Knäcka datahinder: Kan Anthropics modellkontextprotokoll förbättra AI-prestanda?

Anthropics innovativa modellkontextprotokoll (MCP) syftar till att hantera fragmenterad data och förbättra effektiviteten hos AI-drivna lösningar. Kan det bli standarden för kontextmedveten AI-integration?

En av de mest pressande utmaningarna inom artificiell intelligens (AI) idag är stora språkmodellers (LLM) isolering från realtidsdata. För att tackla problemet meddelade San Francisco-baserade AI-forsknings- och säkerhetsföretaget Anthropic nyligen en unik utvecklingsarkitektur för att omforma hur AI-modeller interagerar med data.

Företagets nya modellkontextprotokoll (MCP) lanserades som ett öppen källkodsprojekt och är utformat för att förbättra AI-effektiviteten genom “tvåvägskommunikation mellan AI-drivna applikationer och realtids-, mångfacetterade datakällor”.

Arkitekturen är byggd för att hantera en växande frustration: föråldrade AI-utdata orsakade av brist på anslutning till realtidsdata. Anthropic hävdar att det enhetliga protokollet kan förbättra AI-utveckling och funktionalitet för företag och göra dem mer mänskliga genom realtidskontextmedvetenhet. Enligt företaget kräver varje ny affärsdatakälla anpassade AI-implementeringar, vilket skapar ineffektiviteter. MCP syftar till att hantera detta genom att erbjuda en standardiserad ram som utvecklare kan anta universellt.

“Arkitekturen är enkel: utvecklare kan antingen exponera sin data via MCP-servrar eller bygga AI-applikationer (MCP-klienter) som ansluter till dessa servrar. Istället för att underhålla separata anslutningar för varje datakälla kan utvecklare nu bygga mot en standardiserad protokoll”, förklarade Anthropic i en blogginlägg. “När ekosystemet mognar kommer AI-system att behålla kontexten när de flyttar mellan olika verktyg och datamängder, och ersätter dagens fragmenterade integrationer med en mer hållbar arkitektur.” AI-modeller, inklusive men inte begränsat till Anthropics flaggskepp Claude, kan integreras med verktyg som Google Drive, Slack och GitHub. Experter menar att MCP har potentialen att omvandla företags AI-integrationer på samma sätt som Service-Oriented Architecture (SOA) och andra protokoll revolutionerade applikationsinteroperabilitet.

“Att ha en branschstandard för datapipeliner mellan LLM och datakällor är en vinst. Liksom REST och SQL i programvaruindustrin kan standardiserade protokoll som MCP hjälpa team att bygga GenAI-applikationer snabbare och med bättre tillförlitlighet”, sa Gideon Mendels, medgrundare och VD för AI-modellutvärderingsplattformen Comet, till mig. “Detta följer marknadsrealisationen under de senaste sex månaderna att en stor LLM-modell inte räcker till.”

Anthropic avslöjade också att tidiga företagsanvändare, inklusive Block och Apollo, redan har integrerat MCP i sina system. Samtidigt samarbetar utvecklingsverktygsleverantörer som Zed, Replit, Codeium och Sourcegraph med MCP för att förbättra sina plattformar. Detta samarbete syftar till att hjälpa AI-modeller och agenter att hämta mer relevant information via realtidsdata, förstå kontexten mer effektivt och generera nyanserade utdata för företagsuppgifter som kodning, med ökad effektivitet.

“AI-modeller som är mer mänskliga och självmedvetna kan göra tekniken känna sig mer tillgänglig, vilket kan driva bredare antagande”, sa Masha Levin, entreprenör i One Way Ventures, till mig. “Det finns fortfarande mycket rädsla kring AI, med många som ser det som enbart en maskin. Att göra dessa modeller mer mänskliga kan hjälpa till att lindra dessa rädslor och underlätta en smidigare integration i vardagslivet.”

Levin varnade också för en potentiell baksida. “Det finns en risk att företag kan bli alltför beroende av AI för stöd, vilket kan leda till skadliga konsekvenser om AI påverkar deras beslut på extrema sätt.”

Men den verkliga utmaningen för MCP kommer att vara dess förmåga att uppnå bred antagande och överträffa sina konkurrenter på en trång marknad.

Anthropic MCP vs. OpenAI och Perplexity: Striden om AI-innovationsstandarder

Medan Anthropics MCP:s öppna tillvägagångssätt markerar en betydande framsteg för AI-innovation, inträder det i en konkurrensutsatt landskap dominerat av teknikjättar som OpenAI och Perplexity.

OpenAI:s nyliga “Arbeta med appar”-funktion för ChatGPT visar liknande funktioner, även om den har ett proprietärt fokus på att prioritera nära samarbeten över öppna standarder. Denna funktion tillåter ChatGPT att komma åt och analysera data och innehåll från andra appar, men endast med användarbehörighet, vilket eliminerar behovet för utvecklare att manuellt kopiera och klistra in. Istället kan ChatGPT granska data direkt från en app och leverera smartare, kontextmedvetna förslag tack vare sin integration med realtidsinternetdata.

Dessutom introducerade företaget sin realtidsdataarkitektur i oktober, kallad “Realtime API”, som möjliggör för röstassistenter att svara mer effektivt genom att hämta färsk kontext från internet. Till exempel kan en röstassistent placera en beställning på användarens vägnar eller hämta relevant kundinformation för att leverera personliga svar. “Nu med Realtime API och snart med ljud i Chat Completions API behöver utvecklare inte längre sy ihop flera modeller för att driva dessa upplevelser”, sa OpenAI i ett blogginlägg. “Under huven tillåter Realtime API att skapa en varaktig WebSocket-anslutning för att utbyta meddelanden med GPT-4o.”

På samma sätt erbjuder Perplexitys realtidsdataprotokoll för AI, känt som “pplx-api“, utvecklare tillgång till sin stora språkmodell (LLM). Detta API tillåter applikationer att skicka naturliga språkfrågor och ta emot detaljerad, realtidsinformation från webben. Genom en enda API-slutpunkt möjliggör det uppdaterad datahämtning och kontextmedvetna svar för AI-applikationer, och ger utvecklare möjlighet att bygga applikationer som förblir i linje med den senaste informationen.

“Vanligtvis tenderar branschen att standardisera på en öppen källkodsstandard, men det tar ofta år. Det är mycket troligt att OpenAI kommer att försöka introducera fler protokoll”, sa Mendels. “Men om MCP uppnår bred antagande som den första standarden av sitt slag, kan vi se tekniker och bästa praxis börja standardiseras runt det.”

Kan Anthropic MCP sätta standarden för kontextmedveten AI-integration?

Trots sin potential står Anthropic MCP inför betydande utmaningar. Säkerhet är en primär oro, eftersom möjliggörandet av AI-system att komma åt känslig företagsdata ökar risken för läckor om systemet blir rogue. Dessutom kan det vara svårt att övertyga utvecklare som redan är etablerade i etablerade ekosystem att anta MCP.

En annan fråga är den rena storleken på data, enligt JD Raimondi, chef för data science på IT-utvecklingsföretaget Making Sense. Han sa till mig: “Anthropic är ledande i experiment som leder till stora kontexter, men modellernas noggrannhet lider avsevärt. Det är troligt att de kommer att förbättras över tiden, och prestandamässigt finns det många knep för att hålla hastigheten acceptabel.”

Medan Anthropic hävdar att MCP förbättrar AI:s förmåga att hämta och kontextualisera data, kan bristen på konkreta benchmarkresultat för att stödja dessa påståenden hindra antagandet. “Oavsett om du är en AI-verktygsutvecklare, ett företag som vill utnyttja befintliga data eller en tidig antagare som utforskar gränsen, inbjuder vi dig att bygga framtiden för kontextmedveten AI tillsammans”, sa Anthropic.

Medan utvecklare testar MCP:s förmågor kommer branschen att se om denna öppna standard kan uppnå den dragkraft som behövs för att bli en benchmark för kontextmedveten AI-integration. Mendels föreslår att standardisering kan vara en smart drag för Anthropic, vilket potentiellt kan förbättra interoperabiliteten och tillåta team att experimentera med olika kombinationer av verktyg för att bestämma det bästa alternativet för deras behov. “Just nu känns det för tidigt att säga att många processer i AI-ekosystemet standardiseras”, noterade Mendels. “Med innovation som sker så snabbt kan dagens bästa praxis vara föråldrade om en vecka. Endast tiden kommer att visa om ett protokoll som MCP kan lyckas med att standardisera kontextdatahämtning.”