Bij de implementatie van AI-toepassingsgevallen moeten bedrijven vaak beslissen hoe ze hun gegevensbronnen verbinden met de modellen die ze gebruiken. Verschillende frameworks, zoals LangChain, vergemakkelijken database-integratie, maar ontwikkelaars moeten nog steeds code schrijven telkens wanneer ze modellen aan nieuwe gegevensbronnen koppelen. Anthropic streeft ernaar deze benadering te revolutioneren door een standaard in gegevensintegratie te creëren. Anthropic heeft het Model Context Protocol (MCP) geïntroduceerd als een open-source oplossing, die een gestandaardiseerde methode biedt om gegevensbronnen te koppelen aan AI-toepassingsgevallen. In een blogpost heeft het bedrijf aangekondigd dat MCP zal fungeren als een "universele, open standaard" voor het verbinden van AI-systemen met verschillende gegevensbronnen. Het doel is dat MCP modellen zoals Claude in staat stelt direct toegang te krijgen tot databases. Alex Albert, hoofd van Claude Relations bij Anthropic, vermeldde op X dat de visie van het bedrijf is "om een wereld te bouwen waar AI verbinding maakt met elke gegevensbron, " waarbij MCP fungeert als een "universele vertaler. " Een belangrijke kracht van MCP is het vermogen om zowel lokale bronnen (zoals databases, bestanden en diensten) als externe bronnen (zoals API's voor Slack of GitHub) te beheren met behulp van hetzelfde protocol, legde Albert uit. Een gestandaardiseerde methode voor gegevensintegratie vereenvoudigt niet alleen het proces voor ontwikkelaars om large language models (LLM's) naar informatie te sturen, maar verlicht ook de uitdagingen van gegevensopvraging voor bedrijven die AI-agenten bouwen. Aangezien MCP open-source is, moedigt Anthropic bijdragen aan in zijn repository van connectors en implementaties. Momenteel is er geen universele standaard voor het koppelen van gegevensbronnen aan modellen, dus bedrijven en aanbieders zijn verantwoordelijk voor deze beslissingen. Ontwikkelaars maken meestal gebruik van specifieke Python-code of gebruiken LangChain om LLM's aan databases te koppelen.

Omdat elke LLM iets anders functioneert, is aparte code nodig voor elke verbinding, wat leidt tot gefragmenteerde modellen die dezelfde databases benaderen zonder naadloze samenwerking. Sommige bedrijven passen hun databases aan om de creatie van vector embeddings te vergemakkelijken die LLM's kunnen aansluiten. Bijvoorbeeld: Microsoft integreert Azure SQL met Fabric, terwijl kleinere bedrijven zoals Fastn alternatieve methoden bieden voor het verbinden van gegevensbronnen. Anthropic voorziet dat MCP verder gaat dan Claude om interoperabiliteit van modellen en gegevensbronnen te bevorderen. "MCP is een open standaard die ontwikkelaars in staat stelt veilige, tweerichtingsverbindingen tot stand te brengen tussen hun gegevensbronnen en AI-aangedreven tools. De opzet is eenvoudig: ontwikkelaars kunnen hun gegevens beschikbaar maken via MCP-servers of AI-toepassingen ontwikkelen (MCP-clients) die verbinding maken met deze servers, " aldus Anthropic in de blogpost. De MCP-aankondiging ontving positieve feedback op sociale media, vooral vanwege de open-source release, hoewel sommige gebruikers op platforms zoals Hacker News sceptisch waren over de waarde van een standaard zoals MCP. Momenteel is MCP exclusief een standaard voor de Claude-familie van modellen. Niettemin heeft Anthropic vooraf gebouwde MCP-servers uitgebracht voor Google Drive, Slack, GitHub, Git, Postgres en Puppeteer. VentureBeat heeft contact opgenomen met Anthropic voor verdere opmerkingen. Vroege gebruikers van MCP zijn onder anderen Block en Apollo. Providers zoals Zed, Replit, Sourcegraph en Codeium ontwikkelen AI-agenten die MCP gebruiken om informatie van gegevensbronnen te verzamelen. Ontwikkelaars die geïnteresseerd zijn in MCP kunnen het protocol onmiddellijk gebruiken door vooraf gebouwde MCP-servers te installeren via de Claude-desktopapp. Bedrijven kunnen ook hun eigen MCP-server creëren met behulp van Python of TypeScript.