Panoramica di Model Context Protocol
 |
Model Context Protocol (beta) è attualmente disponibile in modalità di anteprima e fornisce solo la convalida funzionale di base. Nelle release future verranno introdotte funzionalità espande e l'idoneità completa.
|
Tradizionalmente, ogni applicazione di intelligenza artificiale richiede un'integrazione personalizzata con ogni sistema di back-end. In un ambiente con applicazioni di intelligenza artificiale M e origini dati N, ciò si traduce in integrazioni indipendenti M × N.
Ad esempio, tre applicazioni di intelligenza artificiale che si connettono a tre origini dati richiedono già nove integrazioni distinte, ciascuna con logica di autenticazione, mappatura dei dati, gestione degli errori e manutenzione continua specifiche. Con l'incremento del numero di sistemi, la scalabilità di questo modello risulta più complessa, comporta un sovraccarico di progettazione, rallenta la distribuzione delle funzionalità e genera modalità di utilizzo dei dati aziendali non uniformi da parte delle applicazioni.
MCP elimina questa frammentazione standardizzando il modo in cui le applicazioni di intelligenza artificiale interagiscono con i sistemi esterni.
Il diagramma seguente illustra la sfida dell'integrazione M×N, mostrando come più applicazioni di intelligenza artificiale e origini dati creino una rete di connessioni personalizzate che diventa rapidamente complessa.
Come MCP semplifica l'integrazione
MCP introduce un livello di interazione standardizzato tra applicazioni di intelligenza artificiale e sistemi di back-end. Anziché richiedere che ogni applicazione di intelligenza artificiale si integri individualmente con ogni origine dati, MCP fornisce un framework unificato tramite client e server MCP:
• Le applicazioni di intelligenza artificiale si integrano una volta con un client MCP.
• Le origini dati si integrano una volta con un server MCP.
MCP gestisce quindi il modello di interazione, inclusi l'esecuzione degli strumenti, lo scambio di schemi e la comunicazione contestuale. Ciò sposta il modello di integrazione da un modello M×N, in cui ogni applicazione richiede un'integrazione personalizzata diretta con ogni origine dati, a un modello M+N, in cui ogni sistema si connette una sola volta all'ecosistema MCP.
In termini pratici, per tre applicazioni di intelligenza artificiale e tre origini dati, il numero delle integrazioni scende da nove a sei. Questo approccio standardizzato migliora la scalabilità, riduce il sovraccarico di manutenzione e consente un'interoperabilità uniforme tra sistemi diversi.
Il diagramma seguente mostra come MCP cambia lo schema di integrazione da connessioni personalizzate M×N a un modello M+N semplificato, riducendo la complessità e migliorando la scalabilità.
Integrazione MCP tra distribuzioni ThingWorx multisito
Il diagramma riportato di seguito illustra in che modo MCP consente l'interazione intelligente e unificata tra i sistemi di intelligenza artificiale e gli ambienti ThingWorx distribuiti in più siti di produzione.
Livello di interazione con intelligenza artificiale
Al livello superiore, ThingWorx AI Assistant può fungere da client MCP, consentendo agli agenti di AI di richiamare i servizi ThingWorx tramite interazioni MCP standardizzate. Ciò consente workflow quali interrogazioni sui dati, diagnostica o automazione intelligente.
Anche le applicazioni personalizzate e le applicazioni ThingWorx, ad esempio DPM e AMU, possono comunicare tramite la stessa interfaccia MCP.
Server MCP ThingWorx
Ogni istanza di ThingWorx, distribuita per ogni sito o regione di produzione, funge da server MCP ed espone le funzionalità della piattaforma (strumenti, prompt e risorse) tramite MCP. Ciò consente alle applicazioni di intelligenza artificiale di connettersi a qualsiasi sito utilizzando un'interfaccia uniforme, senza integrazioni personalizzate.
Le distribuzioni dei siti di esempio illustrate nel diagramma includono quanto segue:
• Server 1 - Siti 1 e 2 (Boston, Detroit)
• Server 2 - Sito 3 (Monaco di Baviera)
• Server 3 - Sito 4 (Città del Messico)
Ogni server si integra con i sistemi operativi locali, ad esempio apparecchiature industriali connesse a Kepware, ERP, MES e PLM.
Digital thread multisito con MCP
MCP fornisce un livello di comunicazione standardizzato tra i client di intelligenza artificiale e i server ThingWorx in tutti i siti. I vantaggi includono quanto segue:
• Interfaccia unificata e uniforme per l'interazione dell'intelligenza artificiale con i dati operativi
• Riduzione della complessità di integrazione tra sistemi eterogenei
• Accesso a informazioni contestualizzate da qualsiasi distribuzione di ThingWorx
• Orchestrazione e analisi multisito scalabili, basate sull'intelligenza artificiale
Integrazione agente-sistema tramite MCP
I client MCP, come Claude Desktop, Cursor, le estensioni VS Code o applicazioni di intelligenza artificiale personalizzate, possono integrarsi con qualsiasi sistema conforme a MCP, tra cui quanto segue:
• Server MCP ThingWorx
• Sistemi di terze parti che espongono interfacce MCP
Ciò consente agli agenti di intelligenza artificiale di operare su più sistemi aziendali senza connettori personalizzati, sfruttando MCP per l'accesso strutturato a strumenti, prompt e risorse di dati.
Ecosistema di agenti di intelligenza artificiale e sistemi connessi
Utilizzando MCP, gli agenti possono interagire non solo con ThingWorx, ma anche con i sistemi che supportano MCP, ad esempio:
• SAP
• Salesforce
• Microsoft 365
• Slack
• GitHub
• Altri server ThingWorx
Vantaggi chiave
• Standardizzazione - MCP elimina le integrazioni personalizzate da punto a punto fornendo un protocollo comune per la comunicazione da intelligenza artificiale a sistema.
• Scalabilità - Aggiunta di nuovi siti o app senza ricreare le integrazioni.
• Approfondimenti basati sull'intelligenza artificiale - Gli assistenti di intelligenza artificiale centralizzati possono ragionare sui dati operativi distribuiti.
• Estendibilità - Le risorse e gli strumenti ThingWorx possono essere collegati a qualsiasi host compatibile con MCP (ad esempio, Claude Desktop e le estensioni VS Code).