데이터 장벽을 깨어라: 앤트로픽의 모델 컨텍스트 프로토콜이 AI 성능을 향상시킬 수 있을까?

앤트로픽의 혁신적인 모델 컨텍스트 프로토콜(MCP)은 단편적인 데이터를 해결하고 AI 기반 솔루션의 효율성을 높이기 위한 목적으로 설계되었습니다. 이것이 컨텍스트 인식 AI 통합을 위한 표준이 될 수 있을까요?

현재 인공지능(AI) 혁신에서 가장 큰 도전 중 하나는 대규모 언어 모델(LLM)의 실시간 데이터와의 분리입니다. 이 문제를 해결하기 위해 샌프란시스코 기반의 AI 연구 및 안전 회사 앤트로픽은 최근 데이터와 AI 모델의 상호작용을 재정의하는 고유한 개발 아키텍처를 발표했습니다.

회사의 새로운 모델 컨텍스트 프로토콜(MCP)은 오픈소스 프로젝트로 출시되어 AI 기반 애플리케이션과 실시간 다iverse 데이터 소스 간의 “양방향 통신”을 통해 AI의 효율성을 높이기 위해 설계되었습니다.

이 아키텍처는 실시간 데이터와의 연결이 없는 상태에서 발생하는 구식 AI 출력을 해결하기 위해 설계되었습니다. 앤트로픽은 통일된 프로토콜이 비즈니스에서 AI 개발 및 기능을 향상시키고, 실시간 컨텍스트 인식으로 더 인간적인 AI를 만들 수 있다고 주장합니다. 회사는 새로운 비즈니스 데이터 소스를 위해 사용자 지정 AI 구현이 필요하므로 비효율성이 발생한다고 말합니다. MCP는 개발자가 普遍적으로 채택할 수 있는 표준화된 프레임워크를 제공하여 이 문제를 해결하려고 합니다.

“아키텍처는 간단합니다. 개발자는 MCP 서버를 통해 데이터를 노출하거나 MCP 클라이언트를 빌드하여 이러한 서버에 연결할 수 있습니다. 각 데이터 소스에 대한 별도의 커넥터를 유지하는 대신 개발자는 표준 프로토콜에 대해 빌드할 수 있습니다.” 앤트로픽은 블로그 게시물에서 설명했습니다. “생태계가 성숙함에 따라 AI 시스템은 다양한 도구와 데이터 세트 간에 컨텍스트를 유지할 것입니다. 오늘날의 단편적인 통합을 더 지속 가능한 아키텍처로 대체할 것입니다.”

AI 모델, 앤트로픽의 플래그십 어시스턴트 클로드를 포함하여 Google Drive, Slack, GitHub와 같은 도구와 통합할 수 있습니다. 전문가들은 MCP가 비즈니스 AI 통합을 서비스 지향 아키텍처(SOA)와 같은 프로토콜이 응용 프로그램 상호운용성을 혁신한 것과 마찬가지로 변革할 수 있다고 제안합니다.

“LLM과 데이터 소스 간의 데이터 파이프라인을 위한 산업 표준 프로토콜을 갖는 것은 게임 체인저입니다. 소프트웨어 산업에서 REST와 SQL과 유사한 표준화된 프로토콜인 MCP는 팀이 더 빠르고 안정적으로 GenAI 애플리케이션을 구축하는 데 도움이 될 수 있습니다.” AI 모델 평가 플랫폼 Comet의 공동 창립자이자 CEO인 기디언 멘델스는 мне에게 말했습니다. “이것은 지난 6개월 동안伟大的 LLM 모델만으로는 충분하지 않다는 시장의 인식에 따른 것입니다.”

앤트로픽은 또한 블록과 아폴로를 포함한 초기 기업 사용자들이 이미 MCP를 시스템에 통합했다고 밝혔습니다. 한편, 개발 도구 제공업체인 Zed, Replit, Codeium, Sourcegraph는 MCP와 협력하여 플랫폼을 강화하고 있습니다. 이 파트너십은 AI 모델과 에이전트가 더 관련性 있는 정보를 실시간 데이터를 통해 검색하고 컨텍스트를 더 효과적으로 이해하여 기업 작업인 코딩과 같은 작업에서 더 세련된 출력을 생성할 수 있도록 지원합니다.

“더 인간적인 AI는 기술을 더 친근하게 만들 수 있습니다. 이것은 더广泛한 채택을 유도할 수 있습니다.” 원 웨이 벤처스의 엔트레프레너 인 레진인 마샤 레빈은 мне에게 말했습니다. “현재まだ 많은 사람들이 AI를 기계로만 보는 경우가 있습니다. 이러한 모델을 인간화하면 이러한 두려움을 완화하고 일상 생활에 더 원활하게 통합할 수 있습니다.”

그러나 레빈은 또한 잠재적인 단점에 대해 경고했습니다. “비즈니스들이 AI에過度하게 의존하여 극단적인 방식으로 의사결정을 내릴 수 있습니다. 이것은 유해한 결과를 초래할 수 있습니다.”

그러나 MCP의真正한 테스트는 광범위한 채택을获得하고 경쟁적인 시장에서 경쟁사들을 앞서는 것입니다.

앤트로픽 MCP vs. 오픈AI 및 퍼플렉시티: AI 혁신 표준을 위한 전투

앤트로픽 MCP의 오픈소스 접근 방식은 AI 혁신을 위한 주목할만한 발전입니다. 그러나 이것은 오픈AI와 퍼플렉시티와 같은 기술 거물들이 지배하는 경쟁적인 시장에 진입합니다.

오픈AI의 최근 “Work with Apps” 기능은 ChatGPT를 위한 것으로, 유사한 기능을 제공하지만, 오픈 표준보다 긴밀한 파트너십을 우선시하는 사유적 접근 방식을 취하고 있습니다. 이 기능을 통해 ChatGPT는 사용자 허가가 있으면 다른 앱의 데이터와 콘텐츠에 접근하여 분석할 수 있습니다. 개발자가 수동으로 복사 및 붙여넣기할 필요가 없으므로 ChatGPT는 앱에서 직접 데이터를 검토하여 인터넷의 실시간 데이터와의 통합으로 인해 더 지능적인 컨텍스트 인식 제안을 제공할 수 있습니다.

또한, 회사는 최근 실시간 데이터 아키텍처를 발표했으며, 이를 “Realtime API”라고 합니다. 이것은 음성 어시스턴트가 인터넷에서 새로운 컨텍스트를 가져와 더 효과적으로 응답할 수 있도록 합니다. 예를 들어, 음성 어시스턴트는 사용자의 대신 주문을 넣거나 관련 고객 정보를 검색하여 개인화된 응답을 제공할 수 있습니다. “현재 Realtime API와 곧 Chat Completions API에서 오디오를 통해 개발자는 이러한 경험을 구동하기 위해 여러 모델을 연결할 필요가 없습니다.” 오픈AI는 블로그 게시물에서 말했습니다. “Realtime API는 GPT-4o와 메시지를 교환하기 위한 지속적인 WebSocket 연결을 생성할 수 있도록 합니다.”

同様하게, 퍼플렉시티의 AI를 위한 실시간 데이터 프로토콜인 “pplx-api”는 개발자가 자신의 대규모 언어 모델(LLM)에 접근할 수 있도록 합니다. 이 API를 통해 애플리케이션은 자연어 질의를 보내고 웹에서詳細한 실시간 정보를 받을 수 있습니다. 단일 API 엔드포인트를 통해最新의 데이터 검색과 컨텍스트 인식 응답을 가능하게 하여 개발자가最新의 정보와 일치하는 애플리케이션을 구축할 수 있도록 지원합니다.

“일반적으로 산업은 하나의 오픈소스 솔루션으로 표준화되지만, 이것이 몇 년이 걸릴 수 있습니다. 오픈AI가 더 많은 프로토콜을 도입하려고 시도할 가능성이 있습니다. 그러나 MCP가 최초의 표준으로 광범위한 채택을 얻으면, 기술과 최선의 관행이 MCP를 중심으로 표준화되기 시작할 수 있습니다.” 멘델스는 말했습니다.

앤트로픽 MCP, 컨텍스트 인식 AI 통합을 위한 표준이 될 수 있을까?

尽管 MCP는 잠재력이 있지만, 安全性과 채택의 문제를 해결해야 합니다. 安全性은 주요한 문제입니다. AI 시스템이 민감한 기업 데이터에 접근할 수 있게 되면, 시스템이 고장나면 정보가泄露될 수 있습니다. 또한, 이미 정립된 생태계에있는 개발자를 설득하여 MCP를 채택하도록 하는 것은 어려울 수 있습니다.

또 다른 문제는 데이터의 규모입니다. IT 개발 회사 메이킹 센스의 데이터 과학 책임자 JD 라임온디는 “앤트로픽은 대규모 컨텍스트 실험을领导하고 있지만, 모델의 정확도는 크게 저하됩니다. 시간이 지나면 더 좋아질 것입니다. 성능면에서 많은 트릭이 있습니다.”라고 말했습니다.

앤트로픽은 MCP가 데이터 검색과 컨텍스트화의 AI 능력을 향상시킨다고 주장하지만, 이러한 주장을 뒷받침하는 구체적인 벤치마크가 없으면 채택이 저해될 수 있습니다. “개발자, 기존 데이터를 활용하려는 기업, 또는 컨텍스트 인식 AI의 최전선에서 탐색하는 초기 채택자들이든, 우리는 함께 컨텍스트 인식 AI의 미래를 구축하도록 초대합니다.” 앤트로픽은 말했습니다.

개발자가 MCP의 능력을 테스트하는 동안, 산업은 이 오픈 표준이 컨텍스트 인식 AI 통합을 위한 벤치마크가 될 수 있는지 여부를 지켜볼 것입니다. 멘델스는 표준화가 앤트로픽에게 좋은 전략이 될 수 있으며, 상호운용성을 높이고 팀이 다양한 도구 조합을 실험하여 자신의 필요에 가장 적합한 것을 결정할 수 있도록 할 수 있다고 제안합니다. “현재, AI 생태계의 많은 프로세스가 표준화되고 있다고 말하기에는 너무 이르다고 생각합니다. 혁신이 매우 빠르게 진행되고 있으므로, 오늘날의 최선의 관행은 다음 주에 구식이 될 수 있습니다. MCP와 같은 프로토콜이 컨텍스트 데이터 검색을 표준화할 수 있을지 여부는 시간이 지나면 알 수 있을 것입니다.”