tempo ci dirà se un protocollo come MCP può avere successo nella standardizzazione del recupero dei dati di contesto".