Het doorbreken van gegevensbarrières: kan Anthropic’s Model Context Protocol de prestaties van AI verbeteren?

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

Een van de meest dringende uitdagingen in de innovatie van kunstmatige intelligentie (AI) van vandaag is de isolatie van grote taalmodellen (LLM’s) van real-time gegevens. 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 interactie hebben met gegevens te herschikken.

Het bedrijfsnieuwe Model Context Protocol (MCP), dat als open-sourceproject is gelanceerd, 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 als gevolg van een gebrek aan verbinding met real-time gegevens. 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 bedrijfsgegevensbron 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 gegevens 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 de gefragmenteerde integraties van vandaag 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 gegevenspijpleidingen 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, medeoprichter 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 te helpen om meer relevante informatie op te halen via real-time gegevens, 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 residentie bij One Way Ventures, tegen mij. “Er is nog veel angst rondom AI, met veel mensen die het zien als slechts een machine. Het humaniseren van deze modellen kan helpen om deze angsten te verminderen en een soepelere 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 het hun beslissingen op extreme manieren kan beïnvloeden, wat tot schadelijke gevolgen kan leiden.”

Het echte test voor MCP zal echter zijn vermogen om breed te worden geadopteerd en zijn concurrenten in een drukke markt voor te blijven.

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 partnerships boven open standaarden. Deze functie stelt ChatGPT in staat om toegang te krijgen tot en te analyseren van gegevens en inhoud van andere apps, maar alleen met gebruikersrecht, waardoor de noodzaak voor ontwikkelaars om handmatig te kopiëren en plakken wordt geëlimineerd. In plaats daarvan kan ChatGPT de gegevens rechtstreeks uit een app bekijken en slimmere, contextueel bewuste suggesties leveren vanwege de integratie met real-time internetgegevens.

Bovendien introduceerde het bedrijf ook zijn real-time gegevensarchitectuur in oktober, genaamd de “Realtime API”, die stemassistenten in staat stelt om effectiever te reageren door verse context van internet op te halen. Bijvoorbeeld kan een stemassistent een bestelling plaatsen namens een gebruiker of relevante klantgegevens ophalen om gepersonaliseerde antwoorden te leveren. “Nu met de Realtime API en binnenkort met audio in de Chat Completions API, hoeven ontwikkelaars geen meerdere modellen meer samen te stellen om deze ervaringen te laten werken,” zei OpenAI in een blogpost. “Onder de motorkap laat de Realtime API je toe om een persistente WebSocket-verbinding tot stand te brengen om berichten uit te wisselen met GPT-4o.”

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

“Typisch heeft de industrie de neiging om te standaardiseren op één open-sourceoplossing, maar dat duurt vaak jaren. Het is heel waarschijnlijk dat OpenAI zal proberen meer protocollen in te voeren,” 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 AI-integratie?

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

Een ander probleem is de enorme omvang van de gegevens, 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 enorm. Het is waarschijnlijk dat ze beter zullen worden in de loop van de tijd, en prestatiegerelateerd zijn er veel trucs om de snelheid acceptabel te houden.”

Terwijl Anthropic beweert dat MCP de mogelijkheid van AI verbetert om gegevens op te halen en te contextualiseren, 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 gegevens wil benutten, of een vroege adoptant die de grenzen verkent, we nodigen u uit om de toekomst van contextueel AI samen te bouwen,” zei Anthropic.

Terwijl ontwikkelaars de mogelijkheden van MCP testen, zal de industrie toekijken om te zien of deze open standaard de nodige tractie kan krijgen om een referentiepunt te worden voor contextueel 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 pasvorm voor hun behoeften te bepalen. “Op dit moment voelt het te vroeg om te zeggen dat veel processen in het AI-ecosysteem worden gestandaardiseerd,” merkte Mendels op. “Met innovatie die zo snel gebeurt, kunnen de beste praktijken van vandaag over een week verouderd zijn. Alleen de tijd zal leren of een protocol zoals MCP kan slagen in het standaardiseren van contextgegevensopname.”