В сфере искусственного интеллекта (ИИ) появляется все больше новых аббревиатур, и за всеми ими сложно уследить. Среди них Модельный контекстный протокол (MCP) постепенно выходит на первый план, особенно после конференции Google Cloud Next, где он вызвал большой интерес. Но что же такое MCP? И почему это так важно для будущего ИИ?
Происхождение и определение MCP
MCP, впервые предложенный пионером в области искусственного интеллекта Anthropic в ноябре 2024 года, направлен на решение проблем, с которыми сталкиваются предприятия и разработчики при доступе к данным, разбросанным по разным хранилищам. Проще говоря, MCP предоставляет стандартизированный способ подключения моделей искусственного интеллекта к различным источникам данных и инструментам, избегая тем самым хлопот, связанных с разработкой и развертыванием нескольких интеграционных решений.
Рита Козлова, вице-президент Cloudflare по продуктам, сравнила MCP с HTTP начала 1990-х годов, полагая, что он может произвести революцию в способах взаимодействия людей с предприятиями и услугами, а также породить совершенно новые бизнес-модели.
Официальный сайт MCP образно сравнивает его с портом USB-C для приложений искусственного интеллекта, предоставляя стандартизированный способ подключения устройств к различным периферийным устройствам и аксессуарам, тем самым упрощая процесс доступа к данным.
MCP как средство расширения возможностей ИИ
Значение MCP выходит далеко за рамки упрощения доступа к данным. Он станет ключевым инструментом для продвижения будущего ИИ-агентов. Козлова отметила, что MCP эффективно расширит возможности ИИ-агентов, позволяя им работать более автономно и выполнять задачи от имени пользователей.
В эпоху ИИ-агентов нам необходимо обучать и развертывать специализированные ИИ, способные решать сложные задачи. Для достижения этой цели ИИ-агентам необходимо иметь возможность получать доступ к правильным данным из различных серверных систем в нужное время. Амин Вахдат, вице-президент и генеральный менеджер Google Cloud по машинному обучению, системам и облаку, пояснил, что здесь серверные системы включают базы данных и системы хранения данных, такие как AlloyDB, Cloud SQL и Google Cloud Spanner.
Кроме того, Бен Фласт, директор по управлению продуктами MongoDB и эксперт компании по ИИ, считает, что MCP также может извлекать данные из REST API или любой службы, которая может предоставлять программный интерфейс.
Фласт подчеркнул, что MCP будет играть две основные роли в развитии ИИ. Во-первых, разработка агентов: MCP будет использоваться для облегчения доступа к необходимым данным для содействия генерации кода и автоматизации. Во-вторых, MCP также может предоставлять необходимую контекстную информацию для работающих агентов и больших языковых моделей (LLM), позволяя тем самым ИИ взаимодействовать с различными системами.
Фласт добавил, что в настоящее время ключевым моментом является определение того, что именно агентам необходимо получать из баз данных приложений, например, какие функции хранения или памяти им необходимы для удовлетворения потребностей в производительности.
Подключение ИИ через MCP
ИИ-агентам требуются не только постоянные входящие данные, но и общение друг с другом. MCP можно использовать для реализации взаимосвязанности между агентами. Козлова отметила, что разработчики уже начали создавать агентов, способных ‘разговаривать’ с другими агентами с использованием MCP.
В то же время Google Cloud также предложила свой собственный стандарт, а именно протокол Agent2Agent. Вахдат пояснил, что MCP и A2A дополняют друг друга. MCP обеспечивает доступ к данным открытым стандартизированным способом, а A2A обеспечивает взаимодействие между различными агентами. MCP можно рассматривать как соединение модели с данными, а A2A - как соединение агента с агентом. Объединив оба подхода, можно проще и эффективнее создавать более мощных агентов.
Кривая принятия MCP
Хотя протокол MCP еще очень новый, Козлова и Фласт заявили, что он быстро набирает обороты, как и другие технологии в области искусственного интеллекта.
Фласт отметил, что даже крупнейший конкурент Anthropic, OpenAI, решил добавить поддержку MCP. Несмотря на то, что протокол был выпущен только в ноябре 2024 года, уже созданы тысячи серверов MCP.
Cloudflare недавно также присоединилась к рядам серверов MCP, добавив функцию удаленного сервера MCP в свою платформу разработчиков. Козлова подытожила, что Cloudflare сделала это для того, чтобы разработчики и организации могли опередить события и подготовиться к будущему развитию MCP, поскольку они ожидают, что это будет важная новая модель взаимодействия, как и мобильный интернет.
В заключение, MCP, как новая сила в области искусственного интеллекта, обладает огромным потенциалом. Он упрощает доступ к данным, расширяет возможности ИИ-агентов и способствует взаимосвязанности между ИИ. По мере дальнейшего развития и совершенствования MCP у нас есть все основания полагать, что он будет играть все более важную роль в будущем развитии искусственного интеллекта.
Более глубокое изучение технических деталей MCP
Чтобы более полно понять MCP, нам необходимо углубиться в его технические детали. В основе MCP лежит его стандартизированный протокол, который определяет, как модели искусственного интеллекта взаимодействуют с различными источниками данных. Этот протокол включает в себя несколько ключевых компонентов:
- Соединители данных: Соединители данных являются основным компонентом MCP и отвечают за подключение моделей искусственного интеллекта к различным источникам данных. Соединители данных могут поддерживать различные источники данных, включая базы данных, API и файловые системы.
- Преобразователи данных: Преобразователи данных отвечают за преобразование данных из различных источников данных в формат, понятный моделям искусственного интеллекта. Преобразователи данных могут выполнять различные операции преобразования данных, включая преобразование типов данных, преобразование форматов данных и очистку данных.
- Управление метаданными: Управление метаданными отвечает за управление информацией о метаданных, связанной с источниками данных. Информация о метаданных включает имя, описание, местоположение и права доступа источника данных.
Благодаря этим компонентам MCP обеспечивает беспрепятственное соединение моделей искусственного интеллекта с различными источниками данных, тем самым упрощая процесс доступа к данным.
Сценарии применения MCP
Сценарии применения MCP очень широки и могут применяться в различных приложениях искусственного интеллекта. Вот некоторые типичные сценарии применения:
- Обработка естественного языка: В области обработки естественного языка (NLP) MCP можно использовать для подключения больших языковых моделей (LLM) к различным источникам текстовых данных, тем самым повышая производительность LLM. Например, LLM можно подключить к базе данных новостных статей, источникам данных социальных сетей и источникам данных отзывов клиентов, что позволит LLM лучше понимать и генерировать текст.
- Компьютерное зрение: В области компьютерного зрения MCP можно использовать для подключения моделей распознавания изображений к различным источникам данных изображений, тем самым повышая точность моделей распознавания изображений. Например, модель распознавания изображений можно подключить к базе данных изображений, камере и потоковому видео, что позволит модели распознавания изображений лучше распознавать изображения.
- Рекомендательные системы: В области рекомендательных систем MCP можно использовать для подключения моделей рекомендаций к различным источникам данных о поведении пользователей и источникам данных о продуктах, тем самым повышая степень персонализации рекомендательных систем. Например, модель рекомендаций можно подключить к истории просмотров пользователей, истории покупок и данным об атрибутах продуктов, что позволит рекомендательной системе более точно рекомендовать продукты, интересующие пользователей.
- Финансовый анализ: В области финансового анализа MCP можно использовать для подключения моделей финансового анализа к различным источникам финансовых данных, тем самым повышая точность финансового анализа. Например, модель финансового анализа можно подключить к данным фондового рынка, данным экономических показателей и данным финансовой отчетности компании, что позволит модели финансового анализа более точно прогнозировать рыночные тенденции.
Проблемы и будущее развитие MCP
Несмотря на огромный потенциал, MCP также сталкивается с некоторыми проблемами. Вот некоторые из основных проблем:
- Стандартизация: MCP по-прежнему является новым протоколом, который требует дальнейшей стандартизации для обеспечения совместимости между продуктами разных производителей.
- Безопасность: MCP необходимо предоставить надежные механизмы безопасности для защиты безопасности источников данных и предотвращения несанкционированного доступа.
- Производительность: MCP необходимо обеспечить высокую производительность доступа к данным для удовлетворения потребностей приложений искусственного интеллекта.
Для решения этих проблем направления будущего развития MCP включают в себя:
- Дальнейшая стандартизация: Содействие процессу стандартизации MCP для обеспечения совместимости между продуктами разных производителей.
- Усиление безопасности: Усиление безопасности MCP, предоставление надежных механизмов безопасности для защиты безопасности источников данных.
- Повышение производительности: Повышение производительности MCP, обеспечение высокой производительности доступа к данным для удовлетворения потребностей приложений искусственного интеллекта.
- Расширение сценариев применения: Расширение сценариев применения MCP, применение его в большем количестве приложений искусственного интеллекта.
В заключение, MCP, как новая сила в области искусственного интеллекта, обладает огромным потенциалом. По мере дальнейшего развития и совершенствования MCP у нас есть все основания полагать, что он будет играть все более важную роль в будущем развитии искусственного интеллекта.