Want “welke API moet ik aanroepen?” is de verkeerde vraag in het LLM-tijdperk

Decennia lang hebben we ons aangepast aan software. We leerden de shell-opdrachten, leerden de namen van de HTTP-methoden uit ons hoofd en koppelden de SDK’s aan elkaar. Elke interface ging ervan uit dat we zouden praten zijn tong. In de jaren tachtig typten we “grep”, “ssh” en “ls” in een shell; Halverwege de jaren 2000 riepen we REST-eindpunten zoals GET /users aan; in de jaren 2010 hebben we de SDK’s (client.orders.list()) geïmporteerd, zodat we niet aan HTTP hoefden te denken. Maar aan elk van deze stappen lag hetzelfde uitgangspunt ten grondslag: leg de mogelijkheden in een gestructureerde vorm neer, zodat anderen er een beroep op kunnen doen.

Maar nu zijn we dat wel het volgende interfaceparadigma binnengaan. Moderne LLM’s ze dagen het idee uit dat een gebruiker een functie moet kiezen of een methodehandtekening moet onthouden. In plaats van ‘Welke API moet ik aanroepen?’ de vraag wordt: “Welk resultaat probeer ik te bereiken?” Met andere woorden: de interface gaat van code → naar taal. In deze verschuiving komt het Model Context Protocol (MCP) naar voren als de abstractie die modellen in staat stelt menselijke bedoelingen te interpreteren, mogelijkheden te ontdekken en workflows uit te voeren, waardoor softwarefuncties effectief worden blootgelegd, niet zoals programmeurs ze kennen, maar als natuurlijke taalverzoeken.

MCP is geen overdreven term; Talrijke onafhankelijke onderzoeken identificeren de architectonische verandering die nodig is om de “LLM-consumable” tool te gebruiken. Een blog van Akamai-ingenieurs beschrijft de overgang van traditionele API’s naar “taalgebaseerde integraties” voor LLM’s. Een andere academisch document over “AI Agent Workflows en Enterprise APIs” vertelt over hoe de API-architectuur van ondernemingen moet evolueren om doelgerichte agenten te ondersteunen in plaats van door mensen gestuurde oproepen. Kortom: we ontwerpen niet langer alleen API’s voor code; we ontwerpen mogelijkheden voor intentie.

Waarom is dit belangrijk voor bedrijven? Omdat ondernemingen verdrinken in interne systemen, toenemende integratie en kosten voor gebruikerstraining. Werknemers worstelen niet omdat ze geen gereedschap hebben, maar omdat ze er te veel hebben, elk met zijn eigen interface. Wanneer natuurlijke taal de primaire interface wordt, ontstaat de barrière ‘welke functie noem ik?’ verdwijnt. Een recente bedrijfsblog merkte op dat natuurlijke taalinterfaces (NLI’s) self-service toegang tot gegevens mogelijk maken voor marketeers die voorheen moesten wachten tot analisten SQL hadden geschreven. Wanneer de gebruiker eenvoudigweg de intentie aangeeft (zoals ‘de omzet van het afgelopen kwartaal voor de regio ontvangen’).

Natuurlijke taal wordt geen gemak, maar de interface

Laten we, om te begrijpen hoe deze evolutie werkt, eens kijken naar de schaal van de interface:

Bij elke stap moesten mensen ‘de taal van de machine leren’. Met MCP absorbeert de machine de menselijke taal en doet de rest. Het is niet alleen een UX-verbetering, het is een architecturale verandering.

Onder MCP zijn de codefuncties nog steeds aanwezig: datatoegang, bedrijfslogica en orkestratie. Maar ze worden eerder ontdekt dan handmatig aangeroepen. In plaats van bijvoorbeeld “billingApi.fetchInvoices(customerId=…)” aan te roepen, zegt u bijvoorbeeld “Toon alle Acme Corp-facturen sinds januari en markeer eventuele late betalingen”. Het model lost entiteiten op, roept de juiste systemen op, filtert en retourneert gestructureerde informatie. Het werk van de ontwikkelaar verschuift van het bekabelen van eindpunten naar het definiëren van capaciteitsoppervlakken en vangrails.

Deze verandering is transformatief ontwikkelaar ervaring en bedrijfsintegratie. Teams hebben vaak moeite met het integreren van nieuwe tools omdat ze patronen in kaart moeten brengen, lijmcode moeten schrijven en gebruikers moeten trainen. Met behulp van natuurlijke taal omvat onboarding het definiëren van namen van bedrijfsentiteiten, het declareren van mogelijkheden en het openbaar maken ervan via het protocol. De mens (of AI-agent) hoeft niet langer parameternamen of aanroepvolgorde te kennen. Studies tonen aan dat het gebruik van LLM’s als interfaces met API’s de tijd en middelen kan verminderen die nodig zijn om chatbots of door tools aangestuurde workflows te ontwikkelen.

De verandering brengt ook productiviteitsvoordelen met zich mee. Bedrijven die op LLM gebaseerde interfaces gebruiken, kunnen de latentie van gegevenstoegang (uren/dagen) omzetten in gesprekslatentie (seconden). Als een analist voorheen bijvoorbeeld CSV’s moest exporteren, transformaties moest uitvoeren en dia’s moest implementeren, stelt een taalinterface hem in staat “de vijf belangrijkste churn-risicofactoren van het afgelopen kwartaal samen te vatten” en in één keer verhalen en beelden te genereren. De mens beoordeelt vervolgens, past zich aan en handelt, en gaat van dataloodgieter naar beslisser. Dit doet er toe: volgens een onderzoek van McKinsey & Company63% van de organisaties die AI-generatie gebruiken, maakt al tekstuitvoer, en meer dan een derde genereert afbeeldingen of code. (Hoewel velen nog in de kinderschoenen staan ​​als het gaat om het behalen van bedrijfsbrede ROI, is het signaal duidelijk: taal als interface ontsluit nieuwe waarde.

In architecturale termen betekent dit dat het softwareontwerp moet evolueren. MCP vereist systemen die publiceren metagegevens over capaciteitsteun semantische routering, behouden contextgeheugen en toepassen vangrails. Een API-project hoeft niet langer te vragen “Welke functie zal de gebruiker oproepen?”, maar eerder “Welke intentie zou de gebruiker kunnen uiten?” Een onlangs verschenen schilderij om bedrijfs-API’s voor LLM te verbeteren laat zien hoe API’s kunnen worden verrijkt met natuurlijke taalvriendelijke metadata, zodat agenten op dynamische wijze tools kunnen selecteren. De implicatie: software wordt modulair rond intentieoppervlakken in plaats van functieoppervlakken.

Op taal gebaseerde systemen brengen ook risico’s en vereisten met zich mee. Natuurlijke taal is van nature dubbelzinnig, dus bedrijven moeten authenticatie, logboekregistratie, herkomst en toegangscontrole implementeren, net zoals ze dat voor API’s hebben gedaan. Zonder deze vangrails zou een agent het verkeerde systeem kunnen oproepen, gegevens openbaar kunnen maken of intenties verkeerd kunnen interpreteren. Een bericht over “onmiddellijke ineenstortingwaarschuwt voor het gevaar: naarmate de gebruikersinterface in natuurlijke taal dominant wordt, kan de software veranderen in ‘een functionaliteit die toegankelijk is via conversatie’ en het bedrijf in ‘een API met een frontend in natuurlijke taal’. Deze transformatie is krachtig, maar alleen veilig als systemen zijn ontworpen voor introspectie, auditing en governance.

Verandering heeft ook culturele en organisatorische gevolgen. Al tientallen jaren huren bedrijven integratie-ingenieurs in om API’s en middleware te ontwerpen. Met MCP-gedreven modellen zullen bedrijven steeds meer mensen in dienst nemen ontologie ingenieurs, Vermogen architecten EN specialisten op het gebied van agent enablement. Deze rollen zijn gericht op het definiëren van de semantiek van bedrijfsactiviteiten, het in kaart brengen van bedrijfsentiteiten aan systeemmogelijkheden en het onderhouden van contextgeheugen. Omdat de interface nu mensgericht is, worden vaardigheden zoals sectorkennis, tijdige framing, supervisie en evaluatie centraal gesteld.

Wat moeten bedrijfsleiders vandaag de dag doen? Denk in de eerste plaats aan natuurlijke taal als de interfacelaag, en niet als een mooie add-on. Breng zakelijke workflows in kaart die veilig kunnen worden aangeroepen met behulp van de taal. Catalogiseer vervolgens de onderliggende mogelijkheden die u al heeft: dataservices, analyses en API’s. Vraag vervolgens: “Zijn ze vindbaar? Kunnen ze met opzet worden opgeroepen?” Experimenteer ten slotte met een laag in MCP-stijl: creëer een klein domein (klantenservicetriage) waar een gebruiker of agent de resultaten in taal kan uitdrukken en de systemen de orkestratie kan laten doen. Vervolgens itereren en schalen.

Natuurlijke taal is niet alleen de nieuwe voorkant. Het wordt de standaardinterfacelaag voor software en vervangt de CLI, vervolgens API’s en ten slotte SDK’s. MCP is de abstractie die dit allemaal mogelijk maakt. Voordelen zijn onder meer een snellere integratie, modulaire systemen, verhoogde productiviteit en nieuwe rollen. Voor organisaties die nog steeds gebonden zijn aan het handmatig aanroepen van eindpunten, zal de verandering aanvoelen als het opnieuw leren kennen van een nieuw platform. De vraag is niet langer “welke functie roep ik aan?” maar “wat wil ik doen?”

Dhyey Mavani versnelt kunstmatige intelligentie en computationele wiskunde.

Welkom bij de VentureBeat-community!

In ons gastpostprogramma delen technische experts inzichten en bieden ze neutrale, niet-verdeelde inzichten over kunstmatige intelligentie, data-infrastructuur, cyberbeveiliging en andere geavanceerde technologieën die de toekomst van de onderneming vormgeven.

Lees meer uit ons gastenpostprogramma en bekijk ons richtlijnen als u geïnteresseerd bent om uw artikel bij te dragen!