Was ist das Modellkontextprotokoll (MCP)?

DieModel Context Protocol (MC) ist ein von Gate entwickelter offener Standard @AnthropicAIdas die Art und Weise revolutioniert, wie KI-Modelle mit externen Datenquellen und Tools verbunden werden. Zunächst war die Auswirkung des Standards langsam, aber seit @OpenAIadopted it early this year it has rocketed in adoption. It is often likened to a “USB-C port for AI agents” - it provides a uniform method for connecting them to various tools and data sources, simplifying how AI interacts with external resources.

Anstatt dass Entwickler für jede Datenquelle oder jedes Tool individuelle Integrationen erstellen, MCP etabliert ein standardisiertes Kommunikationsprotokoll zwischen KI-Modellen (Clients) und Daten-/Tool-Anbietern (Server). Ziel ist es, modernen Modellen zu helfen, bessere und relevantere Antworten zu liefern, indem sie mit Systemen verbunden werden, in denen Daten gespeichert sind, einschließlich Inhalten, Geschäftstools und Entwicklungsumgebungen.

Im Kern adressiert MCP die grundlegende Begrenzung von Large Language Models (LLMs), die von Echtzeitdaten isoliert sind und nicht in der Lage sind, direkt externe Maßnahmen zu ergreifen. MCP ermöglicht es KI-Systemen, verfügbare Tools dynamisch zu entdecken und damit zu interagieren, um eine dauerhafte bidirektionale Kommunikation zwischen Modellen und externen Systemen zu unterstützen. Dies ist besonders wichtig und leistungsstark, um autonomen KI-Agenten robustere Fähigkeiten zu verleihen, insbesondere im Bereich DeFi.

Wie MCP KI-Agenten in DeFi optimiert

MCP verbessert die KI-Agentenfähigkeiten in DeFi erheblich, indem es vereinfacht, wie Agenten Echtzeitdaten verarbeiten und interagieren. MCP ermöglicht es KI-Agenten, dynamisch auf externe Datenströme zuzugreifen, wie Marktdaten, von Quellen wie relationalen Datenbanken und APIs. Dies erleichtert es den Agenten, die neuesten Entwicklungen aufzunehmen, und verbessert ihre Fähigkeit, fundierte Entscheidungen zu treffen. Durch die Integration verschiedener Echtzeit-Datenquellen können Agenten komplexe Datenpunkte analysieren und sich an sich ändernde Marktbedingungen anpassen - eine entscheidende Aufgabe für Anwendungsfälle wie Liquiditätsbereitstellung.

MCP verbessert auch die Effizienz von KI-Agenten, indem es Werkzeuge aktivieren, Maßnahmen zu ergreifen. Agenten können nicht nur Daten aus externen Systemen abrufen, sondern auch Updates oder Aktionen in diese Systeme zurückgeben, z. B. die Ausführung von Smart Contracts oder die Aktualisierung von Liquiditätspositionen. Dies ermöglicht es Agenten, DeFi-Strategien autonom auszuführen und sie zu effizienteren Akteuren im Raum zu machen. Durch die Beseitigung der Notwendigkeit von benutzerdefinierten Integrationen für jedes Tool oder jede Datenquelle verringert MCP die Komplexität und beschleunigt die Bereitstellung von KI-gesteuerten DeFi-Lösungen. Dies ermöglicht es Agenten, sich schnell anzupassen, zu skalieren und auf neue Chancen zu reagieren, was die Gesamteffizienz der DeFi-Operationen erhöht.

MCP ist großartig, um diese Kernfähigkeiten für Agenten bereitzustellen - Tools zur Datenerfassung und zur Durchführung von Aktionen. Im Gegensatz dazu eignet es sich jedoch nicht gut, um Agenten zu koordinieren oder miteinander zu kommunizieren. Im Gegensatz zu Tools sind Agenten nicht darauf ausgelegt, starren Befehlen über eine feste API zu folgen. Sie sind von Natur aus flexibel und verwenden natürliche Sprache, um eine Vielzahl von Fähigkeiten auszuführen und Interaktionen zu orchestrieren, die oft gemeinsame Zustände beinhalten. Ich gehe in dem Abschnitt "MCP Accelerates the Need for Agent Swarm Coordination" unten näher darauf ein.

Für diejenigen, die neu im Konzept sind, führende Branchenstimme @S4mmyEthhat einen ausführlichen Artikel über das MC verfasst und bezeichnet es als „eine wesentliche Freischaltung für Krypto- und Open-Source-KI“ – den Sie unten finden können.

MC Adoption Across Industries

Web3 und Blockchain

Web3 ist ein natürlicher Nährboden für Innovationen und wird schnell zu einem Testgelände für KI-Systeme und Methoden. Dies gilt auch für MCP, das die KI-Blockchain-Integration verbessert und den Weg für intelligente Systeme ebnet, um effizient mit dezentralen Anwendungen zu interagieren und neue Effizienzen in Web3 freizuschalten, wie kürzlich festgestellt von @aelfblockchain.

Es gibt mehrere spannende Projekte im Web3-Ökosystem, die sich auf MC stützen, darunter:

@Arcdotfun- das führende Rust-Framework für KI-Agenten in Web3 hat gerade Ryzome angekündigt, einen universellen App-Store für agentische KI, der von MCP angetrieben wird, das die Kommunikation zwischen KI-Agenten und digitalen Diensten standardisiert. Dies ermöglicht es KI-Agenten, einfach auf Web-2- und Web-3-Dienste zuzugreifen, ohne komplexe Integrationen.

@heurist_ai- eine dezentralisierte KI-als-Service-Cloud hat eine Reihe von Tools veröffentlicht, die von MCP wie eine Integration für - zugänglich sind @getmasafiX-Daten.

Überprüfen Sie ihr Github für einen detaillierten Blick auf ihrAgentenframework.

@UnifaiNetwork- Ein Web3-KI-Startup hat sich als MCP für Web3 positioniert und entwickelt eine umfangreiche Palette von Open-Source-MCP-Plugins mit Funktionen wie Wallet-Zahlungen, Swaps, Liquiditätsmanagementstrategien, KI-gestütztes Wetten und mehr.

@StoryProtocol- die IP-Blockchain der Welt, hat kürzlich auch Integrationen mit MC bekannt gegeben, um es KI-Agenten zu erleichtern, Informationen über Transaktionen, Lizenzen, Transaktionen und Eigentum in ihrem Ökosystem zu erhalten, sowie Agenten zu ermöglichen, IP zu erstellen und zu übertragen.

Diese Implementierungen durch innovative Teams im Raum ermöglichen es LLMs, effizient mit Blockchain-Daten in Echtzeit zu interagieren, Sicherheitsaudits an Smart Contracts durchzuführen, Token-Metriken zu verfolgen und sogar On-Chain-Transaktionen mit angemessenen Sicherheitsvorkehrungen zu erleichtern.

E-Commerce und Einzelhandel

Im E-Commerce- und Einzelhandelsbereich transformiert MCP, wie KI-Agenten mit Datenquellen und Tools verbunden sind, und verbessert sowohl die betriebliche Effizienz als auch die Kundenerlebnisse. Funktionen wie Produktsuchen, Bestellverfolgung und Preisempfehlungen optimieren die Abläufe und verbessern das gesamte Einkaufserlebnis.

Frühe MC-Integrationen im Raum umfassen:

@ShopifyLäden sindMCP integrierenum Produkte, Kunden, Bestellungen und mehr mit einfachen API-Aufrufen zu ihrem Admin-API leicht zu verwalten.

@blockseiner der führenden Zahlungsanbieter hat verwendetMCP, um einen Open-Source-erweiterbaren KI-Agenten zu entwickeln, namens Goose, der bei der Installation, Ausführung, Bearbeitung und Prüfung von Code mit jeder LLM hilft.

@WooCommercehat eingeschlossenMCP-Serverum die Interaktion mit ihren Geschäften zu verbessern und umfassende Tools zur Verwaltung von Produkten, Bestellungen, Kunden, Versand, Steuern, Rabatten und Ladenkonfiguration zu ermöglichen.

Unternehmen B2B

Im Unternehmenssektor hat die MCP in Bezug auf Geschäftsbetrieb und Arbeitsabläufe eine bedeutende Akzeptanz gefunden. Die MCP wurde in führenden Unternehmensangeboten weitreichend übernommen, darunter:

@OpenAI hat die Technologie integriertUm die standardisierte Kommunikation zwischen KI-Agenten und externen Systemen zu verbessern, Unternehmensabläufe zu optimieren und die Entwicklungskosten zu senken.

@Microsofthat eingeschlossenMCP in Produkten wie Copilot Studiound Semantic Kernel, was es den Erstellern ermöglicht, sich direkt mit vorhandenen Wissens-Servern und APIs zu verbinden. Aktionen und Wissen werden automatisch dem Agenten hinzugefügt und kontinuierlich aktualisiert, während sich die Funktionalität weiterentwickelt.

@Databrickshat angenommeneine MCPServer, der eine Verbindung zu ihrer API herstellt, sodass LLMs SQL-Abfragen durchführen, Jobs auflisten und den aktualisierten Jobstatus abrufen können.

Entwicklungs- und Ingenieurwerkzeuge

Softwareentwicklung war einer der frühesten und robustesten Anwender von MC. Wie NSHipster in einem kürzlich erschienenen Artikel feststellte, hat das Language Server Protocol (LSP) revolutioniert, wie Programmiersprachen mit Entwicklertools integrieren. Das Model Context Protocol (MCP) zielt darauf ab, dasselbe für eine neue Generation von KI-Tools zu tun.

Einige wichtige Entwicklungs- und Ingenieurwerkzeuge, die jetzt die Integration von MC unterstützen, umfassen:

@zeddotdev @Replit @codeiumdevund@Sourcegraph arbeiten mit MCum ihre Plattformen zu verbessern, indem sie es Agenten ermöglichen, Informationen besser abzurufen, um den Kontext um eine Codieraufgabe zu verstehen, und so nuancierteren und funktionaleren Code zu produzieren.

@github MC-Serverermöglichen eine nahtlose Integration mit ihren APIs, die fortschrittliche Automatisierung und Interaktionsmöglichkeiten für Entwickler und Tools ermöglichen.

IDE-Integrationen für Codeanalyseund Generation, die AI von einem passiven Assistenten zu einem aktiven, kooperativen Partner im Software-Entwicklungsprozess transformiert.

Die expandierende Reichweite und Auswirkungen von MCP für KI-Systeme

Die rasche Verbreitung von MCP in verschiedenen Branchen unterstreicht seinen Wert als standardisiertes Protokoll für die Interaktion mit KI-Tools. Ursprünglich eine Initiative von Anthropic, hat es sich mittlerweile zu einem offenen Ökosystem mit Tausenden von von der Community entwickelten Servern und Integrationen großer Technologieunternehmen entwickelt. In letzter Zeit haben wir ein enormes Wachstum bei der Zugänglichkeit von MCP-Servern gesehen, mit über 300 speziell für KI-Agenten verfügbar, wie gezeigt von@Sumanth_077unten.

Mit der Reife von MC sehen wir:

1. Vereinfachte Integrationen - Ersetzen von benutzerdefinierten Verbindungen durch standardisierte Schnittstellen.
2. Erhöhte Sicherheit durch Authentifizierung und Zugriffskontrolle auf Protokollebene.
3. Ein blühendes Entwickler-Ökosystem, das spezialisierte Tools und Verbindungen schafft.
4. Plattformübergreifende Kompatibilität zwischen verschiedenen KI-Modellen und Anwendungen.

MCP beschleunigt die Notwendigkeit der Koordination von Agentenschwärmen

Während MC das Konnektivitätsproblem zwischen einzelnen KI-Agenten und Datenquellen löst, adressiert es nicht die Koordinationsherausforderung zwischen mehreren spezialisierten Agenten. Hier kommt@TheoriqAIkommt herein.

Theoriq setzt sich seit zwei Jahren für die Verwendung von Agentenschwärmen ein (die wir früher als Kollektive bezeichnet haben, bevor der Begriff Schwärme populär wurde). Mit der Entwicklung des Theoriq-Protokolls, einem dezentralen, Multi-Agenten-Protokoll für KI-gesteuerte Finanzen, legen wir die Grundlage dafür, dass Agenten komplexe finanzielle Aufgaben kommunizieren, zusammenarbeiten und ausführen können. Wir stellen uns dieser Herausforderung bereits, indem wir einen Onchain-Liquiditätsbereitstellungsschwarm (OLP) auf dem Protokoll aufbauen, der finanziellen Wert für das DeFi-Ökosystem und seine Akteure schafft. Mehr dazu unten.

Spezialisierte Agenten werden weiterhin auftauchen und effizient in den Aufgaben sein, für die sie entwickelt wurden, und da jeder auf MCP zur Datenzugriff setzt, werden sie immer noch 'Schienen zur Kommunikation' miteinander benötigen. Die Integration zahlreicher MCP-Plugins in einen generischen Agenten wird weniger effektiv sein als spezialisierte Agenten, die über ein koordiniertes Protokoll kommunizieren.

Die Hinzufügung von MCP erleichtert es Agenten, sich mit externen Quellen zu verbinden, und die Integration dieser Funktionalität in das, woran Theoriq arbeitet, wird die Fähigkeiten der Agenten nur erhöhen.

Das Theoriq-Protokoll befasst sich mit dieser Herausforderung der nächsten Ebene durch:

1. Die Aktivierung der Agent-zu-Agent-Kommunikation – Während MCP Agenten mit Datenquellen verbindet, verbindet Theoriq Agenten auf eine vertrauensminimierte Weise mit anderen Agenten, einschließlich unterstützender und langfristiger Kommunikation. Wichtig ist, dass MCP nur einem Agenten erlaubt, Anfragen nach Informationen zu initiieren, Theoriq jedoch Agenten ermöglicht, zurückgerufen zu werden, wann immer ein wichtiges Ereignis eintritt (wie eine Marktveränderung oder eine Nachrichtenmeldung).
2. Bereitstellung von Koordinationsmechanismen - Die Schwärme von Theoriq ermöglichen es spezialisierten Agenten, gemeinsam an komplexen Aufgaben wie der Liquiditätsbereitstellung zu arbeiten - sie können in natürlicher Sprache mit reichhaltiger Semantik kommunizieren, während MCP einem traditionellen API-Paradigma folgt, das über starre, eng definierte Fähigkeiten verfügt.
3. Einrichtung wirtschaftlicher Anreize – Im Gegensatz zu MCP nutzt Theoriq Token-Ökonomie und Zahlungen, um hochwertige Agenturbeiträge und -teilnahme mit finanziellen Ergebnissen zu belohnen.
4. Sicherung von Agenteninteraktionen - Die on-chain/off-chain-Architektur von Theoriq gewährleistet eine sichere, überprüfbare Kommunikation von Agenten, die über das hinausgeht, was MCP bietet.
5. Unterstützung bei der Entdeckung und Bewertung von Agenten - Theoriq ermöglicht es Agenten, sich basierend auf ihren Fähigkeiten und ihrem Leistungsnachweis zu entdecken, um eine effektivere Zusammenarbeit zu fördern.

MCP als die Agenten-Tooling-Schicht, Theoriq als die Koordinationsschicht

Model Context Protocol hat sich als wesentliche Infrastruktur etabliert, die KI-Modelle mit Daten und Tools verbindet. Es standardisiert, wie Agenten mit der externen Welt interagieren, was spezialisierte, leistungsfähige Agenten zunehmend machbar und wertvoll macht.

Jedoch nimmt mit der Verbreitung dieser spezialisierten Agenten die Notwendigkeit einer Koordination zwischen ihnen zu. Theoriq schließt diese entscheidende Lücke, indem es die „Schienen“ für die Kommunikation zwischen Agenten bereitstellt, was es komplexen Multi-Agenten-Systemen ermöglicht, anspruchsvolle Herausforderungen wie die Bereitstellung von On-Chain Liquidität anzugehen.

Die Kombination von MCP für Agenten-Welt-Konnektivität und Theoriq für Agenten-Agenten-Koordination schafft eine leistungsstarke Grundlage für die aufstrebende agentic Wirtschaft. Diese Synergie ermöglicht spezialisierte Exzellenz anstelle von generalisierter Mittelmäßigkeit und weist den Weg zu einem effizienteren, leistungsfähigeren und vertrauensminimierten KI-Ökosystem. Wir gehen davon aus, dass alle führenden KI-Agenten-Frameworks in Web3 MCP umarmen werden, genauso wie es Rig getan hat. Wenn wir mit diesen Frameworks zusammenarbeiten, um Theoriq für Schwarmkoordination zu integrieren, erwarten wir, dass sowohl MCP als auch Theoriq an Wert gewinnen.

Haftungsausschluss:

1. Dieser Artikel ist abgedruckt von [Ron Bodkin]. Alle Urheberrechte gehören dem Originalautor [Ron Bodkin]. Wenn es Einwände gegen diesen Nachdruck gibt, wenden Sie sich bitte an die Gate LearnTeam und sie werden es umgehend bearbeiten.
2. Haftungsausschluss: Die in diesem Artikel geäußerten Ansichten und Meinungen sind ausschließlich die des Autors und stellen keine Anlageberatung dar.
3. Das Gate Learn Team übersetzt den Artikel in andere Sprachen. Das Kopieren, Verteilen oder Plagiieren der übersetzten Artikel ist untersagt, es sei denn, es ist anders angegeben.