Übersicht über das Model Context Protocol
 |
Das Model Context Protocol (Beta) wird derzeit im Vorschaumodus angeboten und stellt nur eine grundlegende Funktionsvalidierung bereit. Die vollständige Qualifizierung und erweiterte Funktionen werden in zukünftigen Versionen eingeführt.
|
Traditionell erfordert jede KI-Anwendung eine benutzerdefinierte Integration mit jedem Backend-System. In einer Umgebung mit M KI-Anwendungen und N Datenquellen führt dies zu M × N unabhängigen Integrationen.
Beispielsweise erfordern drei KI-Anwendungen, die mit drei Datenquellen verbunden sind, bereits neun separate Integrationen mit jeweils eigener Authentifizierungslogik, Datenzuordnung, Fehlerbehandlung und laufender Wartung. Mit wachsender Anzahl von Systemen wird die Skalierung dieses Modells schwieriger, erhöht den Entwicklungsaufwand, verlangsamt die Bereitstellung von Funktionen und führt zu Inkonsistenzen in der Art und Weise, wie Anwendungen Unternehmensdaten verbrauchen.
MCP beseitigt diese Fragmentierung, indem es die Interaktion von KI-Anwendungen mit externen Systemen standardisiert.
Das folgende Diagramm veranschaulicht die Herausforderung der M×N-Integration und zeigt, wie mehrere KI-Anwendungen und Datenquellen ein Netz benutzerdefinierter Verbindungen erstellen, das schnell komplex wird.
So vereinfacht MCP die Integration
MCP führt eine standardisierte Interaktionsschicht zwischen KI-Anwendungen und Backend-Systemen ein. Anstatt dass jede KI-Anwendung einzeln in jede Datenquelle integriert werden muss, bietet MCP ein einheitliches Framework mithilfe von MCP-Clients und MCP-Servern:
• KI-Anwendungen werden einmal in einen MCP-Client integriert.
• Datenquellen werden einmal in einen MCP-Server integriert.
MCP verwaltet dann das Interaktionsmodell, einschließlich Tool-Ausführung, Schemaaustausch und kontextuelle Kommunikation. Dadurch verschiebt sich das Integrationsmuster von einem M×N-Modell, bei dem jede Anwendung eine direkte benutzerdefinierte Integration in jede Datenquelle erfordert, zu einem M+N-Modell, bei dem jedes System nur einmal eine Verbindung zum MCP-Ökosystem herstellt.
In der Praxis sinkt die Anzahl der Integrationen für drei KI-Anwendungen und drei Datenquellen von neun auf sechs. Dieser standardisierte Ansatz verbessert die Skalierbarkeit, reduziert den Wartungsaufwand und ermöglicht konsistente Interoperabilität zwischen verschiedenen Systemen.
Das Diagramm unten zeigt, wie MCP das Integrationsmuster von M×N benutzerdefinierten Verbindungen in ein optimiertes M+N-Modell ändert, wodurch die Komplexität reduziert und die Skalierbarkeit verbessert wird.
MCP-Integration in ThingWorx Bereitstellungen mit mehreren Standorten
Das folgende Diagramm veranschaulicht, wie das MCP eine intelligente, einheitliche Interaktion zwischen KI-Systemen und verteilten ThingWorx Umgebungen über mehrere Produktionsstätten hinweg ermöglicht.
KI-Interaktionsschicht
Auf der obersten Ebene kann der ThingWorx AI Assistant als MCP-Client fungieren, sodass KI-Agenten ThingWorx Dienste über standardisierte MCP-Interaktionen aufrufen können. Dies ermöglicht Workflows wie Datenabfragen, Diagnose oder intelligente Automatisierung.
Benutzerdefinierte Anwendungen und ThingWorx Anwendungen (z.B. DPM und AMU) können ebenfalls über dieselbe MCP-Schnittstelle kommunizieren.
ThingWorx MCP-Server
Jede ThingWorx Instanz, die pro Produktionsstätte oder Region bereitgestellt wird, fungiert als MCP-Server und stellt Plattformfunktionen (Tools, Eingabeaufforderungen und Ressourcen) über MCP bereit. Dadurch können KI-Anwendungen über eine konsistente Schnittstelle ohne benutzerdefinierte Integrationen eine Verbindung zu jedem Standort herstellen.
Beispiele für Standortbereitstellungen im Diagramm sind:
• Server 1 – Standorte 1 und 2 (Boston, Detroit)
• Server 2 – Standort 3 (München)
• Server 3 – Standort 4 (Mexiko-Stadt)
Jeder Server wird in lokale operative Systeme wie ERP, MES, PLM und über Kepware verbundenen Maschinen- und Anlagenbau integriert.
Digital Thread für mehrere Standorte mit MCP
MCP stellt eine standardisierte Kommunikationsschicht zwischen KI-Clients und ThingWorx Servern über alle Standorte hinweg bereit. Zu den Vorteilen zählen:
• Einheitliche, konsistente Schnittstelle für KI zur Interaktion mit operativen Daten
• Geringere Integrationskomplexität über heterogene Systeme hinweg
• Zugriff auf kontextualisierte Informationen aus jeder ThingWorx Bereitstellung
• Skalierbare Orchestrierung und Analyse für mehrere Standorte unterstützt von KI
Agent-zu-System-Integration mit MCP
MCP-Clients wie Claude Desktop, Cursor, VS Code-Erweiterungen oder benutzerdefinierte KI-Anwendungen können in jedes MCP-konforme System integriert werden, einschließlich:
• ThingWorx MCP-Server
• Drittanbietersysteme, die MCP-Schnittstellen bereitstellen
Dies ermöglicht es KI-Agenten, ohne benutzerdefinierte Konnektoren über mehrere Unternehmenssysteme hinweg zu arbeiten und MCP für strukturierten Tool-Zugriff, Eingabeaufforderungen und Datenressourcen zu nutzen.
Ökosystem von KI-Agenten und verbundenen Systemen
Mithilfe von MCP können Agenten nicht nur mit ThingWorx, sondern auch mit Systemen interagieren, die MCP unterstützen, wie z.B.:
• SAP
• Salesforce
• Microsoft 365
• Slack
• GitHub
• Andere ThingWorx Server
Hauptvorteile
• Standardisierung – MCP eliminiert benutzerdefinierte Punkt-zu-Punkt-Integrationen, indem es ein gemeinsames Protokoll für die KI-zu-System-Kommunikation bereitstellt.
• Skalierbarkeit – Fügen Sie neue Standorte oder Apps hinzu, ohne Integrationen neu zu erstellen.
• KI-gesteuerte Einblicke – Zentralisierte KI-Assistenten können verteilte Betriebsdaten analysieren.
• Erweiterbarkeit – Die Tools und Ressourcen von ThingWorx bleiben in jeden MCP-konformen Host integrierbar (z.B. Claude Desktop und VS Code-Erweiterungen).