- 降噪 | denoise
- Posts
- EP33 - Anthropic 開源了極具野心的協定 — MCP
EP33 - Anthropic 開源了極具野心的協定 — MCP
Model Context Protocol 。Anthropic。Claude
歡迎來到降噪,一起消除雜訊洞察價值
OVERVIEW
本期重點
Anthropic 開源了極具野心的協定 — MCP
我開了 AI 學習社群
SHARING
Anthropic 開源了極具野心的協定 — MCP
就在 11/25 Anthropic 提議並開源了一個新的標準叫做 Model Context Protocol 簡稱 MCP,中文可以理解為模型情境/脈絡協定。這個協定可以讓任何模型,不限 Anthropic 的 Claude 模型,能夠從商業工具和軟體等來源中獲取數據來完成任務,同時也能從內容庫和應用程式開發環境中獲取數據。
很多人沒意識到這個協定將打開全新的賽局,一票公司很有可能因為大模型公司跳下來做這塊而面臨巨大競爭壓力甚至倒閉。
下面跟大家說明為什麼 MCP 這麼重要以及它的影響
為什麼需要 MCP?
大家一定常常碰到檔案格式不被 LLM 支援,或是公司的資料僅能儲存在內部的伺服器不能上傳到公開網路中做後續的應用的情況。很多公司為了解決這個問題自己跳下來做轉譯或是自建封閉的系統來使用 AI,導致大量的無效的重複工作。
簡單來說,一旦 LLM 應用程式需要存取外部數據,開發者就得寫一大堆客製化程式碼,麻煩又重複。
Anthropic 在一篇部落格文章中寫道。「即使是最複雜的模型也受限於其與數據的隔離——被困在資訊孤島和舊有系統之中。每個新的數據來源都需要自定義實施,使得真正連接的系統難以擴展。」
因此,Anthropic 提出了一套協定來讓大家使用,避免重覆造輪子。
MCP 裡面包含了什麼?
簡單的來比喻,MCP 協定就像是 AI 系統與資料來源之間的一座橋樑,讓開發者在不同資料來源和 AI 工具之間建立雙向連結。
舉個簡單的情境來說明大家應該就會懂。
現在大家手邊一定會使用複數以上的 AI 工具,一定常常會遇到要把 A 服務輸出到 B 服務再下載到電腦中,再從電腦中把檔案用附加檔案的形式輸入給 LLM 來做後續的處理。
現在只要使用 MCP 這個協定 ( A、B 服務都使用這個協定 ),加上你本地端也安裝 Claude 應用程式 ( 當客戶端 ),就可以實現在 LLM 的聊天介面無縫的獲取 A、B 和自己電腦中的檔案,來詢問或是生成高品質的內容。
優點在於,以後不管是存取本機資源( 資料庫、文件、服務 ),或是存取遠端資源(如 Slack、GitHub API、Google drive),都能用同一個協定。
而且支援的資料形式非常多樣,包括檔案內容、資料庫記錄、API 回應、即時系統資料、螢幕截圖和影像、日誌檔案等,幾乎覆蓋了所有類型。
「開發者現在可以針對一個標準協議進行開發,而不需要為每個數據源維護獨立的連接器,」Anthropic 在 Blog 中提到。隨著生態系統的成熟,人工智慧系統將在不同工具和數據集之間移動時保持資料的連貫,將今日的碎片化整合替換為更可持續的架構。
OpenAI 的挑戰
MCP 在理論上聽起來像是一個好主意。但最大的隱憂在於這個協定能獲得多少公司/開發者的支持,特別像是 OpenAI 這樣的競爭對手肯定更希望客戶和生態系統夥伴使用他們的數據連接方法和規格。
事實上,OpenAI 最近也為 ChatGPT 引入了數據連接功能,允許 ChatGPT 在開發者專注的編碼應用中閱讀代碼 ( 類似於 MCP 所推動的使用案例 )。OpenAI將計劃命名為「與應用程式合作」的功能帶到其他類型的應用程式中,但它選擇與密切的合作夥伴一起實施,而不是開源底層技術。
這或許就是 Antropic 看中的機會點
「我們將致力於把 MCP 打造成一個協作性的開源專案與生態系統。」
也就是說現在模型大廠除了要在硬底的模型上競爭,同時也把戰線延伸到數據接口的定義上,像極了早年在制定 VHS/CD/VCD/DVD 規格一樣。
可能造成的影響
這絕對會是一個巨大的改變,預計也會是明年 AI 競爭最激烈的領域。無怪乎 OpenAI 有底氣的提出要設計全新作業系統的風向。因為在他們的藍圖中,各家的應用程式/服務最終都會收斂到一個平台/介面上,我們熟知的 Chat-GPT。
想像未來 ( 可能幾個月後 ) 你可以在 AI 聊天室的介面中指揮 Midjourney 生成精緻的圖片,同時置入到 Gamma 中生成完美的簡報,最後整份簡報返回到聊天室介面中,再生成 Podcast 來走一遍簡報。
也就是說對 OpenAI/Antropic/Google/Meta/Grok 等模型大廠來說,現階段大鳴大放的 AI 應用都是這些大模型提供者的打工仔。他們不會跳下去細分領域來做應用,但這些應用若要獲得更多的使用覆蓋率就必須挑選一個協定來協助完善該生態系,當然你可以都支援,就如同 Android 與 IOS 一樣。
歷史或許不會重演,但都壓著相同的韻腳,Shout out to 建設這個時代的每一個人。
自己贊助自己
我開了 AI 學習社群
有追蹤臉書的朋友應該知道我研究 Make 自動化系統有一段時間了。如果 Chat-GPT 是個不會喊累的博士,工作流則是能讓一群博士不分日夜地,像流水線般自動化的為您工作的系統。
相信大家也聽我介紹很多 AI 工具,常常有種怎麼也學不完的挫敗感。但 Make 這個工具是我今年投入時間學習後獲得最大成效的工具。因為它可以把我先前介紹過的工具黏合起來變成全新的物種,就像樂高一樣。
👇 可以參考最新的教學影片理解工作流是如何運作的
期待在社群中見到你。
Reply