Протокол контекста модели (MCP)

Протокол Model Context Protocol (MCP) — это открытый стандарт, разработанный для стандартизации взаимодействия моделей искусственного интеллекта с внешними данными, инструментами и средами. Исторически сложилось так, что для подключения крупных языковых моделей (LLM) или систем компьютерного зрения к реальным источникам данных, таким как локальные файлы, базы данных или конечные точки API, требовалось создавать индивидуальные интеграции для каждого отдельного инструмента. MCP решает эту проблему фрагментации, предоставляя универсальный протокол, аналогичный USB-порту для приложений искусственного интеллекта. Это позволяет разработчикам создать коннектор один раз и использовать его для нескольких клиентов искусственного интеллекта, что значительно снижает сложность создания контекстно-зависимых агентов поддержки клиентов и интеллектуальных помощников.

Как работает MCP

По сути, MCP функционирует через архитектуру клиент-хост-сервер. «Клиент» — это приложение искусственного интеллекта (например, помощник по кодированию или интерфейс чат-бота), которое инициирует запрос. «Хост» предоставляет среду выполнения , а «сервер» является мостом к конкретным данным или инструменту. Когда ИИ-агенту требуется доступ к файлу или запрос к базе данных, он отправляет запрос через протокол. Сервер MCP обрабатывает этот запрос, извлекает необходимый контекст и форматирует его обратно в модель структурированным образом.

Эта архитектура поддерживает три основные возможности:

• Ресурсы: они позволяют модели считывать данные, такие как журналы, файлы кода или бизнес-документы, обеспечивая необходимую основу для генерации с расширенным поиском (RAG).
• Подсказки: заранее определенные шаблоны, которые помогают пользователям или моделям эффективно взаимодействовать с сервером, оптимизируя рабочие процессы по созданию подсказок.
• Инструменты: исполняемые функции, которые позволяют модели выполнять действия, такие как редактирование файла, запуск скрипта или взаимодействие с конвейером компьютерного зрения.

Применение в реальном мире

MCP быстро набирает популярность, поскольку отделяет модель от логики интеграции. Вот два конкретных примера его применения:

1. Единые среды разработки: в программной инженерии разработчики часто переключаются между IDE, терминалом и документацией. Помощник по кодированию с поддержкой MCP может одновременно подключаться к репозиторию GitHub, локальной файловой системе и базе данных отслеживания ошибок. Если разработчик спрашивает: «Почему не удается войти в систему ?», ИИ может использовать серверы MCP для извлечения последних журналов ошибок, чтения соответствующего кода аутентификации и проверки открытых проблем, синтезируя эти мультимодальные данные в решение без необходимости копирования и вставки контекста пользователем.

2. Контекстно-зависимый визуальный контроль: в промышленных условиях стандартная модель визуального контроля обнаруживает дефекты, но не учитывает исторический контекст. С помощью MCP система обнаружения Ultralytics может быть связана с базой данных инвентаризации. Когда модель обнаруживает «поврежденную деталь», она запускает инструмент MCP для запроса базы данных о наличии запасных частей и автоматически составляет заявку на техническое обслуживание. Это превращает простую задачу обнаружения объектов в полный автоматизированный рабочий процесс.

Дифференциация смежных терминов

Полезно отличать MCP от схожих концепций в экосистеме искусственного интеллекта:

• MCP против API: интерфейс прикладного программирования (API) — это набор правил, по которым одно программное обеспечение взаимодействует с другим. MCP — это протокол, который стандартизирует взаимодействие любой модели ИИ с любым API или источником данных. Вы можете создать сервер MCP, который обернет определенный API, сделав его универсально доступным для клиентов, совместимых с MCP.
• MCP против RAG: Retrieval-Augmented Generation (генерацияс расширением поиска) — это техника подачи внешних данных в модель. MCP — это инфраструктура, которая облегчает этот процесс. RAG — это «что» (получение данных), а MCP — это «как» (стандартный канал связи).
• MCP против вызова функций: многие модели, включая OpenAI GPT-4, изначально поддерживают вызов функций. MCP создает стандартный способ определения и раскрытия этих функций (инструментов), чтобы их не приходилось каждый раз жестко прописывать в системном запросе модели.

Интеграция с компьютерным зрением

Хотя изначально MCP был популярен для текстовых LLM, он становится все более актуальным для рабочих процессов, ориентированных на зрение. Разработчики могут создавать серверы MCP, которые предоставляют возможности компьютерного зрения в качестве инструментов. Например, LLM, действующий в качестве центрального контроллера, может делегировать визуальную задачу Ultralytics через локальный Python , предоставляемый в качестве инструмента MCP .

Следующий Python демонстрирует концептуальный рабочий процесс, в котором скрипт использует модель машинного зрения для генерации контекста, который затем может быть предоставлен через конечную точку, совместимую с MCP:

from ultralytics import YOLO

# Load the YOLO26 model (efficient, end-to-end detection)
model = YOLO("yolo26n.pt")

# Perform inference to get visual context from an image
results = model("https://ultralytics.com/images/bus.jpg")

# Extract detection data to be passed as context
detections = []
for r in results:
    for box in r.boxes:
        cls_name = model.names[int(box.cls)]
        detections.append(f"{cls_name} (conf: {box.conf.item():.2f})")

# This string serves as the 'context' a downstream agent might request
context_string = f"Visual Analysis: Found {', '.join(detections)}"
print(context_string)

Будущее подключения искусственного интеллекта

Внедрение протокола Model Context Protocol знаменует переход к агентнымсистемам искусственного интеллекта , которые являются модульными и взаимосовместимыми. Благодаря стандартизации соединений отрасль отходит от изолированных чат-ботов к интегрированным помощникам, способным выполнять значимую работу в рамках существующей инфраструктуры организации. По мере развития таких инструментов, как Ultralytics , стандартные протоколы, такие как MCP, вероятно, будут играть решающую роль в том, как специально обученные модели будут развертываться и использоваться в более крупных рабочих процессах предприятий.