#deepmind — посты и обсуждения
5 доступных постов
MCP, REST/HTTP API и Apache Kafka. Архитектурное руководство по интеграции агентного ИИ
MCP, REST/HTTP API и Apache Kafka часто противопоставляют друг другу как конкурирующие способы интеграции агентного ИИ. Это ложная дихотомия. Перечисленные технологии решают разные задачи на разных уровнях архитектуры: MCP стандартизирует доступ агента к инструментам и контексту, REST/HTTP API задаёт синхронный контракт взаимодействия с системой, а Kafka обеспечивает событийную магистраль, разделение зависимостей и согласованное распространение операционных данных. Ошибка начинается там, где одну из технологий пытаются назначить универсальным интеграционным слоем. Надёжная архитектура агентного ИИ, наоборот, строится на явном разделении интерфейса, контракта и потока данных.
Ключевой тезис
MCP — это интерфейсный слой для инструментов и контекста агента.
REST/HTTP API — это синхронный контракт доступа к системе.
Apache Kafka — это событийная магистраль и основа для согласованного операционного состояния.
Эти уровни не заменяют друг друга. Они дополняют друг друга, а архитектурное решение заключается не в выборе «одного победителя», а в определении границ ответственности, компромиссов и точек интеграции.
1. Постановка проблемы: почему MCP не является заменой REST или Kafka
В ноябре 2024 года Anthropic представила Model Context Protocol, MCP, как открытый стандарт подключения ИИ-помощников к внешним инструментам и источникам данных. До MCP каждой модели требовался собственный коннектор к каждой внешней системе. Три модели и десять систем означали до тридцати пользовательских интеграций для разработки и поддержки. MCP сводит эту задачу к единому стандартному интерфейсу: совместимый клиент взаимодействует с совместимым сервером без предварительной координации.
В марте 2025 года о поддержке MCP объявила OpenAI, в апреле 2025 года — Google DeepMind. К декабрю 2025 года, по опубликованным данным экосистемы, количество ежемесячных загрузок SDK MCP превысило 97 миллионов для Python, TypeScript, Java, Kotlin, C# и Swift. Anthropic передала протокол фонду Agentic AI Foundation при поддержке Linux Foundation; AWS, Google, Microsoft, Bloomberg и OpenAI стали платиновыми членами. MCP перестал быть экспериментом для разработчиков.
При этом зрелость внедрения опережает зрелость безопасности и управления. Большинство инцидентов 2025 и начала 2026 года связано не с недостатками самого протокола, а с ошибками реализации. Анализ 2614 реализаций MCP, проведённый Endor Labs, показал, что 82% используют операции с файловой системой, подверженные обходу путей, а 67% — API, связанные с внедрением кода. Аутентификация корпоративного уровня на базе OAuth 2.1 и SAML/OIDC включена в дорожную карту на 2026 год, но работа над ней ещё не завершена.
Отсюда следует важный архитектурный вывод: MCP заслуживает места в стеке, но не должен получать роль универсального интеграционного слоя. MCP отвечает за доступ к инструментам: как агент вызывает внешние возможности. Он не управляет данными, не гарантирует доставку сообщений, не обеспечивает соблюдение правил управления и не гарантирует согласованность между системами. Это интерфейсный слой, а не конвейер обработки данных и не источник истины.
2. Архитектурная рамка: три уровня, три ответственности
Для экспертного обсуждения полезно разделять три уровня.
Первый уровень — интерфейс агента с инструментами. Здесь работает MCP. Он стандартизирует обнаружение инструментов, их описание и способ вызова. MCP снижает стоимость подключения агента к разнородным инструментам и делает это подключение переносимым между клиентами и фреймворками.
Второй уровень — синхронный контракт доступа к системе. Здесь работают REST/HTTP API, OpenAPI, нативные SDK и OData. Этот уровень отвечает на вопрос: как система принимает запрос, какие у неё права доступа, версионирование, формат ошибок, идемпотентность и SLO.
Третий уровень — событийная магистраль и операционное состояние. Здесь работает Apache Kafka. Этот уровень отвечает за распространение событий, разделение производителей и потребителей, упорядоченность в пределах партиции, повторное чтение, аудит, потоковую обработку и доставку одних и тех же данных нескольким потребителям.
Эта рамка помогает избежать распространённой ошибки: пытаться решить проблему согласованности данных на уровне MCP или строить событийную интеграцию на цепочке синхронных REST-вызовов там, где требуется независимая обработка несколькими потребителями...
#DST #DSTGlobal #ДСТ #ДСТГлобал #искусственныйинтеллект #MCP #REST #API #ApacheKafka #агентныйии #Anthropic #ModelContextProtocol #OpenAI #DeepMind #Python #TypeScript #Java #Kotlin #AWS #SOA #SAP #Salesforce #Oracle #ApacheIceberg #Claude #ChatGPT #AmazonBedrock #LlamaIndex
Прокомментировать
982
Google выпустила Atlas генома: 9 млрд мутаций в одной базе
AlphaGenome Atlas от Google DeepMind — это база данных, которая покрывает все 9 млрд одиночных мутаций генома и предсказывает их молекулярный эффект.
Для фармацевтических и биотехнологических компаний это означает возможность автоматизированно отсеивать нерелевантные варианты ещё до начала лабораторных экспериментов — потенциально сокращая ранние стадии разработки лекарств с месяцев до дней. Подробности:
. База уже доступна для некоммерческих исследователей; коммерческое использование через Google Cloud заявлено на ближайшее время.
Подробнее: https://ai-digest.ru/go/finbazar/3258/
**Влияние на рынок и финансы:** — Сокращение стоимости early-stage R&D для биотех-компаний за счёт отказа от тысяч нежизнеспособных молекулярных кандидатов до лаборатории. — Прямое снижение издержек на доклинические этапы: каждая сэкономленная серия экспериментов экономит от $50 тыс. до $500 тыс. в зависимости от терапевтической области. — Ускорение time-to-market для новых препаратов на 2–4 квартала — критичный фактор для выручки и патентной окупаемости в условиях долгих сроков утверждения. — Google Cloud получает новый high-margin B2B-продукт с потенциалом регулярной подписки от фарма-клиентов; конкуренты (Illumina, Oxford Nanopore) под давлением. — Спрос на сервисы валидации геномных данных может вырасти на 15–25% среди small-cap биотехов, ищущих экономию на доклинике.
Прокомментировать
897
Google DeepMind лишилась сразу двух ключевых руководителей: Хассабис ушёл в…
Google DeepMind: массовый уход ключевых AI-архитекторов
Хассабис и Дин уходят из операционного управления. Alphabet инвестирует более $75 млрд в AI-инфраструктуру, но теряет людей, которые должны конвертировать эти деньги в технологическое преимущество. Koray Kavukcuoglu получает SVP-роль в 47-летней компании. Discovery Loop — новый проект Дина при поддержке Google.
Для рынка главный вопрос: способна ли Alphabet удержать технологический отрыв при кадровой турбулентности такого масштаба.
Читать полностью: https://ai-digest.ru/go/finbazar/2550/
Прокомментировать
984
Google вложит $75 млн в киностудию A24 — первая сделка техногиганта с Голливудом
Что случилось
Google инвестирует около $75 млн в независимую киностудию A24, известную по фильмам «Всё везде и сразу», «Лунный свет» и «Наследники». Это первая покупка доли в киностудии для технологического гиганта, пишет WSJ.
Сделка заключена в рамках партнёрства с подразделением DeepMind (разработчик AlphaGo и Gemini). Google не получит доступа к библиотеке фильмов и телешоу A24 — соглашение многолетнее и неэксклюзивное.
Зачем это Google
В то время как крупные голливудские студии опасаются генеративных нейросетей из-за споров вокруг авторских прав и угрозы творчеству, A24 и Google хотят создавать инструменты, которые не заменят, а помогут кинематографистам. К тестированию новых технологий планируют привлечь звёзд студии, включая Тимоти Шаламе и режиссёра Кейна Парсонса.
Мнение
Google заходит в Голливуд с чёрного хода — не через библиотеку контента, а через поддержку инди-студии. Ставка на то, что именно независимые режиссёры быстрее примут ИИ, а Big Tech будет рядом, чтобы продавать инструменты. Если проект сработает, у Google появится окно в мир кино, а у A24 — доступ к передовым технологиям.
#Google #A24 #ИИ #DeepMind #кино #инвестиции #Голливуд #технологии
Прокомментировать
990
⚡️ ИИ на пороге создания новых материалов: Прощай, периодическая таблица Менделеева?
Пока мы учим нейросети рисовать котиков и писать эссе, учёные из лабораторий DeepMind и Google (привет, Gemini) используют ИИ для решения фундаментальных задач материаловедения. И результаты поражают: нейросети начали предсказывать существование сотен тысяч новых, стабильных кристаллических структур, которые никогда не встречались в природе.
Это не просто научный прорыв. Это ключ к созданию технологий будущего.
Что это даёт рынку и технологиям?
Революция в энергетике: ИИ может помочь найти идеальный материал для сверхэффективных аккумуляторов (прощай, литий?) или дешёвых солнечных панелей.
Сверхавтоматизация: Новые лёгкие и прочные сплавы для космоса, авиации и робототехники.
Новая электроника: Открытие материалов со свойствами, которые позволят создать квантовые компьютеры нового поколения.
Инвестиционный контекст: Компании, владеющие этими ИИ-инструментами и патентами на новые материалы, получат монопольный доступ к технологиям, которые изменят целые индустрии. Мы стоим на пороге момента, когда "софт" начнёт напрямую создавать "хард".
Старая периодическая таблица — это лишь малая часть того, что возможно. ИИ открывает нам бесконечный конструктор Вселенной.
А вы верите, что ИИ сможет заменить интуицию учёных и создать материалы, о которых мы даже не мечтали, или это лишь ускоренный перебор вариантов? Обсудим в комментариях. 👇
#AI #MaterialScience #DeepMind #Google #FutureTech #Innovations #EnergyTransition #Investments #Finbazar #cashmeister
Прокомментировать
894