Az AI-ügynökök eszközei: CLI vagy MCP a jobb interfész?
Az ügynöki szoftverek legfontosabb kérdése nem az, hogy melyik modellt használják, hanem az, hogy a modell milyen eszközökhöz férhet hozzá.
Az AI-ügynökök képességeit valójában nem a mögöttes nyelvi modell, hanem a világgal való interakciójuk módja határozza meg — írja a The Sequence Opinion #848 elemzése.
Egy nyelvi modell önmagában csak egy „agy a befőttesüvegben”, amely képes előre jelezni, tervezni és összefoglalni, de „kezek” nélkül nem tud cselekedni. Amint azonban eszközöket kap, operátorrá válik, képes fájlokat olvasni, kódot írni, API-kat hívni vagy akár infrastruktúrát telepíteni.
Az eszközök hatalma
Az ügynöki rendszerek alapeleme tehát az interfész, amely a modellt összeköti a külvilággal. Két fő megközelítés alakult ki erre a célra: a parancssori interfész (CLI) és a Model Context Protocol (MCP).
A CLI-filozófia szerint a legjobb eszközinterfész már létezik: ez az Unix folyamat. Ennek lényege a szöveges bemenet, szöveges kimenet és kilépési kód, ami lehetővé teszi a különböző eszközök egyszerű összekapcsolását. A MCP ezzel szemben azt vallja, hogy az ügynököknek strukturált, felfedezhető és típusos eszközökre van szükségük.
Választás az eszközök között
A két megközelítés közötti választás alapvetően befolyásolja, hogy az AI-ügynökök milyen komplexitású és megbízhatóságú feladatokat képesek elvégezni. A MCP például lehetővé teszi az ügynökök független fejlesztését és telepítését, miközben strukturált kimeneteket biztosít a fő ügynök számára.
A The Sequence Opinion #848 elemzése szerint a CLI és MCP közötti választás 2024-ben kulcsfontosságú lesz a jövőbeli AI-ügynöki rendszerek képességeinek meghatározásában, és a fejlesztőknek már most dönteniük kell a két megközelítés között.