Når de implementerer AI-bruksområder, må bedrifter ofte bestemme hvordan de skal koble datakilder til modellene de adopterer. Ulike rammeverk, som LangChain, letter databaseintegrasjon, men utviklere må fortsatt skrive kode hver gang de kobler modeller til nye datakilder. Anthropic har som mål å revolusjonere denne tilnærmingen ved å skape en standard for dataintegrasjon. Anthropic har introdusert Model Context Protocol (MCP) som en åpen kildekode-løsning, som gir en standardisert metode for å koble datakilder til AI-bruksområder. I et blogginnlegg kunngjorde selskapet at MCP vil fungere som en "universell, åpen standard" for å koble AI-systemer til ulike datakilder. Målet er at MCP skal gjøre det mulig for modeller som Claude å få direkte tilgang til databaser. Alex Albert, leder for Claude Relations hos Anthropic, nevnte på X at selskapets visjon er "å bygge en verden hvor AI kobles til enhver datakilde, " med MCP som en "universell oversetter. " En nøkkelstyrke ved MCP er den dets evne til å håndtere både lokale ressurser (som databaser, filer og tjenester) og eksterne ressurser (som API-er for Slack eller GitHub) ved å bruke samme protokoll, forklarte Albert. En standardisert metode for dataintegrasjon forenkler ikke bare prosessen for utviklere å dirigere store språkmodeller (LLM-er) til informasjon, men letter også datahentingsutfordringer for bedrifter som konstruerer AI-agenter. Siden MCP er åpen kildekode, oppfordrer Anthropic til bidrag til sitt register av tilkoblinger og implementeringer. For øyeblikket er det ingen universell standard for å koble datakilder til modeller, så bedrifter og leverandører er ansvarlige for disse avgjørelsene. Utviklere tyr vanligvis til spesifikke Python-koder eller bruker LangChain for å koble LLM-er til databaser.

Siden hver LLM fungerer litt forskjellig, er det nødvendig med separat kode for hver tilkobling, noe som fører til fragmenterte modeller som får tilgang til de samme databasene uten sømløs samarbeid. Noen selskaper endrer sine databaser for å lette opprettelsen av vektorembeddings som LLM-er kan koble seg til. For eksempel integrerer Microsoft Azure SQL med Fabric, mens mindre firmaer som Fastn tilbyr alternative metoder for å koble datakilder. Anthropic ser for seg at MCP strekker seg utover Claude for å fremme interoperabilitet mellom modeller og datakilder. "MCP er en åpen standard som lar utviklere etablere sikre, toveis tilkoblinger mellom deres datakilder og AI-drevne verktøy. Oppsettet er enkelt: Utviklere kan enten gjøre sine data tilgjengelige gjennom MCP-servere eller utvikle AI-applikasjoner (MCP-klienter) som kobler seg til disse serverne, " uttalte Anthropic i blogginnlegget. MCP-kunngjøringen mottok positiv tilbakemelding på sosiale medier, spesielt for sin åpen-kilde-utgivelse, selv om noen brukere på plattformer som Hacker News uttrykte skepsis til verdien av en standard som MCP. For øyeblikket er MCP utelukkende en standard for Claude-familien av modeller. Likevel har Anthropic utgitt ferdigbygde MCP-servere for Google Drive, Slack, GitHub, Git, Postgres og Puppeteer. VentureBeat kontaktet Anthropic for ytterligere kommentarer. Tidlige brukere av MCP inkluderer Block og Apollo. Leverandører som Zed, Replit, Sourcegraph og Codeium utvikler AI-agenter som bruker MCP for å samle informasjon fra datakilder. Utviklere som er interesserte i MCP kan bruke protokollen umiddelbart ved å installere ferdigbygde MCP-servere via Claude desktop-appen. Bedrifter kan også lage sin egen MCP-server ved å bruke Python eller TypeScript.