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

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

Maar nu zijn we dat wel naar het volgende interfaceparadigma. Moderne LLM’s daagt het idee uit dat een gebruiker een functie moet selecteren 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 schakelt 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 hypeconcept; Verschillende onafhankelijke onderzoeken identificeren de architectonische verschuiving die nodig is voor het aanroepen van “LLM-verbruiksartikelen”. Een blog van Akamai-ingenieurs beschrijft de overgang van traditionele API’s naar “taalgestuurde integraties” voor LLM’s. Een andere academisch artikel over “AI-agentworkflows en bedrijfs-API’s” wordt gesproken over hoe de architectuur van bedrijfs-API’s moet evolueren om doelgerichte agenten te ondersteunen in plaats van door mensen aangestuurde oproepen. Kortom: we ontwerpen niet langer alleen API’s voor code; we ontwerpen mogelijkheden voor intentie.

Waarom is het belangrijk voor bedrijven? Omdat bedrijven verdrinken in interne systemen, stijgen de kosten van integratie en training van gebruikers. Werknemers worstelen niet omdat ze geen tools hebben, maar omdat ze te veel tools hebben, elk met zijn eigen interface. Wanneer natuurlijke taal de primaire interface wordt, wordt de barrière ‘welke functie moet ik aanroepen?’ verdwijnt. Een recente zakelijke blog merkte op dat natuurlijke taalinterfaces (NLI’s) self-service gegevenstoegang 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 regio X opvragen en afwijkingen signaleren”), kan het onderliggende systeem dat vertalen in oproepen, orkestratie, contextgeheugen en resultaten leveren.

Natuurlijke taal zal geen gemak zijn, maar de interface

Om te begrijpen hoe deze evolutie werkt, overweeg de interfaceladder:

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

Deze verschuiving transformeert ontwikkelaar ervaring en bedrijfsintegratie. Teams hebben vaak moeite met het integreren van nieuwe tools omdat ze schema’s in kaart moeten brengen, lijmcode moeten schrijven en gebruikers moeten trainen. Met een natuurlijk taalfront omvat onboarding het definiëren van namen van bedrijfsentiteiten, het declareren van mogelijkheden en het blootleggen 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 door LLM aangedreven interfaces gebruiken, kunnen de latentie van gegevenstoegang (uren/dagen) omzetten in gesprekslatentie (seconden). Als een analist bijvoorbeeld eerder CSV’s moest exporteren, transformaties moest uitvoeren en dia’s moest implementeren, maakt een taalinterface het mogelijk om “de vijf belangrijkste risicofactoren voor klantverloop in het afgelopen kwartaal samen te vatten” en in één keer verhalende en visuele elementen te genereren. De persoon beoordeelt, corrigeert en handelt – van dataloodgieter naar beslisser. Het doet er toe: volgens een onderzoek van McKinsey & Company63% van de organisaties die generatie-AI gebruiken, produceren al tekstuitvoer, en ruim een ​​derde genereert afbeeldingen of code. (Hoewel velen zich nog in de beginfase bevinden van 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 afdwingen vangrail. Een API-ontwerp hoeft niet langer te vragen “Welke functie zal de gebruiker oproepen?”, maar eerder “Welke intentie kan de gebruiker uiten?” Een onlangs gepubliceerd raamwerk on Enhancing Enterprise APIs for LLMs laat zien hoe API’s kunnen worden verrijkt met natuurlijke taalvriendelijke metadata, zodat agenten op dynamische wijze tools kunnen selecteren. Het gevolg: software is gemodulariseerd rond intentieoppervlakken in plaats van functieoppervlakken.

Language first-systemen brengen ook risico’s en eisen 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 waarborgen zou een agent het verkeerde systeem kunnen bellen, gegevens kunnen onthullen of bedoelingen verkeerd kunnen interpreteren. Een bericht over “snelle afbraak‘ roept het gevaar op: naarmate de gebruikersinterface in natuurlijke taal dominant wordt, kan software ‘een mogelijkheid worden die toegankelijk is via conversatie’ en de onderneming ‘een API met een front-end in natuurlijke taal’. Deze transformatie is krachtig, maar alleen veilig als systemen zijn ontworpen voor introspectie, auditing en governance.

De verschuiving heeft ook culturele en organisatorische consequenties. Al tientallen jaren huren bedrijven integratie-ingenieurs in om API’s en middleware te ontwerpen. Met MCP-gedreven modellen zullen bedrijven steeds meer mensen aannemen ontologie ingenieurs, capaciteiten architecten En specialisten voor agentactivatie. Deze rollen zijn gericht op het definiëren van de semantiek van bedrijfsactiviteiten, het in kaart brengen van bedrijfsentiteiten aan systeemmogelijkheden en het beheren van contextgeheugen. Omdat de interface nu mensgericht is, worden vaardigheden als domeinkennis, prompt 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 de workflows van uw bedrijf in kaart die veilig via taal kunnen worden opgeroepen. Catalogiseer vervolgens de onderliggende mogelijkheden die u al heeft: dataservices, analyses en API’s. Vraag vervolgens: “Kunnen deze worden gedetecteerd? Kunnen ze met opzet worden opgeroepen?” Probeer ten slotte een MCP-achtige laag: bouw een klein domein (klantenondersteuningstriage) waar een gebruiker of agent resultaten in taal kan uitdrukken, en laat de systemen de orkestratie doen. Herhaal en schaal vervolgens.

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

Dhyey Mavani versnelt gen-AI en computationele wiskunde.

Welkom bij de VentureBeat-community!

In ons gastpostprogramma delen technische experts inzichten en bieden ze neutrale, onbevooroordeelde diepgaande inzichten in AI, data-infrastructuur, cyberbeveiliging en andere geavanceerde technologieën die de toekomst van het bedrijfsleven vormgeven.

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