AI aģents vs MCP? Kad izmantot katru no tiem (& kad nepieciešami abi)

AI aģents ir programmatūra, kas patstāvīgi lemj par savām darbībām un rīku izsaukumiem, lai sasniegtu konkrētu mērķi, savukārt Model Context Protocol (MCP) ir atvērts standarts tam, kā AI lietotnes savienojas ar ārējiem rīkiem un datiem. Tātad MCP ļauj AI aģentiem mijiedarboties ar lietotnēm un vaicāt datubāzēm, lai paveiktu uzdevumus.

Rakstā skaidrots, kas ir aģenti un MCP, kā tie atšķiras un kā tie darbojas. Jūs arī uzzināsiet, kad izmantot katru no tiem un kad izmantot aģentus un MCP kopā.

Kā AI aģents atšķiras no MCP? Galvenās atšķirības.

AI aģents ir neatkarīgs aktors, kas lemj, ko darīt, lai atrisinātu problēmu, bet MCP ir savienojums, ko AI rīki izmanto, lai piekļūtu datiem un veiktu uzdevumus kopā ar citām lietotnēm.

Kas ir AI aģents un kā tas darbojas?

AI aģents ir programmatūras sistēma, kas patstāvīgi izvēlas labāko rīcības plānu uzdevuma pabeigšanai.

Piemēram, ja to izmanto pētniecībai, AI aģents analizē pētījuma jautājumu, sadala to apakšjautājumos, katru deleģē apakšaģentam, kas meklē atbilstošu informāciju dažādos avotos, un "atskaitās" atpakaļ.

Galvenais aģents analizē iegūtos secinājumus, pielāgo pētniecības stratēģiju, nosūta vairāk aģentu, lai aizpildītu nepilnības, un apkopo rezultātus ziņojumā. Laika gaitā tas arī iemācās visefektīvāk veikt apakšuzdevumus.

AI aģents balstās uz trim komponentēm:

• Spriestspējas kodols: LLM, kas interpretē ievades datus, plāno un lemj, ko darīt
• Rīku integrācijas: Savienojumi ar ārējām sistēmām. Piemēram, datubāzēm vai API, kas ļauj tam piekļūt informācijai un veikt darbības.
• Atmiņa: Īstermiņa sesijas konteksts un ilgtermiņa saglabātās zināšanas, ko izmanto visās sadaļās

Aģenti darbojas saskaņā ar iepriekš noteiktiem aizsargmargām (piemēram, neizmantojiet avotus, kas vecāki par 3 gadiem, vai sekundārus statistikas apkopojumus), taču viņi paši lemj, kā pabeigt uzdevumu.

Šī autonomija izvēlēties, kā sasniegt mērķi, atšķir AI aģentus no AI darbplūsmām. Pēdējās seko iepriekš definētam, deterministiskam ceļam, kas ir ideāli piemērots strukturētiem, atkārtotiem uzdevumiem, kuriem nav nepieciešama spriestspēja un lēmumu pieņemšana.

Kas ir MCP un kā tas darbojas?

MCP nozīmē Model Context Protocol, un tas ir drošs, standartizēts veids, kā AI lietotnes, piemēram, Perplexity, savienojas ar ārējiem rīkiem un datu avotiem.

Piemēram, mans personīgais AI asistents izmanto MCP, lai savienotos ar Notion, kur es glabāju visu klientu projektu informāciju, ar manu Google Calendar un Clockify, ko izmantoju laika uzskaitei.

Pateicoties tam, tas zina, kāds darbs man konkrētajā mēnesī ir jāizdara un cik ilgi līdzīgi uzdevumi ir aizņēmuši agrāk, tāpēc tas var bloķēt pietiekami daudz laika manā kalendārā un novērtēt manu pieejamību papildu darbam.

MCP ir kopīgs protokols, tāpēc jebkurš AI rīks var piekļūt jebkurai lietotnei, ja vien abi atbalsta MCP, un izstrādātājam nav jāraksta īpaši pielāgots savienojums, kā tas ir REST API gadījumā.

Tehniskā līmenī MCP sastāv no trim elementiem:

• MCP resursdators: AI lietotne, kas koordinē un pārvalda klientus (piem., Perplexity)
• MCP klients: "starpnieks" resursdatorā, kas atbalsta savienojumu ar MCP serveri un nodod informāciju MCP resursdatoram
• MCP serveris: Priekšgals tādam resursam kā datubāze vai SaaS lietotne, kas MCP klientam dod piekļuvi tās iespējām (Notion, Google Calendar, Clockify u. c.).

Kad izmantot aģentu, MCP vai abus. Un kad ne vienu, ne otru.

Izvēle starp AI aģentu un MCP reducējas uz vienu jautājumu: vai jums ir nepieciešama palīdzība sarežģīta uzdevuma pabeigšanā vai arī vēlaties savienot AI rīku ar ārējiem resursiem?

Tomēr ne visiem uzdevumiem ir nepieciešams agentiskais AI, un tiem, kuriem tas ir nepieciešams, bieži vien ir vajadzīgs arī MCP.

Šeit ir niansētāks pārskats par to, kad izmantot katru no tiem, kad izmantot tos kopā un kad izmantot citus risinājumus:

• Izmantojiet AI aģentu, lai pabeigtu sarežģītus uzdevumus, kur jūs nevarat paredzēt precīzus soļus un katram solim ir nepieciešams vērtējums un lēmumu pieņemšana.
• Izmantojiet darbplūsmu ar tiešiem rīku izsaukumiem, lai pabeigtu rutīnas uzdevumus ar fiksētiem soļiem.
• Kā izstrādātājs izmantojiet MCP, ja vēlaties, lai jūsu lietotne būtu saderīga ar esošajiem un nākotnes AI rīkiem.
• Kā galalietotājs izmantojiet MCP, lai palielinātu sava AI asistenta iespējas, savienojot to ar citām lietotnēm un resursiem.
• Izmantojiet AI aģentus un MCP kopā, ja vēlaties atrisināt sarežģītus, unikālus uzdevumus, kuriem nepieciešama autonomija un piekļuve trešo pušu rīkiem un datu avotiem.

Izvērst

Kā AI aģenti un MCP darbojas kopā?

AI aģents lemj, ko darīt, bet MCP nodod katru pieprasījumu iesaistītajām lietotnēm.

Iedomājieties, ka jūs esat neliela tiešsaistes veikala īpašnieks un vēlaties noskaidrot, kāpēc pagājušajā mēnesī samazinājās jūsu pārdošanas apjomi, tāpēc jūs lūdzat savam AI asistentam to izmeklēt. AI asistents izvieto aģentu, kas izmanto MCP, lai iegūtu nepieciešamo informāciju:

1. Aģents: Asistents izlemj salīdzināt pagājušā mēneša pārdošanas apjomus ar iepriekšējo mēnesi.
2. MCP: Tas vaicā e-komercijas platformai par pārdošanas apjomiem pēc produkta abos mēnešos.
3. Aģents: Tas redz, ka viens produkts veido lielāko daļu krituma, tāpēc tas nolemj pārbaudīt produkta krājumus un reklāmas.
4. MCP: Tas vaicā veikala platformai par produkta krājumu līmeni un reklāmas platformai par tās reklāmu sniegumu.
5. Aģents: Krājumi bija normāli, taču reklāmas mēneša vidū pārstāja darboties, tāpēc tas nolemj noskaidrot, kāpēc.
6. MCP: Tas vaicā reklāmas platformai par kampaņas vēsturi un uzzina, ka kampaņa sasniedza savu mēneša budžeta limitu.
7. Aģents: Tas ziņo par iespējamo iemeslu, iesaka paaugstināt limitu vai pārdalīt budžetu un atstāj lēmumu īpašnieka ziņā.

Tā kā katrs solis ir atkarīgs no iepriekšējā soļa secinājumiem, jūs tos nevarat paredzēt iepriekš. Aģents analizē caur MCP iegūtos datus un izmanto tos, lai plānotu turpmākās darbības.

Aģentu un MCP riski un aizsargmargas

Savienojot autonomus AI aģentus ar citiem rīkiem un lietotnēm, izmantojot MCP, jūs pakļaujat sevi riskiem. Bieži sastopamas bažas ir par to, ka AI aģentiem ir lielāka piekļuve, nekā tiem nepieciešams, un ka trešās puses nolaupa MCP savienojumu, piemēram, ar netiešu uzvedņu injekciju vai pārmērīgu pilnvarojumu.

Vairumā gadījumu risinājums ir manuāli kontrolēt informāciju, kurai aģents var piekļūt, uzraudzīt tā darbību un izmantot tikai savienotājus no uzticamiem avotiem.

Izmantojiet Perplexity aģentus un MCP

Perplexity izmanto aģentus un MCP abos virzienos. Tās aģenti, piemēram, Computer, izmanto MCP, lai savienotos ar ārējām lietotnēm, un citi AI asistenti var izveidot savienojumu ar Perplexity, izmantojot MCP, lai darbinātu savu pētniecību.

Perplexity Computer ir vispārīga AI aģenta risinājums, kas izmanto MCP, lai savienotos ar trešo pušu pakalpojumiem. Tas var meklēt un pārlūkot tīmekli, rakstīt un palaist kodu, izveidot dokumentus, lasīt un nosūtīt e-pastus, pārvaldīt uzdevumus tādos rīkos kā Jira, Slack vai Notion un daudz ko citu.

Savienojums darbojas arī pretējā virzienā. AI asistents, kas atbalsta MCP, piemēram, Claude, ChatGPT vai Cursor, var izmantot Perplexity MCP serveri, lai veiktu tīmekļa meklēšanu un saņemtu rezultātus ar virsrakstiem, URL un fragmentiem, vai arī piešķirtu Computer veikt vairāku soļu uzdevumu.

Bieži uzdotie jautājumi

Vai AI aģenti un MCP ir viens un tas pats?

Nē, AI aģenti un MCP nav viens un tas pats, un tie risina atšķirīgas problēmas. AI aģenti ir programmatūras rīki, kas autonomi pabeidz lietotāju uzdevumus, savukārt MCP ir standartizēts veids, kā AI rīki piekļūst citām lietotnēm.

AI aģenti un MCP bieži darbojas kopā. AI aģents var izmantot MCP, lai piekļūtu datiem no citas programmatūras lietotnes, lai īstenotu piešķirto mērķi.

Kāda ir atšķirība starp MCP un aģenta prasmēm?

MCP (Model Context Protocol) savieno AI rīku ar ārējām lietotnēm un datiem, savukārt aģenta prasmes ir atkārtoti izmantojamas instrukcijas, skripti un resursi, kas māca AI aģentam, kā veikt specializētu uzdevumu, un nosaka aizsargmargas.

Vai MCP ir tas pats, kas API?

Nē, MCP un API nav viens un tas pats. API ļauj vienai programmatūras daļai izsaukt citu, izmantojot noteikumus, ko izstrādātājs ir iepriekš izveidojis, savukārt MCP ļauj AI aģentiem redzēt, kādas iespējas ir pieejamas, un izlemt, kuras no tām izsaukt, bez tā, ka izstrādātājs iepriekš programmētu savienojumu.

Tomēr MCP serveri bieži izmanto API, lai savienotos ar rīkiem.

Ar ko MCP atšķiras no A2A?

MCP (Model Context Protocol) savieno AI aģentu ar rīkiem un datiem, savukārt A2A (Agent2Agent) savieno AI aģentus. Komanda var izmantot abus, kur MCP nodrošina rīku integrāciju, bet A2A — sadarbību starp aģentiem.

Ar ko MCP atšķiras no RAG?

RAG (retrieval-augmented generation) ir sistēma, ko AI rīki izmanto, lai balstītu atbildes uzticamā informācijā no ārēja zināšanu avota, savukārt MCP ir standarts AI lietotņu savienošanai ar ārējiem datiem un rīkiem. Tātad RAG var izmantot MCP, lai piekļūtu savai zināšanu bāzei.

Vai jūs varat izmantot MCP bez izstrādātāja?

Jā, jūs varat izmantot MCP, nerakstot nekādu kodu, savienojot MCP saderīgu AI rīku ar pakalpojumu, kas to jau atbalsta. Piemēram, Perplexity lietotāji var izmantot MCP, lai savienotu populāras lietotnes, piemēram, Gmail, ClickUp vai Figma.