Encaminhar o Título Original 'Padrão USB-C da IA: Compreender o MCP'

Durante os meus anos na Alliance, tenho visto inúmeros fundadores construir as suas próprias ferramentas especializadas e integrações de dados incorporadas nos seus agentes de IA e fluxos de trabalho. No entanto, esses algoritmos, formalizações e conjuntos de dados únicos estão trancados atrás de integrações personalizadas que poucas pessoas usariam.

Isso tem mudado rapidamente com o surgimento do Protocolo de Contexto do Modelo. O MCP é definido como um protocolo aberto que padroniza como as aplicações comunicam e fornecem contexto para LLMs. Uma analogia que eu realmente gostei é que "MCPs para aplicações de IA são como USB-C para hardware"; ou seja, padronizado, plug-and-play, versátil e transformador.

Porque MCP?

LLMs como Claude, OpenAI, LLAMA, etc são incrivelmente poderosos, mas são limitados pela informação a que podem aceder no momento. Isso significa que geralmente têm cortes de conhecimento, não podem navegar na web de forma independente e não têm acesso direto aos seus ficheiros pessoais ou ferramentas especializadas sem alguma forma de integração.

Em particular, antes, os desenvolvedores enfrentavam três grandes desafios ao conectar LLMs a dados e ferramentas externas:

1. Complexidade da Integração: Construir integrações separadas para cada plataforma de IA (Claude, ChatGPT, etc.) exigia duplicar esforços e manter múltiplas bases de código
2. Fragmentação de Ferramentas: Cada funcionalidade da ferramenta (por exemplo, acesso a arquivos, conexões de API, etc.) necessitava do seu próprio código de integração especializado e modelo de permissões
3. Distribuição Limitada: As ferramentas especializadas estavam confinadas a plataformas específicas, limitando seu alcance e impacto

O MCP resolve esses problemas ao fornecer uma forma padronizada para qualquer LLM acessar com segurança ferramentas externas e fontes de dados por meio de um protocolo comum. Agora que entendemos o que o MCP faz, vamos ver o que as pessoas estão construindo com ele.

O que estão as pessoas a construir com MCP?

O ecossistema da MC está atualmente a explodir com inovação. Aqui estão alguns exemplos recentes, que encontrei no Twitter, de programadores a mostrar o seu trabalho.

• Storyboarding com Inteligência Artificial: Uma integração MC que permite a Claude controlar o ChatGPT-4o, gerando automaticamente storyboards completos no estilo Ghibli sem qualquer intervenção humana.
• Integração de Voz ElevenLabs: Um servidor MCP que dá a Claude e ao Cursor acesso à sua plataforma de áudio de IA inteira através de simples prompts de texto. A integração é poderosa o suficiente para criar agentes de voz que podem efetuar chamadas telefónicas de saída. Isto demonstra como o MCP pode estender as ferramentas de IA atuais para o domínio do áudio.
• Automatização do Navegador com Playwright: Um servidor MCP que permite que agentes de IA controlem navegadores da web sem exigir capturas de tela ou modelos de visão. Isso cria novas possibilidades para automação da web, dando aos LLMs controle direto sobre interações do navegador de forma padronizada.
• Integração pessoal do WhatsApp: Um servidor que se conecta a contas pessoais do WhatsApp, permitindo que Claude pesquise mensagens e contatos, bem como envie novas mensagens.
• Ferramenta de Pesquisa do Airbnb: Uma ferramenta de pesquisa de apartamentos Airbnb que demonstra a simplicidade e a potência do MC para criar aplicações práticas que interagem com serviços web.
• Sistema de Controlo de Robôs: Um controlador MCP para um robô. O exemplo preenche a lacuna entre LLMs e hardware físico, mostrando o potencial do MCP para aplicações de IoT e robótica.
• Google Maps e Pesquisa Local: Conectando Claude aos dados do Google Maps, criando um sistema que pode encontrar e recomendar empresas locais como cafés. Esta extensão permite assistentes de IA com serviços baseados em localização.
• Integração da Blockchain: O projeto Lyra MCP traz capacidades MCP para o StoryProtocol e outras plataformas web3. Isso permite a interação com dados blockchain e contratos inteligentes, abrindo novas possibilidades para aplicações descentralizadas aprimoradas por IA.

O que torna esses exemplos particularmente convincentes é a sua diversidade. Em pouco tempo desde a sua introdução, os desenvolvedores criaram integrações que abrangem produção de mídia criativa, plataformas de comunicação, controle de hardware, serviços de localização e tecnologia de blockchain. Todas essas aplicações variadas seguem o mesmo protocolo padronizado, demonstrando a versatilidade do MCP e o potencial de se tornar um padrão universal para integração de ferramentas de IA.

Para uma coleção abrangente de servidores MC, confira orepositório oficial dos servidores MC no GitHubCom um aviso cuidadoso, antes de usar qualquer servidor MC, tenha cuidado com o que está a executar e a conceder permissões.

Promessa vs. Hype

Com qualquer nova tecnologia, vale a pena perguntar: o MCP é verdadeiramente transformador, ou apenas mais uma ferramenta superestimada que desaparecerá?

Tendo observado inúmeras startups neste espaço, acredito que o MCP representa um ponto de inflexão genuíno para o desenvolvimento de IA. Ao contrário de muitas tendências que prometem revolução mas oferecem mudanças incrementais, o MCP é um impulso de produtividade que resolve um problema fundamental de infraestrutura que tem impedido todo o ecossistema.

O que o torna particularmente valioso é que não está a tentar substituir os modelos de IA existentes ou competir com eles, pelo contrário, está a torná-los mais úteis ao conectá-los a ferramentas externas e aos dados de que precisam.

Com isto dito, existem preocupações legítimas em torno da segurança e padronização. Como acontece com qualquer protocolo nos seus primeiros dias, é provável que vejamos dores de crescimento à medida que a comunidade desenvolve as melhores práticas em torno de auditorias, permissões, autenticação e verificação de servidores. O desenvolvedor precisa confiar na funcionalidade destes servidores MCP e não deve confiar cegamente neles, especialmente agora que se tornaram abundantes.Este artigodiscute algumas das vulnerabilidades recentes expostas por blindy ao usar servidores MCP que não foram cuidadosamente avaliados, mesmo que esteja a executá-lo localmente.

O Futuro da IA é Contextual

As aplicações de IA mais poderosas não serão modelos autónomos, mas ecossistemas de capacidades especializadas ligadas através de protocolos padronizados como o MCP. Para as startups, o MCP representa uma oportunidade de construir componentes especializados que se encaixam nesses ecossistemas em crescimento. É uma chance de aproveitar o seu conhecimento único e as suas capacidades, beneficiando dos enormes investimentos em modelos de base.

Olhando para o futuro, podemos esperar que o MCP se torne uma parte fundamental da infraestrutura de IA, tal como o HTTP se tornou para a web. À medida que o protocolo amadurece e a adoção cresce, é provável que vejamos surgir mercados inteiros de servidores MCP especializados, permitindo que os sistemas de IA acedam a praticamente qualquer capacidade ou fonte de dados imaginável.

Apêndice

Para aqueles interessados em compreender como o MCP realmente funciona sob a superfície, o apêndice seguinte fornece uma análise técnica da sua arquitetura, fluxo de trabalho e implementação.

Sob os capôs de MCP

Semelhante ao modo como o HTTP padronizou a forma como a web acessa fontes de dados externas e informações, o MCP faz o mesmo pelos frameworks de IA, criando uma linguagem comum que permite que diferentes sistemas de IA se comuniquem de forma transparente. Vamos então explorar como isso acontece.

Arquitetura e Fluxo MCP

A arquitetura principal segue um modelo cliente-servidor com quatro componentes chave a trabalhar em conjunto:

• MC Hosts: Aplicações de IA para desktop como Claude ou ChatGPT, IDEs como cursorAI ou VSCode, ou outras ferramentas de IA que necessitam de acesso a dados externos e capacidades
• Clientes MCP: Manipuladores de protocolo incorporados em hospedeiros que mantêm conexões um a um com servidores MCP
• Servidores MCP: Programas leves que expõem funcionalidades específicas através do protocolo padronizado
• Fontes de Dados: Os seus ficheiros, bases de dados, APIs e serviços aos quais os servidores MC podem aceder de forma segura

Portanto, agora que discutimos os componentes, vamos analisar como interagem num fluxo de trabalho típico:

1. Interação do Utilizador: Começa com um utilizador a fazer uma pergunta ou a fazer um pedido num Anfitrião MCP, por exemplo, Claude Desktop.
2. Análise LLM: O LLM analisa o pedido e determina que necessita de informações externas ou ferramentas para fornecer uma resposta completa
3. Descoberta de Ferramentas: O Cliente MCP consulta Servidores MCP conectados para descobrir quais ferramentas estão disponíveis
4. Seleção de Ferramentas: O LLM decide quais ferramentas usar com base no pedido e nas capacidades disponíveis
5. Pedido de Permissão: O Host pede ao usuário permissão para executar a ferramenta selecionada crucial para transparência e segurança.
6. Execução da ferramenta: Após a aprovação, o Cliente MCP envia o pedido para o MCP Server apropriado, que executa a operação com seu acesso especializado às fontes de dados
7. Processamento de Resultados: O servidor devolve os resultados ao cliente, que os formata para o LLM
8. Geração de Resposta: O LLM incorpora a informação externa numa resposta abrangente
9. Apresentação do Utilizador: Finalmente, a resposta é exibida ao utilizador final

O que torna esta arquitetura poderosa é que cada Servidor MCP se especializa num domínio específico, mas utiliza um protocolo de comunicação padronizado. Assim, em vez de reconstruir integrações para cada plataforma, os programadores podem concentrar-se apenas no desenvolvimento de ferramentas uma vez para todo o seu ecossistema de IA.

Como Construir o Seu Primeiro Servidor MCP

Agora vamos ver como se pode implementar um simples servidor MCP em poucas linhas de código usando o SDK MCP.

Neste exemplo simples, queremos estender a capacidade do Claude Desktop de poder responder a perguntas como "Quais são algumas cafeterias perto do Central Park?" do Google Maps. Você pode facilmente estender isso para obter avaliações ou classificações. Mas por agora, vamos focar na ferramenta MCP find_nearby_places que permitirá ao Claude obter estas informações diretamente do Google Maps e apresentar os resultados de forma conversacional.

Como pode ver, o código é realmente simples. 1) Transforma a consulta numa pesquisa API do Google Maps e 2) devolve os principais resultados num formato estruturado. Assim, a informação é devolvida ao LLM para uma tomada de decisão posterior.

Agora precisamos informar ao Claude Desktop sobre esta ferramenta, então a registramos no seu ficheiro de configuração da seguinte forma.

• macOS: ~/Biblioteca/Suporte de Aplicativos/Claude/claude_desktop_config.json
• Windows: %APPDATA%\Claude\claude_desktop_config.json

E eis que está feito. Agora você simplesmente estendeu o Claude para encontrar localizações em tempo real no Google Maps.

Aviso legal：

1. Este artigo é reproduzido a partir de [XEncaminhe o Título Original 'Padrão USB-C de IA: Compreender MCP'. Todos os direitos autorais pertencem ao autor original@Drmelseidy]. Se houver objeções a esta reimpressão, por favor entre em contato com o Gate Learnequipa, e eles irão tratar do assunto prontamente.

2. Aviso de responsabilidade: As opiniões expressas neste artigo são exclusivamente do autor e não constituem qualquer conselho de investimento.

3. As traduções do artigo para outros idiomas são feitas pela equipa Gate Learn. Salvo indicação em contrário, é proibido copiar, distribuir ou plagiar os artigos traduzidos.