Łamiąc bariery danych: Czy Protokół Kontekstu Modelu Anthropic może poprawić wydajność AI?

Innowacyjny Protokół Kontekstu Modelu (MCP) firmy Anthropic ma na celu rozwiązanie problemu fragmentacji danych i zwiększenie wydajności rozwiązań opartych na sztucznej inteligencji. Czy może się on stać standardem dla integracji sztucznej inteligencji z kontekstem?

Jednym z najpilniejszych wyzwań w dziedzinie innowacji sztucznej inteligencji jest izolacja dużych modeli językowych (LLM) od danych w czasie rzeczywistym. Aby rozwiązać ten problem, firma Anthropic z siedzibą w San Francisco, zajmująca się badaniami i bezpieczeństwem sztucznej inteligencji, ogłosiła unikalną architekturę rozwoju, która ma na celu zmienić sposób, w jaki modele sztucznej inteligencji współpracują z danymi.

Nowy Protokół Kontekstu Modelu (MCP), uruchomiony jako projekt open-source, ma na celu zwiększenie wydajności sztucznej inteligencji poprzez “dwukierunkową komunikację między aplikacjami sztucznej inteligencji a źródłami danych w czasie rzeczywistym”.

Architektura ta została zaprojektowana w celu rozwiązania rosnącego problemu: przestarzałych danych wyjściowych sztucznej inteligencji spowodowanych brakiem połączenia z danymi w czasie rzeczywistym. Firma Anthropic twierdzi, że ujednolicony protokół może poprawić rozwój i funkcjonalność sztucznej inteligencji dla firm, oraz uczynić ją bardziej podobną do ludzi poprzez świadomość kontekstu w czasie rzeczywistym. Według firmy, każde nowe źródło danych biznesowych wymaga niestandardowych wdrożeń sztucznej inteligencji, co powoduje nieefektywność. MCP ma na celu rozwiązanie tego problemu, oferując ujednolicony framework, który deweloperzy mogą przyjąć powszechnie.

“Architektura jest prosta: deweloperzy mogą albo udostępnić swoje dane za pomocą serwerów MCP, albo zbudować aplikacje sztucznej inteligencji (klienci MCP), które łączą się z tymi serwerami. Zamiast utrzymywać oddzielne połączenia dla każdego źródła danych, deweloperzy mogą teraz budować w oparciu o standardowy protokół”, wyjaśniła firma Anthropic w poście na blogu. “W miarę dojrzewania ekosystemu, systemy sztucznej inteligencji będą utrzymywać kontekst, gdy przechodzą między różnymi narzędziami i zestawami danych, zastępując dzisiejsze fragmentaryczne integracje bardziej trwałą architekturą”.

Modele sztucznej inteligencji, w tym flagowy asystent Claude, mogą integrować się z narzędziami takimi jak Google Drive, Slack i GitHub. Ekspertom sugeruje, że MCP ma potencjał, aby przekształcić integrację sztucznej inteligencji w firmach w ten sam sposób, w jaki architektura zorientowana na usługi (SOA) i inne protokoły rewolucjonizowały interoperacyjność aplikacji.

“Posiadanie branżowego standardu protokołu dla potoków danych między LLM a źródłami danych jest przełomem. Podobnie jak REST i SQL w branży oprogramowania, ujednolicone protokoły, takie jak MCP, mogą pomóc zespołom budować aplikacje GenAI szybciej i z lepszą niezawodnością”, powiedział mi Gideon Mendels, współzałożyciel i dyrektor generalny platformy do oceny modeli sztucznej inteligencji Comet. “To następuje po uświadomieniu rynku w ciągu ostatnich sześciu miesięcy, że doskonały model LLM nie jest wystarczający”.

Firma Anthropic ujawniła również, że wczesni adopterzy przedsiębiorstw, w tym Block i Apollo, już zintegrowali MCP ze swoimi systemami. Tymczasem dostawcy narzędzi rozwojowych, tacy jak Zed, Replit, Codeium i Sourcegraph, współpracują z MCP, aby udoskonalić swoje platformy. To partnerstwo ma na celu pomóc modelom sztucznej inteligencji i agentom w pobieraniu bardziej istotnych informacji za pomocą danych w czasie rzeczywistym, lepiej pojmować kontekst i generować nuansowane dane wyjściowe dla zadań przedsiębiorstw, takich jak kodowanie, z większą wydajnością.

“Modele sztucznej inteligencji, które są bardziej podobne do ludzi i mają większą samoświadomość, mogą sprawić, że technologia będzie bardziej przystępna, co może przyczynić się do szerszego przyjęcia”, powiedziała mi Masha Levin, przedsiębiorca w One Way Ventures. “Nadal istnieje wiele strachu przed sztuczną inteligencją, wielu ludzi postrzega ją jako maszynę. Uczłowieczenie tych modeli może pomóc w złagodzeniu tych obaw i ułatwić ich włączenie do codziennego życia”.

Levin ostrzegła również przed potencjalną wadą. “Istnieje ryzyko, że firmy mogą stać się zbyt zależne od sztucznej inteligencji w celu wsparcia, co może doprowadzić do szkodliwych konsekwencji”.

Jednak prawdziwym testem dla MCP będzie jego zdolność do uzyskania powszechnego przyjęcia i wyprzedzenia swoich konkurentów na rynku.

Anthropic MCP vs. OpenAI i Perplexity: Bitwa o standardy innowacji sztucznej inteligencji

Podczas gdy otwarty podejście Anthropic MCP do sztucznej inteligencji oznacza znaczący postęp w dziedzinie innowacji, wkracza ono na zatłoczony rynek, na którym dominują giganci technologiczni, tacy jak OpenAI i Perplexity.

Niedawna funkcja “Pracuj z aplikacjami” OpenAI dla ChatGPT prezentuje podobne możliwości, chociaż z nastawieniem na priorytetowe partnerstwa nad otwartymi standardami. Ta funkcja pozwala ChatGPT na dostęp i analizę danych oraz treści z innych aplikacji, ale tylko za zgodą użytkownika, eliminując potrzebę ręcznego kopiowania i wklejania. Zamiast tego ChatGPT może przeglądać dane bezpośrednio z aplikacji, dostarczając bardziej inteligentne, świadome kontekstu sugestie dzięki integracji z danymi internetowymi w czasie rzeczywistym.

Ponadto firma wprowadziła również swoją architekturę danych w czasie rzeczywistym w październiku, zwaną “Interfejsem API w czasie rzeczywistym”, który umożliwia asystentom głosowym lepsze reagowanie na dane kontekstowe z internetu. Na przykład asystent głosowy mógłby złożyć zamówienie w imieniu użytkownika lub pobrać istotne informacje o kliencie, aby dostarczyć spersonalizowane odpowiedzi. “Teraz z Interfejsem API w czasie rzeczywistym i wkrótce z audio w Interfejsie API Chat Completions, deweloperzy nie muszą już łączyć wielu modeli, aby obsługiwać te doświadczenia”, powiedziała OpenAI w poście na blogu. “Pod powierzchnią Interfejs API w czasie rzeczywistym pozwala na utworzenie trwałego połączenia WebSocket w celu wymiany wiadomości z GPT-4o”.

Podobnie, protokół danych w czasie rzeczywistym Perplexity dla sztucznej inteligencji, znany jako pplx-api, zapewnia deweloperom dostęp do dużego modelu językowego (LLM). Ten interfejs API pozwala aplikacjom wysyłać zapytania językowe i otrzymywać szczegółowe, bieżące informacje z sieci. Za pomocą jednego punktu końcowego interfejsu API umożliwia on pobieranie danych w czasie rzeczywistym i świadome kontekstu odpowiedzi dla aplikacji sztucznej inteligencji, umożliwiając deweloperom budowanie aplikacji, które pozostają zgodne z najnowszymi informacjami.

“Zazwyczaj branża tendencja do standaryzacji jednego otwartego rozwiązania, ale często zajmuje to lata. Bardzo prawdopodobne, że OpenAI spróbuje wprowadzić więcej protokołów”, powiedział Mendels. “Ale jeśli MCP zyska szerokie przyjęcie jako pierwszy standard tego rodzaju, możemy zobaczyć, jak techniki i najlepsze praktyki zaczną standaryzować wokół niego”.

Czy Protokół Kontekstu Modelu Anthropic może ustalić standard dla integracji sztucznej inteligencji z kontekstem?

Pomimo swojego potencjału, Protokół Kontekstu Modelu Anthropic stoi przed znaczącymi wyzwaniami. Bezpieczeństwo jest podstawową kwestią, ponieważ umożliwienie systemom sztucznej inteligencji dostępu do wrażliwych danych przedsiębiorstw zwiększa ryzyko wycieku, jeśli system stanie się niebezpieczny. Ponadto przekonanie deweloperów, którzy są już zakorzenieni w ugruntowanych ekosystemach, do przyjęcia MCP, może okazać się trudne.

Innym problemem jest ogromna ilość danych, według JD Raimondi, szefa nauki o danych w firmie IT Making Sense. Powiedział mi: “Anthropic jest liderem w eksperymentach prowadzących do dużych kontekstów, ale dokładność modeli cierpi znacznie. Prawdopodobnie będą się one poprawiać z czasem, a pod względem wydajności istnieje wiele sztuczek, aby utrzymać prędkość na akceptowalnym poziomie”.

Podczas gdy Anthropic twierdzi, że MCP poprawia zdolność sztucznej inteligencji do pobierania i kontekstualizacji danych, brak konkretnych wskaźników, które potwierdzają te twierdzenia, może utrudnić przyjęcie. “Niezależnie od tego, czy jesteś deweloperem narzędzi sztucznej inteligencji, firmą, która chce wykorzystać istniejące dane, czy wczesnym adopterem, badającym granice, zapraszamy do wspólnego budowania przyszłości sztucznej inteligencji z kontekstem”, powiedziała Anthropic.

W miarę testowania możliwości MCP, branża będzie obserwować, czy ten otwarty standard może uzyskać niezbędny impet, aby stać się benchmarkiem dla integracji sztucznej inteligencji z kontekstem. Mendels sugeruje, że standaryzacja może być inteligentnym posunięciem dla Anthropic, potencjalnie zwiększając interoperacyjność i umożliwiając zespołom eksperymentowanie z różnymi kombinacjami narzędzi, aby określić, które z nich najlepiej odpowiadają ich potrzebom. “Na razie wydaje się zbyt wcześnie, aby powiedzieć, że wiele procesów w ekosystemie sztucznej inteligencji ulega standaryzacji”, zauważył Mendels. “Z innowacjami zachodzącymi tak szybko, dzisiejsze najlepsze praktyki mogą okazać się przestarzałe już za tydzień. Tylko czas pokaże, czy protokół taki jak MCP może odnieść sukces w standaryzacji pobierania danych kontekstu”.