АРХІТЕКТУРА ТА РЕАЛІЗАЦІЯ АСИСТЕНТА ДОКУМЕНТАЦІЇ НА ОСНОВІ ПРОТОКОЛУ КОНТЕКСТУ МОДЕЛІ: ПРИКЛАД ГЕНЕРАЦІЇ КОНТЕКСТУ ЗА ДОПОМОГОЮ ШТУЧНОГО ІНТЕЛЕКТУ
DOI:
https://doi.org/10.36994/2788-5518-2025-02-10-03Ключові слова:
протокол контексту моделі, велика мовна модель, архітектура штучного інтелекту, генерація контексту, генерація з доповненим пошуком.Анотація
Анотація. Сучасні системи технічної документації постійно зростають за обсягом і складністю, що ускладнює для користувачів отримання точних та контекстно релевантних відповідей без значних зусиль з навігації. Традиційні механізми пошуку, побудовані на ключових словах, мають суттєві обмеження, оскільки спираються на лексичну відповідність, а не на розуміння намірів користувача чи здатність синтезувати інформацію, розподілену між різними джерелами документації. У результаті користувачі стикаються з фрагментованими відповідями та змушені самостійно об’єднувати окремі частини, щоб отримати повну інформацію. У статті представлено архітектуру, концептуальні принципи та особливості реалізації інтелектуального асистента документації, побудованого на основі протоколу контексту моделі (MCP). MCP забезпечує стандартизований спосіб інтеграції між джерелами документації та великими мовними моделями. Запропоноване рішення доповнює традиційні підходи за допомогою генерації контексту на основі ШІ, яка автоматично аналізує, сегментує та структурує сирий текст документації у ресурси, сумісні з MCP. Такий підхід гарантує, що відповіді LLM залишаються точними, заснованими на актуальних даних і менш схильними до галюцинацій. Архітектура складається з чотирьох взаємопов’язаних рівнів: вебсайту документації, сервера MCP, системи ШІ-генерації контексту та шару інтеграції LLM. Кожен рівень виконує чітко визначені функції, що підвищує масштабованість і спрощує підтримку системи. На основі детального прикладу продемонстровано, як система автоматично визначає релевантні фрагменти документації, отримує необхідний контекст і формує семантично точні відповіді. Результати дослідження показують, що асистент на основі MCP суттєво підвищує якість відповідей порівняно з традиційним пошуком, забезпечує вищу семантичну релевантність, повноту інформації та значне зменшення рівня галюцинацій. Стандартизована інфраструктура MCP також покращує сумісність, гнучкість і простоту розгортання. Отримані результати підтверджують потенціал MCP як основи для майбутніх інтелектуальних систем документації.
Посилання
Huang L., Yu W., Ma W., Zhong W., Feng Z., Wang H., Chen Q., Peng W., Feng X., Qin B., Liu T. (2023). A survey on hallucination in large language models: Principles, taxonomy, challenges, and open questions. arXiv preprint arXiv:2311.05232.
Gao Y., Xiong Y., Gao X., Jia K., Pan J., Bi Y., Dai Y., Sun J., Wang M., Wang H. (2023). Retrieval-augmented generation for large language models: A survey. arXiv preprint arXiv:2312.10997.
Xu Z., Jain S., Kankanhalli M. (2024). Hallucination is inevitable: An innate limitation of large language models. arXiv preprint arXiv:2401.11817.
Tonmoy S. M. T. I., Zaman S. M., Jain V., Rani A., Rawte V., Chadha A., Das A. (2024). A comprehensive survey of hallucination mitigation techniques in large language models. arXiv preprint arXiv:2401.01313.
Cheng J., Liu Q., Liu T., Wang J., Zhou A., Sun X. (2024). Dated data: Tracing knowledge cutoffs in large language models. arXiv preprint arXiv:2403.12958.
Kasai J., Sakaguchi K., Takemoto Y., Lee K., Bisk Y. (2023). Evaluating GPT-3.5 and GPT-4 on diverse factual text generation tasks. arXiv preprint arXiv:2305.14251.
Anthropic. (2024). Model Context Protocol specification. URL: https://modelcontextprotocol.io/
Lewis P., Perez E., Piktus A., Petroni F., Karpukhin V., Goyal N., Küttler H., Lewis M., Yih W., Rocktäschel T., Riedel S., Kiela D. (2020). Retrieval-augmented generation for knowledge-intensive NLP tasks. In Advances in Neural Information Processing Systems. 33. 9459–9474.
Ram O., Levine Y., Dalmedigos I., Muhlgay D., Shashua A., Leyton-Brown K., Shoham Y. (2023). In-context retrieval- augmented language models. Transactions of the Association for Computational Linguistics. 11. 1316–1331.
kapa.ai. (2025, June 27). Build an MCP Server with kapa.ai. kapa.ai Blog. URL: https://www.kapa.ai/ blog/build-an-mcp-server-with-kapa-ai
Netlify. (2024). Writing MCPs on Netlify: A guide to implementing Model Context Protocol servers on Netlify Edge Functions. Netlify Developer Documentation. URL: https://developers.netlify.com/guides/write-mcps-on-netlify/
Model Context Protocol. (2024). @modelfetch/netlify: Netlify adapter for Model Context Protocol servers (Version 1.0.0) [Computer software]. npm. URL: https://www.npmjs.com/package/@modelfetch/netlify
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
