Apa itu Protokol Konteks Model (MCP)?

PintuProtokol Konteks Model(MCP) adalah standar terbuka yang dikembangkan oleh@AnthropicAIyang merevolusi bagaimana model AI terhubung dengan sumber data dan alat eksternal. Awalnya, dampak standar tersebut lambat, tetapi sejak @OpenAIdiadopsi awal tahun ini, pertumbuhannya melesat. Sering disamakan dengan “port USB-C untuk agen AI” - memberikan metode seragam untuk menghubungkan mereka ke berbagai alat dan sumber data, menyederhanakan interaksi AI dengan sumber daya eksternal.

Alih-alih pengembang membuat integrasi kustom untuk setiap sumber data atau alat, MCP membentuk protokol komunikasi standar antara model AI (klien) dan penyedia data/alat (server). Tujuannya adalah membantu model-model frontier menghasilkan respons yang lebih baik dan relevan dengan menghubungkannya ke sistem tempat data berada, termasuk repositori konten, alat bisnis, dan lingkungan pengembangan.

Pada intinya, MCP mengatasi keterbatasan mendasar dari Large Language Models (LLMs) yang terisolasi dari data real-time dan tidak dapat mengambil tindakan langsung secara eksternal. MCP memungkinkan sistem AI untuk menemukan dan berinteraksi dengan alat yang tersedia secara dinamis, mendukung komunikasi dua arah yang persisten antara model dan sistem eksternal. Hal ini terutama penting dan kuat dalam memungkinkan agen AI otonom memiliki kemampuan yang lebih kokoh, khususnya dalam DeFi.

Bagaimana MCP Mengoptimalkan Agen AI di DeFi

MCP secara signifikan meningkatkan kemampuan agen AI dalam DeFi dengan menyederhanakan bagaimana agen memproses dan berinteraksi dengan data real-time. MCP memungkinkan agen AI untuk secara dinamis mengakses aliran data eksternal, seperti data pasar, dari sumber seperti basis data relasional dan API. Hal ini memudahkan agen untuk menyerap perkembangan terbaru, dan meningkatkan kemampuan mereka untuk membuat keputusan yang terinformasi. Dengan mengintegrasikan berbagai sumber data secara real-time, agen dapat menganalisis titik data kompleks dan beradaptasi dengan kondisi pasar yang berubah - tugas penting untuk kasus penggunaan seperti penyediaan likuiditas.

MCP juga meningkatkan efisiensi agen AI dengan memungkinkan alat untuk mengambil tindakan. Agen tidak hanya dapat menarik data dari sistem eksternal tetapi juga mengirimkan pembaruan atau tindakan kembali ke sistem tersebut, seperti mengeksekusi kontrak pintar atau memperbarui posisi likuiditas. Hal ini memberdayakan agen untuk secara mandiri mengeksekusi strategi DeFi, membuat mereka menjadi pelaku yang lebih efisien dalam ruang tersebut. Dengan menghilangkan kebutuhan untuk integrasi khusus untuk setiap alat atau sumber data, MCP mengurangi kompleksitas dan mempercepat implementasi solusi DeFi yang didorong oleh AI. Hal ini memungkinkan agen untuk dengan cepat beradaptasi, berkembang, dan merespons peluang baru, meningkatkan efisiensi operasi DeFi secara keseluruhan.

MCP sangat bagus dalam menyediakan kemampuan inti ini untuk agen - alat untuk mendapatkan data dan mengambil tindakan. Namun, sebaliknya, itu tidak cocok untuk agen untuk berkoordinasi atau berkomunikasi satu sama lain. Berbeda dengan alat, agen tidak dirancang untuk mengikuti perintah yang kaku melalui API yang tetap. Mereka secara alami fleksibel, menggunakan bahasa alami untuk melaksanakan serangkaian kemampuan dan mengatur interaksi yang sering melibatkan keadaan bersama. Saya menjelaskan ini di bagian “MCP Mempercepat Kebutuhan untuk Koordinasi Swarm Agen” di bawah ini.

Bagi mereka yang baru mengenal konsep, suara industri terkemuka @S4mmyEthTelah menulis artikel rinci tentang pelabelan MCP yang disebut sebagai “pembukaan besar untuk crypto dan open source AI” – Anda dapat menemukan potongan itu di bawah ini.

Adopsi MCP di Berbagai Industri

Web3 dan Blockchain

Web3 adalah tempat tidur alami inovasi, dan dengan cepat menjadi tempat uji coba untuk sistem dan metodologi kecerdasan buatan. Hal ini sama dengan MCP, yang meningkatkan integrasi AI-blockchain dan membuka jalan bagi sistem cerdas untuk berinteraksi dengan aplikasi terdesentralisasi secara efisien, membuka efisiensi baru di Web3, seperti yang baru-baru ini dicatat oleh @aelfblockchain.

Ada beberapa proyek menarik dalam ekosistem Web3 yang cenderung ke MCP, termasuk:

@Arcdotfun- kerangka Rust terkemuka untuk agen AI di Web3 baru saja mengumumkan Ryzome, toko aplikasi universal untuk AI agensial, didukung oleh MCP, yang menstandarisasi komunikasi antara agen AI dan layanan digital. Ini memungkinkan agen AI untuk dengan mudah mengakses layanan Web 2 dan Web 3 tanpa integrasi kompleks.

@heurist_ai– sebuah Cloud AI-as-a-Service terdesentralisasi, telah merilis sejumlah alat yang dapat diakses oleh MCP seperti integrasi untuk @getmasafidata X.

Periksa Github mereka untuk melihat secara mendalam tentang merekakerangka agen.

@UnifaiNetwork- sebuah startup AI Web3 telah memposisikan diri sebagai MCP untuk Web3, membangun serangkaian plugin MCP sumber terbuka yang kaya dengan kemampuan termasuk, pembayaran dompet, pertukaran, strategi manajemen likuiditas, taruhan berkekuatan AI, dan lainnya.

@StoryProtocol- Blockchain IP Dunia, juga baru-baru ini mengumumkan integrasi dengan MCP untuk memudahkan agen AI mendapatkan informasi tentang transaksi, lisensi, transaksi, dan kepemilikan di ekosistem mereka, serta memungkinkan agen untuk membuat dan mentransfer IP.

Implementasi-implementasi ini oleh tim-tim inovatif di ruang ini memungkinkan LLMs untuk berinteraksi secara efisien dengan data blockchain secara real-time, melakukan audit keamanan pada kontrak pintar, melacak metrik token, dan bahkan memfasilitasi transaksi on-chain dengan perlindungan yang tepat.

E-commerce dan Ritel

Di ruang e-commerce dan ritel, MCP sedang mengubah cara agen AI terhubung dengan sumber data dan alat, meningkatkan efisiensi operasional dan pengalaman pelanggan. Fungsi seperti pencarian produk, pelacakan pesanan, dan rekomendasi harga sedang menyederhanakan operasi dan meningkatkan pengalaman berbelanja secara keseluruhan.

Integrasi MCP awal di ruang tersebut termasuk:

@Shopifytoko-tokomengintegrasikan MCPuntuk dengan mudah mengelola produk, pelanggan, pesanan, dan lainnya dengan panggilan API sederhana ke API Admin mereka.

@blockssalah satu penyedia pembayaran terkemuka telah digunakanMCP akan membangun agen kecerdasan buatan sumber terbuka yang dapat diperluas, bernama Goose, yang membantu menginstal, menjalankan, mengedit, dan menguji kode dengan LLM apa pun.

@WooCommercetelah disertakanserver MCuntuk meningkatkan interaksi dengan toko mereka, memungkinkan alat-alat komprehensif untuk mengelola produk, pesanan, pelanggan, pengiriman, pajak, diskon, dan konfigurasi toko.

Enterprise B2B

Di sektor perusahaan, telah terjadi adopsi MCP yang signifikan untuk operasi bisnis dan alur kerja. MCP telah mengalami adopsi di berbagai penawaran perusahaan terkemuka termasuk:

@OpenAI telah mengintegrasikan teknologiuntuk meningkatkan komunikasi berstandar antara agen AI dan sistem eksternal, menyederhanakan alur kerja perusahaan dan mengurangi biaya pengembangan.

@Microsofttelah disertakanMCP dalam produk seperti Copilot Studiodan Semantic Kernel, memungkinkan pembuat untuk terhubung langsung ke server pengetahuan dan API yang ada. Tindakan dan pengetahuan secara otomatis ditambahkan ke agen—dan terus diperbarui seiring dengan evolusi fungsionalitas.

@Databrickstelah mengadopsiseorang MCPserver yang terhubung ke API mereka, memungkinkan LLMs untuk menjalankan kueri SQL, daftar pekerjaan, dan mendapatkan status pekerjaan yang diperbarui'.

Peralatan Pengembangan dan Rekayasa

Pengembangan perangkat lunak telah menjadi salah satu pengguna MCP yang paling awal dan kuat. Seperti yang ditunjukkan oleh NSHipster dalam sebuah artikel terbaru, "Protokol Server Bahasa (LSP) merevolusi bagaimana bahasa pemrograman terintegrasi dengan perangkat pengembang. Model Context Protocol (MCP) bertujuan untuk melakukan hal yang sama bagi generasi baru alat AI."

Beberapa alat pengembangan dan rekayasa utama yang kini mendukung integrasi MC termasuk:

@zeddotdev @Replit @codeiumdevdan@Sourcegraph bekerja dengan MCPuntuk meningkatkan platform mereka, dengan memungkinkan agen untuk lebih baik mengambil informasi untuk memahami konteks seputar tugas pemrograman, menghasilkan kode yang lebih halus dan fungsional.

@github server MCPmenyediakan integrasi yang mulus dengan API mereka, memungkinkan otomatisasi lanjutan dan kemampuan interaksi untuk pengembang dan alat.

Integrasi IDE untuk analisis kodedan generasi, mengubah AI dari asisten pasif menjadi mitra aktif dan kolaboratif dalam proses pengembangan perangkat lunak.

Jangkauan dan Dampak yang Berkembang dari MCP untuk Sistem AI

Pengadopsian cepat MCP di berbagai industri menyoroti nilainya sebagai protokol standar untuk interaksi AI-tool. Awalnya merupakan inisiatif Antropik, kini telah berkembang menjadi ekosistem terbuka dengan ribuan server dan integrasi yang dibangun oleh komunitas serta perusahaan teknologi utama. Baru-baru ini, kita telah melihat pertumbuhan yang luar biasa dalam aksesibilitas server MCP, dengan lebih dari 300 tersedia khusus untuk agen AI, seperti yang ditunjukkan oleh @Sumanth_077di bawah.

Saat MCP semakin matang, kita melihat:

1. Integrasi yang disederhanakan - mengganti penghubung kustom dengan antarmuka standar.
2. Keamanan yang ditingkatkan melalui otentikasi tingkat protokol dan kontrol akses.
3. Sebuah ekosistem pengembang yang berkembang menciptakan alat dan penghubung khusus.
4. Kompatibilitas lintas platform antara berbagai model AI dan aplikasi.

MCP Mempercepat Kebutuhan Koordinasi Rombongan Agen

Sementara MCP memecahkan masalah konektivitas antara agen AI individual dan sumber data, itu tidak menangani tantangan koordinasi di antara beberapa agen khusus. Inilah tempat di mana @TheoriqAImasuk.

Theoriq telah memperjuangkan penggunaan kawanan agen (yang kami sebut sebagai kolektif sebelum istilah kawanan menjadi populer) selama dua tahun terakhir. Saat kami mengembangkan Protokol Theoriq, sebuah protokol multi-agen terdesentralisasi untuk keuangan yang didorong oleh kecerdasan buatan, kami sedang menyiapkan dasar untuk agen berkomunikasi, berkolaborasi, dan melaksanakan tugas keuangan yang kompleks. Kami sudah menghadapi tantangan ini langsung, dengan membangun kawanan Pemberian Likuiditas Onchain (OLP) yang dibangun di atas protokol yang memberikan nilai keuangan kepada ekosistem DeFi dan para pelakunya. Lebih lanjut tentang hal itu di bawah ini.

Agen khusus akan terus muncul dan menjadi efisien dalam tugas-tugas yang dibangun untuk mereka, dan ketika masing-masing memanfaatkan MCP untuk akses data, mereka masih memerlukan “rel untuk berkomunikasi” satu sama lain. Menambahkan berbagai plugin MCP ke agen generik akan kurang efektif daripada memiliki agen khusus yang berkomunikasi melalui protokol yang terkoordinasi.

Penambahan MCP membuat lebih mudah bagi agen untuk terhubung ke sumber eksternal, dan menambahkan kemampuan ini ke apa yang Theoriq sedang kerjakan, hanya akan meningkatkan kemampuan agen.

Protokol Theoriq mengatasi tantangan tingkat berikutnya ini dengan:

1. Mengaktifkan komunikasi agen-ke-agen - Sementara MCP menghubungkan agen ke sumber data, Theoriq menghubungkan agen ke agen lain secara terdesentralisasi, termasuk komunikasi yang mendukung dan berkelanjutan. Yang penting, MCP hanya memungkinkan seorang agen untuk menginisiasi permintaan informasi, tetapi Theoriq memungkinkan agen dipanggil kembali setiap kali terjadi peristiwa penting (seperti perubahan di pasar atau berita mendadak).
2. Menyediakan mekanisme koordinasi - kawanan Theoriq memungkinkan agen khusus untuk bekerja sama dalam tugas kompleks seperti penyediaan likuiditas - mereka dapat berkomunikasi dalam bahasa alami dengan semantik yang kaya sedangkan MCP mengikuti paradigma API tradisional dengan kemampuan yang lebih kaku dan terdefinisi secara sempit.
3. Mendirikan insentif ekonomi – Berbeda dengan MCP, Theoriq menggunakan ekonomi token dan pembayaran untuk mendorong kontribusi agen berkualitas tinggi dan partisipasi dengan hasil keuangan.
4. Menjamin interaksi agen - arsitektur on-chain/off-chain Theoriq memastikan komunikasi agen yang aman, dapat diverifikasi melebihi apa yang MCP tawarkan.
5. Mendukung penemuan agen dan reputasi - Theoriq memungkinkan agen untuk menemukan satu sama lain berdasarkan kemampuan dan catatan kinerja mereka, mempromosikan kolaborasi yang lebih efektif.

MCP sebagai Lapisan Alat Agen, Theoriq sebagai Lapisan Koordinasi

Protokol Konteks Model telah muncul sebagai infrastruktur penting yang menghubungkan model AI ke data dan alat. Ini memstandarisasi cara agen berinteraksi dengan dunia eksternal, membuat agen yang ahli dan mampu menjadi lebih mungkin dan berharga.

Namun, ketika agen khusus ini berkembang biak, kebutuhan akan koordinasi di antara mereka tumbuh. Theoriq mengisi kesenjangan kritis ini dengan menyediakan "rel" untuk komunikasi agen-ke-agen, memungkinkan sistem multi-agen kompleks untuk mengatasi tantangan-tantangan canggih seperti penyediaan likuiditas on-chain.

Kombinasi MCP untuk konektivitas agen-dunia dan Theoriq untuk koordinasi agen-agen menciptakan pondasi yang kuat untuk ekonomi agen yang sedang berkembang. Sinergi ini memungkinkan keunggulan spesialisasi daripada mediokritas umum, menunjukkan jalan menuju ekosistem AI yang lebih efisien, mampu, dan minim kepercayaan. Kami mengantisipasi bahwa semua kerangka agen AI terkemuka di Web3 akan merangkul MCP, seperti yang telah dilakukan oleh Rig. Saat kami berkolaborasi dengan kerangka-kerangka ini untuk mengintegrasikan Theoriq untuk koordinasi swarm, kami mengharapkan baik MCP maupun Theoriq akan meningkat nilainya.

Penyangkalan:

1. Artikel ini dicetak ulang dari [Ron Bodkin]. Semua hak cipta milik penulis asli [Ron Bodkin]. Jika ada keberatan terhadap cetakan ulang ini, silakan hubungi Gate Belajartim, dan mereka akan menanganinya dengan cepat.
2. Penafian Tanggung Jawab: Pandangan dan opini yang terdapat dalam artikel ini semata-mata milik penulis dan tidak merupakan nasihat investasi apa pun.
3. Tim Gate Learn melakukan terjemahan artikel ke dalam bahasa lain. Menyalin, mendistribusikan, atau melakukan plagiarisme terhadap artikel yang diterjemahkan dilarang kecuali disebutkan.