ИИ-агент vs MCP? Когда использовать каждый вариант и когда нужны оба

ИИ-агент — это программное обеспечение, которое самостоятельно решает, какие действия и вызовы инструментов предпринять для достижения конкретной цели, а Model Context Protocol (MCP) — это открытый стандарт того, как ИИ-приложения подключаются к внешним инструментам и данным. То есть MCP позволяет ИИ-агентам взаимодействовать с приложениями и запрашивать базы данных для выполнения задач.

В статье объясняется, что такое агенты и MCP, чем они отличаются и как работают. Вы также узнаете, когда использовать каждый из них и когда использовать агентов и MCP вместе.

Чем ИИ-агент отличается от MCP? Ключевые различия.

ИИ-агент — это независимый исполнитель, который решает, что делать, чтобы решить проблему, а MCP — это связь, которую ИИ-инструменты используют для доступа к данным и выполнения задач вместе с другими приложениями.

Что такое ИИ-агент и как он работает?

ИИ-агент — это программная система, которая независимо выбирает наилучший курс действий для выполнения задачи.

Например, при использовании для исследования ИИ-агент анализирует исследовательский вопрос, разбивает его на подзадачи, поручает каждую из них подагенту, который ищет релевантную информацию в разных источниках, и затем «отчитывается» обратно.

Основной агент анализирует найденные данные, корректирует стратегию исследования, отправляет больше агентов для заполнения пробелов и объединяет результаты в отчет. Со временем он также учится выполнять подзадачи наиболее эффективно.

ИИ-агент опирается на три компонента:

• Ядро рассуждения: LLM, которая интерпретирует входные данные, планирует и решает, что делать
• Интеграции с инструментами: Подключения к внешним системам. Например, базы данных или API, которые позволяют ему получать информацию и выполнять действия.
• Память: Краткосрочный контекст сеанса и долгосрочные сохраненные знания, используемые в разных разделах

Агенты работают в пределах заданных ограничений (например, не использовать источники старше 3 лет или вторичные сводки статистики), но они сами решают, как выполнить задачу.

Эта автономность в выборе того, как достичь цели, отличает ИИ-агентов от ИИ-рабочих процессов. Последние следуют заранее определенному, детерминированному пути, что идеально подходит для структурированных, повторяющихся задач, не требующих рассуждения и принятия решений.

Что такое MCP и как он работает?

MCP расшифровывается как Model Context Protocol, и это безопасный, стандартизированный способ для ИИ-приложений вроде Perplexity подключаться к внешним инструментам и источникам данных.

Например, мой личный ИИ-ассистент использует MCP для подключения к Notion, где я храню всю информацию о проектах клиентов, к Google Calendar и Clockify, которые я использую для учета времени.

Благодаря этому он знает, какую работу мне нужно выполнить в конкретном месяце и сколько времени занимали похожие задачи в прошлом, поэтому может забронировать достаточно времени в моем календаре и оценить мою доступность для дополнительной работы.

MCP — это общий протокол, поэтому любой ИИ-инструмент может получить доступ к любому приложению, если оба поддерживают MCP, без того чтобы разработчик писал специальное соединение, как в случае с REST API.

На техническом уровне MCP состоит из трех элементов:

• MCP Host: ИИ-приложение, которое координирует и управляет клиентами (например, Perplexity)
• MCP Client: «посредник» внутри хоста, который поддерживает соединение с MCP-сервером и передает информацию MCP Host
• MCP Server: Интерфейс к ресурсу вроде базы данных или SaaS-приложения, который предоставляет MCP Client доступ к его возможностям (Notion, Google Calendar, Clockify и т. д.).

Когда использовать агент, MCP или оба варианта. И когда ни один из них.

Выбор между ИИ-агентом и MCP сводится к одному вопросу: вам нужна помощь в выполнении сложной задачи или нужно подключить ИИ-инструмент к внешним ресурсам?

Однако не все задачи требуют агентного ИИ, а тем, которые требуют, часто нужен и MCP.

Вот более нюансированный разбор того, когда использовать каждый вариант, когда использовать их вместе и когда выбирать другие решения:

• Используйте ИИ-агента для выполнения сложных задач, где нельзя предсказать точные шаги и каждый шаг требует суждения и принятия решений.
• Используйте рабочий процесс с прямыми вызовами инструментов для выполнения рутинных задач с фиксированными шагами.
• Как разработчик, используйте MCP, когда хотите, чтобы ваше приложение было совместимо с существующими и будущими ИИ-инструментами.
• Как конечный пользователь, используйте MCP, чтобы расширить возможности своего ИИ-ассистента, подключив его к другим приложениям и ресурсам.
• Используйте ИИ-агентов и MCP вместе, когда хотите решать сложные, уникальные задачи, которые требуют автономности и доступа к сторонним инструментам и источникам данных.

Развернуть

Как ИИ-агенты и MCP работают вместе?

ИИ-агент решает, что делать, а MCP передает каждый запрос вовлеченным приложениям.

Представьте, что вы владелец небольшого интернет-магазина и хотите выяснить, почему в прошлом месяце упали продажи, поэтому просите своего ИИ-ассистента провести расследование. ИИ-ассистент разворачивает агента, который использует MCP, чтобы получить необходимую информацию:

1. Агент: Ассистент решает сравнить продажи за прошлый месяц с предыдущим месяцем.
2. MCP: Он запрашивает у платформы электронной коммерции продажи по товарам за оба месяца.
3. Агент: Он видит, что на один товар приходится большая часть падения, поэтому решает проверить запасы и рекламу этого товара.
4. MCP: Он запрашивает у платформы магазина уровень запасов по товару и у рекламной платформы — показатели эффективности рекламы.
5. Агент: Запасы были в норме, но реклама перестала показываться в середине месяца, поэтому он решает выяснить почему.
6. MCP: Он запрашивает у рекламной платформы историю кампании и узнает, что кампания достигла месячного лимита бюджета.
7. Агент: Он сообщает вероятную причину, предлагает повысить лимит или перераспределить бюджет и оставляет решение за владельцем.

Поскольку каждый шаг зависит от результатов предыдущего, заранее предсказать их нельзя. Агент анализирует данные, полученные через MCP, и использует их для планирования последующих действий.

Риски и ограничения для агентов и MCP

Подключение автономных ИИ-агентов к другим инструментам и приложениям через MCP подвергает вас рискам. Распространенные опасения связаны с тем, что ИИ-агенты получают больше доступа, чем им нужно, а третьи стороны перехватывают MCP-соединение, например, через косвенную prompt injection или чрезмерную агентность.

В большинстве случаев решение состоит в том, чтобы вручную контролировать информацию, к которой может получить доступ агент, отслеживать его действия и использовать только коннекторы из доверенных источников.

Используйте ИИ-агентов и MCP Perplexity

Perplexity использует агентов и MCP в обоих направлениях. Его агенты, такие как Computer, используют MCP для подключения к внешним приложениям, а другие ИИ-ассистенты могут подключаться к Perplexity через MCP, чтобы задействовать его исследования.

Perplexity Computer — это универсальный ИИ-агент, который использует MCP для подключения к сторонним сервисам. Он может искать и просматривать веб, писать и запускать код, создавать документы, читать и отправлять электронную почту, управлять задачами в таких инструментах, как Jira, Slack или Notion, и многим другим.

Соединение работает и в обратную сторону. ИИ-ассистент, поддерживающий MCP, например Claude, ChatGPT или Cursor, может использовать MCP-сервер Perplexity для выполнения веб-поиска и получения результатов с заголовками, URL-адресами и фрагментами, либо поручить Computer выполнить многошаговую задачу.

Часто задаваемые вопросы

ИИ-агенты и MCP — это одно и то же?

Нет, ИИ-агенты и MCP — это не одно и то же, и каждый решает разные задачи. ИИ-агенты — это программные инструменты, которые автономно выполняют задачи пользователей, тогда как MCP — это стандартизированный способ, с помощью которого ИИ-инструменты получают доступ к другим приложениям.

ИИ-агенты и MCP часто работают вместе. ИИ-агент может использовать MCP для доступа к данным из другого программного приложения, чтобы реализовать поставленную цель.

В чем разница между MCP и навыками агента?

MCP (Model Context Protocol) подключает ИИ-инструмент к внешним приложениям и данным, а навыки агента — это многократно используемые инструкции, сценарии и ресурсы, которые обучают ИИ-агента тому, как выполнять специализированную задачу, и задают ограничения.

MCP — это то же самое, что API?

Нет, MCP и API — это не одно и то же. API позволяет одной программе вызывать другую по правилам, которые разработчик создает заранее, тогда как MCP позволяет ИИ-агентам видеть, какие возможности доступны, и решать, какие из них вызывать, без того чтобы разработчик заранее кодировал соединение.

При этом MCP-серверы часто используют API для подключения к инструментам.

Чем MCP отличается от A2A?

MCP (Model Context Protocol) подключает ИИ-агента к инструментам и данным, а A2A (Agent2Agent) подключает ИИ-агентов. Команда может использовать и то и другое: MCP отвечает за интеграцию инструментов, а A2A — за взаимодействие между агентами.

Чем MCP отличается от RAG?

RAG (retrieval-augmented generation) — это система, которую ИИ-инструменты используют, чтобы обосновывать ответы надежной информацией из внешнего источника знаний, тогда как MCP — это стандарт для подключения ИИ-приложений к внешним данным и инструментам. Таким образом, RAG может использовать MCP для доступа к своей базе знаний.

Можно ли использовать MCP, не будучи разработчиком?

Да, можно использовать MCP без написания кода, подключив совместимый с MCP ИИ-инструмент к сервису, который уже его поддерживает. Например, пользователи Perplexity могут использовать MCP для подключения к популярным приложениям, таким как Gmail, ClickUp или Figma.