模型上下文协议:有希望的AI集成水平,但不是标准(目前)


加入我们的每日和每周信息选票,以获取人工智能领先的行业照明中的最新更新和独家内容。了解更多


在过去的几年中,当AI系统变得越来越有能力产生文本,而且还可以采取措施,做出决策并与公司系统集成,它们还会带来其他困难。 AI的每个模型都有自己与其他软件进行交互的方式。每个添加的系统都会创建另一个集成果酱,并且IT团队花费的时间更多的时间来连接系统,而不是使用它们。这种整合税不是独一无二的:它是当今零散景观AI的隐藏成本。

Anpropic(MCP)模型上下文协议是填补此空白的首次尝试之一。它提供了一个纯协议,而没有保留大型语言模型(LLM)可以检测并引起具有恒定接口和最小开发人员摩擦的外部工具的条件。这有可能将隔离的AI功能转换为组成的成品企业工作流程。反过来,这可以使集成标准化和简单。这是我们需要的灵丹妙药吗?在深入研究之前,让我们首先了解什么是MCP。

目前,LLM系统中工具的集成充其量是特殊的。代理的每个结构,每个插头系统系统和每个模型供应商通常都会确定自己处理工具的方法。这导致公差降低。

MCP提供了令人耳目一新的替代方法:

  • 客户端服务器的模型,其中LLMS请求工具从外部服务执行;
  • 在机器上发表的仪器界面可读,声明性格式;
  • 无保存的通信模板,专为组成和重新使用而设计。

在广泛的情况下,MCP可以制作检测到的AI工具,模块化和兼容,类似于剩下的(代表性状态)和Web服务的OpenAPI。

为什么MCP(现在)不是标准

虽然MCP是由Antropric开发的开源协议,并且最近获得了牵引力,但重要的是要承认它是什么,什么不是。 MCP还不是正式的行业标准。尽管他的性质开放,而且收养的越来越大,但他仍然得到一位供应商的支持和指导,主要是在克劳德家族周围发展。

真正的标准不仅需要开放访问。应该有一个独立的管理组,几个有关方面的代表以及官方财团,以观察其演变,版本的管理和任何争议解决。如今,这些元素都不适合MCP。

这种差异不仅仅是技术性的。在有关企业实施的最新项目中,包括任务的编排,处理文档和报价自动化,缺乏该工具的一般接口级别已反复浮出水面作为摩擦点。团队被迫在不同系统中开发适配器或重复的逻辑,从而导致更高的复杂性和成本增加。没有中立,广泛采用的方案,这种复杂性不太可能降低。

这在当前AI的碎片景观中尤其重要,其中一些供应商研究了自己的专利或并行协议。例如,Google宣布了他的代理2agent协议,而IBM正在开发自己的通信协议。没有协调的努力,就有真正的风险,即使生态系统分裂而不是融合,这会使相互作用和长期稳定性变得复杂。

同时,MCP本身仍在发展,其规格,安全实践和实施管理也被积极澄清。早期用户注意到与开发人员的经验,工具集成和可靠安全性相关的问题,这对企业系统来说都不是微不足道的。

在这种情况下,企业应小心。尽管MCP代表了一个有希望的方向,但关键系统需要可预测性,稳定性和交互作用,这是由标准社区控制的成熟提供的。中立机构规范的协议提供了长期的投资保护,保护收养父母免受单方面变化或与任何供应商的战略转变。

对于今天评估MCP的组织,这提出了一个决定性的问题 – 您如何在不注册不确定性的情况下接受创新?下一步不是被MCP拒绝,而是为了与之战略互动:实验增加了成本,隔离成瘾并为未来的多项索赔做好了准备,仍然可以在流中。

技术领导者应遵循什么

尽管对MCP进行实验是有道理的,尤其是对于那些已经使用Claude的人,完全采用的采用需要更具战略意义的镜头。以下是一些考虑因素:

1。卖方的城堡

如果您的工具针对MCP,并且只有人为支持MCP,则与他们的堆栈相关。这限制了灵活性,因为多种策略变得越来越普遍。

2。安全后果

允许LLM自主释放工具是有力和危险的。如果没有围栏,例如获得该地区的许可,撤回,验证和细分分辨率,则不良工具可以使系统受到操纵或错误。

3。观察差距

模型的输出暗示了代表使用该工具的“推理”。这使调试变得更加困难。维护期刊,监视和透明度的工具对于使用企业将很重要。

仪器生态系统

当今大多数工具不是MCP。组织可能需要重新制定其API才能遵守中间软件适配器,以克服差距。

战略建议

如果您创建基于代理的产品,则应监视MCP。接受应组织:

  • 带有MCP的原型,但避免了深厚的连接;
  • 用于抽象MCP特定逻辑的适配器的设计;
  • 保护开放控制,帮助将MCP(或其继任者)送往社区的采用;
  • 监视开源参与者的并行努力,例如Langchain和Autogpt,或可以为中性供应商提供替代方案的行业器官。

这些步骤保持灵活性,鼓励与未来融合相对应的建筑实践。

为什么这次对话很重要

根据公司环境中的经验,一个模板很明显:在说明上缺乏标准化的界面,这会减慢实施,增加集成成本并创造运营风险。

MCP的想法是,模型应以一种恒定的语言来说明工具。 Prima Facie:这不仅是一个好主意,而且是必要的。这是为了协调未来的AI系统,在实际工作过程中实现思想的基本层。普遍采用的道路既不是保证的也不是风险。

是MCP这个标准尚未找到。但是他所说的对话是行业无法避免的谈话。

Gopal Kupsvami是Cognida的共同创始人。


Source link
Scroll to Top