Тема агентов ИИ быстро развивается. Вы, наверное, слышали о протоколе контекста моделя Anpropic (MCP), который агрессивно вырос с 500 серверов MCP в феврале до более чем 4000 на сегодняшний день. Поскольку сообщество все еще выясняло MCP, Google объявил о своем вкладе в пространства для агента, выпустив агента-2-агента (A2A). Объявление было встречено с волнением и путаницей.
Это быстрое распространение поднимает вопросы: зачем нам протоколы нескольких агентов? Являются ли MCP и A2A перекрывающиеся решения, или они дополняют друг друга? И критически, какой осязаемый рентабельность инвестиций может ожидать от принятия этих новых технологий агента ИИ? Эта статья подробно изучит эти вопросы.
Основы общения агента
Давайте начнем с основ. В то время как определения различаются, практический способ описания агента искусственного интеллекта — это «программное обеспечение, которое использует модели искусственного интеллекта для выполнения задач от имени пользователей».
Как правило, агенты опосредуют взаимодействие между двумя основными объектами: потребители (люди или другие агенты, запрашивающие информацию или действия), а также источники данных или внешние системы (предоставление информации или выполнения действий). Агент использует генеративные модели ИИ в качестве интеллектуального посредника, переводя запросы пользователей в исполняемые задачи и координирующие ответы или действия из внешних систем.
MCP от Antropic стандартизирует, как модели искусственного интеллекта общаются с внешними инструментами, базами данных и API. Он предоставляет модели с четким контекстом о том, что могут сделать внешние службы и какие данные им нужны. С MCP модели могут более эффективно выбирать и выполнять задачи. Думайте о MCP как о стандартизированном разъеме, например, USB для передачи данных. Подобно тому, как USB делал подключающие устройства более простыми и надежными, MCP делает взаимодействие между моделями и внешними системами более плавными и проще в управлении.
Google A2A работает на более высоком уровне, обеспечивая плавное взаимодействие между несколькими агентами. Он обеспечивает безопасное общение, управляет государством и контекстом взаимодействия, помогает агентам договариваться о задачах друг с другом и позволяет агентам легко открывать друг друга. По сути, A2A организует сотрудничество между несколькими специализированными агентами, координируя свои действия для эффективного достижения сложных целей.
Давайте используем простой пример, демонстрирующий, как A2A и MCP работают вместе. Предположим, вы просите агентскую многоагентную систему работать над следующей подсказкой: «Забронируйте мне поездку в Париж с теплой погодой, мероприятиями на свежем воздухе и максимальным бюджетом в 3000 долларов.
Вот что происходит дальше:
- A2A координирует специализированные суб-агенты для выполнения отдельных задач:
- Полеты: агент Google Agent Agent
- Погода: агент по погодным каналам
- Отели: агент Booking.com
- Мероприятия: Агент TripAdvisor
- Каждый суб-агент использует MCP для эффективного взаимодействия с его конкретными внешними источниками данных.
- Затем A2A собирает результаты этих суб-агентов, сравнивает доступные варианты, выбирает лучший выбор на основе ваших требований и собирает полный маршрут для путешествий.
Короче говоря, MCP гарантирует, что каждый агент плавно получает необходимые данные, в то время как A2A управляет общим сотрудничеством и предоставляет вам оптимальное объединенное решение.
Нам все равно нужны эти протоколы?
Протоколы следует использовать, потому что они нам нужны, а не только ради этого. На недавней панели, которую я модерировал во время запуска Rootly AI Labs, Пит Кумен, генеральный партнер Y Combinator, отметил, что, хотя они создали много агентов ИИ, чтобы помочь в управлении комбинатором Y, ни один из них не полагается на MCP или A2A. Нужны ли нам эти протоколы?
Йоко Ли, партнер Andreessen Horowitz, считает, что модели искусственного интеллекта имеют светлое будущее и в конечном итоге изменит нашу отрасль, делая многое от нашего имени. Но на сегодняшний день технология еще не полностью зрела. Модели забывают информацию, путаются с инструментами, имеющими в их распоряжении, и как их использовать, поэтому нам нужны эти слои процедуры, чтобы помочь им добраться туда. Протоколы, такие как MCP и A2A, в настоящее время играют эту решающую роль в качестве «ручных» инструментов, помогающих агентам и моделям, стоящим за ними, чтобы ориентироваться в задачах, с которыми они не могут справиться самостоятельно.
И хотя простым агентским рабочим процессам они могут не понадобиться, изысканные, особенно те, которые с участием нескольких агентов искусственного интеллекта. Мику Джа, прикладной директор Google Cloud и со-создатель A2A, подчеркнул, что предприятия примут управляемые агентами рабочие процессы только в том случае, если они доверяют надежным технологиям агентов, аналогично существующим предприятиям. Хотя генеративный ИИ впечатляет во многих аспектах, надежность не является одним из его сильных атрибутов. Это было намерением A2A. Команда Google тесно сотрудничала с предприятиями, чтобы понять их технические проблемы, связанные с созданием сложных рабочих процессов агента, и создала протокол для решения этих реальных проблем.
Измерение рентабельности в эпоху агента
Компании обычно используют агенты двумя основными способами: модернизация существующих рабочих процессов или обеспечение новых взаимодействий с пользователями с продуктами. После определения компании должны оценить, соответствуют ли агентские результаты, соответствующие их стандартам качества, и привести к ощутимой экономии затрат или увеличению доходов. JHA подчеркнул, что компании часто ошибочно начинают исследование, выбирая конкретные инструменты, такие как MCP или A2A, а не четко определяя их варианты использования и критерии для успеха. Она посоветовала изменить этот подход: компании должны сначала определить свои варианты использования и что значит успех с точки зрения ценности бизнеса, прежде чем инвестировать в Agent Technologies.
Тем не менее, мониторинг и измерение для систем, управляемых агентами, остаются недоразвитыми. Даже базовые концепции надежности, такие как измерение «сколько девяти» систем AI Uptime, обеспечивающих или определяющие SLA, все еще зарождаются, и оценка вывода Genai является сложной. Во время последней Srecon Americas аудитория была шокирована, узнав, что Microsoft использовала NP (чистые оценки промотора) для измерения производительности моделей искусственного интеллекта.
И наоборот, LI выделил сценарии, в которых традиционное измерение ROI может потерпеть неудачу или просто не иметь смысла. Она назвала компаньонов ИИ в качестве обширного рынка и в качестве примера потребителей, которые могут быть в ситуации, когда они не знали, что им нужен компаньон ИИ, но теперь не может жить без него — как вы измеряете рентабельность инвестиций в таком случае?
Здание — это путь вперед
Технология агента искусственного интеллекта все еще в первые годы, но компании с энтузиазмом изучают свой потенциал и стремятся захватить преимущества первопроходца. Куомен подчеркнул, что мы стоим в «один из самых интересных моментов в истории человечества» в начале технологической революции.
Хотя эти протоколы не могут длиться долго, усыновление MCP было быстрым, и даже конкуренция Антропика, такая как Openai, приняла его. Тем временем Microsoft недавно объявила, что внедряет A2A Google для своих потребностей в общении между агентами. Эти протоколы помогут привести агента на следующий уровень надежности, что может позволить компаниям превратить прототипы в проекты, которые приносят ценность. Поскольку только около 5% проектов Genai превращаются в прибыльные продукты, еще предстоит пройти долгий путь.
Trending Stories youtube.com/thenewstack Tech движется быстро, не пропустите эпизод. Подпишитесь на наш канал YouTube, чтобы транслировать все наши подкасты, интервью, демонстрации и многое другое. Группа подпишитесь с эскизом. Sylvain Kalache — технический предприниматель и инженер -программист. В настоящее время он является разработчиками отношений и лабораторий искусственного интеллекта в Rootly. Бывший основатель учебного таланта в школе программного обеспечения, нанятых такими компаниями, как Google, NASA, Telsa и Apple. Он начал … читать больше от Sylvain Kalache
