Anthropic schlägt einen neuen Weg vor, um Daten mit KI-Chatbots zu verbinden

Anthropisch Es wird eine neue Norm für die Anbindung von KI-Assistenten an Systeme vorgeschlagen, in denen Daten gespeichert sind.

Dieser Standard heißt Model Context Protocol, kurz MCP, und Anthropic sagt, dass dieser Standard, der heute als Open Source zur Verfügung steht, KI-Modellen helfen kann, bessere und relevantere Antworten auf Anfragen zu generieren.

MCP Ermöglicht es den Modellen - nicht nur den Modellen von Anthropic -, Daten aus Quellen wie kommerziellen Tools und Software zu übernehmen, um ihre Aufgaben zu erfüllen, sowie Daten aus Content-Repositories und Anwendungsentwicklungsumgebungen zu extrahieren.

"Mit der zunehmenden Verbreitung von KI-Assistenten hat die Branche beträchtliche Ressourcen in die Modellierungsfähigkeiten investiert und dabei rasch Fortschritte bei Inferenz und Qualität erzielt", so Anthropic in seinem Blog-Beiträge schreibt: "Doch selbst die fortschrittlichsten Modelle sind durch ihre Isolierung von den Daten begrenzt - sie sind in Informationssilos und Altsystemen gefangen. Jede neue Datenquelle erfordert eine benutzerdefinierte Implementierung, wodurch ein wirklich vernetztes System nur schwer skalierbar ist.

MCP löst dieses Problem angeblich durch ein Protokoll, das es Entwicklern ermöglicht, bidirektionale Verbindungen zwischen Datenquellen und KI-gesteuerten Anwendungen wie Chatbots herzustellen. Entwickler können Daten über "MCP-Server" bereitstellen und "MCP-Clients" (z. B. Anwendungen und Arbeitsabläufe) erstellen, die sich bei Bedarf mit diesen Servern verbinden.

Laut Anthropic haben Unternehmen wie Block und Apollo MCP in ihre Systeme integriert, während Replit, Codeium und Quellengrafik und andere Unternehmen, die Entwicklungstools anbieten, erweitern ihre Plattformen um MCP-Unterstützung.

"Entwickler können nun auf der Grundlage eines Standardprotokolls entwickeln, ohne für jede Datenquelle separate Konnektoren unterhalten zu müssen", schreibt Anthropic. "Während das Ökosystem reift, werden KI-Systeme den Kontext beibehalten, während sie sich zwischen Tools und Datensätzen bewegen, und den heutigen fragmentierten Ansatz der Integration durch eine nachhaltigere Architektur ersetzen.

Entwickler können jetzt mit dem MCP Connector arbeiten und gleichzeitig die Anthropic Claude Nutzer des Enterprise-Programms können den Claude-Chatbot ihres Unternehmens über einen MCP-Server mit ihren internen Systemen verbinden. Anthropic hat vorgefertigte MCP-Server für Unternehmenssysteme wie Google Drive, Slack und GitHub zur Verfügung gestellt und angekündigt, dass in Kürze ein Toolkit für die Bereitstellung von MCP-Servern in Produktionsqualität zur Unterstützung ganzer Unternehmen verfügbar sein wird. Toolkit für die Bereitstellung von MCP-Servern in Produktionsqualität zur Unterstützung ganzer Unternehmen.

"Wir sind bestrebt, MCP als kollaboratives Open-Source-Projekt und Ökosystem aufzubauen", schrieb Anthropic. "Wir laden [Entwickler] ein, gemeinsam die Zukunft der kontextabhängigen KI zu gestalten.

In der Theorie klingt MCP nach einer guten Idee. Aber es ist nicht klar, ob sie breite Unterstützung finden wird, insbesondere bei Wettbewerbern wie OpenAI, die es vorziehen könnten, dass Kunden und Ökosystempartner die sie (für unbelebte Objekte) Die Datenverbindungsmethoden und Spezifikationen der

Tatsächlich hat OpenAI vor kurzem eine neue Plattform für seine KI-gestützte Chatbot-Plattform geschaffen ChatGPT führt eine Datenkonnektivitätsfunktion ein, die es ChatGPT ermöglicht, Code in Codebearbeitungsanwendungen für Entwickler zu lesen - ähnlich dem Anwendungsfall, der von MCP angetrieben wird. openAI sagt, dass es plant, dies zu einer Arbeiten mit Apps Funktionalität für andere Anwendungstypen zu nutzen, entschied sich aber für die Implementierung mit einem engen Partner, anstatt die zugrunde liegende Technologie als Open Source zu entwickeln.

Außerdem bleibt abzuwarten, ob MCP so vorteilhaft und effizient ist, wie Anthropic behauptet. So sagt das Unternehmen, dass MCP KI-Roboter in die Lage versetzt, "relevante Informationen besser abzurufen, um den mit einer Codierungsaufgabe verbundenen Kontext besser zu verstehen", aber es hat keine Benchmarks zur Untermauerung dieser Behauptung vorgelegt.