Protocolo de contexto modelo (MCP): Anthropic simplifica as conexións de IA aos sistemas de datos

Protocolo de contexto modelo (MCP): Anthropic simplifica as conexións de IA aos sistemas de datos
26 de novembro de 2024

Anthropic presentou un estándar de código aberto chamado Model Context Protocol (MCP). /)co obxectivo de mellorar a forma en que os asistentes de IA se comunican e se conectan aos sistemas de datos. O protocolo ten como obxectivo superar os inconvenientes dos modelos de IA, que adoitan operar de forma independente das grandes fontes de datos e requiren integracións únicas para cada novo sistema. MCP ofrece unha solución completa que permite aos chatbots e outras aplicacións alimentadas pola IA acceder facilmente aos datos en contornos de desenvolvemento, ferramentas e repositorios de contido.

Ao empregar "servidores MCP" para servir datos e "clientes MCP" para integrar fluxos de traballo ou aplicacións, o protocolo permite aos desenvolvedores establecer conexións bidireccionais entre fontes de datos e aplicacións. Esta normalización podería axilizar os procedementos de desenvolvemento substituíndo un marco escalable e sostible por integracións inconexas. Plataformas como Replit, Codeium e Sourcegraph planean engadir soporte para MCP, mentres que empresas como Block e Apollo xa o integraron nos seus sistemas.

Con servidores preconstruídos para ferramentas empresariais coñecidas como Google Drive, Slack e GitHub, así como plans para lanzar kits de ferramentas para instalar servidores de produción, Anthropic puxo MCP a disposición dos desenvolvedores. MCP pódese usar para vincular o chatbot de Claude a sistemas internos para usuarios de [Claude Enterprise] de Anthropic (https://techcrunch.com/2024/09/04/anthropic-launches-claude-enterprise-plan-to-compete-with -openai/) subscrición.

Ao eliminar o requisito de interfaces separadas para cada fonte de datos, a adopción de MCP podería acelerar os esforzos de integración da IA. Os sistemas de IA poden ser capaces de preservar o contexto das ferramentas e da información a medida que o ecosistema crece, o que daría lugar a un deseño máis consistente e eficiente.

Non obstante, a medida en que MCP sexa adoptada, especialmente polos seus competidores, determinará o seu éxito. Coa súa función propietaria "Traballar con aplicacións" para ChatGPT, por exemplo, OpenAI adoptou unha estratexia diferente. Esta funcionalidade vincula o modelo a determinadas ferramentas de codificación e podería estenderse potencialmente a outras aplicacións. Non obstante, a estratexia de OpenAI segue pechada e centrada nos socios.

Aínda que Anthropic afirma que MCP pode mellorar moito as capacidades contextuais dos sistemas de IA, como mellorar a comprensión ao codificar, estas afirmacións aínda non foron apoiadas por referencias específicas. O seu rendemento e os seus efectos a longo prazo aínda son descoñecidos.

Toma o control das solucións impulsadas por IA dominando Data Science e AI en Code Labs Academy.

Code Labs Academy © 2024 Todos os dereitos reservados.