突破数据壁垒：Anthropic 的模型上下文协议（MCP）能否提升 AI 性能？

Anthropic 的创新模型上下文协议（MCP）旨在解决数据碎片化问题并提高 AI 驱动解决方案的效率。它是否能成为上下文感知 AI 集成的标准？

当前人工智能创新面临的最紧迫挑战之一是大型语言模型（LLM）与实时数据的隔离。为了解决这个问题，总部位于旧金山的 AI 研究和安全公司 Anthropic最近宣布了一种独特的开发架构，以改变 AI 模型与数据的交互方式。

该公司的新 模型上下文协议（MCP） 作为开源项目发布，旨在通过“AI 驱动应用程序和实时、多样化数据源之间的双向通信”来提高 AI 的效率。

该架构旨在解决一个日益增长的烦恼：由于缺乏与实时数据的连接而导致的过时的 AI 输出。Anthropic 声称，统一协议可以通过实时上下文感知提高业务的 AI 开发和功能，使其更加人性化。根据公司的说法，每个新的业务数据源都需要自定义的 AI 实现，从而导致低效率。MCP 旨在通过提供开发人员可以普遍采用的标准化框架来解决这个问题。

“架构很简单：开发人员可以通过 MCP 服务器暴露他们的数据，或者构建连接到这些服务器的 AI 应用程序（MCP 客户端）。与其为每个数据源维护单独的连接器，开发人员现在可以针对标准协议进行构建，”Anthropic 在一篇 博客文章 中解释道。“随着生态系统的成熟，AI 系统将在移动到不同工具和数据集之间时保持上下文，取代今天的碎片化集成，形成更可持续的架构。”

AI 模型，包括但不限于 Anthropic 的旗舰助手 Claude，可以与 Google Drive、Slack 和 GitHub 等工具集成。专家认为，MCP 有可能像服务导向架构（SOA）和其他协议一样，通过应用程序互操作性革命来改变业务 AI 集成。

“拥有一个行业标准协议用于大语言模型和数据源之间的数据管道是一个游戏规则的改变者。类似于软件行业中的 REST 和 SQL，标准化协议如 MCP 可以帮助团队更快、更可靠地构建 GenAI 应用程序，”AI 模型评估平台 Comet 的联合创始人兼 CEO Gideon Mendels 告诉我。“这遵循了过去六个月的市场认识，即一个伟大的 LLM 模型是不够的。”

Anthropic 还透露，早期企业采用者，包括 Block 和 Apollo，已经将 MCP 集成到他们的系统中。同时，开发工具提供商，如 Zed、Replit、Codeium 和 Sourcegraph，与 MCP 合作，以增强他们的平台。该合作伙伴关系旨在帮助 AI 模型和代理通过实时数据检索更相关的信息，更加有效地理解上下文，并为企业任务（如编码）生成细致的输出，从而提高效率。

“更人性化和自我意识的 AI 模型可以使技术更容易被理解，这可能会推动更广泛的采用，”One Way Ventures 的企业家 Masha Levin 告诉我。“仍然有很多人对 AI 有所恐惧，认为它只是机器。使这些模型人性化可以帮助缓解这些恐惧，并使其更顺利地融入日常生活。”

然而，Levin 也提到了一个潜在的缺点。“企业可能过度依赖 AI 支持，使其在极端情况下影响他们的决策，从而导致有害的后果。”

然而，MCP 的真正考验将是其是否能够获得广泛的采用，并在竞争激烈的市场中超越其竞争对手。

Anthropic MCP vs. OpenAI 和 Perplexity：AI 创新标准之战

虽然 Anthropic MCP 的开源方法标志着 AI 创新的一个显著进步，但它进入了一个由科技巨头如 OpenAI 和 Perplexity 主导的竞争格局。

OpenAI 的“与应用程序合作”功能使 ChatGPT 具有类似的能力，尽管它专注于优先考虑与应用程序的密切合作，而不是开源标准。该功能允许 ChatGPT 访问和分析其他应用程序的数据和内容，但仅在用户许可的情况下，消除了开发人员手动复制和粘贴的需要。相反，ChatGPT 可以直接从应用程序中查看数据，提供更智能、更上下文感知的建议，得益于其与实时互联网数据的集成。

此外，该公司还在十月份推出了名为“实时 API”的实时数据架构，使得语音助手可以更有效地响应，通过从互联网中拉取新鲜的上下文。例如，语音助手可以代表用户下单或检索相关客户信息以提供个性化的响应。“现在有了实时 API 和即将推出的音频聊天完成 API，开发人员不再需要将多个模型拼接在一起来支持这些体验，”OpenAI 在一篇 博客文章 中说。“在底层，实时 API 允许您创建一个持久的 WebSocket 连接来与 GPT-4o 交换消息。”

同样，Perplexity 的 AI 实时数据协议，称为“pplx-api”，为开发人员提供了访问其大型语言模型（LLM）的权限。该 API 允许应用程序发送自然语言查询并从网络接收详细、实时信息。通过单个 API 端点，它使得开发人员能够构建始终与最新信息保持一致的应用程序，赋予他们通过实时数据检索和上下文感知响应来构建应用程序的能力。

“通常，行业倾向于标准化一个开源解决方案，但这可能需要几年时间。很可能 OpenAI 将尝试引入更多协议，”Mendels 说。“但是，如果 MCP 获得广泛采用作为第一种标准，我们可能会看到技术和最佳实践开始围绕它标准化。”

Anthropic MCP 是否能成为上下文感知 AI 集成的标准？

尽管 MCP 具有潜力，但它面临着重大挑战。安全性是一个主要问题，因为允许 AI 系统访问敏感的企业数据会增加数据泄露的风险，如果系统失控。另外，说服已经习惯于成熟生态系统的开发人员采用 MCP 可能会很困难。

另一个问题是数据的庞大规模，根据 IT 开发公司 Making Sense 的数据科学负责人 JD Raimondi 的说法。“Anthropic 是大上下文实验的领导者，但模型的准确性会严重受损。随着时间的推移，它们可能会变得更好，在性能方面，有很多技巧可以保持速度的可接受性，”他告诉我。

虽然 Anthropic 断言 MCP 能够提高 AI 检索和理解数据的能力，但缺乏具体的基准来支持这些说法可能会阻碍采用。“无论您是 AI 工具开发人员、企业希望利用现有数据的企业，还是早期采用者在探索边缘，我们邀请您与我们一起建设上下文感知 AI 的未来，”Anthropic 说。

当开发人员测试 MCP 的功能时，行业将观察到这个开源标准是否能够获得足够的牵引力，以成为上下文感知 AI 集成的基准。Mendels 建议，标准化可能是 Anthropic 的一个明智的举动，可能会提高互操作性，并允许团队尝试不同的工具组合，以确定哪一个最适合他们的需求。“现在，感觉还为时过早，无法说很多 AI 生态系统中的过程正在标准化，”Mendels 注意到。“由于创新正在如此迅速地发生，今天的最佳实践可能会在下周过时。只有时间才能告诉我们，像 MCP 这样的协议是否能够成功地标准化上下文数据检索。”