Model Context Protocol (MCP) ถูกตัด session ID ที่มีมาให้ในตัวออกไป และ NVIDIA กำลังเป็นผู้นำในการสร้างพันธมิตรแบบเปิดเพื่อเสริมความแข็งแกร่งให้กับ AI agents การเปลี่ยนแปลงนี้ช่วยให้ฟาร์มเซิร์ฟเวอร์สามารถทำงานอยู่หลัง HTTP load balancers ทั่วไปได้ และช่วยให้ทีมรักษาความปลอดภัยมีชุดเครื่องมือส่วนกลางสำหรับการรันโมเดลแบบ on-premises ซึ่งเป็นการเปลี่ยนแปลงที่อาจเปลี่ยนแผนผังโครงสร้างพื้นฐานและการกำกับดูแลเอเจนต์ (agent infrastructure and governance)
MCP แบบ stateless ช่วยขจัดสถานะแฝง
การออกแบบดั้งเดิมของ MCP ได้รวม session identifier ไว้ในทุกคำขอ ทำให้เซิร์ฟเวอร์ต้องคอยติดตามความคืบหน้าของแต่ละไคลเอนต์ (client) ข้อกำหนดใหม่นี้ได้ผลักดันงานที่ต้องใช้เวลานาน (long-running tasks) ไปไว้ในส่วนขยายที่ชัดเจน เช่น โมดูล “Tasks” เพื่อให้โปรโตคอลหลักไม่มีสถานะแฝง (hidden state) อีกต่อไป
นักพัฒนาจะได้รับผลกระทบในทันที: ตอนนี้เซิร์ฟเวอร์สามารถทำซ้ำ (duplicate) ได้หลัง HTTP reverse proxies มาตรฐาน และการขยายระบบ (scaling) ก็เป็นเพียงเรื่องของการเพิ่มอินสแตนซ์ (instances) ที่เหมือนกันเข้าไปเท่านั้น ข้อแลกเปลี่ยนคือการเปลี่ยนแปลงที่ส่งผลกระทบต่อระบบเดิม (breaking change) สำหรับใครก็ตามที่ใช้ API แบบเก่าอยู่ โค้ดที่มีอยู่จะต้องถูกปรับปรุงใหม่ (refactored) เพื่อจัดการกับ metadata ของงานนอกกระบวนการคำขอหลัก
พันธมิตรความปลอดภัย AI นำโดย NVIDIA เปิดประตูสู่การตรวจสอบในระดับท้องถิ่น
NVIDIA, Microsoft, IBM และบริษัทอื่นๆ อีกหลายแห่งได้ประกาศจัดตั้งกลุ่มเปิดที่มีเป้าหมายเพื่อแบ่งปันเครื่องมือที่ช่วยให้องค์กรต่างๆ สามารถรักษาความปลอดภัยให้กับ AI agents ได้ พันธมิตรนี้สัญญาว่าจะมีความสามารถในการรันโมเดลในเครื่อง (locally) ซึ่งช่วยให้ทีมรักษาความปลอดภัยสามารถเข้าถึงข้อมูลที่โมเดลประมวลผลได้โดยตรง สิ่งนี้มีความสำคัญเมื่อ API ที่ให้บริการ (hosted APIs) ปฏิเสธที่จะเปิดเผย payload เพื่อการวิเคราะห์ทางนิติวิทยาศาสตร์ (forensic analysis) หรือเมื่อกฎระเบียบกำหนดว่าข้อมูลที่ละเอียดอ่อนจะต้องไม่หลุดออกจากไฟร์วอลล์ขององค์กร
กลุ่มพันธมิตรจะรวบรวมไลบรารีการตรวจจับ (detection libraries), เฟรมเวิร์กการทำ sandboxing และบันทึกการตรวจสอบ (audit logs) ผู้เข้าร่วมสามารถร่วมพัฒนาการปรับปรุงต่างๆ ได้โดยไม่ต้องรอโรดแมป (roadmap) ของผู้ให้บริการรายใดรายหนึ่ง ซึ่งอาจช่วยเร่งความพร้อมในการใช้งานชุดเครื่องมือเอเจนต์ที่ได้รับการเสริมความแข็งแกร่ง (hardened agent stacks)
ภูมิรัฐศาสตร์ทำให้ AI กลายเป็นจุดชนวนความขัดแย้งใหม่
พัฒนาการอีกด้านหนึ่งตอกย้ำว่า AI กำลังกลายเป็นเครื่องมือทางการทูตอย่างรวดเร็วเพียงใด จีนกล่าวหาว่าสหรัฐอเมริกาใช้ “ลัทธิครองอำนาจทาง AI” (AI hegemonism) หลังจากมีรายงานเกี่ยวกับความเป็นไปได้ในการจำกัดทางการค้าที่มุ่งเป้าไปยังโมเดลขั้นสูง ข้อพิพาทนี้มีศูนย์กลางอยู่ที่ Kimi K3 ของ Moonshot AI ซึ่งเป็นโมเดลภาษาขนาดใหญ่ (large language model) ที่เจ้าหน้าที่สหรัฐฯ อ้างว่าถูกกลั่นกรอง (distilled) มาจากผลลัพธ์ของโมเดลของอเมริกา Moonshot ปฏิเสธการใช้ข้อมูลจากต่างประเทศและยืนยันว่าสถาปัตยกรรมนี้เป็นของดั้งเดิมทั้งหมด ยังไม่มีหลักฐานสาธารณะใดๆ ที่ยืนยันข้ออ้างของทั้งสองฝ่าย ทำให้ข้อกล่าวหานี้ยังอยู่ในขอบเขตของการแสดงท่าทีทางการเมืองมากกว่าการละเมิดที่ได้รับการพิสูจน์แล้ว
เดิมพันนั้นสูงมาก: หากรัฐบาลเริ่มปฏิบัติกับโมเดล AI ในฐานะสินทรัพย์ทางยุทธศาสตร์ การควบคุมการส่งออกและระบอบการออกใบอนุญาตอาจขัดขวางการไหลเวียนอย่างเสรีของการวิจัย ซึ่งจะทำให้ความร่วมมือที่ขับเคลื่อนความก้าวหน้าอย่างรวดเร็วในช่วงไม่กี่ปีที่ผ่านมามีความซับซ้อนมากขึ้น
GitHub เพิ่มความเข้มงวดในการกำกับดูแล Copilot สำหรับองค์กร
GitHub ได้เพิ่มนโยบายสำหรับองค์กรโดยเฉพาะสำหรับ Copilot ซึ่งเป็น AI pair-programmer ผู้ดูแลระบบสามารถเปิดหรือปิดแอป Copilot สำหรับทั้งองค์กรได้ด้วยการตั้งค่าเพียงครั้งเดียว แทนที่จะต้องจัดการสิทธิ์สำหรับไคลเอนต์แต่ละราย การเปลี่ยนแปลงนี้ช่วยให้การเริ่มใช้งาน (rollout) ง่ายขึ้นสำหรับบริษัทที่ต้องการใช้เอเจนต์ไคลเอนต์ที่เป็นหนึ่งเดียว ในขณะที่ยังคงควบคุมเครื่องมือ AI อื่นๆ ได้อย่างเข้มงวดมากขึ้น
การทดลองป้องกันไซเบอร์แบบ multi-agent ของ Microsoft
“Project Perception” ของ Microsoft กำลังทดสอบระบบเอเจนต์แบบสามทีมเพื่อความปลอดภัยทางไซเบอร์ โดย Red agents จะจำลองการโจมตี, Blue agents จะตอบโต้ด้วยการป้องกัน และ Green agents จะประเมินผลลัพธ์ ด้วยการเปลี่ยนจากการใช้โมเดลแบบโมโนลิทิก (monolithic model) เพียงตัวเดียว โปรเจกต์นี้ได้สร้างวงจรการตอบกลับ (feedback loop) ที่ต่อเนื่อง ซึ่งการป้องกันจะถูกทดสอบและปรับปรุงอยู่ตลอดเวลา แนวทางนี้อาจกลายเป็นต้นแบบสำหรับบริษัทอื่นๆ ที่ต้องการฝังการทดสอบแบบเผชิญหน้า (adversarial testing) เข้าไปในการดำเนินงานด้านความปลอดภัยของตน
ทำไมการเปลี่ยนแปลงนี้จึงสำคัญสำหรับผู้ปฏิบัติงาน
แนวโน้มนั้นชัดเจน: ระบบเอเจนต์กำลังกลายเป็นโครงสร้างพื้นฐานหลัก โปรโตคอลแบบ stateless ช่วยให้การตรวจสอบกระบวนการคำขอ (request flows) และการกู้คืนจากความล้มเหลวทำได้ง่ายขึ้น โดยไม่ต้องตามหาข้อมูล session ที่ซ่อนอยู่ การประมวลผลในเครื่อง (Local execution) และเครื่องมือรักษาความปลอดภัยที่ใช้ร่วมกัน ช่วยให้องค์กรมีความโปร่งใสที่จำเป็นต่อการปฏิบัติตามข้อกำหนด (compliance) ในขณะเดียวกัน การชิงไหวชิงพริบทางภูมิรัฐศาสตร์ส่งสัญญาณว่า การควบคุมแหล่งที่มาของโมเดล (model provenance) อาจกลายเป็นแนวรบด้านกฎระเบียบในเร็วๆ นี้
อุปสรรคต่อไปไม่ใช่แค่การสร้างเอเจนต์ที่ฉลาดขึ้น แต่คือการสร้างเอเจนต์ที่สถานะ (state), สิทธิ์ (permissions) และรูปแบบความล้มเหลว (failure modes) สามารถตรวจสอบ (inspect), ตรวจสอบย้อนหลัง (audit) และกำกับดูแล (govern) ได้ด้วยความเข้มงวดเช่นเดียวกับโครงสร้างพื้นฐานที่สำคัญอื่นๆ