Resumen de Model Context Protocol
 |
Model Context Protocol (beta) se ofrece actualmente en modo de versión preliminar y solo proporciona la validación funcional básica. En versiones futuras se introducirán capacidades ampliadas y de cualificación completas.
|
Tradicionalmente, cada aplicación de IA requiere una integración personalizada con cada sistema back-end. En un entorno con M aplicaciones de IA y N orígenes de datos, esto da como resultado M × N integraciones independientes.
Por ejemplo, tres aplicaciones de IA que se conectan a tres orígenes de datos ya requieren nueve integraciones independientes, cada una con su propia lógica de autenticación, asignación de datos, manejo de errores y mantenimiento continuo. A medida que crece el número de sistemas, este modelo se vuelve más difícil de escalar, se añade sobrecarga de ingeniería, ralentiza la entrega de funciones y se producen incoherencias en la forma en que las aplicaciones consumen datos empresariales.
MCP elimina esta fragmentación al estandarizar la manera en que las aplicaciones de IA interactúan con los sistemas externos.
En el siguiente diagrama se muestra el desafío de integración M×N, donde se muestra cómo múltiples aplicaciones de IA y orígenes de datos crean una red de conexiones personalizadas que rápidamente se vuelve compleja.
Cómo MCP simplifica la integración
MCP introduce una capa de interacción estandarizada entre las aplicaciones de IA y los sistemas back-end. En lugar de requerir que cada aplicación de IA se integre individualmente con cada origen de datos, MCP proporciona un marco unificado a través de clientes MCP y servidores MCP:
• Las aplicaciones de IA se integran una vez con un cliente MCP.
• Los orígenes de datos se integran una vez con un servidor MCP.
MCP luego administra el modelo de interacción, incluida la ejecución de herramientas, el intercambio de esquemas y la comunicación contextual. Esto cambia el patrón de integración de un modelo M×N, donde cada aplicación requiere una integración personalizada directa con cada origen de datos, a un modelo M + N, donde cada sistema se conecta solo una vez al ecosistema MCP.
En términos prácticos, para tres aplicaciones de IA y tres orígenes de datos, el recuento de integración se reduce de nueve a seis. Este método estandarizado mejora la escalabilidad, reduce los gastos generales de mantenimiento y permite una interoperabilidad coherente entre diversos sistemas.
En el siguiente diagrama se muestra cómo MCP cambia el patrón de integración de conexiones personalizadas M×N a un modelo M+N optimizado, lo que reduce la complejidad y mejora la escalabilidad.
Integración de MCP en implementaciones de ThingWorx multisitio
En el siguiente diagrama se muestra cómo el MCP permite la interacción inteligente y unificada entre los sistemas de IA y los entornos de ThingWorx distribuidos en múltiples sitios de fabricación.
Capa de interacción de AI
En el nivel superior, el asistente de IA de ThingWorx puede funcionar como un cliente MCP, lo que permite a los agentes de IA invocar servicios de ThingWorx a través de interacciones MCP estandarizadas. De este modo, se permiten flujos de trabajo como, por ejemplo, consultas de datos, diagnósticos o automatización inteligente.
Las aplicaciones personalizadas y las aplicaciones de ThingWorx (por ejemplo, DPM y AMU) también pueden comunicarse a través de la misma interfaz MCP.
Servidores MCP de ThingWorx
Cada instancia de ThingWorx, implementada por fábrica o región, actúa como un servidor MCP, exponiendo las capacidades de la plataforma (herramientas, indicadores y recursos) a través de MCP. De este modo, las aplicaciones de IA se pueden conectar a cualquier sitio utilizando una interfaz coherente sin integraciones personalizadas.
Entre las implementaciones de sitio de ejemplo que se muestran en el diagrama se incluyen las siguientes:
• Servidor 1: sitios 1 y 2 (Boston, Detroit)
• Servidor 2: sitio 3 (Múnich)
• Servidor 3: sitio 4 (Ciudad de México)
Cada servidor se integra con sistemas operativos locales, como ERP, MES, PLM, y maquinaria industrial conectadas a Kepware.
Hilo digital multisitio con MCP
MCP proporciona una capa de comunicación estandarizada entre los clientes de IA y los servidores de ThingWorx en todos los sitios. Entre las ventajas se incluyen las siguientes:
• Una interfaz unificada y coherente para que la IA interactúe con los datos operativos
• Reducción de la complejidad de integración entre sistemas heterogéneos
• Acceso a información contextualizada desde cualquier implementación de ThingWorx
• Orquestación y análisis escalables multisitio con tecnología de IA
Integración de agente a sistema mediante MCP
Los clientes MCP, como Claude Desktop, Cursor, extensiones de VS Code o aplicaciones de IA personalizadas, pueden integrarse con cualquier sistema compatible con MCP, entre los que se incluyen los siguientes:
• Servidor MCP de ThingWorx
• Sistemas de terceros que exponen interfaces MCP
De este modo, los agentes de IA pueden operar en múltiples sistemas empresariales sin conectores personalizados, aprovechando MCP para el acceso estructurado a herramientas, indicaciones y recursos de datos.
Ecosistema de agentes de IA y sistemas conectados
Utilizando MCP, los agentes pueden interactuar no solo con ThingWorx, sino también con los sistemas que soportan MCP, como por ejemplo:
• SAP
• Salesforce
• Microsoft 365
• Slack
• GitHub
• Otros servidores de ThingWorx
Ventajas clave
• Estandarización: MCP elimina las integraciones punto a punto personalizadas al proporcionar un protocolo común para la comunicación de IA a sistema.
• Escalabilidad: añadir nuevos sitios o aplicaciones sin volver a compilar las integraciones.
• Información gobernada por IA: los asistentes de IA centralizados pueden razonar sobre datos operativos distribuidos.
• Extensibilidad: las herramientas y los recursos de ThingWorx se pueden conectar a cualquier host compatible con MCP (por ejemplo, las extensiones Claude Desktop y VS Code).