Seiring perusahaan berlomba-lomba mengoperasionalkan AI, tantangannya bukan hanya membangun dan menerapkan model bahasa besar (LLM), melainkan mengintegrasikannya secara mulus ke dalam ekosistem API yang ada sambil tetap menjaga keamanan, tata kelola, dan kepatuhan level perusahaan. Apigee berkomitmen untuk memandu Anda dalam perjalanan ini. Apigee menyederhanakan integrasi agen AI generasi baru ke dalam aplikasi dengan memperkuat keamanan, skalabilitas, dan tata kelolanya.
Meskipun Model Context Protocol (MCP) telah muncul sebagai metode de facto untuk mengintegrasikan API diskret sebagai alat, perjalanan mengubah API Anda menjadi alat agen ini lebih luas daripada sekadar protokol tunggal. Postingan ini menyoroti peran penting program API Anda yang sudah ada dalam evolusi ini dan bagaimana Apigee berkomitmen untuk mendukung kesuksesan Anda, apa pun jalur integrasi alat spesifik yang Anda pilih.
Penting untuk dipahami bahwa memiliki API adalah fondasinya. Jika saat ini Anda belum berpartisipasi dalam program API, langkah berikutnya yang harus segera Anda lakukan adalah membuat API dan berinteraksi dengan hub API Apigee.
Protokol Konteks Model (MCP) telah muncul sebagai konsep yang menonjol di bidang ini. Namun, kenyataannya, MCP berkembang pesat dan tidak memenuhi persyaratan perusahaan untuk autentikasi, otorisasi, dan kemampuan observasi.
Apigee, platform manajemen API native dari Google Cloud menghadirkan API perusahaan Anda yang sudah ada ke AI. Kami akan terus memandu perjalanan agen Anda melalui lanskap AI yang terus berubah ini. Dan kami akan terus memastikan bahwa kami menghadirkan fitur-fitur perusahaan terbaik untuk semua beban kerja AI Anda.
Memanfaatkan layanan MCP di seluruh jaringan memerlukan batasan keamanan tertentu. Anda mungkin ingin menambahkan autentikasi ke server MCP Anda sendiri. Setelah mengautentikasi panggilan ke server MCP, Anda mungkin ingin mengotorisasi akses ke alat tertentu, tergantung pada aplikasi yang menggunakannya. Anda mungkin ingin menyediakan informasi kemampuan observasi terbaik untuk melacak alat mana yang digunakan dan oleh siapa. Terakhir, Anda mungkin ingin memastikan bahwa API hilir apa pun yang disediakan alatnya oleh server MCP Anda juga memiliki jaminan keamanan minimum seperti yang telah dijelaskan sebelumnya.
Apigee menyediakan contoh open source dari server MCP yang menyediakan jenis keamanan API ini: dan semua ini tersedia dan didukung untuk layanan MCP Anda saat ini.
Contoh ini mendemonstrasikan penggunaan Produk API Apigee untuk kontrol autentikasi dan otorisasi bagi perangkat Anda. Lebih lanjut, API itu sendiri yang pada akhirnya berada di balik server MCP, yang dalam hal ini di-deploy ke Cloud Run, di-hosting di Apigee dan oleh karena itu, menerima fitur keamanan, distribusi, dan kemampuan observasi yang sama seperti setiap API lain yang di-hosting di Apigee. Hal ini menjembatani kesenjangan antara API terkelola dan interaksi AI eksploratif dengan rangkaian fitur Apigee yang kaya untuk mengamankan, menskalakan, dan mengatur perjalanan AI Anda. Demonstrasi ini menunjukkan bagaimana Anda dapat mulai menjalankan server MCP sekarang juga, sekaligus menyediakan kontrol perusahaan yang Anda butuhkan. Dan jika standar MCP berubah, pengaturan ini sangat mudah diadaptasi karena pada akhirnya hanya melayani backend seperti yang lainnya dengan Apigee.
Seperti yang terlihat di bawah ini, kami menghadirkan produk API ke Agen dan Alat MCP ini dan menjadikannya produk AI. Produk AI ini memiliki konsumen dan developer-nya sendiri, layaknya API lainnya.
Repositori GitHub kami yang berisi panduan memulai cepat, contoh artefak, dan dokumentasi akan membantu Anda menavigasi untuk membangun, dan men-deploy arsitektur Serving MCP referensi di Apigee dan memahami langkah-langkah yang terlibat dalam mengekspos API Anda sebagai alat untuk Agen AI dengan memanfaatkan Produk API.
Perjalanan ini akan beradaptasi dan berubah seiring waktu: MCP terus berkembang, terbukti dari peralihan dari tanpa AuthN awal ke OAuth untuk AuthZ dan penyediaan sumber daya. Google Apigee berkomitmen untuk terus berkembang bersamanya.
Pelajari lebih lanjut tentang mengoperasionalkan aplikasi AI generatif dengan Apigee dan jelajahi dokumentasi kebijakan AI kami.
Introducing Gemma 3 270M: The compact model for hyper-efficient AI
Model dasar Marin Stanford: Model terbuka penuh pertama yang dikembangkan menggunakan JAX
Meluncurkan kemampuan AI baru untuk framework populer di Firebase Studio
Gemini CLI + VS Code: Native diffing and context-aware workflows