MCP מול API: למה API מסורתיים נכשלים מול סוכני AI

API מסורתיים הופכים את סוכני ה-AI שלכם לאיטיים ויקרים.

ביליתי שנים בבניית אפליקציות ווב עם REST ו-GraphQL. אני יודע איך לנהל state ולאופטימיזציה של payloads. אבל בנייה עבור סוכני AI היא שונה.

אנחנו נוטים להתייחס ל-LLMs כמו למפתחים אנושיים. אנחנו נותנים להם API endpoint ומצפים שהם יעבדו. זו טעות.

ה-Model Context Protocol (MCP) משנה את זה. זהו תקן פתוח לקישוריות AI. אם אתם כותבים קוד "דבק" (glue code) מותאם אישית כדי לחבר LLMs לכלים שלכם, אתם יוצרים חוב טכני.

למה API מסורתיים נכשלים מול סוכני AI:

  • בעיית ה-N x M: אם יש לכם 5 מסגרות עבודה (frameworks) של AI ו-5 כלים ארגוניים, תצטרכו לכתוב 25 מחברים (connectors) מותאמים אישית. MCP הופך את זה לארכיטקטורת N + M. כל כלי משתמש בשרת MCP אחד. כל סוכן משתמש בלקוח (client) MCP אחד.
  • סטטי מול דינמי: REST APIs דורשים נתיבים קשיחים (hardcoded). סוכני AI צריכים לגלות כלים בזמן ריצה (runtime). MCP מאפשר לסוכנים לראות יכולות זמינות תוך כדי תנועה באמצעות גילוי דינמי.
  • בזבוז טוקנים: API מסורתיים מחזירים לעיתים קרובות JSON payloads עצומים. מטען נתונים גדול מבזבז כסף ומגדיל את ה-latency. הוא גם גורם ל-"context rot" שבו המודל מאבד ריכוז. MCP מחזיר נתונים שעברו אופטימיזציה עבור חלונות ה-LLM.
  • חוסר מצב (Statelessness): REST הוא stateless. סוכני AI עובדים בלולאה רציפה של מחשבה ופעולה. MCP משתמש ב-stateful sessions כדי לשמור על ההקשר (context) חי מבלי לשלוח מחדש נתונים עצומים.

MCP משתמש בשלושה חלקים מרכזיים:

  • Tools: פעולות שהמודל מבצע, כמו הרצת שאילתת SQL.
  • Resources: נתונים לקריאה בלבד כמו קובצי לוג או מסמכים.
  • Prompts: תבניות שמנחות את תהליך החשיבה של המודל.

MCP לא מחליף את מסד הנתונים או את ה-backend שלכם. שרת ה-MCP שלכם עדיין יקרא ל-APIs הקיימים שלכם. MCP מחליף את הקוד השביר שאתם כותבים כדי לחבר את השירותים הללו ל-LLM.

תפסיקו לכתוב פונקציות מותאמות אישית כדי להפוך JSON למחרוזת (stringify) עבור קריאות ה-LLM שלכם. בנו ארכיטקטורה שמתאימה לצמיחה (scales) בעתיד של סוכנים (agentic future).

מה דעתכם? האם אתם כבר משתמשים ב-MCP או נשארים עם custom function calling?

Source: https://dev.to/chaudharidevam/mcp-vs-api-why-traditional-apis-are-failing-ai-agents-28m8

Optional learning community: https://t.me/GyaanSetuAi