Anthropic의 혁신적인 MCP(Model Context Protocol)는 단편화된 데이터를 처리하고 AI 기반 솔루션의 효율성을 높이는 것을 목표로 합니다. 상황 인식 AI 통합의 표준이 될 수 있을까요?
오늘날 인공지능(AI) 혁신에서 가장 시급한 과제 중 하나는 실시간 데이터로부터 대규모 언어 모델(LLM)을 분리하는 것입니다. 이 문제를 해결하기 위해 샌프란시스코에 본사를 둔 AI 연구 및 안전 회사인 Anthropic은 최근 AI 모델이 데이터와 상호 작용하는 방식을 재구성하는 고유한 개발 아키텍처를 발표했습니다.
회사의 새로운 모델 컨텍스트 프로토콜(MCP)오픈소스 프로젝트로 출시된 는 “AI 기반 애플리케이션과 실시간, 다양한 데이터 소스 간의 양방향 통신”을 통해 AI의 효율성을 높이도록 설계되었습니다.
이 아키텍처는 실시간 데이터에 대한 연결 부족으로 인해 발생하는 오래된 AI 출력이라는 점점 커지는 불만을 해결하기 위해 구축되었습니다. Anthropic은 통합 프로토콜이 기업을 위한 AI 개발 및 기능을 향상시키고 실시간 상황 인식을 통해 기업을 더욱 인간과 유사하게 만들 수 있다고 주장합니다. 회사에 따르면 모든 새로운 비즈니스 데이터 소스에는 맞춤형 AI 구현이 필요하므로 비효율성이 발생합니다. MCP는 개발자가 보편적으로 채택할 수 있는 표준화된 프레임워크를 제공하여 이 문제를 해결하려고 합니다.
“아키텍처는 간단합니다. 개발자는 MCP 서버를 통해 데이터를 노출하거나 이러한 서버에 연결되는 AI 애플리케이션(MCP 클라이언트)을 구축할 수 있습니다. 각 데이터 소스에 대해 별도의 커넥터를 유지하는 대신 개발자는 이제 표준 프로토콜을 기반으로 구축할 수 있습니다.”라고 Anthropic은 설명했습니다. 블로그 게시물. “생태계가 성숙해짐에 따라 AI 시스템은 다양한 도구와 데이터 세트 사이를 이동할 때 컨텍스트를 유지하여 오늘날의 단편화된 통합을 보다 지속 가능한 아키텍처로 대체할 것입니다.”
Anthropic의 주력 비서인 Claude를 포함하되 이에 국한되지 않는 AI 모델은 Google Drive, Slack 및 GitHub와 같은 도구와 통합될 수 있습니다. 전문가들은 MCP가 서비스 지향 아키텍처(SOA) 및 기타 프로토콜이 애플리케이션 상호 운용성에 혁명을 일으킨 것과 같은 방식으로 비즈니스 AI 통합을 변화시킬 수 있는 잠재력을 가지고 있다고 제안합니다.
“LLM과 데이터 소스 간의 데이터 파이프라인을 위한 업계 표준 프로토콜을 갖추는 것은 게임 체인저입니다. 소프트웨어 산업의 REST 및 SQL과 유사합니다. MCP와 같은 표준화된 프로토콜은 팀이 더 빠르고 더 나은 안정성으로 GenAI 애플리케이션을 구축하는 데 도움이 될 수 있습니다.” AI 모델 평가 플랫폼 Comet의 공동 창립자이자 CEO인 Gideon Mendels가 나에게 말했습니다. “이는 지난 6개월 동안 훌륭한 LLM 모델만으로는 충분하지 않다는 시장 인식에 따른 것입니다.”
Anthropic은 또한 Block 및 Apollo를 포함한 초기 기업 채택자가 이미 MCP를 시스템에 통합했다고 밝혔습니다. 한편, Zed, Replit, Codeium, Sourcegraph와 같은 개발 도구 제공업체는 플랫폼 향상을 위해 MCP와 협력하고 있습니다. 이 파트너십은 AI 모델과 에이전트가 실시간 데이터를 통해 더 관련성 높은 정보를 검색하고, 상황을 더 효과적으로 파악하며, 코딩과 같은 기업 작업에 대한 미묘한 결과를 더 효율적으로 생성할 수 있도록 돕는 것을 목표로 합니다.
One Way Ventures의 상주 기업가인 Masha Levin은 “보다 인간과 유사하고 자기 인식이 뛰어난 AI 모델은 기술을 공감할 수 있게 만들어 더 폭넓은 채택을 촉진할 수 있습니다”라고 말했습니다. “AI에 대해서는 여전히 많은 두려움이 있으며, AI를 단순한 기계로 보는 사람이 많습니다. 이러한 모델을 인간화하면 이러한 두려움을 완화하고 일상 생활에 보다 원활하게 통합하는 데 도움이 될 수 있습니다.”
레빈은 또한 잠재적인 단점에 대해서도 경고했습니다. “기업이 지원을 위해 AI에 지나치게 의존하게 되어 AI가 극단적인 방식으로 결정에 영향을 미쳐 해로운 결과를 초래할 수 있는 위험이 있습니다.”
그러나 MCP의 진정한 테스트는 광범위한 채택을 확보하고 혼잡한 시장에서 경쟁사를 능가하는 능력이 될 것입니다.
인류 중심 MCP 대 OpenAI 및 Perplexity: AI 혁신 표준을 위한 전투
Anthropic MCP의 오픈 소스 접근 방식은 AI 혁신의 주목할만한 발전을 의미하지만 OpenAI 및 Perplexity와 같은 거대 기술 기업이 지배하는 경쟁 환경에 진입합니다.
OpenAI의 최근 ChatGPT용 “앱 작업” 기능은 유사한 기능을 보여 주지만 개방형 표준보다 긴밀한 파트너십을 우선시하는 데 중점을 두고 있습니다. 이 기능을 사용하면 ChatGPT가 다른 앱의 데이터와 콘텐츠에 액세스하고 분석할 수 있지만 사용자 권한이 있어야만 가능하므로 개발자가 수동으로 복사하여 붙여넣을 필요가 없습니다. 대신 ChatGPT는 앱에서 직접 데이터를 검토하여 실시간 인터넷 데이터와의 통합으로 인해 더욱 스마트하고 상황에 맞는 제안을 제공할 수 있습니다.
또한 회사는 10월에 음성 비서가 인터넷에서 새로운 컨텍스트를 가져와 보다 효과적으로 응답할 수 있도록 하는 “Realtime API”라는 실시간 데이터 아키텍처를 출시했습니다. 예를 들어, 음성 도우미는 사용자를 대신하여 주문을 하거나 관련 고객 정보를 검색하여 개인화된 응답을 제공할 수 있습니다. OpenAI는 “이제 Realtime API와 곧 Chat Completions API의 오디오를 통해 개발자는 더 이상 이러한 경험을 강화하기 위해 여러 모델을 연결할 필요가 없습니다”라고 말했습니다. 블로그 게시물. “내부적으로 Realtime API를 사용하면 지속적인 WebSocket 연결을 생성하여 GPT-4o와 메시지를 교환할 수 있습니다.”
마찬가지로 Perplexity의 AI용 실시간 데이터 프로토콜은 “pplx-api”는 개발자에게 LLM(대형 언어 모델)에 대한 액세스를 제공합니다. 이 API를 사용하면 애플리케이션이 자연어 쿼리를 보내고 웹에서 자세한 실시간 정보를 받을 수 있습니다. 단일 API 엔드포인트를 통해 AI 애플리케이션에 대한 최신 데이터 검색 및 상황 인식 응답을 지원하여 개발자가 최신 정보에 맞춰진 애플리케이션을 구축할 수 있도록 지원합니다.
“일반적으로 업계에서는 하나의 오픈 소스 솔루션으로 표준화하는 경향이 있지만 이는 수년이 걸리는 경우가 많습니다. OpenAI가 더 많은 프로토콜을 도입하려고 시도할 가능성이 매우 높습니다.”라고 Mendels는 말했습니다. “그러나 MCP가 최초의 표준으로 널리 채택된다면 이를 중심으로 기술과 모범 사례가 표준화되기 시작할 것입니다.”
Anthropic MCP가 상황 인식 AI 통합의 표준을 설정할 수 있습니까?
잠재력에도 불구하고 Anthropic MCP는 심각한 과제에 직면해 있습니다. AI 시스템이 민감한 기업 데이터에 액세스할 수 있도록 하면 시스템이 불량해질 경우 유출 위험이 높아지므로 보안이 주요 관심사입니다. 더욱이, 이미 확립된 생태계에 자리잡은 개발자들이 MCP를 채택하도록 설득하는 것은 어려울 수 있습니다.
IT 개발 회사 Making Sense의 데이터 과학 책임자인 JD Raimondi에 따르면 또 다른 문제는 데이터의 엄청난 크기입니다. 그는 나에게 “Anthropic은 대규모 맥락으로 이어지는 실험의 선두주자이지만 모델의 정확성은 크게 저하됩니다. 시간이 지남에 따라 더 좋아질 가능성이 높으며, 성능 측면에서도 허용 가능한 속도를 유지하기 위한 많은 트릭이 있습니다.”
Anthropic은 MCP가 데이터를 검색하고 맥락화하는 AI의 능력을 향상한다고 주장하지만, 이러한 주장을 뒷받침하는 구체적인 벤치마크가 부족하여 채택이 어려울 수 있습니다. Anthropic은 “귀하가 AI 도구 개발자, 기존 데이터를 활용하려는 기업 또는 개척지를 탐색하는 얼리 어답터라면 상황 인식 AI의 미래를 함께 구축하도록 초대합니다.”라고 말했습니다.
개발자가 MCP의 기능을 테스트함에 따라 업계에서는 이 개방형 표준이 상황 인식 AI 통합의 벤치마크가 되는 데 필요한 견인력을 얻을 수 있는지 지켜볼 것입니다. Mendels는 표준화가 Anthropic의 현명한 움직임이 될 수 있으며 잠재적으로 상호 운용성을 향상시키고 팀이 요구 사항에 가장 적합한 도구를 결정하기 위해 다양한 도구 조합을 실험할 수 있도록 허용한다고 제안합니다. Mendels는 “현재로서는 AI 생태계의 많은 프로세스가 표준화되고 있다고 말하기에는 너무 이르다고 생각합니다.”라고 말했습니다. “혁신이 너무 빠르게 진행되면서 오늘날의 모범 사례가 다음 주에는 구식이 될 수도 있습니다. MCP와 같은 프로토콜이 컨텍스트 데이터 검색 표준화에 성공할 수 있는지는 시간만이 알 수 있을 것입니다.”
게시물 데이터 장벽 깨기: Anthropic의 모델 컨텍스트 프로토콜이 AI 성능을 향상시킬 수 있습니까? 처음 등장한 Unite.AI.
