Em uma edição recente de A engenharia de sequência boletim informativo, “Por que o MCP venceu?Os autores apontam para o contexto de serialização e troca como uma razão – talvez a razão mais importante – por que todo mundo está falando sobre o protocolo de contexto do modelo. Fiquei intrigado com isso – li muitos tutoriais e semitécnicos sobre o MCP. Especificação MCPem que os termos “serialização do contexto” e “troca de contexto” não aparecem.
O que está acontecendo? Os autores do Engenharia de sequência A peça encontrou a imagem maior, algo mais substancial do que apenas usar o MCP para deixar Claude controlar Ableton. (Embora seja divertido. SUNO, cuidado!) Não se trata apenas de deixar os modelos de idiomas direcionarem aplicativos tradicionais através de uma API padrão. Não há uma seção separada sobre a serialização do contexto, porque todo o MCP é sobre serialização do contexto. É por isso que é chamado de protocolo de contexto do modelo. Sim, ele fornece maneiras de os aplicativos informarem modelos sobre seus recursos para que os agentes possam usar esses recursos para concluir uma tarefa. Mas também fornece aos modelos os meios para compartilhar o contexto atual com outros aplicativos que podem utilizá -lo. Para aplicações tradicionais como o Github, o contexto de compartilhamento não tem sentido. Para a última geração de aplicativos que usam redes de modelos, o compartilhamento de contexto abre novas possibilidades.
Aprenda mais rápido. Cavar mais fundo. Veja mais longe.
Aqui está um exemplo relativamente simples. Você pode estar usando a IA para escrever um programa. Você adiciona um novo recurso, testando -o e funciona. O que acontece a seguir? De dentro do seu IDE, você pode chamar aplicativos tradicionais como o Git para cometer as mudanças – não é grande coisa, e algumas ferramentas de IA como o Aider já podem fazer isso. Mas você também deseja enviar uma mensagem ao seu gerente e aos membros da equipe que descrevem o estado atual do projeto. O seu IDE aprimorado pode gerar um e-mail. Mas o Gmail tem suas próprias integrações com a Gemini para escrever e-mail, e você prefere usar isso. Portanto, seu IDE pode empacotar tudo relevante sobre o seu contexto e enviá -lo para Gêmeos, com instruções para decidir o que é importante, gerar a mensagem e enviar a mensagem by way of Gmail após a criação. Isso é diferente: em vez de uma IA usando um aplicativo tradicional, agora temos dois AIS colaborando para concluir uma tarefa. Pode até haver uma conversa entre o AIS sobre o que dizer na mensagem. (E você precisa confirmar que o resultado atende às suas expectativas – a vibração por e -mail um chefe parece ser um antipateria.)
Agora podemos começar a falar sobre redes de AIS trabalhando juntas. Aqui está um exemplo que é apenas um pouco mais complexo. Think about um aplicativo de IA que ajude os agricultores a planejar o que eles plantarão. Esse aplicativo pode querer usar:
- Um serviço de economia para prever preços das culturas
- Um serviço para prever preços de sementes
- Um serviço para prever preços de fertilizantes
- Um serviço para prever preços de combustível
- Um serviço meteorológico
- Um modelo de agronomia que prevê o que as culturas crescerão bem na localização da fazenda
O aplicativo provavelmente exigiria vários outros serviços que não consigo imaginar – existe um modelo de entomologia que pode prever infestações de insetos? (Sim, há.) A IA já pode fazer um bom trabalho de prever clima, e o setor financeiro está usando a IA para fazer modelagem econômica. Pode-se imaginar fazer tudo isso em um gigante “Know Every little thing” LLM (talvez GPT-6 ou 7). Mas uma coisa que estamos aprendendo é que modelos especializados menores geralmente superam grandes modelos generalistas em suas áreas de especialização. Uma IA que modela os preços das culturas deve ter acesso a muitos dados importantes que não são públicos. O mesmo acontece com os modelos que prevêem os preços das sementes, os preços dos fertilizantes e os preços dos combustíveis. Todos esses modelos provavelmente são serviços baseados em assinatura. É provável que um grande negócio agrícola ou cooperativa desenvolva modelos internos proprietários.
A IA do agricultor precisa coletar informações desses modelos especializados enviando contexto para eles: o que o fazendeiro quer saber, é claro, mas também a localização dos campos, padrões climáticos no ano passado, a produção da fazenda nos últimos anos, as capacidades tecnológicas da fazenda, a disponibilidade de recursos como água e mais. Além disso, não se trata apenas de fazer uma pergunta a cada um desses modelos, obter as respostas e gerar um resultado; Uma conversa precisa acontecer entre o AIS especialista, porque cada resposta influenciará os outros. Pode ser possível prever o clima sem saber sobre economia, mas você não pode fazer economia agrícola se não entender o clima. É aqui que está realmente o valor do MCP. Construindo um aplicativo que faz perguntas aos modelos? Isso é definitivamente útil, mas qualquer aluno do ensino médio pode criar um aplicativo que envie um aviso para o ChatGPT e redigir os resultados. Antrópico uso do computador A API vai um passo adiante, automatizando o clique e a eliminação de tela. O valor actual está em conectar modelos um ao outro para que eles possam ter conversas – para que um modelo que preveja o preço do milho possa descobrir as previsões climáticas para o próximo ano. Podemos criar redes de modelos e agentes de IA. É isso que o MCP suporta. Não podíamos imaginar esse aplicativo há apenas alguns anos. Agora não podemos simplesmente imaginar isso; Podemos começar a construí -lo. Como Blaise Agüera y Arcas argumentaa inteligência é coletiva e social. O MCP nos fornece as ferramentas para criar inteligência social synthetic.
A indústria está falando sobre agentes há algum tempo – protagonistas de anos, na verdade. A explosão mais recente de discussão Agentic começou há pouco mais de um ano. No ano passado, tivemos modelos que eram bons o suficiente, mas estávamos perdendo uma peça importante do quebra -cabeça: a capacidade de enviar contexto de um modelo para outro. O MCP fornece algumas das peças que faltavam. Novo do Google A2A O protocolo fornece mais deles. É disso que se trata a serialização do contexto, e é isso que permite: redes de AIS colaboradoras, cada uma atuando como especialista. Agora, a única pergunta é: o que vamos construir?