آنتروپیک پروتکل متنی مدل را برای استاندارد کردن ادغام داده‌های هوش مصنوعی منتشر می‌کند

یکی از تصمیم‌هایی که بسیاری از شرکت‌ها باید هنگام اجرای موارد استفاده از هوش مصنوعی بگیرند، حول اتصال منابع داده خود به مدل‌هایی است که استفاده می‌کنند.

چارچوب‌های مختلفی مانند LangChain برای یکپارچه‌سازی پایگاه‌های داده وجود دارد، اما توسعه‌دهندگان باید هر زمان که مدل‌ها را به یک منبع داده جدید متصل می‌کنند، کد بنویسند. آنتروپیک امیدوار است با انتشار آنچه که امیدوار است استانداردی در یکپارچه سازی داده ها باشد، این الگو را تغییر دهد.

آنتروپیک آن را منتشر کرد پروتکل بافت مدل (MCP) به ،وان یک ابزار منبع باز برای ارائه یک روش استاندارد به کاربران برای اتصال منابع داده به موارد استفاده از هوش مصنوعی. در یک پست وبلاگآنتروپیک گفت که این پروتکل به ،وان یک «استاندارد باز و جه،» برای اتصال سیستم‌های هوش مصنوعی به منابع داده عمل خواهد کرد. ایده این است که MCP به مدل هایی مانند Claude اجازه می دهد تا به طور مستقیم از پایگاه های داده پرس و جو کنند.

ال، آلبرت، رئیس روابط کلود در آنتروپیک، در X گفت هدف این شرکت “ساخت جه، که در آن هوش مصنوعی به هر منبع داده ای وصل شود” با MCP به ،وان “مترجم جه،” است.

آلبرت گفت: «بخشی از چیزی که MCP را قدرتمند می‌کند این است که هم منابع محلی (پایگاه‌های اطلاعاتی، فایل‌ها، خدمات شما) و هم منابع راه دور (APIهایی مانند Slack یا GitHub) را از طریق یک پروتکل مدیریت می‌کند.

یک روش استاندارد یکپارچه سازی منابع داده نه تنها به توسعه دهندگان کمک می کند تا مدل های زبان بزرگ (LLM) را مستقیماً به اطلاعات نشان دهند، بلکه مشکلات بازیابی داده را برای شرکت هایی که عامل های هوش مصنوعی می سازند، آسان می کند.

از آنجایی که MCP یک پروژه منبع باز است، این شرکت گفت که کاربران را تشویق می کند تا در آن مشارکت کنند م،ن اتصالات و پیاده سازی ها

استانداردی برای یکپارچه سازی داده ها

هنوز هیچ راه استانداردی برای اتصال منابع داده به مدل ها وجود ندارد. این تصمیم به کاربران سازم، و ارائه دهندگان مدل و پایگاه داده واگذار شده است. توسعه دهندگان تمایل دارند یک کد پایتون خاص یا یک نمونه LangChain بنویسند تا LLM ها را به پایگاه داده ها هدایت کنند. با عملکرد هر LLM کمی متفاوت از یکدیگر، توسعه دهندگان برای اتصال به منابع داده خاص به کد جداگانه ای برای هر یک نیاز دارند. این اغلب منجر به فراخو، مدل‌های مختلف به پایگاه‌های داده ی،ان می‌شود، بدون اینکه توانایی کار ، با یکدیگر را داشته باشند.

شرکت‌های دیگر پایگاه داده‌های خود را گسترش می‌دهند تا ایجاد جاسازی‌های برداری را که می‌توانند به LLM‌ها آسان‌تر متصل شوند، ایجاد کنند. یکی از این نمونه ها مایکروسافت است که Azure SQL خود را با Fabric ادغام کرده است. شرکت های کوچکتری مانند Fastn نیز روش متفاوتی را برای اتصال منابع داده ارائه می دهند.

با این حال، آنتروپیک می خواهد که MCP حتی فراتر از کلود به ،وان گامی به سوی قابلیت همکاری مدل و منبع داده کار کند.

MCP یک استاندارد باز است که توسعه دهندگان را قادر می سازد تا ارتباطات دو طرفه و ایمن بین منابع داده خود و ابزارهای مبتنی بر هوش مصنوعی ایجاد کنند. معماری ساده است: توسعه دهندگان می توانند داده های خود را از طریق سرورهای MCP در معرض نمایش بگذارند یا برنامه های کاربردی هوش مصنوعی (مشتری های MCP) بسازند که به این سرورها متصل می شوند.

چندین نظر دهندگان در شبکه های اجتماعی اعلام MCP، به ویژه نسخه های متن باز این پروتکل را تحسین کرد. برخی از کاربران در انجمن ها دوست دارند اخبار هکرها محتاط تر بودند و ارزش استانداردی مانند MCP را زیر سوال بردند.

البته MCP در حال حاضر فقط برای مدل های خانواده کلود استاندارد است. با این حال، Anthropic سرورهای MCP از پیش ساخته شده را برای Google Drive، Slack، GitHub، Git، Postgres و Puppeteer منتشر کرد.

VentureBeat برای نظر بیشتر با Anthropic تماس گرفت.

این شرکت گفت که پذیرندگان اولیه MCP شامل Block و Apollo هستند، با ارائه دهندگ، مانند Zed، Replit، Sourcegraph و Codeium بر روی عوامل هوش مصنوعی که از MCP برای دریافت اطلاعات از منابع داده استفاده می کنند.

هر توسعه دهنده ای که به MCP علاقه دارد می تواند بلافاصله پس از نصب سرورهای MCP از پیش ساخته شده از طریق برنامه دسکتاپ Claude به پروتکل دسترسی پیدا کند. شرکت ها همچنین می توانند سرور MCP خود را با استفاده از Pyt،n یا TypeScript بسازند.