Пересылка оригинального заголовка «AI’s USB-C Standard: Understanding MCP»

За годы работы в Alliance я видел, как бесчисленное количество основателей создавали свои собственные специализированные инструменты и интеграции данных, встроенные в свои искусственные интеллект агенты и рабочие процессы. Однако эти алгоритмы, формализации и уникальные наборы данных заблокированы за кастомными интеграциями, которые использует лишь немногих.

Это быстро меняется с появлением протокола модели контекста. MCP определяется как открытый протокол, который стандартизирует способы взаимодействия приложений и предоставления контекста для LLMs. Одна аналогия, которая мне очень понравилась, - это то, что «MCP для приложений ИИ похож на USB-C для аппаратных средств»; это стандартизировано, подключаемо, универсально и трансформационно.

Почему MCP?

LLM, такие как Claude, OpenAI, LLAMA и т. д., невероятно мощны, но они ограничены информацией, к которой могут получить доступ в данный момент. Это означает, что обычно у них есть ограничения по знаниям, они не могут самостоятельно просматривать веб-сайты и не имеют прямого доступа к вашим личным файлам или специализированным инструментам без какой-либо формы интеграции.

В частности, ранее разработчики столкнулись с тремя основными проблемами при подключении LLM к внешним данным и инструментам:

1. Сложность интеграции: для каждой платформы искусственного интеллекта (Claude, ChatGPT и т. д.) требуется создание отдельных интеграций, что приводит к дублированию усилий и поддержке нескольких кодовых баз
2. Фрагментация инструментов: Каждая функциональность инструмента (например, доступ к файлам, подключения к API и т. д.) требовала собственного специализированного кода интеграции и модели разрешений
3. Ограниченное распространение: Специализированные инструменты были ограничены определенными платформами, что снижало их охват и влияние

MCP решает эти проблемы, предоставляя стандартизированный способ для любого LLM, чтобы безопасно получать доступ к внешним инструментам и источникам данных через общий протокол. Теперь, когда мы понимаем, что делает MCP, давайте посмотрим, что люди создают с его помощью.

Что строят люди с MCP?

Экосистема MCP в настоящее время переживает взрыв инноваций. Вот несколько недавних примеров, которые я нашел в Twitter, где разработчики демонстрируют свою работу.

• Искусственный интеллект для создания сюжетов: Интеграция MCP, которая позволяет Клоду управлять ChatGPT-4o, автоматически создавая полные сценарии в стиле Ghibli без какого-либо вмешательства человека.
• Интеграция голосового управления ElevenLabs: Сервер MCP, который предоставляет Клоду и Курсору доступ ко всей своей аудиоплатформе искусственного интеллекта через простые текстовые подсказки. Интеграция достаточно мощна, чтобы создавать голосовых агентов, способных совершать исходящие телефонные звонки. Это демонстрирует, как MCP может расширять текущие инструменты искусственного интеллекта в область аудио.
• Автоматизация браузера с Playwright: Сервер MCP, который позволяет искусственным интеллектам управлять веб-браузерами без необходимости скриншотов или моделей видения. Это открывает новые возможности для автоматизации веба, предоставляя LLMs прямое управление взаимодействиями с браузером в стандартизированном виде.
• Персональная интеграция WhatsApp: Сервер, который подключается к личным учетным записям WhatsApp, позволяя Клоду искать сообщения и контакты, а также отправлять новые сообщения.
• Инструмент поиска Airbnb: Инструмент поиска квартир Airbnb, который демонстрирует простоту и мощь MC для создания практических приложений, взаимодействующих с веб-сервисами.
• Система управления роботами: Контроллер MCP для робота. Пример сокращает разрыв между LLM и физическим оборудованием, показывая потенциал MCP для приложений Интернета вещей и робототехники.
• Google Карты и Локальный Поиск: Подключение Клода к данным Google Maps, создание системы, которая может находить и рекомендовать местные бизнесы, такие как кофейни. Это расширение обеспечивает искусственных интеллектов помощников месторасположением основанных услуг.
• Интеграция блокчейна: Проект Lyra MCP предоставляет возможности MCP для StoryProtocol и других платформ web3. Это позволяет взаимодействовать с данными блокчейна и смарт-контрактами, открывая новые возможности для децентрализованных приложений, улучшенных искусственным интеллектом.

Особенно убедительными делают эти примеры их разнообразие. За очень короткое время с момента введения разработчики создали интеграции, охватывающие производство творческих медиа, платформы коммуникации, управление аппаратным обеспечением, местные услуги и технологии блокчейн. Все эти разнообразные приложения следуют одному и тому же стандартизированному протоколу, демонстрируя универсальность MCP и потенциал стать универсальным стандартом для интеграции инструментов искусственного интеллекта.

Для полного собрания серверов MCП, посмотритеофициальный репозиторий серверов MCP на GitHub. С осторожным отказом, прежде чем использовать любой сервер MCP, будьте осторожны в том, что запускаете и какие разрешения предоставляете.

Обещание против Хайпа

С любой новой технологией стоит задать вопрос: действительно ли MCP является преобразующим, или это просто еще один раздутый инструмент, который исчезнет?

Наблюдая за множеством стартапов в этой области, я считаю, что MCP представляет собой подлинную точку перегиба для развития искусственного интеллекта. В отличие от многих тенденций, обещающих революцию, но приносящих лишь постепенные изменения, MCP является увеличением производительности, решающим фундаментальную инфраструктурную проблему, которая тормозила весь экосистему.

Особенной ценностью является то, что он не пытается заменить существующие модели ИИ или конкурировать с ними, а делает их более полезными, соединяя их с внешними инструментами и данными, которые им нужны.

Тем не менее, существуют обоснованные опасения относительно безопасности и стандартизации. Как и в случае с любым протоколом в его ранние дни, мы, скорее всего, увидим трудности, поскольку сообщество вырабатывает лучшие практики в области проверок, разрешений, аутентификации и проверки сервера. Разработчик должен доверять функциональности этих серверов MCP и не должен слепо им доверять, особенно учитывая их обилие.Эта статьяобсуждает некоторые из недавно обнаруженных уязвимостей, выявленных благодаря использованию серверов MCP, которые не были тщательно проверены, даже если вы запускаете их локально.

Будущее искусственного интеллекта - контекстуальное

Самые мощные приложения искусственного интеллекта не будут автономными моделями, а будут экосистемами специализированных возможностей, связанных через стандартизированные протоколы, такие как MCP. Для стартапов MCP представляет собой возможность создавать специализированные компоненты, которые вписываются в эти растущие экосистемы. Это шанс использовать свои уникальные знания и возможности, получая выгоду от массовых инвестиций в основные модели.

Впереди можно ожидать, что MCP станет фундаментальной частью инфраструктуры искусственного интеллекта, подобно тому, как HTTP стал таковой для веба. По мере зрелости протокола и роста его принятия, скорее всего мы увидим появление целых рынков специализированных серверов MCP, позволяющих искусственным интеллектам использовать практически любые возможности или источники данных.

Приложение

Для тех, кто заинтересован в понимании того, как MCP на самом деле работает под поверхностью, в следующем приложении предоставляется техническое описание его архитектуры, рабочего процесса и реализации.

Под капотами MCP

Подобно тому, как HTTP стандартизировал способ доступа веб-приложений к внешним источникам данных и информации, MCP делает то же самое для фреймворков искусственного интеллекта, создавая общий язык, позволяющий разным системам искусственного интеллекта взаимодействовать без проблем. Итак, давайте рассмотрим, как это происходит.

Архитектура и поток MCP

Основная архитектура следует модели клиент-сервер с четырьмя ключевыми компонентами, работающими вместе:

• Хосты MCP: Настольные приложения с ИИ, такие как Claude или ChatGPT, среды разработки, такие как cursorAI или VSCode, или другие инструменты искусственного интеллекта, требующие доступа к внешним данным и возможностям
• Клиенты MCP: Протокольные обработчики, встроенные в хосты, поддерживающие однозначные соединения с серверами MCP
• Серверы MC: Легкие программы, выставляющие определенные функциональные возможности через стандартизированный протокол
• Источники данных: ваши файлы, базы данных, API и сервисы, к которым серверы MC Project могут безопасно получать доступ

Итак, теперь, когда мы обсудили компоненты, давайте посмотрим, как они взаимодействуют в типичном рабочем процессе:

1. Взаимодействие с пользователем: оно начинается с того, что пользователь задает вопрос или делает запрос в хосте MCP, например, на рабочем столе Клода.
2. Анализ LLM: LLM анализирует запрос и определяет, что для предоставления полного ответа требуется внешняя информация или инструменты
3. Поиск инструментов: Клиент MCP запрашивает подключенные серверы MCP, чтобы узнать, какие инструменты доступны
4. Выбор инструмента: LLM решает, какие инструменты использовать на основе запроса и доступных возможностей
5. Запрос разрешения: Хост запрашивает у пользователя разрешение на выполнение выбранного инструмента, важного для прозрачности и безопасности.
6. Выполнение инструмента: После одобрения клиент MCP отправляет запрос на соответствующий сервер MCP, который выполняет операцию с использованием своего специализированного доступа к источникам данных
7. Обработка результата: сервер возвращает результаты клиенту, который форматирует их для LLM
8. Генерация ответа: LLM интегрирует внешнюю информацию в комплексный ответ
9. Презентация пользователя: Наконец, ответ отображается конечному пользователю

Особенностью этой архитектуры является то, что каждый сервер MCP специализируется на определенной области, но использует стандартизированный протокол общения. Таким образом, вместо того чтобы перестраивать интеграции для каждой платформы, разработчики могут сосредоточиться только на разработке инструментов один раз для всей своей экосистемы искусственного интеллекта.

Как создать свой первый сервер MCP

Теперь давайте посмотрим, как можно реализовать простой сервер MCP всего в нескольких строках кода, используя SDK MCP.

В этом простом примере мы хотим расширить возможность рабочего стола Клода отвечать на вопросы вроде «Какие кофейни поблизости от Центрального парка?» из Google maps. Вы легко можете расширить это, чтобы получить отзывы или рейтинги. Но пока сосредоточимся на инструменте MCP find_nearby_places, который позволит Клоду получить эту информацию непосредственно из Google Maps и представить результаты в разговорной форме.

Как вы можете видеть, код действительно прост. 1) Он преобразует запрос в поиск API Google Maps и 2) возвращает лучшие результаты в структурированном формате. Таким образом, информация передается обратно в LLM для принятия дальнейших решений.

Теперь нам нужно сообщить Claude Desktop об этом инструменте, поэтому мы регистрируем его в его конфигурационном файле следующим образом.

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

И, вуаля, ты закончен. Теперь ты просто расширил Клода, чтобы найти местоположения в реальном времени на картах Google.

Отказ от ответственности:

1. Эта статья перепечатана с [ X]. Пересылка оригинального заголовка 'AI's USB-C Standard: Understanding MCP'. Все авторские права принадлежат оригинальному автору [@Drmelseidy]. Если есть возражения против этой перепечатки, пожалуйста, свяжитесь с Gate Learnкоманда, и они незамедлительно разберутся с этим.

2. Ответственность за отказ: Взгляды и мнения, выраженные в этой статье, являются исключительно точкой зрения автора и не являются инвестиционным советом.

3. Переводы статьи на другие языки выполняются командой Gate Learn. Если не указано иное, копирование, распространение или плагиат переведенных статей запрещены.