شرکت Anthropic از ابزار جدید و متن‌باز خود برای اتصال مستقیم دستیارهای هوش مصنوعی به منابع داده‌ای که برای پاسخ‌گویی یا انجام وظایف به آن نیاز دارند، رونمایی کرد.
به گزارش تکناک، این ابزار با نام Model Context (MCP) می‌تواند عملکرد سیستم‌های هوش مصنوعی را با ایجاد یک اتصال جهانی به انواع منابع داده، بهبود بخشد.
بر اساس اعلام این شرکت، MCP با از بین بردن نیاز به کدنویسی سفارشی برای هر منبع داده، فرایند ادغام منابع مختلف را ساده‌تر می‌کند.
Alex Albert، یکی از مدیران شرکت Anthropic، بیان کرد که توسعه‌دهندگان اغلب برای هر مجموعه داده باید کدهای جداگانه‌ای ایجاد کنند. اما با استفاده از MCP، این امکان فراهم می‌شود که تنها با یکپارچه‌سازی اولیه، سیستم‌های هوش مصنوعی بتوانند به منابع داده مختلف متصل شوند. او این پروتکل را یک «استاندارد برای اشتراک‌گذاری منابع، ابزارها و اعلان‌ها» توصیف کرد.
این ابزار در شرایطی معرفی می‌شود که اوایل ماه جاری OpenAI ویژگی جدیدی با نام “Work with Apps” را برای نسخه Mac از ChatGPT ارائه کرد، که امکان اتصال مستقیم به برخی برنامه‌های کدنویسی را فراهم می‌کند.
با وجود این، ابزار MCP برخلاف این ویژگی، طراحی شده است تا با همه سیستم‌های هوش مصنوعی و منابع داده سازگار باشد.
به گفته Anthropic، شرکت‌های نرم‌افزاری مطرحی مانند: Replit، Codeium و Sourcegraph از MCP برای توسعه عوامل هوش مصنوعی خود استفاده می‌کنند. این ابزار به این سیستم‌ها اجازه می‌دهد که وظایف کاربران را به شکلی مؤثرتر انجام دهند.
انتظار می‌رود ابزار جدید شرکت Anthropic به توسعه‌دهندگان و شرکت‌ها کمک کند تا اتصال هوش مصنوعی به منابع داده مختلف را ساده‌تر نمایند و بهره‌وری را افزایش دهند.
این شرکت در بیانیه‌ای اعلام کرد:
«توسعه‌دهندگان دیگر نیازی به نگهداری اتصال‌دهنده‌های جداگانه برای هر منبع داده ندارند. اکنون می‌توانند بر اساس یک پروتکل استاندارد کار کنند.»
همچنین این شرکت تأکید کرد که با بلوغ این اکوسیستم، سیستم‌های هوش مصنوعی خواهند توانست در هنگام جابه‌جایی بین ابزارها و مجموعه داده‌های مختلف، بافت (context) را حفظ کنند و به جای ادغام‌های پراکنده کنونی، از معماری پایدارتر و یکپارچه‌تری بهره ببرند.
ابزار MCP جدید شرکت Anthropic، با توجه به رویکردهای اخیر صنعت هوش مصنوعی برای توسعه سیستم‌های عامل‌محور (Agentic AI)، می‌تواند نقش کلیدی در افزایش کارایی و سازگاری سیستم‌های هوش مصنوعی با منابع داده متنوع ایفا کند.
