Secondo PANews, il protocollo MCP affronta diverse sfide mentre cerca di integrarsi negli ecosistemi AI. Il protocollo, progettato per collegare vari strumenti, ha difficoltà a causa dell'enorme numero di opzioni disponibili, rendendo difficile per i modelli di linguaggio di grandi dimensioni (LLMs) scegliere e utilizzare efficacemente. Nessuna IA può padroneggiare tutti i campi professionali, e questo problema non può essere risolto aumentando il numero di parametri.
Esiste un significativo divario tra la documentazione tecnica e la comprensione dell'AI, poiché la maggior parte dei documenti API è scritta per la comprensione umana e manca di descrizioni semantiche. L'architettura a doppia interfaccia del MCP, che funge da middleware tra LLMs e fonti di dati, è intrinsecamente difettosa. Deve gestire le richieste a monte e trasformare i dati a valle, un compito che diventa quasi impossibile quando le fonti di dati proliferano.
La mancanza di standardizzazione porta a formati di dati incoerenti, un problema derivante dall'assenza di collaborazione a livello industriale. Questo problema richiede tempo per essere risolto. Nonostante l'aumento dei limiti di token, il sovraccarico di informazioni rimane un problema persistente, poiché il MCP produce grandi quantità di dati JSON che consumano uno spazio contestuale significativo, limitando le capacità di inferenza.
Le strutture di oggetti complesse perdono le loro relazioni gerarchiche nelle descrizioni testuali, rendendo difficile per l'AI ricostruire le associazioni di dati. La sfida di collegare più server MCP è significativa, poiché ogni server può gestire compiti diversi, come l'elaborazione di file, le connessioni API o le operazioni su database. Quando l'AI deve collaborare tra server, è come costringere blocchi di costruzione disparati a incastrarsi insieme.
L'emergere della comunicazione AI-to-AI (A2A) segna solo l'inizio di una rete di agenti AI più avanzata, che richiederà protocolli di collaborazione di livello superiore e meccanismi di consenso. Il MCP rappresenta una fase iniziale in questa evoluzione.
Queste sfide evidenziano i problemi di crescita nella transizione da una 'libreria di strumenti' AI a un ecosistema AI completamente integrato. L'industria si trova ancora in una fase iniziale di fornitura di strumenti all'AI piuttosto che di costruzione di una vera infrastruttura di collaborazione AI. Anche se è importante demistificare il MCP, il suo valore come tecnologia transitoria non dovrebbe essere trascurato.