Почему лидерам ИТ следует думать о протоколе контекста модели?

В прошлом ноябре Anthropic представил протокол контекста модели (MCP), который изначально вызвал сдержанный интерес. Компания разместила эту новость в блог-посте, назвав MCP открытым стандартом, предназначенным для того, чтобы “помочь передовым моделям производить лучшие, более релевантные ответы”.

Но когда разработчики узнали больше о MCP, стало ясно, насколько он мощен. За несколько месяцев компании seperti OpenAI, Google и Microsoft приняли этот стандарт. Это вызвало интерес к MCP, и рост был подобен расцвету горячего потребительского приложения, а не инструменту для разработчиков.

Репозиторий GitHub для MCP быстро превратился в живую общину. В настоящее время там более 64 500 звезд и около 7 500 форков. Затем есть тысячи серверов, которые появились на различных веб-сайтах.

Такой импульс редок для инфраструктуры разработчиков. Однако он показывает важность MCP, который стал известен как “USB C для приложений ИИ”.

Давайте посмотрим, почему этот открытый стандарт стал так популярен и как лидерам ИТ следует думать о нем.

Преимущества MCP

До введения MCP построение передовых генеративных моделей ИИ или агентных систем было трудоемким процессом. Каждая большая языковая модель (LLM) требовала индивидуальной интеграции с каждым инструментом или источником данных, который она использовала. Это создавало так называемую “проблему MxN”. Это означает, что M моделей необходимо вручную подключить к N разным инструментам.

Например, если вы используете три разных LLM для работы с десятью приложениями, вам необходимо создать 30 отдельных интеграций. Это не только потребует значительных инженерных ресурсов, но и кодовая база будет трудна для поддержки, поскольку инструменты, API и модели будут развиваться.

Но с помощью стандарта MCP процесс значительно улучшается. Он обеспечивает две важные возможности: контекст и использование инструментов с LLM. Это позволяет не только получить более релевантные ответы, но и улучшить точность и производительность.

Например, с контекстом приложение ИИ может получить доступ к широкому спектру общедоступных источников данных, таких как данные о погоде или финансовые данные. MCP также обеспечивает доступ к частным источникам данных, таким как Slack или Jira-записи.

В плане использования инструментов MCP может выполнять действия, такие как задачи CRUD для баз данных, планирование событий или напоминаний, или обновления для CRM или ERP.

Помимо обеспечения стандартизации контекста и использования инструментов, есть другие преимущества MCP. Одним из них является безопасность, поскольку он поддерживает авторизацию на основе OAuth. Далее, модели не тесно связаны с инструментами или источниками данных. Когда API меняются или принимается новый инструмент, нет необходимости в крупных переписываниях.

MCP также помогает улучшить управление и соблюдение требований, благодаря централизации использования инструментов и потоков данных. Это делает его проще для обеспечения соблюдения политики и аудита.

В свете этих преимуществ не должно быть удивительно, что MCP стал очень популярной системой для построения генеративных моделей ИИ и агентных приложений.

Проблемы MCP

MCP все еще нуждается в значительной работе, чтобы сделать его более стабильным и зрелым. Интерфейсы пользователя часто неуклюжи и неинтуитивны. Чтобы улучшить безопасность, MCP должны иметь сильно типизированные подходы, чтобы минимизировать потенциальные векторы атаки. Также важно обеспечить тонкую авторизацию. Например, должно быть возможно авторизовать сервер MCP или агент только для определенных действий.

Обнаружение MCP остается проблемой. Что необходимо, так это реестры для проверки и сертификации серверов, подобные тому, как работают магазины приложений. Эти реестры могут обслуживать различные вертикали, такие как ИТ, безопасность и финансы. Предприятия, вероятно, будут разрабатывать внутренние реестры, чтобы обеспечить еще больший контроль.

Наконец, MCP может иметь более широкие последствия, даже угрожая бизнес-моделям. Например, эти системы могут снизить количество ежедневных активных пользователей (DAU) для веб-приложений и мобильных приложений. Причина в том, что агенты ИИ будут использовать MCP для выполнения действий, что означает меньшую необходимость для человеческих пользователей посещать платформы.

Безопасность как основа

MCP позволяет добиться гораздо более быстрой инновации. Это особенно важно, поскольку предприятия сталкиваются с возрастающим давлением, чтобы показать осязаемые результаты от своих инвестиций в ИИ. Однако стремление к скорости не должно происходить за счет безопасности и соблюдения требований. Обход этих областей может создать значительные риски, учитывая, что MCP не только получает доступ к конфиденциальным данным, но и может выполнять прямые действия с ними.

Реализация MCP должна включать управление, ведение журналов и аудит на каждом уровне. Политики должны четко определять, кто может авторизовать агентов, какие действия они могут выполнять, и как эти действия отслеживаются. Тонкая авторизация, в сочетании с постоянным надзором, снижает потенциал для злоупотребления, обеспечивая при этом прозрачность, необходимую для соблюдения требований.

Заключение

MCP быстро становится краеугольным камнем для построения следующего поколения генеративных моделей ИИ и агентных систем. Для лидеров ИТ MCP представляет как возможность, так и ответственность. Есть возможность открыть новые эффективности и возможности, и ответственность за его реализацию с правильными ограничениями.

В долгосрочной перспективе, предприятия, которые рассматривают безопасность и соблюдение требований как неотъемлемые, а не необязательные, будут лучше подготовлены к получению полной ценности MCP. Сбалансируя инновации с сильным управлением, лидеры ИТ могут обеспечить, чтобы их инициативы ИИ были не только мощными и трансформирующими, но и заслуживающими доверия, устойчивыми и устойчивыми.