Model Context Protocol (MCP) คืออะไร?

เดอะโมเดล โปรโตคอลคอนเท็กซ์ (MCP) เป็นมาตรฐานเปิดที่พัฒนาโดย@AnthropicAIที่เปลี่ยนวงการอย่างไร้เทียบเทียมที่ AI ร่วมกับแหล่งข้อมูลภายนอกและเครื่องมือ ในต้นแรก ผลกระทบของมาตรฐานเป็นการช้า แต่ตั้งแต่ @OpenAIในช่วงต้นปีนี้ มันได้รับการยอมรับอย่างมาก ถูกเปรียบเสมือน "พอร์ต USB-C สำหรับตัวแทน AI" - มันให้วิธีการที่สม่ำเสมอสำหรับการเชื่อมต่อกับเครื่องมือและแหล่งข้อมูลต่าง ๆ ซึ่งทำให้ AI สามารถปฏิสัมพันธ์กับทรัพยากรภายนอกได้อย่างง่ายดาย

แทนที่นักพัฒนาจะสร้างการผสานกับแหล่งข้อมูลหรือเครื่องมือแบบกำหนดเองสำหรับทุกแหล่งข้อมูลหรือเครื่องมือ MCP จะสร้างโปรโตคอลการสื่อสารมาตรฐานระหว่าง AI models (clients) และผู้ให้บริการข้อมูล/เครื่องมือ (servers) จุดมุ่งหมายคือเพื่อช่วยให้โมเดล frontier สร้างการตอบสนองที่ดีกว่าและเกี่ยวข้องมากขึ้นโดยการเชื่อมต่อกับระบบที่เกิดข้อมูลอยู่รวมถึงคลังข้อมูล อุปกรณ์ธุรกิจ และสภาพแวดล้อมการพัฒนา

หัวใจหลักของ MCP กล่าวถึงข้อ จํากัด พื้นฐานของ Large Language Models (LLMs) ที่ถูกแยกออกจากข้อมูลแบบเรียลไทม์และไม่สามารถดําเนินการโดยตรงภายนอกได้ MCP ช่วยให้ระบบ AI สามารถค้นหาและโต้ตอบกับเครื่องมือที่มีอยู่แบบไดนามิกสนับสนุนการสื่อสารแบบสองทางระหว่างโมเดลและระบบภายนอกอย่างต่อเนื่อง สิ่งนี้มีความสําคัญและมีประสิทธิภาพอย่างยิ่งในการทําให้ตัวแทน AI อิสระมีความสามารถที่แข็งแกร่งยิ่งขึ้นโดยเฉพาะอย่างยิ่งใน DeFi

วิธีการ MCP ปรับปรุงเอเจนต์ AI ใน DeFi

MCP เพิ่มความสามารถของตัวแทน AI ใน DeFi อย่างมากโดยการลดความซับซ้อนในการประมวลผลและปฏิสัมพันธ์กับข้อมูลแบบเรียลไทม์ MCP ช่วยให้ตัวแทน AI สามารถเข้าถึงการกระทำข้อมูลภายนอกได้โดยไดนามิก เช่น ข้อมูลตลาด จากแหล่งที่มาเช่น ฐานข้อมูลเชิงสัมพันธ์และ API นี่ทำให้ง่ายขึ้นสำหรับตัวแทนในการรับข้อมูลที่เกิดขึ้นล่าสุด และเพิ่มความสามารถในการตัดสินใจอย่างมีสาระ โดยการผสมผสานแหล่งข้อมูลต่าง ๆ ในเรียลไทม์ ตัวแทนสามารถวิเคราะห์จุดข้อมูลที่ซับซ้อนและปรับตัวตามเงื่อนไขของตลาดที่เปลี่ยนแปลง ซึ่งเป็นงานที่สำคัญสำหรับการใช้งานเช่นการสร้างความเป็นสากล

MCP ยังช่วยเพิ่มประสิทธิภาพของตัวแทน AI โดยเปิดใช้งานเครื่องมือในการดําเนินการ ตัวแทนไม่เพียง แต่สามารถดึงข้อมูลจากระบบภายนอก แต่ยังผลักดันการอัปเดตหรือการดําเนินการกลับเข้าสู่ระบบเหล่านั้นเช่นการดําเนินการสัญญาอัจฉริยะหรือการอัปเดตตําแหน่งสภาพคล่อง สิ่งนี้ช่วยให้เจ้าหน้าที่สามารถดําเนินการตามกลยุทธ์ DeFi ได้อย่างอิสระทําให้พวกเขามีประสิทธิภาพมากขึ้นในพื้นที่ ด้วยการขจัดความจําเป็นในการผสานรวมแบบกําหนดเองสําหรับแต่ละเครื่องมือหรือแหล่งข้อมูล MCP จะลดความซับซ้อนและเร่งการปรับใช้โซลูชัน DeFi ที่ขับเคลื่อนด้วย AI สิ่งนี้ช่วยให้เจ้าหน้าที่สามารถปรับตัวปรับขนาดและตอบสนองต่อโอกาสใหม่ ๆ ได้อย่างรวดเร็วเพิ่มประสิทธิภาพโดยรวมของการดําเนินงาน DeFi

MCP เป็นเครื่องมือที่ยอดเยี่ยมในการ提供ความสามารถหลักที่สำหรับตัวแทน - เครื่องมือในการรับข้อมูลและดำเนินการ อย่างไรก็ตาม ในทางตรงกันข้าม มันไม่เหมาะสำหรับตัวแทนในการประสานหรือสื่อสารกัน ต่างจากเครื่องมือ ตัวแทนไม่ได้ถูกออกแบบให้ทำตามคำสั่งที่เข้มงวดผ่าน API ที่แน่นอนว่ามันยืดหยุ่น ใช้ภาษาธรรมชาติในการดำเนินการตัวแทนและประสานงานกัน ซึ่งมักจะเกี่ยวข้องกับสถานะที่แชร์ ฉันขยายรายละเอียดในส่วน "MCP ใช้เร่งความต้องการสำหรับการประสานงานของ Agent Swarm" ด้านล่าง

สำหรับผู้ที่เป็นผู้ที่ใหม่กับแนวคิด ได้เสียงชั้นนำในอุตสาหกรรม @S4mmyEthเขียนบทความอย่างละเอียดเกี่ยวกับการติดฉลาก MCP โดยกล่าวถึงว่าเป็น "การปลดล็อคสำคัญสำหรับคริปโตและ AI แหล่งเปิด" - คุณสามารถพบชิ้นงานดังกล่าวด้านล่าง

การนำ MCP มาใช้ในธุรกิจต่าง ๆ

Web3 และบล็อกเชน

Web3 เป็นที่อุดมสมบูรณ์ตามธรรมชาติของนวัตกรรม และกำลังเป็นพื้นทดสอบสำหรับระบบ AI และวิธีการอย่างรวดเร็ว สิ่งเดียวกันกับ MCP ที่กำลังเสริมสร้างการรวมต่อระบบ AI-blockchain และเป็นทางเสริมสำหรับระบบอัจฉริยะให้สามารถปฏิสัมพันธ์กับแอปพลิเคชันแบบกระจายได้อย่างมีประสิทธิภาพ ทำให้เกิดประสิทธิภาพใหม่ใน Web3 ตามที่กล่าวไว้เร็ว ๆ นี้โดย @aelfblockchain.

มีโครงการที่น่าตื่นเต้นหลายรายการในนิเวศวัฒนธรรม Web3 ซึ่งกำลังเอนไปทาง MC ซึ่งรวมถึง:

@Arcdotfun- กรอบงานชั้นนำสำหรับเอเจนต์ AI ใน Web3 เพิ่งประกาศ Ryzome ร้านค้าแอปพลิเคชันสำหรับ AI ที่มีพลังงานโดย MCP ซึ่งมาตรฐานการสื่อสารระหว่างเอเจนต์ AI และบริการดิจิทัล นี้ช่วยให้เอเจนต์ AI สามารถเข้าถึงบริการ Web 2 และ Web 3 ได้อย่างง่ายดายโดยไม่ต้องผสมผสานที่ซับซ้อน

@heurist_ai - คลาวด์ AI-as-a-Service แบบไม่มีศูนย์กลาง ได้ปล่อยตัวออกมาเป็นจำนวนมากของเครื่องมือที่สามารถเข้าถึงได้โดย MCP เช่น การผสานเข้าสู่ระบบ @getmasafi X ข้อมูล

ตรวจสอบ Github ของพวกเขาเพื่อศึกษาอย่างละเอียดเชิงโครงสร้างของเอเจนต์.

@UnifaiNetwork– บริษัททุนเริญด้าน Web3 AI ได้ตั้งตัวเองเป็น MCP สำหรับ Web3 โดยการสร้างชุดของปลั๊กอิน MCP โอเพ่นซอร์สที่มีความสามารถรวมถึงการชำระเงินผ่านวอลเล็ต สวอป กลยุทธ์การจัดการ Likelihood การพนันด้วยพลังงาน AI และอื่น ๆ

@StoryProtocol – บล็อกเชน IP ของโลก ได้ประกาศการรวมตัวกับ MCP เร็ว ๆ นี้เพื่อทำให้ง่ายต่อตัวแทน AI ที่จะได้รับข้อมูลเกี่ยวกับธุรกรรม ใบอนุญาต ธุรกรรม และการถือครองในระบบนั้น ๆ และยังอนุญาตให้ตัวแทนสร้างและโอนทรัพย์สินบริสุทธิ์

การปฏิบัติตามเหล่าทีมนวัตกรรมในพื้นที่นี้ ทำให้ LLMs สามารถทำงานร่วมกับข้อมูลบล็อกเชนแบบเรียลไทม์ ดำเนินการตรวจสอบความปลอดภัยของสัญญาอัจฉริยะ ติดตามข้อมูลโทเค็น และแม้กระทั่งสนับสนุนธุรกรรมออนเชนด้วยมาตรการคุ้มครองที่เหมาะสม

อีคอมเมิร์ซและการค้าปลีก

ในพื้นที่การค้าออนไลน์และการค้าปลีก MCP กำลังเปลี่ยนแปลงวิธีที่ตัวแทน AI เชื่อมต่อกับแหล่งข้อมูลและเครื่องมือ พัฒนาประสิทธิภาพการดำเนินงานและประสบการณ์ของลูกค้า ฟังก์ชันเช่นการค้นหาสินค้า การติดตามคำสั่งซื้อ และการแนะนำราคา กำลังทำให้ดำเนินการได้สะดวกขึ้นและเพิ่มประสิทธิภาพของประสบการณ์การช้อปปิ้งโดยรวม

การผสมผสาน MCP แรกเริ่มในพื้นที่รวมถึง:

@Shopifyร้านค้าการรวมระบบ MCให้การจัดการผลิตภัณฑ์, ลูกค้า, คำสั่งซื้อ, และอื่นๆ ได้อย่างง่ายดายด้วยการเรียกใช้ API ไปยัง Admin API ของพวกเขา

@blocksหนึ่งในผู้ให้บริการการชำระเงินชั้นนำได้ใช้MCP เพื่อสร้างเอเจนต์ AI โอเพ่นซอร์สที่สามารถขยายขอบเขต, ชื่อ Goose, ที่ช่วยติดตั้ง ดำเนินการ แก้ไข และทดสอบรหัสด้วย LLM ใดก็ได้

@WooCommerceได้รวมเข้าไว้เซิร์ฟเวอร์ MCPเพื่อปรับปรุงปฏิสัมพันธ์กับร้านค้าของพวกเขา โดยเปิดใช้เครื่องมือที่ครอบคลุมสำหรับการจัดการสินค้า คำสั่งซื้อ ลูกค้า การจัดส่ง ภาษี ส่วนลด และการกำหนดค่าในร้านค้า

ธุรกิจระหว่างองค์กร B2B

ในภูมิภาคธุรกิจมีการนำ MCP ไปใช้ในการดำเนินงานธุรกิจและขั้นตอนการทำงานอย่างมีนัยยะ. MCP ได้รับการนำมาใช้ในผลิตภัณฑ์ขององค์กรชั้นนำ

@OpenAI ได้รวมเทคโนโลยีเข้าไว้เพื่อปรับปรุงการสื่อสารมาตรฐานระหว่างตัวแทน AI และระบบภายนอก เพื่อลดการซับซ้อนของการทำงานขององค์กรและลดค่าใช้จ่ายในการพัฒนา

@Microsoftได้รวมเข้าMCP ในผลิตภัณฑ์เช่น Copilot Studioและเคอร์เนิลเซมันติกที่ทำให้ผู้สร้างสามารถเชื่อมต่อโดยตรงกับเซิร์ฟเวอร์ความรู้และ API ที่มีอยู่ การกระทำและความรู้ถูกเพิ่มโดยอัตโนมัติลงในตัวแอนเจ็นต์—และอัพเดตอย่างต่อเนื่องเมื่อฟังก์ชันเพิ่มขึ้น

@Databricksได้รับการยอมรับMCเซิร์ฟเวอร์ที่เชื่อมต่อกับ API ของพวกเขา ทำให้ LLMs สามารถรันคิวรี SQL ลิสต์งาน และตรวจสถานะงานที่อัปเดต

เครื่องมือการพัฒนาและวิศวกรรม

การพัฒนาซอฟต์แวร์เป็นหนึ่งในผู้นำที่รับรู้ MCP ไว้ก่อนใครและแข็งแกร่งที่สุด ตามที่ NSHipster ชี้ชัดในบทความล่าสุด "Language Server Protocol (LSP) ได้เปลี่ยนแปลงวิธีการที่ภาษาโปรแกรมเชื่อมต่อกับเครื่องมือนักพัฒนา โมเดล Context Protocol (MCP) มีเป้าหมายที่จะทำเหมือนกันสำหรับเครื่องมือ AI รุ่นใหม่"

บางเครื่องมือพัฒนาและวิศวกรรมที่รองรับการรวมระบบของ MCP ปัจจุบันได้รับการสนับสนุน

@zeddotdev @Replit @codeiumdevและ @Sourcegraph are working with MCPเพื่อเสริมสร้างแพลตฟอร์มของพวกเขา โดยการเปิดให้ตัวแทนสามารถดึงข้อมูลได้ดียิ่งขึ้นเพื่อเข้าใจบริบทรอบข้อกำหนดการเขียนโค้ด ทำให้ได้โค้ดที่ละเอียดและทำงานได้มากขึ้น

@github เซิร์ฟเวอร์ MCPให้การผสานรวมที่ไม่มีรอยต่อกับ APIs ของพวกเขา เพื่อเปิดโอกาสให้สำหรับการอัตโนมัติขั้นสูงและความสามารถในการโต้ตอบสำหรับนักพัฒนาและเครื่องมือ

การผสานบูรณาการ IDE สำหรับการวิเคราะห์โค้ดและการสร้างรุ่นใหม่ ทำให้ AI กลายเป็นเพื่อนร่วมงานที่ใช้ความสามารถในกระบวนการพัฒนาซอฟต์แวร์อย่างเป็นที่ร่วมมือ

การขยายความเข้าถึงและผลกระทบของ MCP สำหรับระบบ AI

การนำ MCP ไปใช้ในอุตสาหกรรมต่าง ๆ อย่างรวดเร็วเน้นให้เห็นถึงค่าของมันเป็นโปรโตคอลมาตรฐานสำหรับการโต้ตอบกับเครื่องมือ AI โดยเริ่มต้นจากโครงการ Anthropic และตอนนี้กลายเป็นระบบนิเวศที่เปิดให้นักพัฒนาทั่วโลกสร้างเซิร์ฟเวอร์และการรวมระบบจากบริษัทเทคโนโลยีชั้นนำหลายพันรายการ เร็ว ๆ นี้เราเห็นในการเติบโตอย่างมหาศาลในการเข้าถึงเซิร์ฟเวอร์ MCP กับมากกว่า 300 รายการที่ใช้สำหรับเอเจนต์ AI ตามที่แสดงใน @Sumanth_077ด้านล่าง

เมื่อ MC เติบโตแล้ว เราจึงเห็น:

1. การผสานรวมแบบง่าย - การแทนที่ตัวเชื่อมต่อที่กำหนดเองด้วยอินเตอร์เฟซมาตรฐาน
2. ความปลอดภัยที่เพิ่มขึ้นผ่านการตรวจสอบระดับโปรโตคอลและควบคุมการเข้าถึง
3. นิวอายุรผู้พัฒนาที่กำลังเจริญสร้างเครื่องมือและตัวเชื่อมต่อที่เชี่ยวชาญ
4. ความเข้ากันได้ข้ามแพลตฟอร์มระหว่างโมเดล AI และแอปพลิเคชันที่แตกต่างกัน

MCP เร่งความต้องการในการประสานงานกับฝูงตัวแทน

ในขณะที่ MCP แก้ปัญหาการเชื่อมต่อระหว่างตัวแทน AI และแหล่งข้อมูล แต่มันไม่ได้แก้ปัญหาที่เกิดขึ้นระหว่างตัวแทนที่ทำงานเฉพาะด้านหลายตัว นี่คือที่ที่ @TheoriqAIมาใน

Theoriq ได้เป็นผู้บุกเบิกการใช้ agent swarms (ซึ่งเราเคยเรียกว่า collectives ก่อนที่คำว่า swarms จะกลายเป็นที่นิยม) ในช่วงสองปีที่ผ่านมา ขณะที่เราพัฒนา Theoriq Protocol โปรโตคอลที่ไร้ระบบกลาง สำหรับการเงินที่ขับเคลื่อนด้วย AI เรากำลังวางรากฐานสำหรับเอเจนต์ให้สื่อสาร ร่วมมือและดำเนินการในงานการเงินที่ซับซ้อน เรากำลังแก้ปัญหานี้อย่างตรงไปตรงมาโดยการสร้าง swarm Onchain Liquidity Provisioning (OLP) ที่สร้างขึ้นบนโปรโตคอลฯ ซึ่งส่งผลให้มีการสร้างมูลค่าทางการเงินให้แก่นิเวศ DeFi และผู้เล่นที่เกี่ยวข้อง เพิ่มเติมด้านล่าง

นักตั้งค่าพิเศษจะยังคงเกิดขึ้นและกลายเป็นประสิทธิภาพในงานที่พวกเขาถูกสร้างขึ้นสำหรับ และเมื่อแต่ละคนใช้ MCP เพื่อเข้าถึงข้อมูล พวกเขาจะยังต้องใช้ “ราง” เพื่อสื่อสารกัน การเพิ่มปลั๊กอิน MCP จำนวนมากให้กับตัวแทนทั่วไปจะไม่ได้ผลมากเท่ากับการมีนักตั้งค่าพิเศษที่สื่อสารผ่านโปรโตคอลที่สอดคล้องกัน

การเพิ่ม MCP ทำให้ง่ายขึ้นสำหรับตัวแทนที่ต้องการเชื่อมต่อกับแหล่งข้อมูลภายนอก และการเพิ่มความสามารถนี้เข้าไปในสิ่งที่ Theoriq กำลังทำ จะทำให้ความสามารถของตัวแทนเพิ่มขึ้นเท่านั้น

โปรโตคอล Theoriq จัดการกับความท้าทายระดับถัดไปนี้โดย:

1. การเปิดใช้งานการสื่อสารระหว่างเอเจนต์ - ในขณะที่ MCP เชื่อมต่อเอเจนต์กับแหล่งข้อมูล Theoriq เชื่อมต่อเอเจนต์กับเอเจนต์อื่นๆ ในรูปแบบที่เชื่อถือได้รวมถึงการสื่อสารที่สนับสนุนและยาวนาน สำคัญโดยเฉพาะว่า MCP อนุญาตให้เอเจนต์เริ่มขอข้อมูล แต่ Theoriq อนุญาตให้เอเจนต์โทรกลับเมื่อเกิดเหตุการณ์สำคัญ (เช่น เปลี่ยนแปลงในตลาดหรือข่าวสารข่าวสาร)
2. การ提供กลไกการ coordination - ฝ่ายหงส์ของ Theoriq ช่วยให้เอเจนต์ที่ทำงานเชี่ยวชาญสามารถทำงานร่วมกันในงานที่ซับซ้อน เช่นการจัดหา Likwiditi - พวกเขาสามารถสื่อสารในภาษาธรรมชาติที่มีความหมายที่หลากหลายในขณะที่ MCP ปฏิบัติตามแนวคิดของ API แบบดั้งเดิมที่มีความสามารถที่กำหนดไว้อย่างเข้มงวดและแคบคาย
3. การสร้างสิทธิประโยชน์ทางเศรษฐกิจ - ไม่เหมือนกับ MC ทีออริคใช้เศรษฐกิจโทเคนและการชำระเงินเป็นกำลังใจให้การมีส่วนร่วมและการมีส่วนร่วมของเอเจนต์คุณภาพสูงกับผลการเงิน
4. การป้องกันการโต้ตอบของตัวแทน - โครงสถาปัตยกรรมออนเชน/ออฟเชนของ Theoriq ทำให้การสื่อสารของตัวแทนที่ปลอดภัยและสามารถยืนยันได้เกินกว่าที่ MCP มี
5. การสนับสนุนการค้นพบตัวแทนและชื่อเสียง - Theoriq ทำให้ตัวแทนสามารถค้นพบกันตามความสามารถและประวัติการทำงานของพวกเขา ส่งเสริมความร่วมมือที่มีประสิทธิภาพมากขึ้น

MCP เป็นชั้นเครื่องมือเชื่อมเพื่อเป็นตัวแทน, Theoriq เป็นชั้นประสานงาน

โมเดล โคนเท็กซ์ โปรโตคอล ได้เกิดขึ้นเป็นโครงสร้างพื้นฐานที่สำคัญที่เชื่อมต่อระบบ AI กับข้อมูลและเครื่องมือ มันมาตรฐานการทำให้เอเจนต์มีปฏิสัมพันธ์กับโลกภายนอกได้อย่างเป็นทางการ ทำให้เอเจนต์ที่มีความสามารถพิเศษเป็นสิ่งที่เป็นไปได้และมีความคุ้มค่าขึ้น

อย่างไรก็ตามเมื่อตัวแทนทางพิเศษเหล่านี้เพิ่มมากขึ้น ความต้องการในการประสานงานระหว่างพวกเขาก็เพิ่มขึ้นด้วย Theoriq ช่วยเติมรูข้มสำคัญนี้โดยการ предоставление รางวัล ” สำหรับการสื่อสารระหว่างตัวแทน-ตัวแทน ทำให้ระบบหลายตัวแทนที่ซับซ้อนสามารถรับมือกับความท้าทายที่ซับซ้อนเช่นการจัดการสัญญาณ Likuiditas on-chain

การรวมกันของ MCP สําหรับการเชื่อมต่อระหว่างตัวแทนกับโลกและ Theoriq สําหรับการประสานงานระหว่างตัวแทนกับตัวแทนสร้างรากฐานที่มีประสิทธิภาพสําหรับเศรษฐกิจตัวแทนที่เกิดขึ้นใหม่ การทํางานร่วมกันนี้ช่วยให้เกิดความเป็นเลิศเฉพาะด้านมากกว่าความธรรมดาทั่วไปโดยชี้ทางไปสู่ระบบนิเวศ AI ที่มีประสิทธิภาพมีความสามารถและลดความไว้วางใจ เราคาดว่าเฟรมเวิร์กเอเจนต์ AI ชั้นนําทั้งหมดใน Web3 จะยอมรับ MCP เช่นเดียวกับที่ Rig ทํา ในขณะที่เราร่วมมือกับกรอบเหล่านี้เพื่อรวม Theoriq สําหรับการประสานงานฝูงเราคาดว่าทั้ง MCP และ Theoriq จะเพิ่มมูลค่า

คำประกาศ

1. บทความนี้ถูกคัดลอกมาจาก [MCRon Bodkin]. All copyrights belong to the original author [Ron Bodkin]. หากมีข้อขัดแย้งใดๆเกี่ยวกับการพิมพ์ฉบับนี้ โปรดติดต่อเกต์ เรียนทีม และพวกเขาจะจัดการกับมันโดยรวดเร็ว
2. คำปฏิเสธความรับผิด: มุมมองและความเห็นที่แสดงในบทความนี้เป็นเพียงของผู้เขียนเท่านั้น และไม่เป็นคำแนะนำในการลงทุนใดๆ
3. ทีม Gate Learn ทำการแปลบทความเป็นภาษาอื่น ๆ ห้ามคัดลอก แจกจ่าย หรือทำการลอกเลียน บทความที่ถูกแปล นอกจากจะได้รับอนุญาต