Чому ІТ-лідери повинні думати про протокол контексту моделі?

У листопаді минулого року Anthropic представила протокол контексту моделі (MCP), який спочатку викликав мало інтересу. Компанія розмістила цю новину в блоґ-пості, назвавши MCP відкритим стандартом, призначеним для того, щоб “допомогти передовим моделям генерувати кращі, більш актуальні відповіді”.

Але коли розробники дізналися більше про MCP, стало зрозуміло, наскільки потужним воно є. За кілька місяців компанії, такі як OpenAI, Google та Microsoft, прийняли цей стандарт. Це сприяло зростанню інтересу до MCP, оскільки зростання було схоже на популярний споживчий додаток, а не на інструмент інфраструктури для розробників.

GitHub-репозиторій для MCP швидко перетворився на живу спільноту. Наразі там понад 64 500 зірок і близько 7 500 форків. А ще є тисячі серверів, які з’явилися на різних веб-сайтах.

Такий імпульс рідкісний для інфраструктури розробників. Однак він показує важливість MCP, оскільки його почали називати “USB C для додатків штучного інтелекту”.

Тепер давайте побачимо, чому цей відкритий стандарт став так популярним і чому ІТ-лідери повинні думати про нього.

Переваги MCP

До появи MCP будівництво передових генеративних моделей штучного інтелекту або агентських систем було довгим процесом. Кожна велика мова модель (LLM) вимагала індивідуальної інтеграції з кожним інструментом або джерелом даних, яке вона використовувала. Це створило так звану “проблему MxN”. Це означає, що M моделей потрібно вручну підключити до N різних інструментів.

Наприклад, якщо ви використовуєте три різні LLM для роботи з десятьма додатками, вам потрібно буде створити 30 окремих інтеграцій. Це не тільки вимагатиме значних інженерних ресурсів, але й кодова база буде важкою для підтримки, оскільки інструменти, API та моделі будуть розвиватися.

Але з стандартом MCP процес значно покращується. Він забезпечує дві важливі можливості: контекст і використання інструментів з LLM. Це дозволяє не тільки отримувати більш актуальні відповіді, але й покращувати точність і продуктивність.

Наприклад, з контекстом додаток штучного інтелекту може отримувати доступ до широкого спектра публічно доступних джерел даних, наприклад, даних про погоду або фінансових даних. MCP також забезпечує доступ до приватних джерел даних, таких як Slacks або Jira-тікети.

У сфері використання інструментів MCP може виконувати дії, такі як завдання CRUD для баз даних, планування подій або нагадувань, або оновлення для CRM або ERP.

Окрім забезпечення стандартизації контексту та використання інструментів, є інші переваги MCP. Одна з них – безпека, оскільки вона підтримує авторизацію на основі OAuth. Наступна перевага полягає в тому, що моделі не тісно пов’язані з інструментами або джерелами даних. Інакше кажучи, коли API змінюються або приймається новий інструмент, немає потреби в великих переписуваннях.

MCP також допомагає покращити керування та дотримання вимог законодавства через централізацію використання інструментів та потоків даних. Це робить його легшим для забезпечення політики та аудиту.

У світлі цих переваг не повинно бути сюрпризом, що MCP став дуже популярною системою для будівництва генеративних моделей штучного інтелекту та агентських додатків.

Виклики MCP

MCP ще потребує багато роботи, щоб зробити його більш стабільним і зрілим. Інтерфейси користувача часто незручні та неінтуїтивні. Для покращення безпеки MCP повинні мати сильно типізовані підходи, щоб мінімізувати потенційні вектори атак. Не менш важливо – це тонка авторизація. Наприклад, повинно бути можливим авторизувати сервер MCP або агент тільки для конкретних дій.

Відкриття MCP залишається проблемою. Що потрібно, це реєстри для перевірки та сертифікації серверів, подібні до того, як працюють магазини додатків. Ці реєстри можуть обслуговувати різні вертикалі, наприклад, ІТ, безпеку та фінанси. Підприємства, ймовірно, розроблять внутрішні реєстри, щоб забезпечити ще більший контроль.

Нарешті, MCP може мати більш широкі наслідки, навіть загрожуючи бізнес-моделям. Наприклад, ці системи можуть зменшити щоденні активні користувачі (DAU) для веб-додатків та мобільних додатків. Причина полягає в тому, що агенти штучного інтелекту будуть використовувати MCP для виконання дій, що означає менше потреби в людських користувачах для відвідування платформ.

Безпека як основа

MCP дозволяє значно прискорити інновації. Це особливо важливо, оскільки підприємства стикаються з зростаючим тиском, щоб показати відчутні результати від своїх інвестицій у штучний інтелект. Однак прагнення до швидкості не повинно відбуватися за рахунок безпеки та дотримання законодавства. Ігнорування цих питань може створити значні ризики, оскільки MCP не тільки отримує доступ до конфіденційних даних, але й може виконувати прямої дії з цими даними.

Реалізація MCP повинна включати керування, реєстрацію та аудит у кожному шарі. Політика повинна чітко визначати, хто може авторизувати агентів, які дії їм дозволено виконувати, та як ці дії контролюються. Тонка авторизація, у поєднанні з постійним наглядом, зменшує потенційне використання не за призначенням, забезпечуючи прозорість, необхідну для дотримання законодавства.

Висновок

MCP швидко стає одним з основних елементів будівництва наступного покоління генеративних моделей штучного інтелекту та агентських систем. Для ІТ-лідерів MCP представляє як можливість, так і відповідальність. Це можливість розблокувати нові ефективності та можливості, та відповідальність за його реалізацію з правильними обмеженнями.

У довгостроковій перспективі підприємства, які розглядають безпеку та дотримання законодавства як невід’ємну, а не необов’язкову частину, будуть найкраще підготовлені до використання всіх можливостей MCP. Збалансувавши інновації з сильним керуванням, ІТ-лідери можуть забезпечити, щоб їхні ініціативи з штучного інтелекту були не тільки потужними та трансформаційними, але й надійними, стійкими та резилієнтними.