ส่งต่อชื่อเรื่องเดิม 'AI's USB-C Standard: ทำความเข้าใจ MCP'

ในระหว่างช่วงเวลาที่ฉันเป็นสมาชิกใน Alliance ฉันเห็นพบกับผู้ก่อตั้งมากมายที่สร้างเครื่องมือและการผสมข้อมูลที่เฉพาะเจาะจงของตนเองลงในตัวตัวแบบ AI และกระบวนการทำงานของพวกเขา อย่างไรก็ตาม อัลกอริทึมเหล่านี้ การตั้งระเบียบและชุดข้อมูลที่เป็นเอกลักษณ์ถูกล็อคไว้ในการผสมข้อมูลที่กำหนดเองที่ไม่มีผู้คนหลายคนเคยใช้

สิ่งนี้ได้เปลี่ยนแปลงอย่างรวดเร็วด้วยการเกิดขึ้นของโมเดลคอนเท็กซ์โพรโทคอล MCP ถูกกำหนดโดยเป็นโปรโตคอลเปิดที่มีมาตรฐานในการสื่อสารของแอปพลิเคชั่นและให้ความหมายกับ LLMs หนึ่งการอุปมาที่ฉันชอบจริง ๆ คือว่า "MCPs สำหรับแอปพลิเคชั่น AI เป็นเหมือน USB-C สำหรับฮาร์ดแวร์" ซึ่งเป็นมาตรฐาน สามารถเสียบเสียงและใช้งานได้หลากหลายและเป็นการเปลี่ยนแปลง

ทำไม MCP?

LLMs เช่น Claude, OpenAI, LLAMA เป็นต้น มีพลังงานอย่างมาก แต่ถูก จำกัด โดย ข้อมูลที่พวกเขาสามารถเข้าถึงในขณะนี้ นั่นหมายความว่าพวกเขาโดยทั่วไปจะมีการตัดสินใจของความรู้ ไม่สามารถเรียกดูเว็บไซต์ได้อิสระ และไม่ได้มีการเข้าถึงไฟล์ส่วนตัวหรือเครื่องมือที่เฉพาะเจาะจงของคุณโดยตรงโดยไม่มีการรวมเข้าด้วยกันใด ๆ

โดยเฉพาะอย่างยิ่งก่อนนี้นักพัฒนาเผชิญกับสามท้ายที่สำคัญเมื่อเชื่อมต่อ LLMs กับข้อมูลและเครื่องมือภายนอก:

1. ความซับซ้อนในการผสานรวม: การสร้างการผสานรวมแยกต่างหากสำหรับแต่ละแพลตฟอร์ม AI (Claude, ChatGPT, เป็นต้น) ต้องการความพยายามในการทำซ้ำและรักษาโค้ดเบสหลายรหัส
2. การแยกแยะเครื่องมือ: ฟังก์ชันของเครื่องมือแต่ละตัว (เช่น การเข้าถึงไฟล์, การเชื่อมต่อ API, ฯลฯ) ต้องใช้รหัสการผสมพลิกที่เชี่ยวชาญและโมเดลการอนุญาตของตัวเอง
3. การกระจายที่ถูกจำกัด: เครื่องมือที่เชี่ยวชาญถูกจำกัดไว้ในแพลตฟอร์มที่เฉพาะเจาะจง จำกัดการเข้าถึงและผลกระทบ

MCP แก้ปัญหาเหล่านี้โดยการ提供วิธีมาตรฐานให้ LLM ใด ๆ เข้าถึงเครื่องมือภายนอกและแหล่งข้อมูลได้อย่างปลอดภัย ผ่านโปรโตคอลที่เป็นที่รู้จัก ตอนนี้ที่เราเข้าใจว่า MCP ทำอะไร ให้เรามองไปที่สิ่งที่ผู้คนกำลังสร้างด้วย

คนกำลังสร้างอะไรกับ MC?

ระบบ MC กำลังระเบิดด้วยนวัตกรรมใหม่ นี่คือตัวอย่างเมื่อเร็วๆ นี้ที่ฉันพบบนทวิตเตอร์ของนักพัฒนาที่มุ่งเน้นงานของพวกเขา

• การสร้างฉากเรื่องด้วยปัญญาประดิษฐ์: การรวมระบบ MC ที่ทำให้คลอดสามารถควบคุม ChatGPT-4o โดยอัตโนมัติสร้างสตอรี่บอร์ดที่สมบูรณ์ในสไตล์ Ghibli โดยไม่ต้องมีผู้เข้ามามีส่วนร่วมใด ๆ
• การผสมเสียง ElevenLabs: เซิร์ฟเวอร์ MCP ที่ให้คลอดและเคอร์เซอร์เข้าถึงแพลตฟอร์มเสียง AI ทั้งหมดของพวกเขาผ่านคำสั่งข้อความที่ง่ายดาย การบูรณาการมีพลังพอเพียงที่สามารถสร้างตัวแทนเสียงที่สามารถโทรออกไปได้ สิ่งนี้เป็นการสาธิตว่า MCP สามารถขยายเครื่องมือ AI ปัจจุบันเข้าสู่โลกของเสียง
• การอัตโนมัติเบราว์เซอร์ด้วย Playwright: เซิร์ฟเวอร์ MCP ที่อนุญาตให้ตัวแทน AI ควบคุมเบราว์เซอร์โดยไม่ต้องใช้สกรีนช็อตหรือโมเดลวิสชั่น นี้สร้างโอกาสใหม่สำหรับการอัตโนมัติเว็บโดยให้ LLMs ควบคุมปฏิสัมพันธ์ของเบราว์เซอร์โดยวิธีมาตรฐาน
• การผสานภาพลักษณ์ WhatsApp ส่วนบุคคล: เซิร์ฟเวอร์ที่เชื่อมต่อกับบัญชี WhatsApp ส่วนตัวเพื่อให้คลอดสามารถค้นหาข้อความและข้อมูลติดต่อ และส่งข้อความใหม่
• เครื่องมือค้นหา Airbnb: เครื่องมือค้นหาที่อพาร์ตเมนท์ Airbnb ที่แสดงให้เห็นถึงความง่ายและพลังของ MCP ในการสร้างแอปพลิเคชันที่ใช้งานได้จริงที่สื่อสารกับเว็บเซอร์วิส
• ระบบควบคุมหุ่นยนต์: ตัวควบคุม MCP สำหรับหุ่นยนต์ ตัวอย่างนี้เชื่อมสะพานระหว่าง LLMs และฮาร์ดแวร์ทางกายภาพ โดยแสดงศักยภาพของ MCP สำหรับการประยุกต์ใช้ในอุปกรณ์ IoT และหุ่นยนต์
• Google Maps และการค้นหาท้องที่ในพื้นที่: การเชื่อมต่อคลอดกับข้อมูล Google Maps เพื่อสร้างระบบที่สามารถค้นหาและแนะนำธุรกิจท้องถิ่น เช่นร้านกาแฟ ส่วนขยายนี้ช่วยให้ผู้ช่วย AI มีบริการที่มีพื้นที่เป็นฐาน
• การผสานบล็อกเชน: โครงการ Lyra MCP นำความสามารถของ MCP มาสู่ StoryProtocol และแพลตฟอร์ม web3 อื่น ๆ นี้ช่วยให้สามารถแอคเซสข้อมูลบล็อกเชนและสมาร์ทคอนแทรค เปิดโอกาสใหม่สำหรับแอปพลิเคชันที่มีการพัฒนาโดยใช้ AI

สิ่งที่ทำให้เหตุผลเหล่านี้น่าสนใจอย่างยิ่งคือความหลากหลายของมัน ในเวลาอันสั้นน้อยตั้งแต่เวลาที่มันถูกนำเสนอ เจ้าของธุรกิจได้สร้างการผสมผสานที่รวมกันของสื่อสร้างสรรค์ แพลตฟอร์มการสื่อสาร การควบคุมฮาร์ดแวร์ บริการตำแหน่ง และเทคโนโลยีบล็อกเชน การใช้แอปพลิเคชันที่หลากหลายเหล่านี้ปฏิบัติตามมาตรฐานโปรโตคอลที่เหมาะสมเดียวกัน ที่สาธารณสุข MCP แสดงถึงความหลากหลายและศักยภาพในการกลายเป็นมาตรฐานสำหรับการผสมผสานเครื่องมือ AI อย่างทั่วไป

สำหรับคอลเลกชันอย่างครอบคลุมของเซิร์ฟเวอร์ MC โปรดตรวจสอบที่เซิร์ฟเวอร์ MCP อย่างเป็นทางการบน GitHub. โดยมีคำเตือนอย่างระมัดระวังก่อนที่จะใช้เซิร์ฟเวอร์ MCP ใดๆ ควรระวังว่าคุณกำลังรันและให้สิทธิ์ในทางใด

คำสัญญา vs. การตลาด

กับทุกเทคโนโลยีใหม่ ควรถามว่า MCP เป็นเทคโนโลยีที่เปลี่ยนแปลงอย่างแท้จริงหรือเพียงเครื่องมือที่โด่งดังมากเกินไปที่จะสลายไป?

เมื่อมองมองการเริ่มต้นหลายแหล่งในพื้นที่นี้ ฉันเชื่อว่า MCP แทนสำคัญสำหรับการพัฒนา AI แตกต่างจากแนวโน้มหลายอย่างที่สัญญาว่าจะเป็นการปฏิวัติแต่ส่งผลให้เกิดการเปลี่ยนแปลงขั้นตอนละเอียด MCP เป็นการเพิ่มประสิทธิภาพที่ช่วยแก้ปัญหาพื้นฐานในโครงสร้างที่เป็นอุปสรรคที่เป็นเหตุให้ระบบนิเวศทั้งหมดถ่ายทอดไม่ไปข้างหน้า

สิ่งที่ทำให้มันมีค่ามากคือ มันไม่พยายามที่จะแทนที่ด้วยโมเดล AI ที่มีอยู่แล้วหรือแข่งขันกับมัน แต่มันทำให้พวกเขามีประโยชน์มากขึ้นโดยการเชื่อมต่อพวกเขากับเครื่องมือภายนอกและข้อมูลที่พวกเขาต้องการ

อย่างไรก็ตาม มีข้อกังวลที่ถูกต้องเกี่ยวกับความปลอดภัยและมาตรฐาน เหมือนกับโปรโตคอลใดๆในช่วงเริ่มต้น เราจะเห็นการเจ็บปวดที่เพิ่มขึ้นเมื่อชุมชนกำลังหาทำวิธีที่ดีที่สุดเกี่ยวกับการตรวจสอบ การอนุญาต การตรวจสอบสิทธิและการตรวจสอบของเซิร์ฟเวอร์ นักพัฒนาต้องเชื่อในความสามารถของเซิร์ฟเวอร์ MCP เหล่านี้และไม่ควรเชื่อมั่นอย่างบ้าคลั่งในพวกเขาโดยเฉพาะเมื่อพวกเขากลายเป็นมากมายบทความนี้discusses some of the recent vulnerabilities exposed by blindy using MCP servers that have not been carefully vetted, even if you are running it locally.

อนาคตของ AI คือบริบท

แอพลิเคชัน AI ที่มีประสิทธิภาพที่สุดจะไม่ได้เป็นโมเดลแบบแยกตัวเอง แต่เป็นระบบนิเวศของความสามารถเฉพาะที่เชื่อมต่อผ่านโปรโตคอลมาตรฐานเช่น MCP สำหรับสตาร์ทอัพ MCP หมายถึงโอกาสในการสร้างส่วนประกอบที่เฉพาะเจาะจงที่เข้ากันได้กับระบบเหล่านี้ที่กำลังเติบโต มันเป็นโอกาสในการใช้ประโยชน์จากความรู้และความสามารถที่เฉพาะตัวของคุณในขณะที่ได้รับประโยชน์จากการลงทุนอย่างเป็นอย่างมากในโมเดลพื้นฐาน

มองไปข้างหน้า เราสามารถคาดหวังได้ว่า MCP จะกลายเป็นส่วนสำคัญของโครงสร้างพื้นฐาน AI เช่นเดียวกับ HTTP ที่กลายเป็นสำคัญสำหรับเว็บ ซึ่งเมื่อโปรโตคอลเจริญเติบโตและมีการนำมาใช้งานมากขึ้นเราจะเห็นว่าตลาดทั้งหมดของเซิร์ฟเวอร์ MCP ที่เชี่ยวชาญเริ่มเกิดขึ้น ทำให้อะไรก็เป็นไปได้ให้ระบบ AI เข้าถึงความสามารถหรือแหล่งข้อมูลที่เป็นไปได้ทุกประการ

ส่วนท้าย

สำหรับผู้ที่สนใจในการเข้าใจว่า MC ทำงานจริงๆ ภายใต้พื้นผิวอย่างไร ส่วนของการอธิบายเพิ่มเติมต่อไปนี้จะให้ข้อมูลทางเทคนิคเกี่ยวกับโครงสร้าง การทำงาน และการปฏิบัติ

ใต้ตัวโลหะของ MCP

เหมือนกับวิธีที่ HTTP มาตรฐานการเข้าถึงแหล่งข้อมูลภายนอกและข้อมูลบนเว็บ MCP ทำสำหรับกรอบงาน AI สร้างภาษาที่เป็นร่วมที่ช่วยให้ระบบ AI ต่าง ๆ สื่อสารได้อย่างเรียบร้อย ดังนั้นเรามาสำรวจว่ามันทำอย่างไร

โครงสร้างและกระแสของ MCP

โครงสร้างหลักได้ปฏิบัติตามแบบแบ่งเป็นส่วนของระบบลูกค้า-เซิร์ฟเวอร์ ด้วยส่วนประกอบที่สำคัญ 4 ส่วนทำงานร่วมกัน

• MCP Hosts: แอปพลิเคชัน AI บนเดสก์ท็อป เช่น Claude หรือ ChatGPT, IDEs เช่น cursorAI หรือ VSCode, หรือเครื่องมือ AI อื่น ๆ ที่ต้องการเข้าถึงข้อมูลและความสามารถภายนอก
• ลูกค้า MCP: ตัวจัดการโปรโตคอลที่ซ้อนทับอยู่ภายในโฮสต์ที่รักษาการเชื่อมต่อแบบหนึ่งกับเซิร์ฟเวอร์ MCP
• เซิร์ฟเวอร์ MCP: โปรแกรมเบาๆ ที่เปิดเผยความสามารถที่เฉพาะเจาะจงผ่านโปรโตคอลมาตรฐาน
• แหล่งข้อมูล: ไฟล์ของคุณ, ฐานข้อมูล, API และบริการที่เซิร์ฟเวอร์ MCP สามารถเข้าถึงอย่างปลอดภัย

ดังนั้นตอนนี้ที่เราได้พูดถึงส่วนประกอบแล้ว ให้เรามาดูว่าพวกเขามีปฏิสัมพันธ์กันอย่างไรในกระบวนการทำงานทั่วไป:

1. ปฏิสัมพันธ์ของผู้ใช้: มันเริ่มต้นด้วยผู้ใช้ถามคำถามหรือทำคำขอในโฮสต์ MCP เช่น Claude Desktop
2. การวิเคราะห์ LLM: LLM วิเคราะห์คำขอและกำหนดว่าจำเป็นต้องใช้ข้อมูลหรือเครื่องมือภายนอกเพื่อให้การตอบกลับที่สมบูรณ์
3. การค้นพบเครื่องมือ: ลูกค้า MCP สอบถามเซิร์ฟเวอร์ MCP ที่เชื่อมต่อเพื่อค้นพบเครื่องมือที่มีอยู่
4. การเลือกเครื่องมือ: LLM ตัดสินใจว่าจะใช้เครื่องมือชนิดใดโดยขึ้นอยู่กับคำขอและความสามารถที่มีอยู่
5. การขออนุญาต: โฮสต์ขออนุญาตจากผู้ใช้ให้ดำเนินการเครื่องมือที่เลือกเพื่อความโปร่งใสและความปลอดภัย
6. การดำเนินการเครื่องมือ: เมื่อได้รับการอนุมัติ ลูกค้า MCP จะส่งคำขอไปยังเซิร์ฟเวอร์ MCP ที่เหมาะสม ซึ่งดำเนินการด้วยการเข้าถึงแหล่งข้อมูลที่เชี่ยวชาญของตน
7. การประมวลผลผลลัพธ์: เซิร์ฟเวอร์ส่งผลลัพธ์กลับไปยังไคลเอ็นต์ซึ่งจะจัดรูปแบบให้สอดคล้องกับ LLM
8. การสร้างคำตอบ: LLM รวมข้อมูลภายนอกเข้าไปในคำตอบที่ครอบคลุม
9. การนำเสนอของผู้ใช้: สุดท้ายการตอบสนองถูกแสดงให้ผู้ใช้สุดท้าย

สิ่งที่ทำให้สถาปัตยกรรมนี้มีพลังอยู่ที่ที่แต่ละเซิร์ฟเวอร์ MCP มีความเชี่ยวชาญในโดเมนที่เฉพาะเจา แต่ใช้โปรโตคอลการสื่อสารมาตรฐาน ดังนั้นไม่ใช่การสร้างการผสานสำหรับแต่ละแพลตฟอร์ม นักพัฒนาสามารถมุ่งเน้นการพัฒนาเครื่องมือเพียงครั้งเดียวสำหรับระบบนิเวศปัญญาประดิษฐ์ทั้งหมดของตน

วิธีสร้างเซิร์ฟเวอร์ MCP ครั้งแรกของคุณ

ตอนนี้เรามาดูวิธีการที่คนหนึ่งสามารถนำเอาเซิร์ฟเวอร์ MCP อย่างง่ายในหลายบรรทัดโค้ดโดยใช้ MCP SDK

ในตัวอย่างง่ายนี้ เราต้องการขยายความสามารถของ Claude Desktop ให้สามารถตอบคำถามเช่น “ร้านกาแฟบางแห่งที่อยู่ใกล้สวนสาธารณะสาธารณะอย่างไร?” จาก Google maps คุณสามารถขยายนี้ได้อย่างง่ายดายเพื่อให้ได้รับรีวิวหรือคะแนน แต่ตอนนี้ เรามาให้ควา focus ไปที่เครื่องมือ MCP tool find_nearby_places ซึ่งจะทำให้ Claude ได้รับข้อมูลเหล่านี้โดยตรงจาก Google Maps และนำผลลัพธ์ไปนำเสนอในรูปแบบการสนทนา

เห็นได้ว่าโค้ดมันง่ายมาก 1) มันแปลงคำค้นหาเป็นการค้นหา API ของ Google Map และ 2) คืนผลลัพธ์บนสุดในรูปแบบที่มีโครงสร้าง ดังนั้นข้อมูลถูกส่งกลับไปยัง LLM เพื่อตัดสินใจเพิ่มเติม

ตอนนี้เราต้องให้โปรแกรม Claude Desktop ทราบเกี่ยวกับเครื่องมือนี้ ดังนั้นเราจึงลงทะเบียนไว้ในไฟล์การกำหนดค่าของมันตามนี้

• macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
• Windows: %APPDATA%\Claude\claude_desktop_config.json

และโอ้เย!

ข้อปฏิเสธ：

1. บทความนี้ถูกพิมพ์ใหม่จาก [MCX]. ส่งต่อชื่อเรื่องต้นฉบับ 'AI's USB-C Standard: Understanding MCP' ลิขสิทธิ์ทั้งหมดเป็นของผู้เขียนต้นฉบับ [ @Drmelseidy]. หากมีข้อบกพร่องใดๆในการสำเนานี้ โปรดติดต่อGate เรียนทีม และพวกเขาจะดำเนินการโดยเร็ว

2. คำปฏิเสธความรับผิด: มุมมองและความคิดเห็นที่แสดงในบทความนี้เป็นสิ่งที่เป็นของผู้เขียนเท่านั้น และไม่เป็นการให้คำแนะนำในการลงทุนใด ๆ

3. การแปลบทความเป็นภาษาอื่น ๆ โดยทีม Gate Learn ถูกดำเนินการ หากไม่ได้กล่าวถึง การคัดลอก การกระจายหรือการลอกเลียนแบบบทความที่ถูกแปล ถูกห้าม