Teilen Sie:
){kind=small}
Benjamin Aronov ist ein Entwickler-Befürworter bei Vonage. Er ist ein bewährter Community Builder mit einem Hintergrund in Ruby on Rails. Benjamin genießt die Strände von Tel Aviv, das er sein Zuhause nennt. Von Tel Aviv aus kann er einige der besten Startup-Gründer der Welt treffen und von ihnen lernen. Außerhalb der Tech-Branche reist Benjamin gerne um die Welt auf der Suche nach dem perfekten Pain au Chocolat.
Einführung von MCP: KI trifft programmierbare Kommunikation mit Vonage
KI-Agenten (autonome Programme, die auf umfangreichen Sprachmodellen basieren) beginnen, die Art und Weise, wie wir Software entwickeln, zu verändern. Anstatt sich durch eine Benutzeroberfläche zu klicken oder Integrationscode zu schreiben, kann man jetzt einfach sagen, "Sende einen Text"sagen, und der Agent erledigt den Rest.
Die Technologie, die dies möglich macht, ist das Model Context Protocol (MCP). Dieser neue offene Standard ermöglicht es Agenten, APIs und kontextbezogene Daten aus verschiedenen Quellen, einschließlich Unternehmenssystemen, Dokumenten und Live-Umgebungen, zu erkennen und zu nutzen. Wir bei Vonage nutzen diesen Standard, um unsere APIs in der KI-Ära zugänglich zu machen, angefangen mit unserem Dokumentation MCP Serverder jetzt für Entwickler verfügbar ist.
In diesem Tutorial zum Modellkontextprotokoll erklären wir, warum das wichtig ist, und zeigen, wie Sie es noch heute ausprobieren können. Und wir geben einen Ausblick auf das, was noch kommen wird!
MCP ist eine offene Protokollspezifikation, die standardisiert, wie KI-Agenten externe Systeme, einschließlich APIs, Datenbanken und kontextbezogene Datenquellen, erkennen, beschreiben und mit ihnen interagieren, ohne auf benutzerdefinierte Integrationen angewiesen zu sein.
Es definiert eine strukturierte Kommunikationsschicht zwischen einem KI-Modell (dem MCP-Client) und einem Server, der Fähigkeiten in Form von standardisierten Werkzeugschemata bereitstellt. MCP selbst "denkt" nicht und führt keine Schlussfolgerungen aus; dieser Teil gehört zum KI-Agenten oder zur LLM-Laufzeit, die MCP als Brücke zur Außenwelt nutzen. OpenAPI (Swagger) Entwicklern hilft, APIs zu verstehen und mit ihnen zu interagieren, bietet MCP KI-Modellen einen ähnlichen Standard. Dies hilft KI-Agenten, Werkzeuge auf konsistente, strukturierte Weise zu finden, zu verstehen und zu nutzen.
Visual comparison of AI agents and the Model Context Protocol (MCP), explaining how MCP enables agents to discover and interact with tools and APIs.
Der Hype um die künstliche Intelligenz ist groß, doch im Stillen entwickelt sich etwas viel Praktischeres: Agenten, die Werkzeuge miteinander verkettenund sich an veränderten Kontextund Arbeitsabläufe auf der Grundlage von Anweisungen in einfacher Sprache ausführen können.
Wenn Sie Entwickler-Tools oder APIs entwickeln, ist MCP eine große Sache. Es bietet eine Standardschicht, die Ihre Tools auf vorhersehbare Weise auffindbar und nutzbar macht, so dass jeder konforme Agent sicher mit ihnen interagieren kann.
Es ist wichtig anzumerken, dass MCP Agenten nicht zur "Vernunft" bringt. Diese Fähigkeit kommt von dem ReAct Agent Framework (Reason + Act), das LLMs hilft zu entscheiden wann ein Werkzeug zu benutzen, wie es auszuführen und was zu tun ist mit dem Ergebnis.
In der Praxis bedeutet dies:
Sie können über Ihre API eine SMS senden oder einen Anruf tätigen, ohne dass sie eine hart kodierte Logik implementieren müssen.
Sie können Werkzeuge für verschiedene Aufgaben mischen und anpassen.
Sie können sogar Workflows auf der Grundlage der Absicht des Benutzers erstellen.
Mit Frameworks wie ReAct planen und handeln Agenten schrittweise: Sie entscheiden, wann sie ein Tool einsetzen, führen es aus, überprüfen, was passiert ist, und passen den nächsten Schritt an, ähnlich wie ein Entwickler, der in Echtzeit debuggt.
MCP macht diesen Prozess skalierbar. Es macht den Agenten nicht schlauer, aber es gibt ihm Struktur.
Wenn ein Agent beispielsweise versucht, eine SMS zu senden und dies fehlschlägt, könnte er automatisch zu WhatsApp oder E-Mail wechseln. Oder wenn er Standortdaten benötigt, bevor er einen Anruf tätigt, könnte er zuerst Identity Insights abfragen.
MCP bietet die gemeinsame Sprache, mit der Agenten diese Art von Workflows zuverlässig über jede kompatible API orchestrieren können.
Sequence diagram showing how AI agents use the Model Context Protocol (MCP) to discover and interact with APIs, using a weather query as an example.
MCP führt einen Wandel in der Art und Weise ein, wie wir über Integrationen denken. Anstatt Dienste mit Anwendungslogik zu verdrahten, stellen Sie Ihre Funktionalität als selbstbeschreibende Tools zur Verfügung. Jedes Tool beschreibt, was es tut und wie es zu verwenden ist, und die Agenten bestimmen, wann und wie es aufgerufen werden soll.
Das bedeutet, dass Sie die Schritte nicht mehr vorschreiben. Sie bieten Funktionen an und lassen den Agenten entscheiden, was zu tun ist. Ihre Dienste werden modular, zusammensetzbar und können von jedem MCP-fähigen Tool genutzt werden.
Es ist eine Verlagerung hin zu einer agentenorientierten Entwicklung: dynamisch, lose gekoppelt und für eine Welt konzipiert, in der die natürliche Sprache zur Standardschnittstelle wird.
Wir sind der Meinung, dass Entwickler in der Lage sein sollten, Kommunikationsfunktionen zu integrieren, wo immer sie diese benötigen. Wenn sich agenturische Schnittstellen immer mehr durchsetzen, wollen wir mit unseren APIs darauf vorbereitet sein.
Da die KI-gestützte Entwicklung zunimmt, wollen wir, dass unsere APIs das auch sind:
Leichter Zugang für jeden KI-Agenten
Modular und dynamisch, passt in jeden Arbeitsablauf und jede Umgebung, die Entwickler aufbauen
Sicher und kontrolliert, so dass die Verwendung von Tools überwacht, in Sandkästen untergebracht oder eingeschränkt werden kann
MCP ist dafür eine ideale Grundlage. Sie ermöglicht es uns, unsere APIs (wie z.B. Voice, Nachrichtenübermittlungund Video) als KI-native Tools, die Agenten in Echtzeit entdecken und nutzen können.
Wir beginnen mit unserem ersten offiziell unterstützten Server: dem Dokumentation MCP-Server.
Demonstration of an AI agent using the Vonage Documentation MCP Server in VS Code to query API documentation.
Dieser Server ermöglicht Agenten (wie Claude oder VS Studio), Inhalte aus der offiziellen API-Dokumentation von Vonage zu suchen und zurückzugeben. Fragen Sie Ihren Agenten, "Wie sende ich einen RCS mit Node?" oder "Welche Parameter erwartet Verify?"und er wird die relevante Dokumentation für Sie direkt aus unseren Dokumenten abrufen.
Erfahren Sie mehr in dieser Model Context Protocol Einführung
Die Dokumentation ist nur der Anfang. Wir sind auch dabei, einen offiziellen Tooling MCP Server zu entwickeln. Dieser MCP-Endpunkt für Entwickler wird KI-Agenten strukturierten Zugriff auf Live-Account- und Konfigurations-Tools bieten.
In der frühen Zugangsphase wird der Server unterstützt:
Application Management: Erstellen und Konfigurieren von Vonage API-Anwendungen, einschließlich Authentifizierung und Callback-Setup für Voice, Messages und RTC.
Numbers-Verwaltung: Mieten, konfigurieren und verwalten Sie virtuelle Rufnummern direkt über die MCP-Schnittstelle.
Berichte: Abfrage von Nutzungsdaten über Kommunikationskanäle hinweg, Abruf von Anruf- oder Nachrichtendatensätzen und Erstellung von Abrechnungs- oder Analyseberichten.
Wir werden diesen Server zunächst für Entwickler einführen, damit Sie echte Arbeitsabläufe ausprobieren, Feedback geben und uns bei der Gestaltung der nächsten Schritte helfen können.
Während wir am Tooling Server arbeiten, können Sie bereits erkunden, was mit den von der Gemeinschaft gehosteten Modellkontext-Protokollbeispielen möglich ist:
Der Telefonie-MCP-Server von Atique Khan
Ermöglicht Agenten das Senden von SMS oder das Tätigen von Anrufen über Vonage
Der Inoffizieller Dokumentations-Server von @micahman33
Verwendet FastMCP und Google Serper, um Dokumente von developer.vonage.com anzuzeigen.
Diese ersten Beispiele verdeutlichen die Leistungsfähigkeit von agentenbasierten Tools, und es werden noch viele weitere folgen.
Wir sind gespannt, was MCP für die Zukunft der Kommunikation bereithält. Egal, ob Sie an Agenten arbeiten, Tools entwickeln oder einfach nur neugierig sind, wie das alles zusammenpasst - wir würden uns freuen, von Ihnen zu hören.
Teilen Sie, was Sie bauen, auf dem Vonage Community Slackund verbinden Sie sich mit uns auf X (früher Twitter), oder in den Vonage GitHub-Repos und erstellen Sie Ihre eigenen Tools. Wir bauen dies für und mit der Entwicklergemeinschaft auf.
Teilen Sie:
Benjamin Aronov ist ein Entwickler-Befürworter bei Vonage. Er ist ein bewährter Community Builder mit einem Hintergrund in Ruby on Rails. Benjamin genießt die Strände von Tel Aviv, das er sein Zuhause nennt. Von Tel Aviv aus kann er einige der besten Startup-Gründer der Welt treffen und von ihnen lernen. Außerhalb der Tech-Branche reist Benjamin gerne um die Welt auf der Suche nach dem perfekten Pain au Chocolat.