AI evrimi tarihinde "USB-C anı", 2024 yılının Kasım ayında, Anthropic tarafından yayımlanan MCP protokolü Silikon Vadisi'nde bir sarsıntı yaratıyor. "AI dünyasının USB-C'si" olarak adlandırılan bu açık standart, yalnızca büyük modellerin fiziksel dünya ile bağlantı biçimini yeniden yapılandırmakla kalmıyor, aynı zamanda AI tekelleşme sorununu çözmenin ve dijital medeniyetin üretim ilişkilerini yeniden inşa etmenin anahtarını saklıyor. Biz GPT-5'in parametre ölçeği üzerine tartışırken, MCP AGI çağının merkeziyetsiz yolunu sessizce döşüyor...
Bruce: Son zamanlarda Model Context Protocol (MCP) üzerinde çalışıyorum. Bu, ChatGPT'den sonra AI alanında beni çok heyecanlandıran ikinci şey, çünkü yıllardır düşündüğüm üç sorunu çözme umudu taşıyor:
Bilim insanı ve dahi olmayan sıradan insanlar, AI sektörüne nasıl katılabilir ve gelir elde edebilir?
AI ve Ethereum'un nasıl bir kazan-kazan durumu oluşturduğuna dair neler var?
AI d/acc nasıl gerçekleştirilir? Merkezileşmiş büyük şirketlerin tekel olmasını, sansürü önlemek ve AGI'nin insanları yok etmesini nasıl engelleriz?
01. MCP nedir?
MCP, LLM'nin dış veri kaynakları ve araçlarla entegrasyonunu basitleştiren açık bir standart çerçevesidir. Eğer LLM'yi Windows işletim sistemine benzetirsek, Cursor gibi uygulamalar klavye ve donanım ise, MCP bir USB arayüzüdür; dış verilerin ve araçların esnek bir şekilde eklenmesini destekler ve kullanıcılar bu dış verileri ve araçları okuyup kullanabilir.
MCP, LLM'yi genişletmek için üç yetenek sunar:
Kaynaklar（知识扩展）
Araçlar (fonksiyonları çalıştırma, dış sistemleri çağırma)
İpuçları (önceden yazılmış ipucu şablonları)
MCP, herhangi biri tarafından geliştirilebilir ve barındırılabilir, sunucu olarak hizmet verebilir ve herhangi bir zamanda çevrimdışı hale getirilip hizmet durdurulabilir.
02, Neden MCP'ye ihtiyaç var
Şu anda LLM, mümkün olan en fazla veriyi kullanarak büyük miktarda hesaplama yapıyor ve çok sayıda parametre üretiyor, bilgiyi modele entegre ederek ilgili bilgiyi diyalog çıktısına dönüştürüyor. Ancak, birkaç büyük sorun mevcut:
Büyük miktarda veri ve işlem, eğitim için genellikle eski olan bilgiye ihtiyaç duyan büyük miktarda zaman ve donanım gerektirir.
Çok sayıda parametreye sahip modeller, yerel cihazlarda dağıtım ve kullanım için zordur, ancak aslında kullanıcıların çoğu senaryoda tüm bilgilere ihtiyaç duymayabilir.
Bazı modeller, güncelliği sağlamak için dış bilgileri okumak adına tarayıcı kullanma yöntemini benimsemektedir; ancak tarayıcının kısıtlamaları ve dış verilerin kalitesi nedeniyle, daha yanıltıcı içerikler üretebilir.
AI'nın yaratıcılarına pek fayda sağlamaması nedeniyle, birçok web sitesi ve içerik anti-AI önlemleri uygulamaya başladı ve bu durum büyük miktarda gereksiz bilgi üretimine yol açarak LLM'nin kalitesinin giderek düşmesine neden olacak.
LLM, dış işlevler ve işlemler açısından genişletilmesi oldukça zor, örneğin GitHub API'sini doğru bir şekilde çağırarak bazı işlemleri gerçekleştirmek. Eski belgeler doğrultusunda kod oluşturabilir, ancak kesin bir şekilde yürütülmesini garanti edemez.
03, Şişman LLM ve Zayıf LLM + MCP'nin mimari evrimi
Mevcut dev ölçekli modelleri, aşağıdaki basit şemayla temsil edilebilecek olan şişman LLM olarak görebiliriz:
Kullanıcı bilgi girdikten sonra, Perception & Reasoning katmanı aracılığıyla girişi çözümleyip akıl yürütür ve ardından sonuç üretimi için büyük parametreleri çağırır.
MCP'ye dayalı olarak, LLM muhtemelen dil analizine odaklanabilir, bilgi ve yeteneklerden ayrılabilir, ince LLM haline gelebilir:
Ince LLM mimarisinde, Perception & Reasoning katmanı, insan fiziksel çevre bilgilerini token'lara nasıl dönüştüreceğine odaklanacaktır; bu, ses, ton, koku, görüntü, yazı, yerçekimi, sıcaklık gibi unsurları içermekte ve bunlarla sınırlı değildir. Daha sonra, MCP Coordinator aracılığıyla yüzlerce MCP Server'ı görevi tamamlamak için düzenleyip koordine edecektir. İnce LLM'nin eğitim maliyeti ve hızı hızla artacak, dağıtım cihazları için gereksinimler çok düşük hale gelecektir.
04, MCP üç büyük sorunu nasıl çözer?
Sıradan insanlar AI sektörüne nasıl katılabilir?
Herhangi bir eşsiz yeteneğe sahip kişi, kendi MCP Sunucusunu LLM'ye hizmet vermek için oluşturabilir. Örneğin, bir kuş meraklısı, yıllardır tuttuğu kuş notlarını MCP aracılığıyla hizmete sunabilir. Birisi LLM'yi kullanarak kuşlarla ilgili bilgiler aradığında, mevcut kuş notları MCP hizmeti çağrılacaktır. Yaratıcılar da bu şekilde gelir payı elde edecektir.
Bu, içerik hizmetlerinin daha standart hale geldiği, çağrı sayılarının ve çıkış token'larının oldukça hassas bir şekilde istatistiklerinin tutulabildiği daha kesin ve otomatik bir içerik üretici ekonomisi döngüsüdür. LLM sağlayıcıları, kullanıcıların seçim yapması ve puanlaması için aynı anda birden fazla kuş notu MCP Sunucusu çağırabilir, böylece kimin kalitesinin daha iyi olduğunu belirleyip daha yüksek eşleşme ağırlığı elde edebilir.
AI ve Ethereum'un kazan-kazan birleşimi
a. Ethereum'a dayalı bir OpenMCP.Network içerik oluşturucu teşvik ağı oluşturabiliriz. MCP Sunucusunun istikrarlı hizmetleri barındırması ve sunması gerekir, kullanıcılar LLM sağlayıcılarına ödeme yapar ve LLM sağlayıcıları, tüm ağın sürdürülebilirliğini ve istikrarını korumak ve MCP yaratıcılarını yüksek kaliteli içerik oluşturmaya ve sağlamaya devam etmeleri için motive etmek için ağ üzerinden MCP Sunucularına gerçek teşvikler dağıtır. Böyle bir ağ, şeffaf, güvenilir ve sansüre dayanıklı teşvikleri otomatikleştirmek için akıllı sözleşmelerin kullanılmasını gerektirecektir. İmzalar, izin doğrulama ve işlem sırasında gizlilik koruması, Ethereum cüzdanları ve ZK gibi teknolojiler kullanılarak uygulanabilir.
b. Ethereum ağı üzerindeki işlemlerle ilgili MCP Sunucuları geliştirmek, örneğin AA cüzdanı çağrı hizmeti, kullanıcıların LLM içerisinde dil aracılığıyla cüzdan ödemesi yapmalarını sağlamak, ilgili özel anahtar ve izinleri LLM'ye ifşa etmeden.
c. Ayrıca Ethereum akıllı sözleşme geliştirme ve kod oluşturmayı daha da basitleştiren çeşitli geliştirici araçları da mevcuttur.
AI'yi merkeziyetsizleştirmek
a. MCP Sunucuları, AI'nin bilgi ve yeteneklerini merkeziyetsiz hale getirir, herkes MCP Sunucuları oluşturup barındırabilir, OpenMCP.Network gibi platformlara kayıt olduktan sonra çağrılarla teşvikler alabilir. Hiçbir şirket tüm MCP Sunucularını kontrol edemez. Eğer bir LLM sağlayıcısı MCP Sunucularına haksız teşvikler verirse, yaratıcılar bu şirketin engellenmesini destekleyecek, kullanıcılar kaliteli sonuçlar alamazsa daha adil bir rekabet sağlamak için başka LLM sağlayıcılarına geçecektir.
b. Yaratıcılar, gizlilik ve telif hakkını korumak için kendi MCP Sunucuları üzerinde ince granüllü izin kontrolü sağlayabilirler. İnce LLM sağlayıcıları, yaratıcıları yüksek kaliteli MCP Sunucuları katkıda bulunmaları için makul teşvikler sunarak motive etmelidir.
c. İnce LLM yetenek farkı yavaş yavaş kapanacak çünkü insan dilinin bir keşif sınırı var ve evrimi de çok yavaş. LLM sağlayıcıları dikkatlerini ve fonlarını yüksek kaliteli MCP Sunucularına yönlendirmek zorunda kalacak, daha fazla grafik kartı kullanarak tekrar tekrar işlem yapmak yerine.
d. AGI'nin yetenekleri dağıtılacak ve yetkisi azaltılacak, LLM yalnızca dil işleme ve kullanıcı etkileşimi olarak kullanılacak, spesifik yetenekler çeşitli MCP Sunucuları içinde dağıtılacak. AGI, MCP Sunucuları kapatıldığında yalnızca temel dil diyalogları yapılabileceği için insanlara tehdit oluşturmayacak.
05, Genel Bakış
LLM + MCP Sunucularının mimari evrimi, esasen AI yeteneklerinin merkeziyetsizleştirilmesi olup, AGI'nin insanlığı yok etme riskini azaltmaktadır.
LLM'nin kullanım şekli, MCP Sunucularına yapılan çağrı sayısını ve girdi/çıktıları token seviyesinde istatistik ve otomasyona olanak tanır, bu da AI yaratıcı ekonomi sisteminin kurulmasına temel oluşturur.
İyi bir ekonomik sistem, yaratıcıların yüksek kaliteli MCP Sunucuları aktif bir şekilde katkıda bulunmalarını sağlayarak insanlığın gelişimini teşvik edebilir ve pozitif bir döngü oluşturabilir. Yaratıcılar artık AI'ya karşı direnç göstermeyecek, AI da daha fazla iş ve gelir sağlayacak, OpenAI gibi tekelleşmiş ticari şirketlerin kârlarını makul bir şekilde dağıtacaktır.
Bu ekonomik sistem, özellikleri ve yaratıcıların ihtiyaçları ile birleştiğinde, Ethereum tabanlı uygulamalar için son derece uygundur.
06, Gelecek Perspektifi: Bir Sonraki Senaryo Gelişimi
MCP veya benzeri MCP protokolleri birbiri ardına ortaya çıkacak, birkaç büyük şirket standart tanımında rekabete girecek.
MCP Tabanlı LLM ortaya çıkacak, insan dilini analiz etmeye ve işlemeye odaklanan küçük modellerle birlikte MCP ağına erişim sağlayan MCP Koordinatörü ile birlikte. LLM, karmaşık manuel yapılandırma gerektirmeden MCP Sunucularını otomatik olarak keşfetmeye ve planlamaya destek verecektir.
MCP Ağı hizmet sağlayıcıları ortaya çıkacak, her biri kendi ekonomik teşvik sistemine sahip olacak, MCP yaratıcıları kendi Sunucularını kaydedip barındırarak gelir elde edebilecek.
Eğer MCP Ağı'nın ekonomik teşvik sistemi Ethereum üzerinde inşa edilmişse ve akıllı sözleşmelere dayanıyorsa, Ethereum ağındaki işlemlerin tahmini olarak yaklaşık 150 kat artması beklenmektedir (günde 100 milyon MCP Sunucusu çağrısı gibi çok temkinli bir hesapla, şu anda 12 saniyede bir blokta 100 işlem hesaplanmaktadır).
The content is for reference only, not a solicitation or offer. No investment, tax, or legal advice provided. See Disclaimer for more risks disclosure.
AI, "USB-C anını" karşılıyor, MCP nasıl Ethereum ile mükemmel bir şekilde birleşiyor?
İçerik | Bruce
Düzenleme & Tasarım | Huan Huan
Tasarım | Daisy
AI evrimi tarihinde "USB-C anı", 2024 yılının Kasım ayında, Anthropic tarafından yayımlanan MCP protokolü Silikon Vadisi'nde bir sarsıntı yaratıyor. "AI dünyasının USB-C'si" olarak adlandırılan bu açık standart, yalnızca büyük modellerin fiziksel dünya ile bağlantı biçimini yeniden yapılandırmakla kalmıyor, aynı zamanda AI tekelleşme sorununu çözmenin ve dijital medeniyetin üretim ilişkilerini yeniden inşa etmenin anahtarını saklıyor. Biz GPT-5'in parametre ölçeği üzerine tartışırken, MCP AGI çağının merkeziyetsiz yolunu sessizce döşüyor...
Bruce: Son zamanlarda Model Context Protocol (MCP) üzerinde çalışıyorum. Bu, ChatGPT'den sonra AI alanında beni çok heyecanlandıran ikinci şey, çünkü yıllardır düşündüğüm üç sorunu çözme umudu taşıyor:
01. MCP nedir?
MCP, LLM'nin dış veri kaynakları ve araçlarla entegrasyonunu basitleştiren açık bir standart çerçevesidir. Eğer LLM'yi Windows işletim sistemine benzetirsek, Cursor gibi uygulamalar klavye ve donanım ise, MCP bir USB arayüzüdür; dış verilerin ve araçların esnek bir şekilde eklenmesini destekler ve kullanıcılar bu dış verileri ve araçları okuyup kullanabilir.
MCP, LLM'yi genişletmek için üç yetenek sunar:
MCP, herhangi biri tarafından geliştirilebilir ve barındırılabilir, sunucu olarak hizmet verebilir ve herhangi bir zamanda çevrimdışı hale getirilip hizmet durdurulabilir.
02, Neden MCP'ye ihtiyaç var
Şu anda LLM, mümkün olan en fazla veriyi kullanarak büyük miktarda hesaplama yapıyor ve çok sayıda parametre üretiyor, bilgiyi modele entegre ederek ilgili bilgiyi diyalog çıktısına dönüştürüyor. Ancak, birkaç büyük sorun mevcut:
03, Şişman LLM ve Zayıf LLM + MCP'nin mimari evrimi
Mevcut dev ölçekli modelleri, aşağıdaki basit şemayla temsil edilebilecek olan şişman LLM olarak görebiliriz:
Kullanıcı bilgi girdikten sonra, Perception & Reasoning katmanı aracılığıyla girişi çözümleyip akıl yürütür ve ardından sonuç üretimi için büyük parametreleri çağırır.
MCP'ye dayalı olarak, LLM muhtemelen dil analizine odaklanabilir, bilgi ve yeteneklerden ayrılabilir, ince LLM haline gelebilir:
Ince LLM mimarisinde, Perception & Reasoning katmanı, insan fiziksel çevre bilgilerini token'lara nasıl dönüştüreceğine odaklanacaktır; bu, ses, ton, koku, görüntü, yazı, yerçekimi, sıcaklık gibi unsurları içermekte ve bunlarla sınırlı değildir. Daha sonra, MCP Coordinator aracılığıyla yüzlerce MCP Server'ı görevi tamamlamak için düzenleyip koordine edecektir. İnce LLM'nin eğitim maliyeti ve hızı hızla artacak, dağıtım cihazları için gereksinimler çok düşük hale gelecektir.
04, MCP üç büyük sorunu nasıl çözer?
Sıradan insanlar AI sektörüne nasıl katılabilir?
Herhangi bir eşsiz yeteneğe sahip kişi, kendi MCP Sunucusunu LLM'ye hizmet vermek için oluşturabilir. Örneğin, bir kuş meraklısı, yıllardır tuttuğu kuş notlarını MCP aracılığıyla hizmete sunabilir. Birisi LLM'yi kullanarak kuşlarla ilgili bilgiler aradığında, mevcut kuş notları MCP hizmeti çağrılacaktır. Yaratıcılar da bu şekilde gelir payı elde edecektir.
Bu, içerik hizmetlerinin daha standart hale geldiği, çağrı sayılarının ve çıkış token'larının oldukça hassas bir şekilde istatistiklerinin tutulabildiği daha kesin ve otomatik bir içerik üretici ekonomisi döngüsüdür. LLM sağlayıcıları, kullanıcıların seçim yapması ve puanlaması için aynı anda birden fazla kuş notu MCP Sunucusu çağırabilir, böylece kimin kalitesinin daha iyi olduğunu belirleyip daha yüksek eşleşme ağırlığı elde edebilir.
AI ve Ethereum'un kazan-kazan birleşimi
a. Ethereum'a dayalı bir OpenMCP.Network içerik oluşturucu teşvik ağı oluşturabiliriz. MCP Sunucusunun istikrarlı hizmetleri barındırması ve sunması gerekir, kullanıcılar LLM sağlayıcılarına ödeme yapar ve LLM sağlayıcıları, tüm ağın sürdürülebilirliğini ve istikrarını korumak ve MCP yaratıcılarını yüksek kaliteli içerik oluşturmaya ve sağlamaya devam etmeleri için motive etmek için ağ üzerinden MCP Sunucularına gerçek teşvikler dağıtır. Böyle bir ağ, şeffaf, güvenilir ve sansüre dayanıklı teşvikleri otomatikleştirmek için akıllı sözleşmelerin kullanılmasını gerektirecektir. İmzalar, izin doğrulama ve işlem sırasında gizlilik koruması, Ethereum cüzdanları ve ZK gibi teknolojiler kullanılarak uygulanabilir.
b. Ethereum ağı üzerindeki işlemlerle ilgili MCP Sunucuları geliştirmek, örneğin AA cüzdanı çağrı hizmeti, kullanıcıların LLM içerisinde dil aracılığıyla cüzdan ödemesi yapmalarını sağlamak, ilgili özel anahtar ve izinleri LLM'ye ifşa etmeden.
c. Ayrıca Ethereum akıllı sözleşme geliştirme ve kod oluşturmayı daha da basitleştiren çeşitli geliştirici araçları da mevcuttur.
AI'yi merkeziyetsizleştirmek
a. MCP Sunucuları, AI'nin bilgi ve yeteneklerini merkeziyetsiz hale getirir, herkes MCP Sunucuları oluşturup barındırabilir, OpenMCP.Network gibi platformlara kayıt olduktan sonra çağrılarla teşvikler alabilir. Hiçbir şirket tüm MCP Sunucularını kontrol edemez. Eğer bir LLM sağlayıcısı MCP Sunucularına haksız teşvikler verirse, yaratıcılar bu şirketin engellenmesini destekleyecek, kullanıcılar kaliteli sonuçlar alamazsa daha adil bir rekabet sağlamak için başka LLM sağlayıcılarına geçecektir.
b. Yaratıcılar, gizlilik ve telif hakkını korumak için kendi MCP Sunucuları üzerinde ince granüllü izin kontrolü sağlayabilirler. İnce LLM sağlayıcıları, yaratıcıları yüksek kaliteli MCP Sunucuları katkıda bulunmaları için makul teşvikler sunarak motive etmelidir.
c. İnce LLM yetenek farkı yavaş yavaş kapanacak çünkü insan dilinin bir keşif sınırı var ve evrimi de çok yavaş. LLM sağlayıcıları dikkatlerini ve fonlarını yüksek kaliteli MCP Sunucularına yönlendirmek zorunda kalacak, daha fazla grafik kartı kullanarak tekrar tekrar işlem yapmak yerine.
d. AGI'nin yetenekleri dağıtılacak ve yetkisi azaltılacak, LLM yalnızca dil işleme ve kullanıcı etkileşimi olarak kullanılacak, spesifik yetenekler çeşitli MCP Sunucuları içinde dağıtılacak. AGI, MCP Sunucuları kapatıldığında yalnızca temel dil diyalogları yapılabileceği için insanlara tehdit oluşturmayacak.
05, Genel Bakış
06, Gelecek Perspektifi: Bir Sonraki Senaryo Gelişimi