עליית ה-MCP: כיצד Baidu Cloud חלוצה בשירותי פרוטוקול הקשר מודל ברמה ארגונית
בנוף שבו הבינה המלאכותית מתפתחת במהירות, תקן חדש לאינטראקציה של מודלים צץ ועולה. פרוטוקול הקשר מודל (MCP), תקן פתוח שהוצג על ידי Anthropic בנובמבר 2024, הפך במהירות לנקודת מוקד עבור מפתחים וארגונים כאחד. המטרה העיקרית של MCP היא לבסס קישורים מאובטחים ודו-כיווניים בין מודלים גדולים של שפה (LLM) ומקורות נתונים מגוונים, ובכך לטפל בחוסר עקביות ביישום כלים ולסייע בשיתוף בין מודלים.
הופעת MCP כתקן תעשייתי
תוך מספר חודשים בלבד, MCP צבר תאוצה משמעותית בקהילת הבינה המלאכותית. בכנס המפתחים של Baidu AI Create2025 ב-25 באפריל, מייסד Baidu רובין לי חשף שני מודלים פורצי דרך: Wenxin Large Model 4.5 Turbo ו-Deep Thinking Model X1 Turbo. למודלים אלה נלוו יישומי בינה מלאכותית שונים, המציינים את המחויבות של Baidu לעזור למפתחים לאמץ באופן מלא את MCP.
התמיכה ב-MCP חורגת מ-Baidu, וכוללת שחקנים מרכזיים כמו OpenAI, Google, Microsoft, Amazon, Anthropic, Alibaba ו-Tencent. אימוץ נרחב זה מצביע על כך ש-MCP הופך ל”HTTP של עולם הבינה המלאכותית”, וקובע תקן אוניברסלי לאופן שבו מודלים ומקורות נתונים מקיימים אינטראקציה.
במהלך הכנס, Baidu Intelligent Cloud השיקה רשמית את שירות ה-MCP הראשון ברמה ארגונית בסין. שירות זה מספק לארגונים ומפתחים גישה ליותר מ-1,000 שרתי MCP. יתר על כן, הפלטפורמה מאפשרת למפתחים ליצור שרתי MCP משלהם ב-Qianfan, פלטפורמת פיתוח הבינה המלאכותית של Baidu, ולפרסם אותם ב-MCP Square, ומציעה אירוח ואינדוקס בחינם באמצעות Baidu Search.
האסטרטגיה הממוקדת בארגונים של Baidu Cloud
בעוד ספקים שונים מאמצים את MCP, הגישות שלהם שונות. Baidu Intelligent Cloud מתמקדת בשוק הארגוני, במטרה לערב כמה שיותר מפתחים בשלב מוקדם. אסטרטגיה זו כוללת העשרת MCP Square ומינוף Baidu Search כדי להניע תנועה, ובכך לטפח מערכת אקולוגית חזקה של MCP.
הגישה ש-Baidu נוקטת לגבי הצעות ה-MCP שלה מרוכזת במה שלקוחות ארגוניים צריכים ולמה הם יגיבו. החברה נמצאת בעמדה טובה לנצל את הנוכחות הקיימת שלה עם לקוחות ארגוניים כדי להכניס אותם לעולם ה-MCP.
הנחיצות של MCP בנוף הבינה המלאכותית
הופעת MCP מטפלת באתגרים קריטיים בפריסת LLM, במיוחד במסגרות ארגוניות. בעבר, היישום של LLM הוגבל בעיקר לתרחישים דמויי צ’אטבוט. יישומים ארגוניים רחבים יותר דרשו התאמה אישית נרחבת, מה שהפך את תהליך הפיתוח למורכב ועתירי משאבים, אפילו עם שרשראות הכלים שסופקו על ידי ספקים כמו Baidu Intelligent Cloud.
כאשר 2025 מוכתרת כשנת סוכן הבינה המלאכותית, צפויים LLM להתפתח מעבר לחשיבה בלבד לתכנון ולביצוע משימות באופן אוטונומי. בפרדיגמה זו, ה-LLM משמש כ”מוח”, הדורש “גפיים” ו”חושים” כדי להשלים משימות ספציפיות.
הגישה המסורתית של התאמה אישית של כל יישום בינה מלאכותית מחייבת שילוב של כלי “M×N”, כאשר כל יישום בינה מלאכותית חייב להתממשק עם כלים רבים. MCP מפשט זאת על ידי סטנדרטיזציה של האינטראקציה בין LLM לכלים, ומצמצם את המורכבות ל-“M+N”. סטנדרטיזציה זו חיונית להרחבת יישומי בינה מלאכותית על פני פונקציות ארגוניות שונות.
ייעול יישומי בינה מלאכותית ברמה ארגונית
סגן נשיא בכיר של קבוצת Baidu ונשיא קבוצת העסקים Baidu Intelligent Cloud, שן דו, הדגיש כי יישום LLM כרוך ביותר מקריאות פשוטות. “זה דורש חיבור רכיבים וכלים שונים וביצוע תזמור מורכב. לעתים קרובות, יש צורך בעידון נוסף והתאמה אישית של מודלים כדי לשפר את הביצועים”, ציין.
שן דו הסביר עוד כי בניית יישומים ברמה ארגונית דורשת התייחסות זהירה לביצועי מחשוב, יציבות, מדרגיות ואבטחה. הוא רואה בפריסה של יישום תהליך בנייה של “מערכת”.
יישומי ארגון דורשים סטנדרטים גבוהים יותר וסובלנות שגיאות נמוכה יותר בהשוואה ליישומים ברמת הצרכן. לדברי מומחה אחד בתעשייה, פיתוח יישומים צורך 90% מזמן הפרויקט מכיוון שבעוד מודלים הם סטנדרטיים, יישומים הם משתנים מאוד.
מאמצים אלה כוללים בדרך כלל ארבע משימות מפתח: השלמת ידע מקצועי, תזמור תהליכים עסקיים, הרחבת כלים חכמים ושילוב מערכות ארגוניות. על ידי עיטוף משימות אלה בפלטפורמה המציעה פונקציונליות מחוץ לקופסה, ארגונים יכולים למנף את RAG (Retrieval-Augmented Generation) כדי לשלב ידע מומחה, להשתמש בתזרימי עבודה כדי לתזמר תהליכים עסקיים ולהשתמש בסוכנים חכמים בשילוב עם MCP כדי למנף מערכות ונכסים קיימים.
MCP עומדת לעמוד בציפיות של התעשייה לפישוט הפריסה של LLM ביישומים מעשיים.
גישור הפער בסוכנים ברמה ארגונית
כפי שציין שן דו, פריסת LLM דורשת תמיכה מלאה ברמת המערכת, החל מכוח מחשוב בסיסי ועד ליישומים. זה כולל חומרה בעלת ביצועים גבוהים ואופטימיזציה של אשכולות, כמו גם שרשראות כלי פיתוח גמישות ופתרונות מבוססי תרחישים.
היכולות ברמת המערכת של Baidu Intelligent Cloud כוללות שכבת כוח מחשוב, כולל אשכול Kunlunxin בעל 30,000 כרטיסים שהוכרז לאחרונה ופלטפורמת מחשוב ה-GPU המשודרגת Baige. שכבת פיתוח המודל כוללת למעלה מ-100 מודלים בפלטפורמת Qianfan, כולל Wenxin 4.5Turbo ו-Wenxin X1 Turbo של Baidu, כמו גם מודלים של צד שלישי כמו DeepSeek, Ilama ו-Vidu.
בשכבת פיתוח היישומים, Baidu Intelligent Cloud מציעה שירותי Qianfan Enterprise-Level Agent ו-MCP, המשפרים את היכולת של סוכנים לפתור בעיות מורכבות. שירותים אלה משלימים על ידי שרשרת כלי פיתוח מודלים מקיפה התומכת בהתאמה אישית וכוונון עדין של מודלים חשיבה עמוקה ומודלים רב-מודאליים.
Baidu Intelligent Cloud מתמקדת בשכבת פיתוח היישומים, עם עדכונים משמעותיים לשרשרת כלי הפיתוח של סוכנים ברמה ארגונית של פלטפורמת Qianfan. הפלטפורמה מציגה את הסוכן החכם החדש מבוסס הסקת מסקנות, Intelligent Agent Pro, המשפר את היכולות ממענה מהיר לשאלות ועד להתייעצות מעמיקה, ותומך בסוכנים חכמים מותאמים אישית עבור כל ארגון.
יישומים בעולם האמיתי של המערכת האקולוגית MCP של Baidu
שקול את הדוגמה של Sewage Treasure, המשתמשת ביכולות Qianfan Agentic RAG כדי לשלב נתונים ספציפיים לארגון ובסיסי ידע. זה מאפשר לסוכנים לגבש אסטרטגיות אחזור המבוססות על הבנה של משימות, מה שמפחית באופן משמעותי הזיות מודל.
Intelligent Agent Pro תומך גם במצב Deep Research, המאפשר לסוכנים לתכנן באופן אוטונומי משימות מורכבות, לסנן ולסדר מידע ולאסוף ידע חקירתי על ידי גלישה בדפי אינטרנט. הוא גם תומך בשימוש בכלים שונים ליצירת תרשימים, כתיבת דוחות ויצירת דוחות מקצועיים מובנים ואינפורמטיביים.
MCP מאפשר למפתחים ולארגונים למנף טוב יותר נתוני תעשייה וכלים בעת פיתוח סוכנים, ובכך לתת מענה לפערים קריטיים ביכולות סוכנים ברמה ארגונית.
מפתחים יכולים לאמץ את MCP בשתי דרכים: על ידי אספקת המשאבים, הנתונים והיכולות שלהם בפורמט MCP לשימוש על ידי יישומי בינה מלאכותית, או על ידי מינוף משאבי שרת MCP קיימים בעת פיתוח יישומי בינה מלאכותית. שתי הגישות מצמצמות את מאמצי הפיתוח ומשפרות משמעותית את היכולות.
פלטפורמת Qianfan של Baidu Intelligent Cloud היא פלטפורמת המודלים הגדולה הראשונה שתומכת ב-MCP. לפני MCP, מודלים וכלים גדולים היו מפוזרים וחסרי סטנדרטיזציה. MCP מטפחת חיבורים הדדיים ומסייעת לשגשוג המערכת האקולוגית.
הנוף התחרותי של MCP
MCP ומודלים גדולים בכלל, מייצגים תחרות בין פלטפורמות ומערכות אקולוגיות. בשלבים המוקדמים של טכנולוגיות חדשות, פרדיגמות שונות אינן בשלות, ודורשות אופטימיזציה מקצה לקצה כדי להשיג ביצועים מיטביים. זה מסביר מדוע פריסת יישומי מודל גדולים מסתמכת במידה רבה על ספקים מובילים.
עבור ספקים אלה, האתגר טמון לא בהצטיינות בתחום אחד אלא באי-הימצאות חולשות משמעותיות. עליהם לבנות יכולות פלטפורמה חזקות ולטפח מערכות אקולוגיות משגשגות כדי למשוך משתתפים נוספים, ולהציב מערכת אקולוגית גדולה אחת מול אחרת.
האסטרטגיה של Baidu בתחום MCP כוללת שלושה שלבים.
- השקת שרתי MCP: Baidu הייתה בין הראשונות להשיק שרתי MCP, כולל ה-MCP לעסקאות מסחר אלקטרוני והחיפוש MCP הראשונים בעולם. מפתחים יכולים להוסיף את שרתי ה-MCP של Baidu AI Search ו-Baidu Youxuan ל”עוזר הסוכן החכם האוניברסלי” בפלטפורמת Qianfan של Baidu Intelligent Cloud, מה שמאפשר לסוכנים חכמים להשלים את כל התהליך משאילתות מידע והמלצות מוצרים ועד לביצוע הזמנות ישירות. זה משלב תמיכה בעסקאות מסחר אלקטרוני עם יכולות חיפוש מהשורה הראשונה.
- תמיכה בפיתוח שירות MCP: פלטפורמת Baidu Intelligent Cloud Qianfan השיקה רשמית את שירות ה-MCP הראשון ברמה ארגונית בסין, עם למעלה מ-1,000 שרתי MCP זמינים לארגונים ומפתחים. מפתחים יכולים ליצור שרתי MCP משלהם ב-Qianfan, לפרסם אותם ב-MCP Square, ליהנות מאירוח חינם ולזכות לחשיפה והזדמנויות שימוש באמצעות Baidu Search.
- תוכנית פתוחה של AI: הפלטפורמה הפתוחה של Baidu Search השיקה את “התוכנית הפתוחה של AI” (sai.baidu.com) כדי לספק הזדמנויות תנועה ומונטיזציה למפתחים של סוכנים חכמים, יישומי H5, מיני-תוכניות ואפליקציות עצמאיות באמצעות מנגנוני הפצה שונים של תוכן ושירותים. תוכנית זו גם מאפשרת למשתמשים לגלות ולהשתמש בקלות בשירותי הבינה המלאכותית העדכניים ביותר.
על ידי מתן אפשרות ליותר ארגונים ומפתחים לפתוח את היכולות שלהם באמצעות MCP, Baidu מטפחת את המערכת האקולוגית שלה תוך שהיא מאפשרת לשותפיה לממש ערך מסחרי. המנצח הסופי בתחרות המודלים הגדולים אולי אינו הספק המתקדם ביותר מבחינה טכנולוגית, אלא זה עם המערכת האקולוגית המשגשגת ביותר.