online gambling singapore online gambling singapore online slot malaysia online slot malaysia mega888 malaysia slot gacor live casino malaysia online betting malaysia mega888 mega888 mega888 mega888 mega888 mega888 mega888 mega888 mega888 AI界超夯新詞,MCP是什麼?定義、實例一次看懂

 


0000

新買了一台只有USB-C插孔的筆電,手邊的滑鼠、隨身硬碟和耳機線全都不適用,該怎麼辦?這正是許多企業在導入AI時面臨的困境——AI需要存取數據,卻發現各種系統不兼容。 面對分散在不同來源、規格不一的各式數據,企業常見利用檢索增強生成(RAG)技術讓AI逐一調取資料,並投入資源開發專門的API介面來串接AI。模型上下文協定(Model Context Protocol, MCP)的出現正在化繁為簡,它讓AI就像擁有了一個「萬能轉接頭」,可以輕鬆存取並理解AI需要的各種數據,無需繁瑣的整合開發。 MCP究竟是什麼?它如何讓AI更聰明、更好用?

MCP(模型上下文協定)是什麼?

MCP全名為Model Context Protocol,中文為「模型上下文協定」,是一種開放協定,2024年11月由開發模型Claude的美國新創公司Anthropic推出,提供了一種標準化的方式,讓AI向外部工具請求使用服務和數據。並且透過提供AI上下文指示,讓AI決定使用哪些工具、按什麼順序以及如何將工作流程連結在一起以完成任務。 換句話說,MCP不只能當作轉接頭,也像是提供AI一本使用說明書,幫助AI理解企業數據和應用情境,例如內部數據的結構與存取方式、重要的業務邏輯與規則,以及專業術語等。 以銀行客服系統導入AI為例,當客戶詢問:「能否提前還清貸款?」MCP能提示AI該銀行的房貸規則在哪裡查詢、違約金計算方式,和哪些客戶符合提前還款條件等。 Anthropic應用AI團隊成員穆拉格(Mahesh Murag)指出,未來,MCP也可以作為AI代理(AI Agent)的基礎架構,提供檢索、記憶和工具調用的能力,使AI能夠更聰明、彈性地處理複雜任務,「我們希望MCP成為AI應用開發的標準層,讓開發者不再需要重複建構相同的基礎架構。」對於AI工具和API開發者來說,只需要建立一套MCP伺服器,就能讓各種大型語言模型(LLM)更方便地存取這些工具和數據源,而無需為每個模型單獨設計API介面。對於應用程式開發者來說,則可以將App連結到既有的MCP伺服器,使AI能夠透過MCP使用工具,節省自行撰寫API整合的時間。

MCP如何運作?

MCP不只適用於企業內部的AI工作流程,也有助於AI串接外部應用工具,就像筆電的轉接頭,統一不同的介面,確保筆電能夠與各種外部裝置連接。其中又包含MCP主機(Host)、MCP客戶端(Client)和MCP伺服端(Server)三端互動:MCP主機(MCP Host) Claude、ChatGPT等需要透過MCP存取外部工具的AI模型,它們會請求MCP來幫助執行各種操作。這些AI模型就像筆電本身,需要透過轉接頭來連接外部裝置。 MCP客戶端(MCP Client) AI存取MCP的程式碼,它讓AI可以透過MCP 來請求特定的工具或數據來源。這就像筆電的USB連接埠,負責發送請求給轉接頭,讓筆電知道該怎麼存取外部設備。 MCP伺服端(MCP Server) Slack、Gmail、Google日曆、Mac檔案系統等,提供AI所需的功能與數據,可以是遠端應用程式或本地數據來源。MCP伺服器就像滑鼠、鍵盤、硬碟等各種USB設備,透過轉接頭連接到筆電。 舉例來說,使用者向ChatGPT提出請求:「幫我找出這週與總經理的會議紀錄,並寄送摘要。」 AI分析請求後,發現需要存取日曆數據、產生會議摘要和發送Gmail,便會透過MCP客戶端發送請求到MCP伺服端,請求使用「日曆存取」與「郵件發送」這兩種功能。過程中ChatGPT不用直接對接Google的API,而是統一透過MCP來取得數據。 目前Anthropic提供開源的MCP,包括Google Drive、Slack和GitHub在內,來自各個領域、超過1,000項服務已經開發MCP伺服器。早期使用者則以AI編寫程式的服務商為主,例如Google的Goose、Cursor和Cline,它們將MCP導入其AI系統中,利用MCP來提升產品服務。 以Cursor為例,MCP伺服器作為Cursor與外部工具或數據源之間的媒介,像是使用者可以從Google Drive調取數據檔案,也可以從GitHub創建任務分支和查詢程式碼。

打造AI的USB-C還有哪些挑戰?

目前MCP市場仍由Anthropic主導,要讓MCP成為普遍通用的標準,還需要主要的模型供應商都跟進採用。只是包含OpenAI、Google、AWS和Meta等公司,都尚未針對MCP給予標準化的承諾,和AI模型一樣,未來也可能出現多種MCP競爭的情形。 Google Deepmind資深AI開發關係工程師施密德(Philipp Schmid )就曾在社群媒體X(原Twitter)發文表示,MCP看起來只更適用於Anthropic的Claude,「如果他們(Anthropic)不納入其它供應商和開源社群,我懷疑這是否可以成為標準?只為一個供應商開發是沒有意義的。」 事實上,OpenAI過去也推出了函數調用功能(function calling feature),允許旗下GPT模型調用第三方的API,最近也為ChatGPT及其API推出了帶有網頁瀏覽、檔案搜索等AI代理的嵌入程式。這些功能和MCP一樣致力於將模型連接到外部功能,差別在於僅為OpenAI而生。 除此之外,MCP協定本身的複雜性對開發者而言也是一個挑戰,特別是在部署和維護過程中,企業需要大量的內部協作來確保系統平穩運行,因此,市場也預期會出現新興的託管服務。 即使目前MCP還在初期應用階段、還有許多待解問題,但以逐漸升溫的關注度看來,為AI打造更方便的萬能轉接頭,仍會是主要發展趨勢之一。

 

轉貼自: bnnext.com

若喜歡本文,請關注我們的臉書 Please Like our Facebook Page: Big Data In Finance


留下你的回應

以訪客張貼回應

0
  • 找不到回應

YOU MAY BE INTERESTED