Разрушение барьеров данных: может ли протокол контекста модели Anthropic улучшить производительность ИИ?

Инновационный протокол контекста модели (MCP) компании Anthropic направлен на решение проблемы фрагментированных данных и повышение эффективности решений на основе ИИ. Может ли он стать стандартом для контекстно-зависимой интеграции ИИ?

Одной из наиболее насущных проблем в инновациях в области искусственного интеллекта (ИИ) сегодня является изоляция крупных языковых моделей (LLM) от данных в реальном времени. Чтобы решить эту проблему, компания Anthropic, занимающаяся исследованиями и безопасностью ИИ,recently анонсировала уникальную архитектуру для изменения взаимодействия моделей ИИ с данными.

Новый протокол контекста модели (MCP) компании, запущенный как открытый проект, предназначен для повышения эффективности ИИ за счет “двусторонней связи между приложениями на основе ИИ и источниками данных в реальном времени”.

Эта архитектура разработана для решения растущей проблемы – устаревших выходных данных ИИ, вызванных отсутствием связи с данными в реальном времени. Anthropic утверждает, что унифицированный протокол может улучшить разработку и функциональность ИИ для бизнеса, сделав его более похожим на человека за счет контекстной осведомленности в реальном времени. Согласно компании, каждый новый источник бизнес-данных требует индивидуальной реализации ИИ, что создает неэффективность. MCP направлен на решение этой проблемы, предлагая стандартизированную основу, которую разработчики могут принять повсеместно.

“Архитектура проста: разработчики могут либо предоставить доступ к своим данным через серверы MCP, либо создать приложения ИИ (клиенты MCP), которые подключаются к этим серверам. Вместо поддержки отдельных соединителей для каждого источника данных разработчики могут теперь создавать приложения на основе стандартизированного протокола”, – объяснила Anthropic в блог-посте. “По мере созревания экосистемы системы ИИ будут поддерживать контекст при переходе между различными инструментами и наборами данных, заменяя сегодняшние фрагментированные интеграции на более устойчивую архитектуру.”

Модели ИИ, включая флагманский помощник Claude от Anthropic, могут интегрироваться с инструментами seperti Google Drive, Slack и GitHub. Эксперты считают, что MCP имеет потенциал трансформировать бизнес-интеграции ИИ таким же образом, как Service-Oriented Architecture (SOA) и другие протоколы революционизировали взаимодействие между приложениями.

“Иметь отраслевой стандартный протокол для конвейеров данных между LLM и источниками данных – это прорыв. Аналогично REST и SQL в программной индустрии, стандартизированные протоколы, такие как MCP, могут помочь командам создавать приложения на основе ИИ быстрее и с лучшей надежностью”, – сказал Гидеон Мендельс, сооснователь и генеральный директор платформы оценки моделей ИИ Comet. “Это следует за осознанием рынка за последние шесть месяцев, что отличная модель LLM недостаточна.”

Anthropic также раскрыла, что ранние корпоративные пользователи, включая Block и Apollo, уже интегрировали MCP в свои системы. Тем временем, поставщики инструментов разработки, такие как Zed, Replit, Codeium и Sourcegraph, сотрудничают с MCP для улучшения своих платформ. Это партнерство направлено на то, чтобы помочь моделям и агентам ИИ получить более актуальную информацию через данные в реальном времени, лучше понять контекст и генерировать нюансированные выходные данные для корпоративных задач, таких как кодирование, с большей эффективностью.

“Модели ИИ, которые более похожи на человека и самосознающие, могут сделать технологию более доступной, что может привести к более широкому внедрению”, – сказала Маша Левин, предприниматель в One Way Ventures. “Еще много страхов вокруг ИИ, и многие видят в нем просто машину. Уhumanизация этих моделей может помочь снять эти страхи и обеспечить более плавную интеграцию в повседневную жизнь.”

Левин также предупредила о потенциальном недостатке. “Существует риск, что бизнес может стать слишком зависим от ИИ для поддержки, что может привести к вредным последствиям, если система выйдет из-под контроля.”

Однако真正ный тест для MCP будет заключаться в его способности получить широкое внедрение и обогнать своих конкурентов на переполненном рынке.

Anthropic MCP vs. OpenAI и Perplexity: битва за стандарты инноваций ИИ

Хотя открытый подход Anthropic MCP представляет собой заметный прогресс в инновациях ИИ, он входит в конкурентную среду, доминируемую технологическими гигантами, такими как OpenAI и Perplexity.

Недавняя функция “Работа с приложениями” OpenAI для ChatGPT демонстрирует аналогичные возможности, хотя и с проприетарным фокусом на приоритете близких партнерств над открытыми стандартами. Эта функция позволяет ChatGPT получить доступ и проанализировать данные и контент из других приложений, но только с разрешения пользователя, исключая необходимость для разработчиков вручную копировать и вставлять. Вместо этого ChatGPT может просмотреть данные напрямую из приложения, предоставляя более умные, контекстно-зависимые предложения благодаря своей интеграции с данными в реальном времени.

Кроме того, компания представила свою архитектуру реального времени в октябре, называемую “Realtime API”, которая позволяет голосовым помощникам более эффективно реагировать, получая свежий контекст из интернета. Например, голосовой помощник может сделать заказ от имени пользователя или получить актуальную информацию о клиенте, чтобы предоставить персонализированные ответы. “Теперь с Realtime API и скоро с аудио в Chat Completions API разработчикам больше не нужно склеивать несколько моделей, чтобы обеспечить эти trải nghiệm”, – сказала OpenAI в блог-посте. “Под капотом Realtime API позволяет создать постоянное соединение WebSocket для обмена сообщениями с GPT-4o.”

Аналогично, протокол реального времени Perplexity для ИИ, известный как “pplx-api”, предоставляет разработчикам доступ к своей крупной языковой модели (LLM). Этот API позволяет приложениям отправлять запросы на естественном языке и получать подробную, актуальную информацию из интернета. Через один API-конечную точку он позволяет получать актуальные данные и контекстно-зависимые ответы для приложений ИИ, позволяя разработчикам создавать приложения, которые остаются в соответствии с последней информацией.

“Обычно отрасль склоняется к стандартизации на одном открытом решении, но часто это занимает годы. Весьма вероятно, что OpenAI попытается ввести больше протоколов”, – сказал Мендельс. “Но если MCP получит широкое внедрение как первый стандарт своего рода, мы можем увидеть, как методы и лучшие практики начинают стандартизироваться вокруг него.”

Может ли протокол контекста модели Anthropic стать стандартом для контекстно-зависимой интеграции ИИ?

Несмотря на свой потенциал, протокол контекста модели Anthropic сталкивается с существенными проблемами. Безопасность является основной проблемой, поскольку обеспечение доступа систем ИИ к конфиденциальным корпоративным данным повышает риск утечек, если система выйдет из-под контроля. Кроме того, убеждение разработчиков, уже укоренившихся в устоявшихся экосистемах, в необходимости принятия MCP может оказаться трудной задачей.

Другой проблемой является огромный размер данных, согласно JD Raimondi, руководителю отдела науки о данных в компании Making Sense. Он сказал мне: “Anthropic является лидером в экспериментах, приводящих к большим контекстам, но точность моделей сильно страдает. Весьма вероятно, что они улучшатся со временем, и с точки зрения производительности есть много трюков, чтобы поддерживать приемлемую скорость.”

Хотя Anthropic утверждает, что MCP улучшает способность ИИ получать и контекстуализировать данные, отсутствие конкретных бенчмарков для подтверждения этих заявлений может препятствовать внедрению. “Независимо от того, являетесь ли вы разработчиком инструментов ИИ, корпорацией, стремящейся использовать существующие данные, или ранним пользователем, исследующим границы, мы приглашаем вас создать будущее контекстно-зависимого ИИ вместе”, – сказала Anthropic.

По мере того, как разработчики тестируют возможности MCP, отрасль будет наблюдать, сможет ли этот открытый стандарт получить необходимую поддержку, чтобы стать эталоном для контекстно-зависимой интеграции ИИ. Мендельс считает, что стандартизация может быть умным шагом для Anthropic, потенциально повышая совместимость и позволяя командам экспериментировать с разными комбинациями инструментов, чтобы определить лучший вариант для своих потребностей. “Пока рано говорить, что многие процессы в экосистеме ИИ стандартизированы”, – отметил Мендельс. “С учетом быстрого темпа инноваций сегодняшние лучшие практики могут стать устаревшими уже на следующей неделе. Только время покажет, сможет ли протокол, подобный MCP, добиться стандартизации контекстных данных.”