A medida que se acelera el desarrollo de equipos de IA, las empresas se ven sometidas a una presión cada vez mayor para transferir modelos a modelos con escalabilidad y escalabilidad.
Entre bastidores, los modelos operativos de IA están llenos de procesos opacos, metadatos faltantes, antidependencia y obras de arte bloqueadas.
Es por eso que, según nuestro Estado de la Unión de la cadena de suministro de software de 2021, el 73% de las empresas han explicado la falta de confianza total en el seguimiento y la seguridad de los elementos de IA en su cartera de software.
Este es un problema básico que debe resolverse no sólo en términos de consentimiento y protección, sino también de confiabilidad y movimiento.
Para resolver estos desafíos, ha surgido un nuevo estándar abierto: Model Context Protocol (MCP). El modelo de IA de MCPS a menudo tiene como objetivo desarrollar precisión, control y confianza en el mundo del orden mundial.
¿Qué es el MCP y por qué es importante?
Los modelos de IA no funcionan por separado, son el producto de un complejo proceso involucrado en datos, códigos, dependencia y toma de decisiones humanas.
Hoy, sin embargo, la mayoría de las empresas consideran el modelo final como una caja negra, con muy poca visibilidad sobre cómo se construyó o si podría ser creíble.
MCP viene aquí
Es el entorno en el que atrae el entorno impulsado, MCP todos los paquetes de archivos digitales firmados que pueden digerirse fácilmente por las computadoras, garantizar la trazabilidad, integridad y reproducibilidad durante todo el ciclo de vida del modelo.
En otras palabras, la moderna cadena de suministro de software de MCP AI aporta la misma dureza y transparencia. A medida que la presión en torno a la IA es responsable de los reguladores, los clientes y el público, ese cambio no sólo es útil, sino necesario.
¿Por qué es importante el MCP ahora?
La adopción de la IA en el entorno de fabricación se está disparando y los equipos existentes de aprendizaje automático (ML) y grandes modelos de lenguaje (LLM) no lograron satisfacer las necesidades específicas de los trabajadores.
DITION DIVAPE DIVAPS Los pipelines no están diseñados para pruebas temporales, conjuntos de datos dispersos o docenas de paquetes que dependen de la presión del trabajo de ML y de los controladores de GPU. Produce importantes puntos ciegos.
De hecho, según nuestro informe, el 94 % de las empresas utilizan software de código abierto en su entorno de fabricación, incluida AI Workload, pero alrededor del 60 % de los paquetes y modelos relacionados con la IA reconocen que no tienen la confianza para rastrear el origen y la protección de los modelos.
El MCP ha tomado medidas en ese sentido al proporcionar un protocolo en serie, protegido y automatizado para administrar el modelo, capturar todo el contexto de tiempo de ejecución, implementar escala en la nube, en el entorno de sacerdote o de borde y verificaciones de licencia integradas y debilitamiento mediante el escaneo de los resultados.
También sirve como fuente única de confianza para todos los activos relacionados con el modelo y también los flujos en las partes.
Incorpora las moscas de trabajo de IA en la práctica existente de la cadena de suministro de software, permite a las partes de MCP reducir el riesgo, acelerar la distribución y crear aplicaciones de IA que sean más potentes.
En definitiva, es un paso básico hacia el desarrollo de modelos de IA como ciudadano de primera para desarrollar software empresarial.
¿Cuál es el papel de MCP en la cadena de suministro de software?
Existe una percepción cada vez mayor de que los modelos son más que solo código: son nuevos binarios.
Al igual que los paquetes de software, los modelos son resultados compilados del trabajo de Ujan: conjunto de datos, configuración, dependencia y argumento de entrenamiento. Sin embargo, en muchas empresas se operan de forma flexible y desconectada de las divisiones estándar y de los canales MLOPS.
Para cambiarlo, equipos con visión de futuro comenzaron a tratar los modelos de IA con la misma disciplina que cualquier otra obra de arte de software.
Significa capturar todo el contexto del ciclo de vida del modelo; De dónde vino, cómo se construyó, depende de cómo implementarlo o administrarlo.
Ese es el objetivo del MCP. Los componentes del modelo definen una serie de estructuras para rastrear y compartir, MCP ayuda a detener el trabajo experimental de IA y la implementación segura y escalable.
Admite la integración con marcos populares de código abierto como MLFO, Embrace face y Langchen, lo que permite a los desarrolladores trabajar en un entorno familiar durante la administración necesaria para utilizar la producción.
Las empresas receptoras de MCP ahora pueden:
- Integrar y gestionar modelos desde diferentes herramientas y plataformas de formación.
- Aplique una administración basada en políticas con cumplimiento de licencias y escaneo de debilidades
- Procedencia con confianza, seguimiento del historial de versiones y dependencia
- Distribuya modelos a través de canales unificados a través de la nube, el entorno principal o de borde a través del entorno.
¿Cómo ayuda el MCP a la IA a pasar de la prueba a la empresa?
La mayoría de los proyectos de IA carecen de la higiene básica que adoptan los equipos de software actuales: limpieza, seguimiento de dependencias, control de versiones y verificación de protección. Este intervalo hace que sea casi imposible reproducir los resultados, gestionar el riesgo o reaccionar al estrés regulatorio.
El MCP proporciona una manera de avanzar con las mejores prácticas de décadas en la cadena de suministro de software, desde el modelo base estructural de trazabilidad automática hasta la cadena de suministro de software.
Esto significa que cuando los modelos se reutilizan, actualizan o monitorean, la IA tiene menos confianza al implementarla en un entorno controlado o de cara al cliente.
Al consolidar las actuales iniciativas de CI/CD y desarrollo, el MCP no sólo promete una IA responsable, sino que la hace práctica.
¿Cuál es el próximo del MCP?
El MCP todavía se encuentra en desarrollo activo con sus especificaciones y el progreso continuo del equipo. El protocolo cuenta con el respaldo de múltiples comunidades de IA de código abierto y está creciendo como una IA creciente, reproductiva y la base de la IA lista para la empresa.
Las empresas trabajan para rastrear y administrar los modelos MCP, así como para implementar sistemas de inteligencia artificial de manera responsable, aprovechando las mejores prácticas establecidas en las cadenas de suministro de software, como el control de versiones, el seguimiento de procedencia y los controles de seguridad.
Como lo tradicional es como el software, los modelos contextuales de IA son una responsabilidad. Con la ayuda de MCP, pueden convertirse en un recurso protegido y manejable, listo para la producción.
Contamos con el mejor software de desarrollo de aplicaciones móviles.El
Este artículo fue elaborado como parte del canal de información especializado de Techraderpro, donde somos la mente más brillante y mejor de la industria tecnológica de la actualidad. Las opiniones aquí publicadas pertenecen al autor y no son esenciales para Techroderpro o Future PLC. Si estás interesado en contribuir, mira más aquí:
