Memahami MCP: Menjambatani Jurang Antara Model AI dan Data Luaran
Protokol Kontekstualisasi Model (MCP) boleh dikonseptualisasikan sebagai API standard yang berfungsi sebagai pautan penting antara sumber data atau aplikasi luaran dan model bahasa besar (LLM) seperti ChatGPT atau Claude. Protokol ini membolehkan model AI mengakses data masa nyata dari laman web pelancongan, mengurus kalendar, dan juga memanipulasi fail pada komputer.
Walaupun beberapa alat AI seperti Claude, Cursor, dan OpenAI sudah menggunakan ciri integrasi tersuai, MCP menawarkan format universal dan standard untuk semua interaksi sedemikian, yang sangat meningkatkan fleksibiliti mereka.
MCP terutamanya terdiri daripada dua komponen: klien (contohnya, ChatGPT) dan pelayan (contohnya, laman web penjadualan penerbangan). Apabila digunakan bersama, mereka menganugerahkan model AI dengan kemampuan untuk mengakses data masa nyata, melakukan tindakan dalam talian, dan berfungsi lebih seperti ejen proaktif daripada chatbot statik.
Pada masa ini, dua jenis utama MCP semakin mendapat perhatian. Jenis pertama memenuhi keperluan pembangun, dicontohkan oleh alat seperti Cursor atau Claude Code, yang boleh berjalan pada peranti seperti komputer riba untuk mengurus fail dan melaksanakan skrip. Jenis kedua ditujukan untuk aplikasi dunia sebenar, dengan fokus pada aktiviti seperti mencari produk, mendaftarkan domain, menempah acara, atau menghantar e-mel.
Untuk meneroka implikasi praktikal, dua jenis MCP yang berbeza telah dibangunkan. Yang pertama, bernama GPT Learner, ialah pelayan pembangun yang direka untuk membantu pengguna membimbing Cursor dalam mengingati ralat dan mengelakkan pengulangan. Jika Claude atau Cursor salah menulis kod, alat ini membolehkan pengguna merekod dan belajar daripada kesilapan itu, menyimpan pendekatan yang betul untuk rujukan masa depan.
Projek kedua ialah MCP pasaran ramalan yang menghubungkan model bahasa besar ke laman web, betsee.xyz, yang mengagregatkan pasaran ramalan masa nyata. Apabila pengguna bertanya kepada Claude soalan seperti, “Apakah kesan sampingan Trump menghentikan tarif, dan apakah yang orang pertaruhkan?” MCP mengembalikan pasaran yang relevan dan kemungkinan masa nyata dari Polymarket atau Kalshi.
Mengapa MCP Belum Bersedia untuk Penggunaan Umum
Pembinaan kedua-dua MCP ini mendedahkan beberapa pandangan utama, terutamanya bahawa MCP belum bersedia untuk penggunaan meluas.
Pengalaman pengguna semasa dengan MCP kurang daripada ideal. Kebanyakan chatbot, seperti ChatGPT, belum menyokong pelayan MCP. Daripada yang melakukannya, pemasangan selalunya memerlukan penyuntingan JSON secara manual, proses yang jauh dari mesra pengguna. Chatbot seperti Cursor dan Claude cenderung untuk meminta pengguna untuk setiap permintaan dan sering mengembalikan maklumat yang tidak lengkap atau output JSON mentah, menjadikan pengalaman itu janggal dan tidak memuaskan.
Menggunakan versi desktop Claude untuk menanyakan MCP pasaran ramalan, ia sering gagal memberikan pautan atau harga melainkan diminta secara eksplisit dan, kadang-kadang, tidak memanggil pelayan sama sekali. Gesaan pop timbul berterusan dari Claude apabila MCP digunakan selanjutnya mengurangkan minat pengguna. Walaupun pemprosesan yang lancar dan respons yang bermakna daripada MCP dijangka pada masa hadapan, teknologi itu belum mencapai tahap itu.
Keselamatan adalah satu lagi kebimbangan yang ketara. Memandangkan keupayaan mereka untuk melakukan operasi luaran dan mengakses sistem masa nyata, MCP menghadapi banyak cabaran keselamatan. Suntikan gesaan, pemasangan alat berniat jahat, akses tanpa kebenaran, dan serangan kuda Trojan adalah ancaman yang sangat nyata. Pada masa ini, terdapat kekurangan kotak pasir, lapisan pengesahan, dan ekosistem yang matang untuk mengendalikan kes pinggir ini.
Isu-isu ini menjelaskan bahawa MCP masih merupakan teknologi eksperimen.
Peranan Penentu Klien
Pelajaran penting yang dipelajari semasa membina pelayan ini ialah pelanggan, bukan pelayan, akhirnya memutuskan masa depan MCP.
Mereka yang mengawal interaksi dengan model besar juga mengawal alat yang dilihat oleh pengguna, yang dicetuskan, dan respons yang dipaparkan. Seseorang boleh mencipta pelayan MCP yang paling berguna di dunia, tetapi pelanggan mungkin tidak memanggilnya, mungkin hanya menunjukkan separuh daripada outputnya, atau mungkin tidak membenarkan pemasangannya.
MCP dan Kemunculan Penjaga Pintu
Kuasa kritikal pelanggan bermakna bahawa MCP akhirnya akan ditadbir seperti enjin carian dan kedai aplikasi. Penyedia aplikasi model besar terkemuka, seperti OpenAI dan Anthropic, akan menjadi ‘penjaga pintu’ baharu, memutuskan MCP mana yang boleh disenaraikan dan menyusun kebolehpercayaan mereka melalui algoritma cadangan.
Sejak penubuhannya pada akhir 1990-an, Google telah mengawal kandungan yang dipersembahkan kepada pengguna, yang telah membantu mereka membina perniagaan yang sangat menguntungkan. Chatbot kini memperoleh keupayaan ini, menggantikan ‘10 pautan biru’ enjin carian tradisional dengan jawapan langsung. Mereka boleh memutuskan kandungan yang hendak ditunjukkan, yang hendak dikecualikan, dan cara memformatnya.
Proses pemasangan MCP mungkin menyerupai model kedai aplikasi. Sama seperti Apple dan Google telah membentuk ekosistem mudah alih dengan memutuskan aplikasi mana yang disyorkan, diprapasang, atau diluluskan, pelanggan model besar akan menentukan pelayan MCP mana yang dipamerkan, dipromosikan, dan juga dibenarkan pada platform. Dinamik ini mungkin membawa kepada persaingan antara syarikat, yang berpotensi melibatkan pembayaran kepada penyedia model untuk cadangan dan pendedahan dalam ekosistem baharu, memupuk penciptaan platform pengedaran MCP yang menguntungkan.
Pengguna akan memasang MCP atau ‘aplikasi sembang AI’ daripada ‘kedai MCP’ yang disusun dengan teliti. Alat seperti Gmail, HubSpot, Uber, dan Kayak akan menambah titik akhir MCP, berintegrasi terus ke dalam aliran kerja berasaskan sembang. Walaupun pengguna secara teorinya boleh memilih untuk memasang mana-mana MCP yang mereka mahu, kebanyakan mungkin bergantung pada cadangan yang disediakan oleh pelanggan, seperti yang daripada ChatGPT. Cadangan ini tidak akan sewenang-wenangnya tetapi akan berpunca daripada perkongsian yang menguntungkan, dengan syarikat besar membayar untuk menjadi pilihan lalai dalam kategori membeli-belah, perjalanan, pencarian domain atau pencarian perkhidmatan. Tahap keterlihatan ini akan diterjemahkan kepada berjuta-juta pengguna, menawarkan pendedahan, data dan nilai komersial yang besar.
Beberapa kedai aplikasi MCP bahagian pelanggan (MAS) akan menawarkan pilihan MCP yang lebih longgar dan terbuka, yang membolehkan pelbagai eksperimen dan MCP yang dibangunkan oleh komuniti yang lebih luas. Yang lain akan mempunyai proses kelulusan yang ketat, mengutamakan kualiti, keselamatan dan pengewangan. Walau apa pun, pelanggan menetapkan syarat untuk penyertaan—dan peraturan untuk kejayaan.
Pelanggan MCP seperti OpenAI dan Claude akan menjadi platform iOS dan Android baharu, dengan pelayan MCP memainkan peranan aplikasi. Daripada ikon, aplikasi ini akan dipanggil melalui arahan pengguna, menawarkan respons yang kaya, berstruktur dan interaktif kepada keperluan pengguna melalui interaksi bahasa.
Lama kelamaan, kita mungkin melihat pelanggan khusus muncul, disesuaikan dengan industri atau domain tertentu. Bayangkan pembantu sembang AI yang memfokuskan pada perancangan perjalanan, menyepadukan perkhidmatan dengan lancar daripada syarikat penerbangan, rangkaian hotel dan agensi pelancongan untuk menawarkan pengguna pengalaman perancangan perjalanan yang komprehensif. Atau pelanggan MCP yang memfokuskan pada sumber manusia, menyediakan akses bersatu kepada data undang-undang, rekod pekerja dan alat organisasi, mengubah cara perniagaan diuruskan.
Walaupun kebanyakan pengguna akan berpegang pada pelanggan arus perdana, beberapa chatbot AI sumber terbuka akan muncul. Chatbot ini akan menarik minat profesional yang mahukan kawalan penuh ke atas MCP yang mereka pasang, bebas daripada batasan yang dikenakan oleh penjaga pintu. Walau bagaimanapun, seperti sistem desktop Linux, produk sumber terbuka ini mungkin akan kekal sebagai pasaran khusus.
Peluang Baharu dalam Ekosistem yang Muncul
Beberapa jenis perniagaan dan alat dijangka muncul untuk berkhidmat dalam landskap MCP yang berkembang, termasuk:
Pembungkus MCP dan Pek Pelayan: Ini akan membundel berbilang MCP yang berkaitan ke dalam pakej pemasangan tunggal, menyelaraskan persediaan. Bayangkan pakej tunggal yang menyediakan kalendar, e-mel, pengurusan perhubungan pelanggan dan MCP penyimpanan fail yang sedia untuk digunakan tanpa sebarang konfigurasi. Pakej sedemikian akan memudahkan proses kakitangan dan sangat berguna dalam pasaran menegak. Mereka juga mungkin termasuk alat pembungkusan (‘Sediakan kalendar dan hantar e-mel’).
Enjin Beli-belah MCP: Beberapa pelayan MCP akan bertindak sebagai enjin perbandingan berkuasa AI, menawarkan harga masa nyata dan penyenaraian produk daripada pelbagai vendor. Mereka akan mengewangkan melalui pautan ahli gabungan, memperoleh yuran rujukan. Pendekatan ini mencerminkan pengoptimuman enjin carian awal dan pemasaran ahli gabungan.
Aplikasi Kandungan MCP-First: Perkhidmatan ini akan mengoptimumkan penghantaran kandungan untuk model bahasa besar melalui pelayan MCP, dan bukannya mereka bentuk tapak web untuk penonton manusia. Bayangkan data berstruktur yang kaya dan teg semantik dikembalikan melalui panggilan MCP. Hasil akan datang daripada langganan atau penajaan terbenam dan penempatan produk, dan bukannya tontonan halaman.
Pembekal API-ke-MCP: Banyak pembekal API sedia ada ingin mengambil bahagian dalam ekosistem baharu ini tetapi kekurangan sumber untuk berbuat demikian. Ini akan memacu kemunculan alat perisian tengah yang menukar API REST tradisional secara automatik menjadi pelayan MCP yang mematuhi dan boleh ditemui, memudahkan platform SaaS untuk menyertai.
Cloudflare untuk MCP: Keselamatan adalah kebimbangan utama. Alat ini akan diletakkan di antara pelanggan dan pelayan, membersihkan input, merekod permintaan, menyekat serangan dan memantau anomali. Sama seperti Cloudflare telah menjadikan web moden lebih selamat, jenis perkhidmatan ini akan memainkan peranan yang sama dalam ekosistem MCP.
Penyelesaian MCP ‘Persendirian’ Perusahaan: Syarikat besar akan mula menyambungkan perkhidmatan dalaman mereka kepada pelayan MCP persendirian dan menggunakan produk AI sumber terbuka. Persediaan dalaman ini akan menjadi sebahagian daripada aliran kerja AI di belakang tembok api, memberikan syarikat kawalan.
Pelanggan MCP Berfokuskan Secara Menegak: Walaupun banyak chatbot boleh memenuhi keperluan pengguna umum, senario tertentu, seperti perolehan industri dan kerja pematuhan, memerlukan antara muka pengguna dan logik perniagaan tertentu. Pelanggan MCP yang berfokuskan secara menegak akan muncul, dengan operasi, bahasa dan reka letak tersuai untuk memenuhi keperluan unik ini.