Knuser datahindre: Kan Anthropics Model Context Protocol forbedre AI-ytelsen?

Anthropics innovative Model Context Protocol (MCP) har som mål å løse problemet med fragmentert data og øke effektiviteten i AI-drevne løsninger. Kan det bli standarden for kontekstbevisst AI-integrasjon?

En av de største utfordringene i kunstig intelligens (AI) innovasjon i dag er store språkmodellers (LLM) isolasjon fra sanntidsdata. For å løse problemet har San Francisco-baserte AI-forsknings- og sikkerhetsselskapet Anthropic nylig annonsert en unik utviklingsarkitektur for å endre hvordan AI-modeller samhandler med data.

Selskapets nye Model Context Protocol (MCP) er lansert som et åpen kildeprosjekt og er designet for å øke effektiviteten i AI gjennom en “to-vei kommunikasjon mellom AI-drevne applikasjoner og sanntids, diverse datakilder”.

Arkitekturen er bygget for å løse et økende frustrasjon: foreldede AI-utdata forårsaket av manglende tilkobling til sanntidsdata. Anthropic hevder at den samlede protokollen kan forbedre AI-utvikling og funksjonalitet for bedrifter og gjøre dem mer menneskelige gjennom sanntids kontekstbevissthet. Ifølge selskapet krever hver ny forretningsdatakilde tilpassede AI-implementeringer, noe som skaper ineffektiviteter. MCP søker å løse dette ved å tilby en standardisert ramme som utviklere kan adoptere universelt.

“Arkitekturen er enkel: utviklere kan enten eksponere sine data gjennom MCP-servere eller bygge AI-applikasjoner (MCP-klienter) som kobler til disse serverne. I stedet for å vedlikeholde separate koblinger for hver datakilde, kan utviklere nå bygge mot en standardprotokoll,” forklarte Anthropic i en blogginnlegg. “Etterhvert som økosystemet modnes, vil AI-systemer opprettholde kontekst når de flytter mellom ulike verktøy og datasamlinger, og erstatter i dagens fragmenterte integrasjoner med en mer bærekraftig arkitektur.”

AI-modeller, inkludert, men ikke begrenset til, Anthropics flaggskipssystem Claude, kan integrere med verktøy som Google Drive, Slack og GitHub. Eksperter mener at MCP har potensialet til å transformere bedrifts AI-integrasjoner på samme måte som Service-Oriented Architecture (SOA) og andre protokoller revolusjonerte applikasjonsinteroperabilitet.

“Å ha en bransjestandard for datakanaler mellom LLM og datakilder er en game-changer. Liksom REST og SQL i programvareindustrien, kan standardiserte protokoller som MCP hjelpe team å bygge GenAI-applikasjoner raskere og med bedre pålitelighet,” sa Gideon Mendels, medgrunnlegger og CEO av AI-modellvurderingsplattformen Comet, til meg. “Dette følger markedets realisering i de siste seks månedene om at en god LLM-modell ikke er nok.”

Anthropic avslørte også at tidlige bedriftsadaptorer, inkludert Block og Apollo, allerede har integrert MCP i sine systemer. Samtidig samarbeider utviklingsverktøy-leverandører som Zed, Replit, Codeium og Sourcegraph med MCP for å forbedre sine plattformer. Dette samarbeidet har som mål å hjelpe AI-modeller og -agenter med å hente mer relevant informasjon gjennom sanntidsdata, fatte kontekst mer effektivt og generere nyanserte utdata for bedriftsoppgaver som kode, med økt effektivitet.

“AI-modeller som er mer menneskelige og selvbevisste kan gjøre teknologien mer tilgjengelig, noe som kan drive bredere adopsjon,” sa Masha Levin, Entrepreneur in Residence i One Way Ventures, til meg. “Det er fortsatt mye frykt rundt AI, med mange som ser på det som bare en maskin. Å gjøre disse modellene mer menneskelige kunne hjelpe med å lette disse fryktene og fremme en smidigere integrasjon i hverdagslivet.”

Levin advarte også om en potensiell ulempe. “Det er en risiko for at bedrifter kan bli for avhengige av AI for støtte, og la det påvirke deres beslutninger på ekstreme måter, noe som kan føre til skadelige konsekvenser.”

Men den virkelige prøven for MCP vil være dens evne til å oppnå bred adopsjon og overgå konkurrentene i et trangt marked.

Anthropic MCP vs. OpenAI og Perplexity: Kampen om AI-innovasjonsstandarder

Mens Anthropics MCPs åpne kilde-tilnærming markerer en betydelig fremgang for AI-innovasjon, kommer det inn i et konkurranseutsatt landskap dominert av teknologigiganter som OpenAI og Perplexity.

OpenAIs nylige “Arbeid med apper”-funksjon for ChatGPT viser lignende funksjoner, selv om med en proprietær fokus på å prioritere nære samarbeid over åpne standarder. Denne funksjonen lar ChatGPT aksessere og analysere data og innhold fra andre apper, men bare med brukerens tillatelse, og eliminerer behovet for utviklere å manuelt kopiere og lime inn. I stedet kan ChatGPT se gjennom dataene direkte fra en app og levere smartere, kontekstbevisste forslag på grunn av sin integrasjon med sanntids internettdata.

I tillegg introduserte selskapet også sin sanntidsdataarkitektur i oktober, kalt “Realtime API”, som lar taleassistenter svare mer effektivt ved å hente inn fersk kontekst fra internettet. For eksempel kan en taleassistent plassere en bestilling på vegne av en bruker eller hente relevant kundeinformasjon for å levere personlige svar. “Nå med Realtime API og snart med audio i Chat Completions API, trenger utviklere ikke lenger å sy sammen flere modeller for å aktivere disse opplevelsen,” sa OpenAI i en blogginnlegg. “Under panseret lar Realtime API deg opprette en varig WebSocket-tilkobling for å utveksle meldinger med GPT-4o.”

Liksom Perplexitys sanntidsdataprotokoll for AI, kjent som “pplx-api“, gir utviklere tilgang til sin store språkmodell (LLM). Denne API-en lar applikasjoner sende naturlige språkforespørsler og motta detaljerte, sanntidsinformasjon fra nettet. Gjennom ett enkelt API-endepunkt lar det til at hente sanntidsdata og kontekstbevisste svar for AI-applikasjoner, og gir utviklere mulighet til å bygge applikasjoner som holder seg oppdatert med den siste informasjonen.

“Vanligvis tenderer industrien til å standardisere på ett åpen kilde-løsning, men det tar ofte år. Det er svært sannsynlig at OpenAI vil prøve å introdusere flere protokoller,” sa Mendels. “Men hvis MCP oppnår bred adopsjon som den første standarden av sin type, kan vi se at teknikker og beste praksis begynner å standardisere rundt det.”

Kan Anthropic MCP sette standarden for kontekstbevisst AI-integrasjon?

Til tross for sin potensiale, står Anthropic MCP overfor betydelige utfordringer. Sikkerhet er en primær bekymring, da aktivasjon av AI-systemer for å aksessere sensitive bedriftsdata øker risikoen for lekkasjer hvis systemet går rogue. I tillegg kan det være vanskelig å overbevise utviklere som allerede er etablert i etablerte økosystemer om å adoptere MCP.

En annen problemstilling er den rene størrelsen på dataene, ifølge JD Raimondi, sjef for datavitenskap i IT-utviklingsselskapet Making Sense. Han fortalte meg: “Anthropic er lederen i eksperimenter som fører til store kontekster, men nøyaktigheten av modellene lider mye. Det er sannsynlig at de vil bli bedre over tid, og når det gjelder ytelse, er det mange triks for å holde farten akseptabel.”

Mens Anthropic hevder at MCP forbedrer AI sin evne til å hente og kontekstualisere data, kan mangelen på konkrete benchmark-verktøy for å støtte disse påstandene hindre adopsjon. “Uansett om du er en AI-verktøyutvikler, en bedrift som ønsker å utnytte eksisterende data eller en tidlig adopter som utforsker grensen, inviterer vi deg til å bygge fremtiden for kontekstbevisst AI sammen,” sa Anthropic.

Etterhvert som utviklere tester MCPs muligheter, vil industrien følge med for å se om denne åpne standarden kan oppnå den trakten som trengs for å bli en benchmark for kontekstbevisst AI-integrasjon. Mendels foreslår at standardisering kan være en smart bevegelse for Anthropic, potensielt økende interoperabiliteten og lar team eksperimentere med ulike kombinasjoner av verktøy for å bestemme det beste valget for deres behov. “Right now, it feels too early to say that many processes in the AI ecosystem are standardizing,” Mendels noted. “With innovation happening so rapidly, today’s best practices might be outdated by next week. Only time will tell if a protocol like MCP can succeed in standardizing context data retrieval.” for deres behov. “Det føles for tidlig å si at mange prosesser i AI-økosystemet er standardisert,” noterte Mendels. “Med innovasjon som skjer så raskt, kan dagens beste praksis være foreldet om en uke. Bare tid vil vise om et protokoll som MCP kan lykkes i å standardisere kontekstdata-henting.”