„Anthropic“ novatoriškas modelio konteksto protokolas (MCP) siekia išspręsti suskaidytus duomenis ir padidinti AI varomų sprendimų efektyvumą. Ar tai gali tapti konteksto žinomumo AI integracijos standartu?
Vienas iš aktualiausių dirbtinio intelekto (AI) naujovių iššūkių šiandien yra didelių kalbos modelių (LLMS) izoliacija nuo realaus laiko duomenų. San Fransiske įsikūrusi AI tyrimų ir saugos įmonė „Anthropic“, norėdama išspręsti šią problemą, neseniai paskelbė unikalią plėtros architektūrą, skirtą pertvarkyti, kaip AI modeliai sąveikauja su duomenimis.
Bendrovės nauja Modelio konteksto protokolas (MCP)paleistas kaip atvirojo kodo projektas, skirtas padidinti AI efektyvumą per „dvipusį ryšį tarp AI varomų programų ir realaus laiko, įvairių duomenų šaltinių“.
Architektūra yra sukurta siekiant išspręsti didėjantį nusivylimą: pasenusi AI išėjimai, kuriuos sukelia ryšio su realiojo laiko duomenimis stoka. Antropiniai teiginiai, kad vieningas protokolas gali pagerinti AI plėtrą ir funkcionalumą įmonėms, ir padaryti juos labiau žmogiškaisiais realiojo laiko konteksto supratimu. Anot bendrovės, kiekvienam naujam verslo duomenų šaltiniui reikalingas pasirinktinis PG įgyvendinimas, sukuriantis neveiksmingumą. MCP siekia tai išspręsti siūlydamas standartizuotą sistemą, kurią kūrėjai gali priimti visuotinai.
„Architektūra yra paprasta: kūrėjai gali arba atskleisti savo duomenis per MCP serverius arba sukurti AI programas (MCP klientus), jungiančias prie šių serverių. Užuot palaikę atskiras kiekvieno duomenų šaltinio jungtis, kūrėjai dabar gali sukurti pagal standartinį protokolą “, – paaiškino Anthropic a a Tinklaraščio įrašas. „Ekosistemai subręsta, PG sistemos palaikys kontekstą, kai jos judės tarp skirtingų įrankių ir duomenų rinkinių, pakeisdamos šiandienos suskaidytą integraciją tvaresne architektūra“.
PG modeliai, įskaitant, bet neapsiribojant, „Anthropic“ pavyzdiniu padėjėju Claude, gali integruoti su tokiais įrankiais kaip „Google Drive“, „Slack“ ir „GitHub“. Ekspertai siūlo, kad MCP gali pakeisti verslo AI integraciją tuo pačiu būdu į paslaugas orientuotą architektūrą (SOA) ir kitus protokolus revoliucionizuotą programų sąveiką.
„Duomenų vamzdynų tarp LLMS ir duomenų šaltinių pramonės standarto protokolas yra žaidimų keitiklis. Panašiai kaip poilsis ir SQL programinės įrangos pramonėje, Standartizuoti protokolai, tokie kaip MCP, gali padėti komandoms greičiau kurti genų programas ir turėti geresnį patikimumą “. Man pasakojo Gideonas Mendelsas, AI modelio vertinimo platformos kometos įkūrėjas ir generalinis direktorius. “Tai seka rinkos suvokimą per pastaruosius šešis mėnesius, kad nepakanka puikaus LLM modelio. “
„Anthropic“ taip pat atskleidė, kad ankstyvieji įmonių įvaikintojai, įskaitant „Block“ ir „Apollo“, jau integravo MCP į savo sistemas. Tuo tarpu plėtros įrankių tiekėjai, tokie kaip „Zed“, „Replit“, „Codeium“ ir „SourceGraph“, bendradarbiauja su MCP, kad patobulintų jų platformas. Šia partnerystė siekiama padėti AI modeliams ir agentams gauti svarbesnę informaciją per realiojo laiko duomenis, efektyviau suvokti kontekstą ir generuoti niuansuotus įmonių užduočių, tokių kaip kodavimas, rezultatus, su didesniu efektyvumu.
„PG modeliai, kurie yra labiau panašūs į žmogų, gali priversti technologiją jaustis palyginamomis, o tai gali paskatinti platesnį įvaikinimą“,-man pasakojo Masha Levin, verslininkė, gyvenamajai vienaip. „Aplink PG vis dar yra daug baimės, daugelis matė, kad tai tik mašina. Šių modelių humanizavimas galėtų padėti palengvinti tas baimes ir skatinti sklandesnę integraciją į kasdienį gyvenimą. “
Levinas taip pat perspėjo apie galimą neigiamą pusę. „Yra rizika, kad verslas gali pernelyg priklausyti nuo AI dėl paramos, leisdama jai ypač paveikti jų sprendimus ekstremaliais būdais, o tai gali sukelti kenksmingų padarinių“.
Tačiau tikrasis MCP testas bus jo sugebėjimas įgyti plačiai įvaikinimą ir aplenkti savo konkurentus perpildytoje rinkoje.
Antropinis MCP prieš „Openai“ ir pasipiktinimas: kova dėl AI inovacijų standartų
Nors „Anthropic MCP“ atvirojo kodo metodas žymi pastebimą AI inovacijų pažangą, jis patenka į konkurencingą kraštovaizdį, kuriame dominuoja tokios technologijų milžinai kaip „Openai“ ir pasipiktinimas.
Naujausia „Openai“ „Work Work Work“ su „Apps“ funkcija, skirta „ChatGpt“, demonstruoja panašias galimybes, nors ir patentuota, kad prioritetas būtų teikiamas prioritetų prioritetų nustatymui, palyginti su atvirais standartais. Ši funkcija leidžia „CHATGPT“ pasiekti ir analizuoti duomenis ir turinį iš kitų programų, tačiau tik gavus vartotojo leidimą, pašalinant poreikį kūrėjams rankiniu būdu nukopijuoti ir įklijuoti. Vietoj to, „CHATGPT“ gali tiesiogiai peržiūrėti duomenis iš programos, teikdama protingesnius, konteksto žinių pasiūlymus dėl jo integracijos su realiojo laiko interneto duomenimis.
Be to, spalio mėn. Bendrovė taip pat pristatė savo realiojo laiko duomenų architektūrą, vadinamą „Realme“ API, kuri leidžia balso padėjėjams efektyviau reaguoti, traukdama naują kontekstą iš interneto. Pavyzdžiui, balso asistentas galėtų pateikti užsakymą vartotojo vardu arba nuskaityti atitinkamą informaciją apie klientą, kad pateiktų individualizuotus atsakymus. „Dabar su realaus laiko API ir netrukus su garso įrašais pokalbių užbaigimo API, kūrėjams nebereikia susiuvimo kelis modelius, kad būtų galima maitinti šią patirtį“, – sakė Openai a Tinklaraščio įrašas. „Po gaubtu realaus laiko API leidžia sukurti nuolatinį„ WebSocket “ryšį su mainų pranešimais su GPT-4o.“
Panašiai AI „pasipiktinimo realaus laiko duomenų“ duomenų protokolas, žinomas kaip “Pplx-api– suteikia kūrėjams prieigą prie didelės kalbos modelio (LLM). Ši API leidžia programoms siųsti natūralias kalbos užklausas ir gauti išsamią realiojo laiko informaciją iš interneto. Vykdydamas vieną API pabaigą, jis suteikia galimybę atnaujinti duomenų gavimo ir konteksto atsakymus į AI programas, įgalinant kūrėjus kurti programas, kurios lieka suderintos su naujausia informacija.
„Paprastai pramonė linkusi standartizuoti vieną atvirojo kodo sprendimą, tačiau dažnai tai trunka metus. Labai tikėtina, kad „Openai“ bandys pristatyti daugiau protokolų “, – sakė Mendelsas. „Bet jei MCP įgyja plačią priėmimą kaip pirmąjį tokio pobūdžio standartą, galėtume pamatyti techniką ir geriausią praktiką, pradedant standartizuoti aplink jį“.
Ar antropinis MCP gali nustatyti konteksto žinojimo AI integracijos standartą?
Nepaisant savo galimybių, antropic MCP susiduria su dideliais iššūkiais. Saugumas yra pagrindinis susirūpinimas, nes AI sistemos įgalina prieigą prie jautrių įmonių duomenų, sukelia nuotėkio riziką, jei sistema nesąžininga. Be to, įtikinami kūrėjai, jau įsitvirtinę nustatytose ekosistemose, kad galėtų priimti MCP, gali pasirodyti sudėtinga.
Kita problema yra vien tik duomenų dydis, teigia JD Raimondi, IT kūrimo įmonės, turinčios prasmę, duomenų mokslo vadovas. Jis man pasakė: „Antropikas yra eksperimentų, vedančių į didelius kontekstus, lyderis, tačiau modelių tikslumas labai kenčia. Tikėtina, kad laikui bėgant jie taps geresni, o našumas-yra daugybė gudrybių, kad greitis būtų priimtinas. “
Nors „Anthropic“ tvirtina, kad MCP pagerina AI gebėjimą gauti ir kontekstualizuoti duomenis, betono etalonų trūkumas šiems teiginiams paremti gali trukdyti priimti. „Nesvarbu, ar esate AI įrankių kūrėjas, įmonė, norinti panaudoti esamus duomenis, ar ankstyvas įvaikintojas, tyrinėjantis pasienį, kviečiame kartu kurti konteksto AI ateities ateitį“,-sakė A. Anthropic.
Kai kūrėjai išbando MCP galimybes, pramonė stebės, ar šis atviras standartas gali įgyti sukibimą, reikalingą norint tapti konteksto AI integracijos etalonu. Mendelsas teigia, kad standartizavimas gali būti protingas antropijos žingsnis, potencialiai padidinti sąveiką ir leisti komandoms eksperimentuoti su skirtingais įrankių deriniais, kad būtų galima nustatyti geriausią jų poreikius. „Šiuo metu jaučiama per anksti pasakyti, kad daugelis AI ekosistemos procesų standartizuoja“, – pažymėjo Mendelsas. „Kadangi naujovės vyksta taip greitai, šiandien geriausia praktika gali būti pasenusi iki kitos savaitės. Tik laikas parodys, ar tokiam protokolui kaip MCP gali pavykdyti standartizuoti konteksto duomenų gavimą. “
