Что такое Протокол Контекста Модели (MCP)?

TheПротокол Model Context(MCP) - это открытый стандарт, разработанный@AnthropicAIкоторая революционизирует способ взаимодействия моделей искусственного интеллекта с внешними источниками данных и инструментами. Изначально влияние стандарта было медленным, но с тех пор@OpenAIранее в этом году он взлетел в плане принятия. Его часто сравнивают с «USB-C портом для искусственного интеллекта» - он обеспечивает единый метод подключения их к различным инструментам и источникам данных, упрощая взаимодействие искусственного интеллекта с внешними ресурсами.

Вместо того чтобы разработчики создавали индивидуальные интеграции для каждого источника данных или инструмента, MCP устанавливает стандартизированный протокол общения между моделями искусственного интеллекта (клиентами) и поставщиками данных/инструментов (серверами). Цель состоит в том, чтобы помочь передовым моделям производить лучшие и более актуальные ответы, подключая их к системам, где пребывают данные, включая репозитории контента, бизнес-инструменты и среды разработки.

В своей основе MCP решает фундаментальное ограничение больших языковых моделей (LLM), которые изолированы от данных в реальном времени и не могут принимать прямые действия внешне. MCP позволяет ИИ-системам динамически обнаруживать и взаимодействовать с доступными инструментами, обеспечивая постоянное двустороннее общение между моделями и внешними системами. Это особенно важно и мощно в обеспечении автономных ИИ-агентов более надежными возможностями, особенно в DeFi.

Как MC оптимизирует искусственные интеллектуальные агенты в DeFi

MCP значительно увеличивает возможности искусственного интеллекта в DeFi, оптимизируя способы обработки и взаимодействия агентов с данными в реальном времени. MCP позволяет искусственным интеллекта агентам динамически получать доступ к внешним потокам данных, таким как рыночные данные, из источников, таких как реляционные базы данных и API. Это упрощает процесс восприятия последних событий агентами и повышает их способность принимать обоснованные решения. Интегрируя различные источники данных в реальном времени, агенты могут анализировать сложные данные и адаптироваться к изменяющимся рыночным условиям – это критическая задача для таких случаев использования, как предоставление ликвидности.

MCP также повышает эффективность AI-агентов, позволяя инструментам предпринимать действия. Агенты могут не только извлекать данные из внешних систем, но и возвращать обновления или действия в эти системы, такие как выполнение смарт-контрактов или обновление позиций ликвидности. Это дает агентам возможность автономно выполнять стратегии DeFi, делая их более эффективными участниками в этой области. Убирая необходимость в индивидуальных интеграциях для каждого инструмента или источника данных, MCP уменьшает сложность и ускоряет развертывание AI-ориентированных решений DeFi. Это позволяет агентам быстро адаптироваться, масштабироваться и реагировать на новые возможности, увеличивая общую эффективность операций DeFi.

MCP отлично подходит для предоставления агентам этих основных возможностей - инструменты для получения данных и выполнения действий. Однако, в отличие от этого, он плохо подходит для координации или коммуникации агентов друг с другом. В отличие от инструментов, агенты не предназначены для выполнения жестких команд через фиксированный API. Они естественно гибки и используют естественный язык для выполнения широкого спектра возможностей и оркестрации взаимодействий, которые часто включают общие состояния. Я подробно расскажу об этом в разделе "MCP ускоряет необходимость координации роя агентов" ниже.

Для тех, кто только начинает знакомиться с концепцией, ведущий голос индустрии @S4mmyEthнаписал подробную статью о лаборатории MC, назвав ее «важным прорывом для криптовалют и открытого искусственного интеллекта» - вы можете найти этот материал ниже.

Принятие MCP в различных отраслях

Web3 и блокчейн

Web3 - это естественное место для инноваций и быстро становится полигоном для тестирования систем и методологий искусственного интеллекта. То же самое можно сказать о MCP, который улучшает интеграцию искусственного интеллекта и блокчейна, и готовит почву для взаимодействия интеллектуальных систем с децентрализованными приложениями, открывая новые возможности в Web3, как недавно отмечено @aelfblockchain.

В экосистеме Web3 есть несколько захватывающих проектов, которые ориентируются на MCP, включая:

@Arcdotfun- ведущий фреймворк Rust для искусственного интеллекта в Web3 только что объявил Ryzome, универсальное приложение для агентов ИИ, работающее на MCP, который стандартизирует коммуникацию между агентами ИИ и цифровыми сервисами. Это позволяет агентам ИИ легко получать доступ к услугам Web 2 и Web 3 без сложной интеграции.

@heurist_ai- децентрализованный облачный сервис искусственного интеллекта как сервис, выпустил ряд инструментов, доступных для MCP, например, интеграцию для @getmasafiX данных.

Проверьте их Github для более глубокого взгляда на нихагентский фреймворк.

@UnifaiNetwork- стартап в области искусственного интеллекта Web3 позиционирует себя как MCP для Web3, создавая широкий спектр открытых плагинов MCP с возможностями, включая платежи через кошелек, обмены, стратегии управления ликвидностью, ставки на основе искусственного интеллекта и многое другое.

@StoryProtocol- мировой IP-блокчейн, недавно также объявил о интеграции с MCP, чтобы облегчить получение информации об операциях, лицензиях, сделках и правах собственности в их экосистеме для искусственного интеллекта, а также позволить агентам создавать и передавать IP.

Эти реализации инновационными командами в пространстве позволяют LLMs эффективно взаимодействовать с данными блокчейна в реальном времени, выполнять аудиты безопасности умных контрактов, отслеживать метрики токенов и даже облегчать транзакции on-chain с соответствующими мерами безопасности.

Электронная коммерция и розничная торговля

В сфере электронной коммерции и розничной торговли MCP трансформирует способ взаимодействия искусственного интеллекта с источниками данных и инструментами, улучшая операционную эффективность и опыт клиентов. Функции, такие как поиск продуктов, отслеживание заказов и рекомендации по ценам, оптимизируют операции и улучшают общий опыт покупок.

Ранние интеграции MC в пространстве включают в себя:

@Shopifyмагазиныинтеграция MCPдля удобного управления продуктами, клиентами, заказами и другими с помощью простых вызовов API к их Административному API.

@blocksодин из ведущих провайдеров платежей использовалMCP для создания открытого расширяемого искусственного интеллекта агента, по имени Goose, который помогает устанавливать, выполнять, редактировать и тестировать код с любым LLM.

@WooCommerceвключилСерверы MCPдля улучшения взаимодействия со своими магазинами, обеспечивая комплексные инструменты для управления продуктами, заказами, клиентами, доставкой, налогами, скидками и конфигурацией магазина.

Корпоративный B2B

В корпоративном секторе произошло значительное принятие MCP для бизнес-операций и рабочих процессов. MCP получил широкое распространение среди ведущих предложений для предприятий, включая:

@OpenAI интегрировал технологиюдля улучшения стандартизированного общения между AI агентами и внешними системами, оптимизации рабочих процессов предприятий и сокращения накладных расходов на разработку.

@MicrosoftвключилMCP в продуктах, таких как Copilot Studioи Семантическое Ядро, позволяющее создателям подключаться непосредственно к существующим серверам знаний и API. Действия и знания автоматически добавляются к агенту и непрерывно обновляются по мере эволюции функционала.

@DatabricksпринялMCсервер, который подключается к их API, позволяя LLM выполнять SQL-запросы, перечислять задания и получать обновленный статус задания.

Инструменты разработки и инженерии

Разработка программного обеспечения была одним из самых ранних и наиболее надежных сторонников MCP. Как указывает NSHipster в недавней статье, «Протокол сервера языка (LSP) революционизировал интеграцию языков программирования с инструментами разработчика. Протокол контекста модели (MCP) нацелен на то же самое для нового поколения инструментов искусственного интеллекта.

Некоторые основные инструменты разработки и инжиниринга, которые сейчас поддерживают интеграцию MC, включают:

@zeddotdev @Replit @codeiumdevи @Sourcegraph работают с MCPдля улучшения своих платформ, позволяя агентам лучше извлекать информацию, чтобы понимать контекст вокруг задачи по кодированию, производя более тонкий и функциональный код.

@github серверы MCPобеспечивать беспрепятственную интеграцию с их API, обеспечивая расширенные возможности автоматизации и взаимодействия для разработчиков и инструментов.

Интеграции IDE для анализа кодаи поколение, превращая искусственный интеллект из пассивного помощника в активного, сотрудничающего партнера в процессе разработки программного обеспечения.

Расширение охвата и влияние MCP на системы искусственного интеллекта

Быстрое принятие MC в различных отраслях подчеркивает его ценность как стандартизированного протокола для взаимодействия с AI-инструментами. Изначально инициатива Anthropic, сейчас она превратилась в открытую экосистему с тысячами серверов, созданных сообществом и интеграций от крупных технологических компаний. Недавно мы видели огромный рост доступности серверов MC, более 300 из которых доступны специально для AI-агентов, как показано @Sumanth_077ниже.

По мере зрелости MC мы видим:

1. Упрощенные интеграции - замена пользовательских коннекторов стандартизированными интерфейсами.
2. Повышенная безопасность через аутентификацию и контроль доступа на уровне протокола.
3. Развивающаяся экосистема разработчиков, создающая специализированные инструменты и коннекторы.
4. Кросс-платформенная совместимость между различными моделями и приложениями искусственного интеллекта.

MCP Ускоряет необходимость координации роя агентов

В то время как MCP решает проблему подключения между отдельными агентами и источниками данных ИИ, он не решает проблему координации между несколькими специализированными агентами. Вот где @TheoriqAIприходит.

Theoriq с 2019 года поддерживает использование агентских роев (которые мы называли коллективами, прежде чем стали использовать термин 'рои'), В то время как мы разрабатываем Протокол Theoriq, децентрализованный мультиагентный протокол для финансов, управляемых ИИ, мы заложили основу для агентов, чтобы общаться, сотрудничать и выполнять сложные финансовые задачи. Мы уже решаем эту проблему, строим агентский рой Onchain Liquidity Provisioning (OLP) на протоколе, который приносит финансовую ценность экосистеме DeFi и ее участникам. Подробнее об этом ниже.

Специализированные агенты будут продолжать появляться и станут более эффективными в задачах, для которых они созданы, и по мере того, как каждый будет использовать MCP для доступа к данным, им все равно понадобятся «рельсы для общения» друг с другом. Добавление множества плагинов MCP к общему агенту будет менее эффективным, чем наличие специализированных агентов, которые общаются через согласованный протокол.

Добавление MCP упрощает агентам подключение к внешним источникам, и добавление этой возможности к тому, над чем работает Theoriq, только увеличит возможности агентов.

Протокол Theoriq решает этот вызов следующего уровня:

1. Обеспечение коммуникации между агентами - В то время как MCP соединяет агентов с источниками данных, Theoriq соединяет агентов с другими агентами способом с минимизацией доверия, включая поддерживающие и долговременные коммуникации. Важно, что MCP позволяет агенту только инициировать запросы на получение информации, но Theoriq позволяет агентам быть вызванными, когда происходит важное событие (например, изменение на рынке или новости).
2. Обеспечение механизмов координации – стаи Theoriq позволяют специализированным агентам работать вместе над сложными задачами, такими как обеспечение ликвидности - они могут общаться на естественном языке с богатой семантикой, тогда как MCP следует традиционной парадигме API с более жесткими, узко определенными возможностями.
3. Создание экономических стимулов - В отличие от MCP, Theoriq использует токеномику и платежи для поощрения высококачественных вкладов агентов и участие в финансовых результатах.
4. Обеспечение взаимодействия агентов - архитектура on-chain/off-chain Theoriq обеспечивает безопасное, проверяемое агентское общение за пределами того, что предлагает MCP.
5. Поддержка поиска агентов и репутации - Theoriq позволяет агентам находить друг друга на основе их способностей и рейтинга, способствуя более эффективному сотрудничеству.

MCP в качестве слоя средств агента, Theoriq в качестве координационного слоя

Протокол контекста модели вошел в число важной инфраструктуры, соединяющей модели ИИ с данными и инструментами. Он стандартизирует способы взаимодействия агентов с внешним миром, делая специализированных, способных агентов все более возможными и ценными.

Однако по мере увеличения числа этих специализированных агентов растет потребность в их координации. Theoriq заполняет этот критический разрыв, предоставляя "рельсы" для коммуникации между агентами, позволяя сложным многоагентным системам решать сложные задачи, такие как обеспечение ликвидности на цепи.

Комбинация MCP для подключения агентов к миру и Theoriq для координации агентов создаёт мощный фундамент для развивающейся агентической экономики. Эта синергия позволяет достигать специализированного совершенства, а не обобщённой посредственности, указывая путь к более эффективной, способной и минимизированной по доверию экосистеме искусственного интеллекта. Мы предполагаем, что все ведущие фреймворки искусственного интеллекта в Web3 примут MCP, так же как сделал Rig. Поскольку мы сотрудничаем с этими фреймворками для интеграции Theoriq для координации роя, мы ожидаем, что как MCP, так и Theoriq повысят свою стоимость.

Отказ от ответственности:

1. Эта статья перепечатана из [Ron Bodkin]. Все авторские права принадлежат оригинальному автору [Ron Bodkin]. Если у вас есть возражения к этому перепечатыванию, пожалуйста, свяжитесь с Gate Learnкоманда, и они незамедлительно разберутся с этим.
2. Ответственность за отказ: Взгляды и мнения, выраженные в этой статье, являются исключительно мнениями автора и не являются инвестиционным советом.
3. Команда Gate Learn переводит статьи на другие языки. Копирование, распространение или плагиат переведенных статей запрещены без упоминания.