Understanding How Enterprises Adopt the Model Context Protocol for LLM-Driven Software Engineering
Dit artikel presenteert een empirische studie onder 20 professionals bij acht ondernemingen, waaruit blijkt dat hoewel het Model Context Protocol (MCP) wordt gewaardeerd om het verbeteren van samenwerking tussen systemen en taakontkoppeling in door LLM gestuurde software engineering, de brede adoptie ervan momenteel wordt belemmerd door ecosysteemfragmentatie, coördinatieproblemen en onopgeloste kwesties in state management en foutdiagnose.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je voor dat je een briljante, hyperintelligente assistent hebt (een Large Language Model, of LLM) die code kan schrijven, vragen kan beantwoorden en puzzels kan oplossen. Maar er is een addertje onder het gras: deze assistent leeft in een afgesloten kamer. Hij kan niet bij je bestanden, je agenda controleren of met de database van je bank praten. Om hem iets nuttigs te laten doen, moet je hem voor elke specifieke taak één voor één een specifere tool overhandigen. Het is alsof je een huis probeert te bouwen door de bouwer eerst een hamer, dan een zaag, dan een spijker en dan een schroevendraaier te geven, telkens wanneer hij van gereedschap moet wisselen.
Dit is het probleem dat het Model Context Protocol (MCP) werd uitgevonden om op te lossen.
Het Grote Idee: De "Universele Adapter"
Beschouw MCP als een universele stekkerdoos en afstandsbediening voor je AI-assistent. In plaats van voor elk apparaat in je huis een aangepaste kabel te maken, plug je alles in deze ene slimme stekkerdoos.
- Vóór MCP: De AI was hardwired verbonden met elke tool. Als je een nieuwe tool wilde toevoegen, moest je het hele systeem herbedraden.
- Met MCP: De AI maakt verbinding met de "MCP-stekkerdoos". De stekkerdoos weet hoe hij met je agenda, je database en je code-editor moet communicen. De AI vraagt de stekkerdoos simpelweg: "Ik moet het weer controleren," en de stekkerdoos regelt de rest.
Wat de Onderzoekers Deden
De auteurs van dit paper wilden weten: Werkt deze "universele stekkerdoos" ook echt in de echte wereld?
Ze keken niet alleen naar de code; ze gingen het veld in. Ze interviewden 20 echte experts (architecten, ontwikkelaars en managers) van 8 bedrijven uit twee belangrijke sectoren:
- De Internetsector (zoals grote techbedrijven).
- De Financiële Sector (banken en fintech).
Ze vroegen deze experts: "Hoe gebruiken jullie dit? Helpt het? Wat gaat er mis?"
Het Goede Nieuws: Het is een Game Changer
De experts waren het erover eens dat MCP ongelooflijk waardevol is. Dit is wat zij zeiden dat het doet:
- Het doorbreekt silo's: Het laat de AI praten met verschillende systemen die normaal gesproken niet met elkaar communiceren.
- Het bespaart tijd: In plaats van aangepaste code te schrijven om de AI met een tool te verbinden, "plug je het gewoon in."
- Het is veiliger: Het geeft je een standaard manier om te controleren wat de AI wel en niet mag aanraken.
Het Slechte Nieuws: Groeipijnen
Echter, het paper onthult dat hoewel het idee geweldig is, de realiteit rommelig is. De experts kregen te maken met drie hoofdpijndossiers:
1. De "Universele Stekker" is nog niet echt universeel.
Stel je voor dat je een universele adapter koopt, maar deze past slechts in de helft van de stopcontacten in je huis. Dat is de huidige staat van MCP. Verschillende softwareframeworks (de "stopcontacten") spreken net iets andere talen.
- Het resultaat: Bedrijven besteden veel tijd en geld aan het bouhalen van "adapters" om MCP werkend te krijgen met hun bestaande tools. Het is alsof je elke keer een aangepaste brug moet bouwen om een rivier over te steken.
2. De "Afstandsbediening" raakt in de war.
Wanneer de AI probeert een tool te gebruiken, kiest hij soms de verkeerde of loopt hij vast.
- Het resultaat: Het systeem probeert een taak uit te voeren, loopt vast en begint dan weer helemaal opnieuw, wat tijd verspilt. Het is als een GPS die de route steeds opnieuw berekent telkens wanneer je een hobbel raakt, waardoor je in cirkels rijdt.
3. "Waar is het vuur begonnen?" (Probleemoplossing is moeilijk).
Wanneer er iets misgaat in dit complexe systeem, is het ontzettend moeilijk om te achterhalen waarom.
- Het resultaat: 100% van de experts gaf aan dat het moeilijkste deel het vinden van de bug is. Is het de AI? Is het de tool? Is het de verbinding? Er zijn nog geen goede "diagnostische tools". Het is alsof je een automotor probeert te repareren terwijl de auto met 100 km/u rijdt, zonder dashboardlampjes die aangeven welk onderdeel het laat afweten.
Verschillen tussen Sectoren: Twee Verschillende Werelden
Het paper vond dat de twee sectoren MCP verschillend gebruiken:
- Internetbedrijven: Zij gebruiken het om verbinding te maken met de buitenwereld (zoals het ophalen van live data van het web). Hun grootste zorg is beveiliging (erop letten dat de AI niet per ongeluk iets belangrijks verwijdert).
- Financiële bedrijven: Zij houden hun AI strikt binnen hun eigen muren (geen toegang tot het internet) om geheimen te beschermen. Hun grootste zorg is compliance (erop letten dat elke stap de regels volgt).
De "Stabiliteitsparadox"
Een van de meest verrassende bevindingen was een fenomeen dat de onderzoekers "Stability Superposition Attenuation" noemen.
- De analogie: Stel je een koor voor. Als je één zanger hebt, kan die perfect zijn. Als je er twee hebt, kunnen ze harmonieën zingen. Maar als je 20 zangers hebt die allemaal tegelijkertijd verschillende liedjes proberen te zingen, is het resultaat chaos.
- De bevinding: Hoe meer tools en AI-modellen je met elkaar verbindt via MCP, hoe minder stabiel het hele systeem wordt. Hoe meer onderdelen je toevoegt, hoe groter de kans dat er iets kapot gaat.
Wat Iedereen Vervolgens Wil
De experts vragen niet om meer functies; ze vragen om eenvoud en betrouwbaarheid:
- Eén Standaard: Ze willen dat iedereen het eens wordt over één set regels, zodat ze niet telkens aangepaste adapters hoeven te bouwen.
- Eenvoudige Installatie: Ze willen "plug-and-play" tools die werken zonder dat er een PhD in computerwetenschappen voor nodig is om ze te installeren.
- Betere Diagnostiek: Ze hebben een "check engine light" nodig dat daadwerkelijk vertelt wat er mis is wanneer het systeem faalt.
De Kernboodschap
Het paper concludeert dat MCP een briljant idee is dat zich momenteel in de "groeipijnen"-fase bevindt. Het heeft de potentie om de manier waarop bedrijven AI gebruiken te revolutioneren, maar op dit moment is het als een nieuw elektriciteitsnet dat in theorie geweldig werkt, maar in de praktijk nog losse draden en verwarrende schakelaars heeft. De industrie moet stoppen met het bouwen van aangepaste bruggen en beginnen met het bouwen van een gestandaardiseerde snelweg.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.