为什么 Anthropic 的模型上下文协议是人工智能代理进化的一大步

人工智能代理和代理工作流程是开发人员和技术决策者当前的流行语。虽然它们确实值得社区和生态系统的关注，但人们很少强调代理难题中最重要的部分之一：遗留系统和企业业务线应用程序的集成。我最近讨论过实施人工智能代理如何与复杂的企业应用程序集成项目相媲美。

福布斯为什么代理编排是人工智能时代新的企业集成骨干经过贾纳基拉姆 MSV

人择领先的人工智能模型提供商提出了一种协议和架构，用于为语言模型提供从外部系统获得的必要上下文。这模型上下文协议顾名思义，定义了如何将现有数据源（例如文件系统、关系数据库、代码存储库和几乎任何其他数据源）连接到法学硕士和代理。

Anthropic 的模型上下文协议代表了人工智能集成的重要一步，提供了简化人工智能系统和各种数据源之间连接的通用标准。这个开源协议解决了碎片数据访问的挑战，允许更高效和上下文感知的人工智能应用程序。通过更轻松地与不同数据源进行交互，MCP 提高了人工智能生成的响应的相关性和准确性。这是人工智能能力发展的重要一步。

MCP架构

MCP 通过复杂的客户端-服务器架构运行，具有三个核心组件：

1. MCP 服务器：充当数据网关，向 AI 应用程序公开资源、工具和提示
2. MCP 客户：与这些服务器交互的人工智能工具
3. 通信层：确保本地和远程资源之间安全的双向数据交换。

MCP 让数据在 AI 模型和外部数据源之间双向流动，这使得 AI 应用程序更具交互性并了解周围环境。该协议作为将人工智能模型与各种工具集成的基础层，对于开发更细致、更实用的人工智能应用程序至关重要。

通过提供开源框架，MCP 简化了开发人员的工具集成，减少了对每个新数据源的自定义实现的需求。MCP 旨在跨各种环境（包括低代码平台和云服务）工作，提供多功能性和适应性。

Anthropic 已经开发了适用于 Python 和 TypeScript 的 SDK，以及适用于 Google Drive、Slack、GitHub 和 Postgres 等企业系统的预构建服务器。

MCP 在不断发展的 AI 代理中的作用

虽然有许多框架可以构建人工智能代理，但几乎所有框架都依赖于利用 LLM 函数调用功能的工具。虽然这是正确的方法，但这种机制限制了法学硕士可以映射到提示或查询的工具和功能的数量。

Anthropic 的 MCP 通过实现与外部系统的直接双向通信，显着增强了人工智能代理的能力。这一进步使人工智能代理能够从外部数据库访问实时信息、管理文件系统并与 GitHub 等平台无缝交互。因此，人工智能代理可以自主执行复杂的任务，例如简化软件开发工作流程，从而提高效率并减少人工干预的需要。

通过促进这些交互，MCP 使 AI 代理能够跨各个领域执行复杂的操作，这标志着 AI 代理工作流程的发展取得了实质性进展。

汲取过去的教训：SOA 的演变

虽然 MCP 专注于 AI 集成，但值得将其与 SOA 协议进行比较，后者有助于塑造企业架构。SOA 协议，例如肥皂、WSDL 和WS-*，专为使用基于 XML 的消息进行 Web 服务通信而设计。它们提供强大的安全性和可靠的错误处理，适合企业级应用程序，并为服务描述和安全性和事务等附加功能提供全面的标准。

相比之下，MCP专为AI模型与外部数据源集成而定制，支持双向通信并实现更动态的AI交互。它专注于简化跨各种工具和平台的人工智能集成。

虽然 SOA 协议对于实现不同系统之间的互操作性至关重要，但 MCP 解决了将 AI 模型与不同数据源和工具集成的独特挑战。MCP 专注于双向通信和特定于 AI 的集成，使其特别适合新兴的 AI 驱动应用程序。

MCP 的挑战和局限性

毫无疑问，MCP 有潜力成为使 AI 代理工作流程成为可能且更快的关键部分。这些工作流程使用自主的、目标导向的人工智能系统。它使人工智能代理能够根据不同来源的实时数据做出明智的决策。该协议能够维护各种工具和数据集的上下文，支持开发更独立的人工智能代理。通过集成多个工具和数据源，MCP 能够协调复杂的人工智能驱动的工作流程。

MCP 等协议的成功和广泛采用在很大程度上取决于行业参与和标准化工作。标准化确保人工智能系统可以跨不同平台和司法管辖区运行，这对跨国公司至关重要。它通过确保人工智能系统透明、可靠和安全来帮助建立信任。明确的指导方针可降低合规复杂性，降低创新壁垒，并加快人工智能产品的开发速度。标准可以将公平、问责和非歧视原则嵌入人工智能系统。遵守国际标准有利于市场准入，特别是对于小型企业而言。人工智能标准的制定促进利益相关者之间的合作，确保全面和反思性的最佳实践。

领先的人工智能实体的参与，例如开放人工智能,谷歌,微软,元和米斯特拉尔– 对于推动 MCP 等协议的标准化和采用至关重要。他们的参与可以促进遵循通用标准的互操作系统的开发，减少碎片化并促进创新。

与 SOA 环境中的 SOAP、WSDL 和 WS-* 套件等协议的发展类似，全行业的接受对于将这些协议确立为 Web 服务的基础技术起到了重要作用。同样，MCP得到主要行业参与者的集体认可可以加速其融入人工智能系统，促进一个有凝聚力和高效的人工智能生态系统。

Anthropic 的模型上下文协议代表了人工智能集成的重大进步，提供了将人工智能模型与外部数据源连接起来的标准化方法。

MCP 的成功取决于行业的广泛采用以及领先 AI 组织将其建立为标准协议的协作努力，从而培育更加集成和高效的 AI 格局。