Дізнався, що аналіз труднощів, пов'язаних з MCP, досить точний, він влучно вказує на проблеми, викриває довгий шлях реалізації MCP, який не є таким простим. Я ще трохи розширю це:
Проблема вибуху інструментів є реальною: стандарт протоколу MCP, інструменти, які можна підключити, розповсюдилися в надмірній кількості, LLM важко ефективно вибирати та використовувати так багато інструментів, і жоден ШІ не може одночасно бути експертом у всіх професійних сферах, це не питання кількості параметрів.
Опис розриву в документації: між технічною документацією та розумінням штучного інтелекту все ще існує величезний розрив. Більшість документації API написано для людей, а не для AI, бракує семантичного опису.
Слабке місце двохінтерфейсної архітектури: MCP як посередник між LLM і джерелами даних має обробляти запити з верхнього рівня та перетворювати дані з нижнього рівня, ця архітектурна конструкція має вроджені недоліки. Коли джерела даних вибухають, єдиний обробний логіка майже неможлива.
Повертаючі структури дуже різні: відсутність єдиного стандарту призводить до плутанини у форматах даних, це не проста інженерна проблема, а наслідок загальної відсутності співпраці в індустрії, що потребує часу.
Обмежене вікно контексту: незалежно від того, як швидко зростає обмеження токенів, проблема інформаційного перевантаження завжди залишається. MCP виводить купу даних JSON, що займає багато контекстного простору та стискає можливості міркування.
Спрощення вкладених структур: складні об'єктні структури в текстовому описі можуть втрачати ієрархічні зв'язки, і ШІ важко відновити зв'язки між даними.
Складність підключення декількох серверів MCP: «Найбільша проблема полягає в тому, що складно з'єднати MCP разом». Ця складність не безпідставна. Хоча сам MCP уніфікований як стандартний протокол, конкретна реалізація кожного сервера насправді різна, один обробляє файли, хтось підключається до API, хтось оперує базами даних... Коли штучному інтелекту потрібно співпрацювати на різних серверах для виконання складних завдань, це так само складно, як намагатися з'єднати Lego, цеглинки та магніти.
Поява A2A - це лише початок: MCP - це початковий етап зв'язку AI-to-AI. Справжня мережа AI-агентів потребує більш високих рівнів координаційних протоколів та механізмів консенсусу, A2A, можливо, лише відмінна ітерація.
Вище.
Ці питання насправді зосереджують увагу на болях переходу від "інструментального набору" до "екосистеми ШІ". Галузь ще перебуває на початковій стадії, де інструменти просто передаються ШІ, а не створюється справжня інфраструктура співпраці ШІ.
Отже, важливо зняти магію MCP, але не слід знецінювати його як технологію переходу.
Просто ласкаво просимо до нового світу.
Переглянути оригінал
Контент має виключно довідковий характер і не є запрошенням до участі або пропозицією. Інвестиційні, податкові чи юридичні консультації не надаються. Перегляньте Відмову від відповідальності , щоб дізнатися більше про ризики.
Тривожний момент: аналіз семи структурних суперечностей протоколу MCP у співпраці ШІ
Дізнався, що аналіз труднощів, пов'язаних з MCP, досить точний, він влучно вказує на проблеми, викриває довгий шлях реалізації MCP, який не є таким простим. Я ще трохи розширю це:
Проблема вибуху інструментів є реальною: стандарт протоколу MCP, інструменти, які можна підключити, розповсюдилися в надмірній кількості, LLM важко ефективно вибирати та використовувати так багато інструментів, і жоден ШІ не може одночасно бути експертом у всіх професійних сферах, це не питання кількості параметрів.
Опис розриву в документації: між технічною документацією та розумінням штучного інтелекту все ще існує величезний розрив. Більшість документації API написано для людей, а не для AI, бракує семантичного опису.
Слабке місце двохінтерфейсної архітектури: MCP як посередник між LLM і джерелами даних має обробляти запити з верхнього рівня та перетворювати дані з нижнього рівня, ця архітектурна конструкція має вроджені недоліки. Коли джерела даних вибухають, єдиний обробний логіка майже неможлива.
Повертаючі структури дуже різні: відсутність єдиного стандарту призводить до плутанини у форматах даних, це не проста інженерна проблема, а наслідок загальної відсутності співпраці в індустрії, що потребує часу.
Обмежене вікно контексту: незалежно від того, як швидко зростає обмеження токенів, проблема інформаційного перевантаження завжди залишається. MCP виводить купу даних JSON, що займає багато контекстного простору та стискає можливості міркування.
Спрощення вкладених структур: складні об'єктні структури в текстовому описі можуть втрачати ієрархічні зв'язки, і ШІ важко відновити зв'язки між даними.
Складність підключення декількох серверів MCP: «Найбільша проблема полягає в тому, що складно з'єднати MCP разом». Ця складність не безпідставна. Хоча сам MCP уніфікований як стандартний протокол, конкретна реалізація кожного сервера насправді різна, один обробляє файли, хтось підключається до API, хтось оперує базами даних... Коли штучному інтелекту потрібно співпрацювати на різних серверах для виконання складних завдань, це так само складно, як намагатися з'єднати Lego, цеглинки та магніти.
Поява A2A - це лише початок: MCP - це початковий етап зв'язку AI-to-AI. Справжня мережа AI-агентів потребує більш високих рівнів координаційних протоколів та механізмів консенсусу, A2A, можливо, лише відмінна ітерація.
Вище.
Ці питання насправді зосереджують увагу на болях переходу від "інструментального набору" до "екосистеми ШІ". Галузь ще перебуває на початковій стадії, де інструменти просто передаються ШІ, а не створюється справжня інфраструктура співпраці ШІ.
Отже, важливо зняти магію MCP, але не слід знецінювати його як технологію переходу.
Просто ласкаво просимо до нового світу.