Data-barrières doorbreken: kan Anthropic’s Model Context Protocol de prestaties van AI verbeteren?

Anthropic’s innovatieve Model Context Protocol (MCP) heeft als doel geïsoleerde data te tackelen en de efficiëntie van AI-gestuurde oplossingen te verbeteren. Kan het de standaard worden voor contextueel bewuste AI-integratie?

Een van de meest urgente uitdagingen in de innovatie van kunstmatige intelligentie (AI) vandaag is de isolatie van grote taalmodellen (LLM’s) van real-time data. Om dit probleem aan te pakken, heeft het in San Francisco gevestigde AI-onderzoeks- en veiligheidsbedrijf Anthropic onlangs een unieke ontwikkelingsarchitectuur aangekondigd om de manier waarop AI-modellen met data interacteren te herschikken.

Het bedrijf heeft zijn nieuwe Model Context Protocol (MCP) gelanceerd als een open-source project, dat is ontworpen om de efficiëntie van AI te verbeteren door middel van “tweerichtingscommunicatie tussen AI-gestuurde toepassingen en real-time, diverse gegevensbronnen”.

De architectuur is gebouwd om een groeiende frustratie aan te pakken: verouderde AI-uitvoer veroorzaakt door een gebrek aan verbinding met real-time data. Anthropic beweert dat het uniforme protocol de AI-ontwikkeling en functionaliteit voor bedrijven kan verbeteren en ze meer menselijk kan maken door middel van real-time contextbewustzijn. Volgens het bedrijf vereist elke nieuwe zakelijke gegevensbron aangepaste AI-implementaties, waardoor inefficiënties ontstaan. MCP probeert dit aan te pakken door een gestandaardiseerd kader aan te bieden dat ontwikkelaars universeel kunnen aannemen.

“De architectuur is eenvoudig: ontwikkelaars kunnen hun data via MCP-servers blootstellen of AI-toepassingen (MCP-clients) bouwen die verbinding maken met deze servers. In plaats van afzonderlijke connectors voor elke gegevensbron te onderhouden, kunnen ontwikkelaars nu tegen een standaardprotocol bouwen”, legde Anthropic uit in een blogpost. “Naarmate het ecosysteem volwassener wordt, zullen AI-systemen context behouden wanneer ze tussen verschillende tools en datasets bewegen, waardoor vandaag de gefragmenteerde integraties worden vervangen door een duurzamere architectuur.”

AI-modellen, waaronder maar niet beperkt tot Anthropic’s vlaggenschipassistent Claude, kunnen integreren met tools zoals Google Drive, Slack en GitHub. Deskundigen suggereren dat MCP het potentieel heeft om bedrijfs-AI-integraties te transformeren op dezelfde manier als Service-Oriented Architecture (SOA) en andere protocollen de applicatie-interoperabiliteit hebben gerevolutioneerd.

“Het hebben van een industrienormprotocol voor datapipelines tussen LLM’s en gegevensbronnen is een game-changer. Vergelijkbaar met REST en SQL in de software-industrie, kunnen gestandaardiseerde protocollen zoals MCP teams helpen om GenAI-toepassingen sneller en met betere betrouwbaarheid te bouwen”, zei Gideon Mendels, mede-oprichter en CEO van het AI-modelbeoordelingsplatform Comet, tegen mij. “Dit volgt op de marktrealisatie in de afgelopen zes maanden dat een geweldig LLM-model niet genoeg is.”

Anthropic onthulde ook dat vroege ondernemingsadoptanten, waaronder Block en Apollo, MCP al in hun systemen hebben geïntegreerd. Ondertussen werken ontwikkelingsgereedschapsproviders zoals Zed, Replit, Codeium en Sourcegraph samen met MCP om hun platforms te verbeteren. Deze samenwerking heeft als doel om AI-modellen en -agenten in staat te stellen om meer relevante informatie via real-time data op te halen, context effectiever te begrijpen en genuanceerde uitvoer te genereren voor ondernemingstaken zoals codering, met grotere efficiëntie.

“AI-modellen die meer menselijk en zelfbewust zijn, kunnen de technologie relaterend maken, wat tot bredere adoptie kan leiden”, zei Masha Levin, ondernemer in residence bij One Way Ventures, tegen mij. “Er is nog veel angst voor AI, waarbij veel mensen het zien als slechts een machine. Het humaniseren van deze modellen kan helpen om die angsten te verminderen en een soepeler integratie in het dagelijks leven te bevorderen.”

Levin waarschuwde ook voor een potentieel nadeel. “Er is een risico dat bedrijven te veel afhankelijk worden van AI voor ondersteuning, waardoor ze hun beslissingen in extreme mate kunnen laten beïnvloeden, wat tot schadelijke gevolgen kan leiden.”

Maar de echte test voor MCP zal zijn vermogen om breed te worden geadopteerd en zijn concurrenten in een drukke markt te overtreffen.

Anthropic MCP vs. OpenAI en Perplexity: de strijd om AI-innovatiestandaarden

Terwijl Anthropic MCP’s open-sourcebenadering een opvallende vooruitgang voor AI-innovatie markeert, komt het een concurrerend landschap binnen dat wordt gedomineerd door technologiebedrijven als OpenAI en Perplexity.

OpenAI’s recente “Work with Apps”-functie voor ChatGPT toont vergelijkbare mogelijkheden, hoewel met een propriëtaire focus op het prioriteren van nauwe partnerschappen boven open standaarden. Deze functie laat ChatGPT toe om data en inhoud van andere apps te benaderen en te analyseren – maar alleen met gebruikersrecht, waardoor ontwikkelaars handmatig data niet meer hoeven te kopiëren en plakken. In plaats daarvan kan ChatGPT de data rechtstreeks uit een app bekijken en slimmere, contextueel bewuste suggesties geven vanwege de integratie met real-time internetdata.

Bovendien introduceerde het bedrijf in oktober zijn real-time data-architectuur, genaamd de “Realtime API”, die spraakassistenten in staat stelt om effectiever te reageren door verse context van het internet op te halen. Bijvoorbeeld kan een spraakassistent een bestelling plaatsen namens een gebruiker of relevante klantinformatie ophalen om gepersonaliseerde antwoorden te geven. “Nu met de Realtime API en binnenkort met audio in de Chat Completions API, hoeven ontwikkelaars geen meerdere modellen meer aan elkaar te naaien om deze ervaringen te laten werken”, zei OpenAI in een blogpost. “Onder de motorkap laat de Realtime API een permanente WebSocket-verbinding toe om berichten met GPT-4o uit te wisselen.”

Evenzo biedt Perplexity’s real-time dataprotocol voor AI, bekend als de “pplx-api“, ontwikkelaars toegang tot zijn grote taalmodel (LLM). Deze API laat toepassingen toe om natuurlijke taalvragen te sturen en gedetailleerde, real-time informatie van het web te ontvangen. Via een enkel API-eindpunt maakt het dataprotocol real-time dataprocessing en contextueel bewuste antwoorden voor AI-toepassingen mogelijk, waardoor ontwikkelaars toepassingen kunnen bouwen die in overeenstemming zijn met de laatste informatie.

“Typisch neigt de industrie ernaar om te standaardiseren op één open-sourceoplossing, maar dat duurt meestal jaren. Het is heel waarschijnlijk dat OpenAI meer protocollen zal introduceren”, zei Mendels. “Maar als MCP brede adoptie krijgt als de eerste standaard van zijn soort, kunnen we technieken en best practices beginnen te standaardiseren rondom het.”

Kan Anthropic MCP de standaard zetten voor contextueel bewuste AI-integratie?

Ondanks zijn potentieel, staat Anthropic MCP voor aanzienlijke uitdagingen. Beveiliging is een primair probleem, aangezien het mogelijk maken van AI-systemen om toegang te krijgen tot gevoelige ondernemingsdata het risico van lekken verhoogt als het systeem defect raakt. Bovendien kan het overtuigen van ontwikkelaars die al zijn ingebed in gevestigde ecosystemen om MCP te adopteren, moeilijk blijken.

Een ander probleem is de enorme omvang van de data, volgens JD Raimondi, hoofd van datawetenschap bij het IT-ontwikkelingsbedrijf Making Sense. Hij zei tegen mij: “Anthropic is de leider in experimenten die leiden tot grote contexten, maar de nauwkeurigheid van de modellen lijdt er sterk onder. Het is waarschijnlijk dat ze in de loop van de tijd beter zullen worden, en prestatiegerelateerd zijn er veel trucs om de snelheid acceptabel te houden.”

Terwijl Anthropic beweert dat MCP de mogelijkheid van AI om data op te halen en te contextualiseren verbetert, kan het ontbreken van concrete benchmarks om deze claims te ondersteunen de adoptie belemmeren. “Of u nu een AI-hulpmiddelontwikkelaar bent, een onderneming die bestaande data wil benutten, of een vroege adoptant die de grenzen verkent, we nodigen u uit om de toekomst van contextueel bewuste AI samen met ons te bouwen”, zei Anthropic.

Terwijl ontwikkelaars de mogelijkheden van MCP testen, zal de industrie toekijken of deze open standaard de nodige tractie kan krijgen om een benchmark te worden voor contextueel bewuste AI-integratie. Mendels suggereert dat standaardisatie een slimme zet voor Anthropic kan zijn, waardoor de interoperabiliteit kan worden verbeterd en teams kunnen experimenteren met verschillende combinaties van tools om de beste fit voor hun behoeften te bepalen. “Op dit moment voelt het te vroeg om te zeggen dat veel processen in het AI-ecosysteem aan het standaardiseren zijn”, merkte Mendels op. “Met innovatie die zo snel gebeurt, kunnen de beste praktijken van vandaag overmorgen verouderd zijn. Alleen de tijd zal vertellen of een protocol zoals MCP kan slagen in het standaardiseren van contextgegevensopname.”