Η Anthropic προτείνει το MCP: Ένα νέο πρότυπο για σύνδεση βοηθών AI με δεδομένα
Περίληψη άρθρου:
Η Anthropic παρουσίασε το Model Context Protocol (MCP), ένα ανοιχτό πρότυπο που στοχεύει να γεφυρώσει το χάσμα μεταξύ βοηθών τεχνητής νοημοσύνης (AI) και πηγών δεδομένων. Το MCP επιτρέπει τη δημιουργία αμφίδρομων συνδέσεων μεταξύ πηγών δεδομένων, εφαρμογών και εργαλείων, διευκολύνοντας την κλίμακα και την απόδοση των συστημάτων AI. Παρά τη φιλόδοξη προσέγγιση, η ευρεία αποδοχή του MCP εξαρτάται από τη συνεργασία της βιομηχανίας και την ανταπόκριση ανταγωνιστών όπως η OpenAI.
Κύρια σημεία:
- Τι είναι το MCP:
- Ένα ανοιχτό πρότυπο που συνδέει βοηθούς AI με πηγές δεδομένων.
- Στόχος: Βελτίωση της συνάφειας και της ποιότητας των απαντήσεων AI μέσω πρόσβασης σε πιο συναφή δεδομένα.
- Λειτουργίες και δυνατότητες:
- Δημιουργεί αμφίδρομες συνδέσεις μεταξύ πηγών δεδομένων και εφαρμογών AI.
- Χρησιμοποιεί MCP servers και clients για να εκθέτει δεδομένα και να διευκολύνει ροές εργασίας.
- Υποστηρίζεται ήδη από εταιρείες όπως οι Block, Apollo, και εργαλεία όπως Replit, Codeium, και Sourcegraph.
- Πλεονεκτήματα:
- Αντικαθιστά τους αποσπασματικούς συνδέσμους δεδομένων με ένα ενιαίο, βιώσιμο πρότυπο.
- Διευκολύνει την ανάπτυξη εργαλείων που μπορούν να διατηρούν το context μεταξύ διαφορετικών δεδομένων και συστημάτων.
- Περιλαμβάνει προεγκατεστημένους MCP servers για εργαλεία όπως Google Drive, Slack, και GitHub.
- Ανταγωνισμός και προκλήσεις:
- Ανταγωνιστές μπορεί να αντισταθούν, προωθώντας δικές τους προσεγγίσεις.
- Υπάρχει ήδη ανταγωνισμός με παρόμοια χαρακτηριστικά σύνδεσης δεδομένων.
- Ερωτήματα απόδοσης:
- Η Anthropic ισχυρίζεται ότι το MCP βελτιώνει την ανάκτηση σχετικών πληροφοριών για έργα, αλλά δεν έχει προσφέρει ακόμη μετρήσεις ή benchmarks.
- Ανοιχτή πρόσκληση:
- Η Anthropic καλεί προγραμματιστές να συνεργαστούν στην εξέλιξη του MCP μέσω του ανοιχτού κώδικα και των εργαλείων που παρέχει.
Αναλυτικά το άρθρο:
Με την ονομασία Model Context Protocol, ή εν συντομία MCP, η Anthropic λέει ότι το πρότυπο, το οποίο έχει ανοίξει σήμερα, θα μπορούσε να βοηθήσει τα μοντέλα AI να παράγουν καλύτερες και πιο σχετικές απαντήσεις σε ερωτήματα.
Το MCP επιτρέπει στα μοντέλα - οποιαδήποτε μοντέλα, όχι μόνο αυτά της Anthropic - να αντλούν δεδομένα από πηγές όπως επιχειρηματικά εργαλεία και λογισμικό για την ολοκλήρωση εργασιών, καθώς και από αποθετήρια περιεχομένου και περιβάλλοντα ανάπτυξης εφαρμογών.
«Καθώς οι βοηθοί τεχνητής νοημοσύνης αποκτούν ευρεία αποδοχή, ο κλάδος έχει επενδύσει σε μεγάλο βαθμό στις δυνατότητες των μοντέλων, επιτυγχάνοντας ταχεία πρόοδο στη συλλογιστική και την ποιότητα», έγραψε η Anthropic σε μια ανάρτηση στο blog. «Ωστόσο, ακόμη και τα πιο εξελιγμένα μοντέλα περιορίζονται από την απομόνωσή τους από τα δεδομένα - παγιδευμένα πίσω από σιλό πληροφοριών και παλαιά συστήματα. Κάθε νέα πηγή δεδομένων απαιτεί τη δική της προσαρμοσμένη υλοποίηση, καθιστώντας δύσκολη την κλιμάκωση των πραγματικά συνδεδεμένων συστημάτων».
Το MCP λύνει φαινομενικά αυτό το πρόβλημα μέσω ενός πρωτοκόλλου που επιτρέπει στους προγραμματιστές να δημιουργούν αμφίδρομες συνδέσεις μεταξύ πηγών δεδομένων και εφαρμογών με τεχνητή νοημοσύνη (π.χ. chatbots). Οι προγραμματιστές μπορούν να εκθέτουν δεδομένα μέσω «διακομιστών MCP» και να δημιουργούν «πελάτες MCP» - για παράδειγμα, εφαρμογές και ροές εργασίας - που συνδέονται σε αυτούς τους διακομιστές κατόπιν εντολής.
Η Anthropic αναφέρει ότι εταιρείες, συμπεριλαμβανομένων των Block και Apollo, έχουν ήδη ενσωματώσει το MCP στα συστήματά τους, ενώ εταιρείες εργαλείων ανάπτυξης, συμπεριλαμβανομένων των Replit, Codeium και Sourceegraph, προσθέτουν υποστήριξη MCP στις πλατφόρμες τους.
«Αντί να διατηρούν ξεχωριστούς συνδέσμους για κάθε πηγή δεδομένων, οι προγραμματιστές μπορούν πλέον να χτίζουν με βάση ένα τυποποιημένο πρωτόκολλο», γράφει η Anthropic. «Καθώς το οικοσύστημα ωριμάζει, τα συστήματα AI θα διατηρούν το πλαίσιο καθώς μετακινούνται μεταξύ διαφορετικών εργαλείων και συνόλων δεδομένων, αντικαθιστώντας τις σημερινές κατακερματισμένες ενσωματώσεις με μια πιο βιώσιμη αρχιτεκτονική».
Οι προγραμματιστές μπορούν να αρχίσουν να δημιουργούν με συνδέσμους MCP τώρα, και οι συνδρομητές του προγράμματος Claude Enterprise της Anthropic μπορούν να συνδέσουν το chatbot Claude της εταιρείας με τα εσωτερικά τους συστήματα μέσω διακομιστών MCP. Η Anthropic έχει μοιραστεί προκατασκευασμένους διακομιστές MCP για εταιρικά συστήματα όπως το Google Drive, το Slack και το GitHub και αναφέρει ότι σύντομα θα παρέχει εργαλειοθήκες για την ανάπτυξη διακομιστών MCP παραγωγής που μπορούν να εξυπηρετήσουν ολόκληρους οργανισμούς.
«Δεσμευόμαστε να οικοδομήσουμε το MCP ως ένα συνεργατικό έργο και οικοσύστημα ανοιχτού κώδικα», έγραψε η Anthropic. «Προσκαλούμε [τους προγραμματιστές] να οικοδομήσουμε μαζί το μέλλον της τεχνητής νοημοσύνης με επίγνωση του πλαισίου».
Το MCP ακούγεται καλή ιδέα στη θεωρία. Αλλά δεν είναι καθόλου ξεκάθαρο ότι θα αποκτήσει μεγάλη απήχηση, ιδίως μεταξύ ανταγωνιστών όπως το OpenAI, που σίγουρα θα προτιμούσαν οι πελάτες και οι συνεργάτες του οικοσυστήματος να χρησιμοποιούν τις δικές τους προσεγγίσεις και προδιαγραφές σύνδεσης δεδομένων.
Στην πραγματικότητα, η OpenAI έφερε πρόσφατα ένα χαρακτηριστικό σύνδεσης δεδομένων στο ChatGPT, την πλατφόρμα chatbot με τεχνητή νοημοσύνη, που επιτρέπει στο ChatGPT να διαβάζει κώδικα σε εφαρμογές κωδικοποίησης που εστιάζουν στην ανάπτυξη - παρόμοια με τις περιπτώσεις χρήσης που οδηγεί η MCP. Η OpenAI έχει δηλώσει ότι σχεδιάζει να φέρει τη δυνατότητα, που ονομάζεται Work with Apps, σε άλλους τύπους εφαρμογών στο μέλλον, αλλά επιδιώκει υλοποιήσεις με στενούς συνεργάτες και όχι την ανοιχτή διάθεση της υποκείμενης τεχνολογίας.
Μένει επίσης να δούμε αν το MCP είναι τόσο επωφελές και αποδοτικό όσο ισχυρίζεται η Anthropic ότι είναι. Η εταιρεία λέει, για παράδειγμα, ότι το MCP μπορεί να επιτρέψει σε ένα ρομπότ τεχνητής νοημοσύνης να «ανακτήσει καλύτερα τις σχετικές πληροφορίες για να κατανοήσει περαιτέρω το πλαίσιο γύρω από μια εργασία κωδικοποίησης», αλλά η εταιρεία δεν προσφέρει κανένα μέτρο σύγκρισης για να υποστηρίξει αυτόν τον ισχυρισμό.
Πηγή: Anthropic proposes a new way to connect data to AI chatbots