Команда LangChain на MCP: новое направление для масштабирования инструментов агентов ИИ?

Недавно был разработан протокол Model Context Protocol (MCP) вызвала большой интерес в сфере ИИ. Эта технология направлена на решение главной проблемы:Как позволить пользователям расширять инструментальные возможности базового агента, не контролируя его? О практической пользе MCP генеральный директор LangChain Харрисон Чейз рассказал в беседе с LangGraph Нуно Кампос, глава организации, подробно рассказывает об этом.

Основная ценность MCP: расширение инструментов для неуправляемых агентов

Харрисон Чейз считает, что ценность MCP заключается в том, что она предоставляет пользователям возможность добавлять инструменты в агенты, над которыми они не имеют прямого контроля. Он приводит в пример Клод Рабочий стол, курсор и Виндсерфинг В качестве примера было отмечено, что при использовании этих продуктов пользователи не могут напрямую изменять логику работы базового Агента, а доступные Агенту инструменты ограничены несколькими встроенными.

Однако пользователи могут захотеть добавить к этим Агентам дополнительные инструменты, чтобы удовлетворить более индивидуальные потребности. Например, вы можете добавить дополнительные инструменты в редактор кода Курсор Интеграция специального инструмента анализа кода или добавление пользовательского инструмента доступа к базе знаний в Claude Desktop. Для достижения этой цели необходим общий протокол, позволяющий Агенту распознавать и вызывать эти внешние инструменты, и MCP предназначен для решения этой задачи.

Харрисон также отметил, что MCP важен и для тех, кто не занимается разработкой агентов. По мере того как создание агентов становится все более популярным, все больше и больше экспертов в области хотят участвовать в процессе создания агентов. Эти эксперты могут не обладать глубокими навыками программирования, но у них есть обширные знания в области и специфические потребности в инструментах, а MCP снижает барьеры на пути создания агентов, позволяя им настраивать необходимые инструменты без необходимости изменять основную логику агента.

Харрисон признал потенциальную ценность MCP в заполнении важного пробела в существующей экосистеме инструментов для агентов. В быстро развивающемся мире агентских технологий растет спрос на персонализированную функциональность агентов. Если MCP сможет эффективно снизить сложность интеграции инструментов, это, несомненно, ускорит популярность технологии Agent и даст толчок к появлению более инновационных сценариев применения. Особенно для тех, кто не является разработчиком, более дружественный способ расширения инструментов значительно раскроет их творческий потенциал и будет способствовать демократизации приложений ИИ.

Прагматические проблемы: настройка агентов и интеграция инструментов

Нуно Кампос поставил под сомнение полезность MCP. Он утверждает, что дизайн агента должен быть тесно интегрирован с используемыми инструментами. Простого добавления инструментов к агенту без корректировки его системных подсказок или даже архитектуры зачастую недостаточно для достижения желаемых результатов.

Нуно признает, что MCP может сработать, если пользователи хотят просто заменить встроенные средства веб-поиска в таких приложениях, как Windsurf. Но это не самый ценный вариант использования MCP, утверждает он. По-настоящему убедительным вариантом было бы использование пользователями "волшебного инструмента", который дал бы разработчикам приложений вроде Cursor новые возможности, о которых они даже не подозревали. Однако на практике это маловероятно.

Нуно подчеркнул, что в большинстве производственных сред для того, чтобы агент мог эффективно использовать инструменты, необходимо точно настроить системные сообщения агента и даже общую архитектуру в соответствии с имеющимся набором инструментов.

Точка зрения Нуно более прагматична с технической точки зрения. Он отмечает, что интеграция инструментов - это не просто "подключи и работай", и что производительность агента во многом зависит от того, насколько хорошо он работает с инструментом. Это, по сути, указывает на общую проблему в развитии современных технологий агентов ИИ: как найти баланс между высокой гибкостью в масштабировании инструментов и оптимизацией производительности агентов. Озабоченность Нуно не праздная, ведь многие разработчики на собственном опыте убедились в важности оперативного проектирования при работе с большими языковыми моделями и в том, какое глубокое влияние архитектура системы может оказать на конечный результат.

Компромисс между надежностью и ожиданиями пользователей

Харрисон признает, что агент, основанный на MCP Integration Tool, возможно, не сможет достичь надежности 99%. Однако он считает, что даже если надежность агента будет немного ниже, он все равно может быть полезен. Он отмечает, что, несмотря на важность описаний инструментов и инструкций, не следует упускать из виду следующие моменты:

1. MCP содержит определения инструментов, а хорошие MCP-серверы могут предоставить лучшие описания инструментов, чем пользователи могут написать сами.
2. MCP позволяет включать подсказки, с помощью которых пользователь может проинструктировать агента о том, как использовать инструмент.
3. По мере совершенствования возможностей базовой модели производительность инструмента, вызывающего агента, будет становиться все выше и выше.

Харрисон утверждает, что, хотя вы не сможете создать такой же полноценный продукт, как Cursor, используя только MCP-интеграции и агентов по общему вызову, MCP все же может быть ценным в определенных сценариях, например при создании внутренних или персональных агентов.

Отвечая на вопрос Нуно, Харрисон был настроен более оптимистично. Он признает, что MCP не может быть идеальной во всех сценариях, но подчеркивает прагматичный принцип "достаточно просто достаточно". На ранних этапах развития технологий стремление к совершенству часто ограничивает инновации. Мнение Харрисона также соответствует итерационной природе технологии, когда быстро выпускается пригодная для использования версия, а затем она совершенствуется на практике. Кроме того, его уверенность в способности модели совершенствоваться отражает общее мнение в области ИИ: постоянное совершенствование возможностей модели будет и дальше расширять границы применения Агента.

Синхронизация возможностей модели с ожиданиями пользователей

Нуно возразил, что контрольные показатели LangGraph по вызову инструментов показывают, что даже при использовании агента, архитектура и подсказки которого адаптированы под конкретный набор инструментов, текущая модель имеет коэффициент успеха около 50% при вызове правильного инструмента. Персональный агент, который не работает правильно в половине случаев, имеет сомнительную полезность.

Нуно признает, что возможности моделей будут расти, но вместе с ними будут расти и ожидания пользователей. Он цитирует Джеффа Безоса: "Клиенты всегда недовольны существующим положением вещей, и их ожидания бесконечны". Если разработчики освоили весь технологический стек, включая пользовательский интерфейс, подсказки, архитектуру и инструменты, они смогут удовлетворить растущие ожидания пользователей. В противном случае перспективы нерадостные.

Нуно пошел дальше, указав на ограничения текущей модели в плане вызовов инструмента. Коэффициент успешности 50% - это, безусловно, тревожный показатель, особенно в производственных условиях, где важны эффективность и надежность. В то же время Нуно поднял планку с точки зрения ожиданий пользователей. Технологический прогресс должен не только улучшать возможности, но и соответствовать растущим ожиданиям пользователей. Это фактически устанавливает более высокий стандарт для MCP и всех технологий AI Agent: они должны не только работать, но и работать хорошо, и быть в состоянии продолжать удовлетворять растущие потребности пользователей.

Эффект длинного хвоста и аналогия с Zapier

Харрисон по-прежнему уверен, что возможности модели будут совершенствоваться. Он считает, что, каким бы ни был текущий уровень успешности "Агентов", в будущем он будет только улучшаться. Он подчеркивает, что ценность MCP не следует оценивать, сравнивая ее с хорошо отточенным Агентом. Настоящая ценность MCP заключается в его способности обеспечивать большое количество долгосрочных связей и интеграций.

Харрисон сравнивает MCP с Zapier, который соединяет такие приложения, как электронная почта, Google Sheets и Slack, и позволяет пользователям создавать бесчисленные рабочие процессы без необходимости разрабатывать сложный агент для каждого из них. С MCP пользователи могут создать свою собственную версию Zapier, позволяющую осуществлять множество персональных интеграций. персонализированные интеграции.

Харрисон ловко перевел позиционирование MCP с "высокопроизводительной платформы для агентов общего назначения" на "коннектор для сценариев с длинными хвостами". Аналогия с Zapier вполне уместна, поскольку указывает на то, что потенциальное применение MCP заключается не в замене существующих агентских решений, а скорее в использовании его ценности в более широком спектре персонализированных, долгосрочных требований. Такой сдвиг в мышлении фактически снижает требования к зрелости технологии MCP и облегчает поиск ее применения в краткосрочной перспективе. Теория "длинного хвоста" неоднократно подтверждалась в сфере Интернета, и если MCP сможет уловить спрос "длинного хвоста", его также ждет успех.

Отличия от инструмента LangChain

Нуно отметил, что LangChain уже имеет библиотеку из 500 инструментов, но они не очень часто используются в производственных средах. Все эти инструменты реализованы по единому протоколу, совместимы с любой моделью и свободно взаимозаменяемы. Он задался вопросом, в чем преимущество MCP. Просто ли в том, что MCP имеет "уникальную форму", требующую от пользователя запуска большого количества серверов на локальном терминале и совместимую только с настольными приложениями? По его мнению, это не является преимуществом. Он считает, что Zapier может быть верхним пределом потенциала MCP.

Разница между инструментами LangChain и MCP, по словам Харрисона, заключается в том, что инструмент LangChain в первую очередь ориентирован на разработчиков агентов, в то время как MCP в первую очередь ориентирован нанеспособныйПользователи, разрабатывающие Агенты. Цель MCP - предоставить пользователям возможность добавлять инструменты в Агенты, над которыми они не имеют контроля. Кроме того, MCP позволяет не-разработчикам добавлять инструменты в Агенты, которые они используют, в то время как инструменты LangChain больше ориентированы на разработчиков. Неразработчиков гораздо больше, чем разработчиков, и это потенциальный рынок для MCP.

Харрисон также признает недостатки MCP в ее нынешнем виде. Но он верит, что MCP будет совершенствоваться и дальше. Он представляет себе будущее, в котором приложения MCP можно будет устанавливать одним щелчком мыши, не нужно будет запускать сервер на локальном терминале, а доступ к ним можно будет получать через веб-приложения. Именно в этом направлении движется MCP.

Нуно задался вопросом о необходимости MCP с точки зрения собственной экосистемы инструментов LangChain. Его вопрос прост: если LangChain уже предоставляет большое количество инструментов, которые недостаточно используются, как MCP может решить эту проблему? Харрисон ответил на этот вопрос дифференциацией пользовательской базы, утверждая, что MCP нацелена на другой круг пользователей, нежели пользователи инструментов LangChain. Такая дифференциация помогает более точно нацелиться на рынок MCP и избежать прямой конкуренции с существующей экосистемой инструментов. Группа "не-разработчиков" действительно очень велика, и если MCP сможет эффективно обслуживать эту группу пользователей, то потенциал рынка останется значительным.

Будущее MCP: аналогии с пользовательскими GPT и плагинами

Нуно резюмирует доводы Харрисона о том, что MCP должен стать более похожим на пользовательские GPT от OpenAI, чтобы оправдать нынешнюю шумиху. Однако Custom GPT не так популярны, как могли бы быть. Он задал риторический вопрос: чего не хватает Custom GPT, что есть у MCP?

Харрисон считает, что MCP больше похожа на плагины, которые OpenAI когда-то запускала, но в итоге потерпела неудачу. Он признает, что его опыт работы с плагинами был размытым, но он думает:

• Экосистема MCP уже намного больше, чем экосистема плагинов.
• Возможности модели были значительно расширены, чтобы лучше использовать эти инструменты.

Нуно скептически относится к размеру экосистемы MCP. В случайно найденном каталоге он обнаружил всего 893 сервера MCP. Он считает, что Харрисон может судить о размере экосистемы просто по количеству твитов в ленте Twitter, в которых упоминается MCP.

Нуно считает, что для того, чтобы MCP вышла за рамки сноски в истории развития ИИ, необходимо внести следующие улучшения:

• Снижение сложности: Почему протокол инструментария должен обрабатывать и подсказки, и завершение LLM?
• Упрощение сложности реализации: Почему протоколы для сервисных инструментов должны взаимодействовать в обоих направлениях? Нуно считает, что получение журналов сервера не является достаточной причиной.
• Поддержка развертывания серверовПротоколы Stateless являются ключевыми, и лучшие практики масштабирования в режиме онлайн не должны быть забыты только потому, что вы создаете приложение LLM. После поддержки развертывания серверов в игру вступают другие вопросы, такие как аутентификация.
• Восполнение потерь качества: Внедрение случайных инструментов в Агенты, которые ничего о них не знают, неизбежно приведет к потере качества, и нужно найти способы компенсировать это.

Харрисон признал, что в вопросе Нуно есть доля правды, и снова обратился к сообществу в Twitter, запустив опрос, в котором спрашивал, считают ли люди, что MCP - это вспышка на сковородке или стандарт будущего.

Подводя итог, можно сказать, что Model Context Protocol (MCP) - это новая технология, которая пытается открыть новые горизонты в масштабируемости агентных инструментов. Хотя MCP все еще сталкивается со многими проблемами, его потенциальная ценность и будущее направление развития заслуживают внимания.

точки зрения

Модель Контекстный протокол (MCP) вряд ли станет стандартом будущего. Лично я пессимистично смотрю на будущее MCP.

Проблема, которую пытается решить MCP, имеет смысл, но на практике она может оказаться не очень эффективной. Идея Харрисона Чейза о том, что MCP поможет пользователям расширять инструменты Agent, имеет благие намерения, но пользователям это может и не понадобиться. Пользователи могут предпочесть просто использовать хорошо разработанный продукт, а не добавлять инструменты самостоятельно.

Нуно Кампос прав. Он отметил, что инструменты и агенты должны хорошо работать вместе, чтобы быть эффективными. Протокол MCP, возможно, не учитывает этого в достаточной степени, и простого подключения инструментов может быть недостаточно для эффективного использования агентов. Существующие большие модели все еще имеют ограничения в плане вызова инструментов, и слишком оптимистично ожидать, что MCP создаст эффективную платформу для инструментов.

MCP также сложно реализовать. Если сервер работает локально, ограничиваясь настольными приложениями, пользовательский опыт не очень хорош. Приложения ИИ, как правило, облачные и легкие, и если MCP не будет усовершенствован, пользователям будет сложно принять его.

Провал плагинов и пользовательских GPT от OpenAI показал, что расширять платформу не так-то просто. MCP пытается превзойти ее, но, боюсь, у нее это не получится, и она будет забыта так же быстро, как и Plugins.

Поэтому MCP может оказаться лишь кратковременным явлением в развитии ИИ и вряд ли станет мейнстримом в будущем. Хотя он имеет экспериментальную ценность, цель Харрисона Чейза труднодостижима. Напротив, более практичным и эффективным может оказаться расширение возможностей самой большой модели или создание более вертикальных агентных приложений.

В общем, MCP вряд ли будет успешным, и, скорее всего, это просто шумиха. Я очень скептически отношусь к будущему MCP. Изучение MCP полезно, но его конечный успех маловероятен.