Anthropic publica Model Context Protocol como código abierto

• MCP (Model Context Protocol) es un nuevo estándar para conectar asistentes de IA con sistemas de datos como repositorios de contenido, herramientas de negocio y entornos de desarrollo, con el objetivo de generar mejores respuestas
• A medida que los asistentes de IA se vuelven parte de la corriente principal, la industria ha invertido mucho en las capacidades de los modelos, logrando avances rápidos en razonamiento y calidad. Sin embargo, por su aislamiento de los datos, incluso los modelos más sofisticados siguen atrapados en silos de información y sistemas heredados. Cada nueva fuente de datos requiere una implementación personalizada, lo que dificulta escalar los sistemas conectados
• MCP resuelve este problema. MCP es un protocolo único para integrar fuentes de datos y sistemas de IA, que simplifica el proceso fragmentado de integración y ofrece una conectividad más confiable

Protocolo de contexto del modelo (MCP)

• MCP es un estándar abierto que permite establecer conexiones bidireccionales seguras entre fuentes de datos y herramientas de IA
• La arquitectura es simple: los desarrolladores pueden exponer datos mediante servidores MCP o construir clientes MCP para conectarse a esos servidores
• Componentes principales
  • Especificación y SDK de MCP
  • Soporte para servidores MCP locales en la app de escritorio de Claude
  • Repositorio de servidores MCP de código abierto: ofrece servidores MCP que admiten fuentes de datos como Google Drive, Slack, GitHub y Postgres
  • Claude 3.5 Sonnet ayuda a crear rápidamente implementaciones de servidores MCP, permitiendo que empresas y personas conecten con rapidez sus conjuntos de datos a herramientas de IA
  • Diversas empresas como Block, Apollo, Zed, Replit, Codeium y Sourcegraph están adoptando MCP para ampliar la recuperación de información y las capacidades de los agentes de IA
• Ventajas
  • Los desarrolladores pueden usar un protocolo estándar sin necesidad de mantener conectores individuales para cada fuente de datos
  • Los sistemas de IA pueden mantener el contexto entre múltiples herramientas y conjuntos de datos, lo que permite construir una arquitectura más sostenible

Cómo empezar

• Los desarrolladores ya pueden comenzar a construir y probar conectores MCP desde hoy
• Los clientes de Claude for Work pueden probar servidores MCP localmente para conectarlos con sistemas internos y conjuntos de datos
• Próximamente se ofrecerán herramientas para desarrolladores para implementar servidores MCP remotos en producción

[GN⁺]

Comentarios en Hacker News

• Reuní información a través de Twitter, Reddit y la documentación, y luego logré entender el panorama general. Ofrece una guía de inicio rápido para principiantes

  • Enlace a la guía de inicio rápido

• He estado trabajando en esto durante algunos meses en Anthropic junto con @jspahrsummers, y estoy listo para responder preguntas

• En la sección "Protocol Handshake", me gustaría ver información más detallada sobre el proceso de convertir lenguaje natural en consultas a bases de datos. Si consultas ineficientes o incorrectas pueden afectar la base de datos, me pregunto si eso se puede personalizar. Hace falta una forma de garantizar que no se devuelvan datos sensibles en las consultas

• Me alegra que se esté impulsando la estandarización; mucha gente está escribiendo sus propias integraciones, así que hay muchísima fragmentación y duplicación. Estoy construyendo un agente de codificación para terminal y planeo conectarlo con servicios externos. Agradezco la integración de mcp de Anthropic

• Si se logra la estandarización, será de gran ayuda para la industria

• El video resumen de 2 minutos de Matt Pocock es útil

  • Enlace al video

• Me gusta la idea de ofrecer una interfaz de integración para todos los LLM, pero me cuesta entender por qué es solo local. Sería más interesante si una app web pudiera conectarse a github para que Claude acceda al repositorio de código. Por ahora, parece que solo sería posible en el sistema de archivos local. Al crear apps basadas en LLM, me pregunto si esto podría usarse en lugar del enfoque de inyectar datos en el prompt usando RAG. Creo que, por ahora, los casos de uso con datos específicos son muy limitados

• Me pregunto si habrá una API dedicada para LLM y si también sería útil para integraciones de API entre sitios web en general

• Tengo curiosidad por la asimetría entre las interfaces de prompts y de sampling. No entiendo la diferencia entre que el cliente obtenga prompts del servidor y los ejecute, y que en la interfaz de sampling el servidor presente solicitudes de completado al cliente. Es posible que las clases de capacidades de MCP evolucionen

• No confío en soluciones de código abierto que no provengan de actores principales. Si no se publica junto con otros actores importantes, los incentivos distorsionados son demasiados