Docker hat 90% des KI-Codings behoben – mit dieser Veröffentlichung!

Das Video beginnt mit der Erläuterung, dass das MCP-Protokoll, einst ein wichtiger Bestandteil der KI, zu einem erheblichen Problem geworden ist. Ursprünglich für wenige lokale Server konzipiert, wird es nun mit Hunderten von Servern und Tausenden von Tools gleichzeitig genutzt, was zu massiven Skalierungsproblemen führt. Cloudflare und Claude (Anthropic) haben dieses Problem erkannt und Forschung dazu betrieben. Docker hat jedoch eine innovative Lösung entwickelt, die eines der kritischsten Probleme für MCPs behebt, indem es eine völlig neue Art der Nutzung ermöglicht.

Docker stellt einen dynamischen Modus vor, der Token spart, Agenten beschleunigt und völlig neue Automatisierungsarten ermöglicht. Der Sprecher geht auf einen Artikel von Docker ein, der drei Hauptprobleme hervorhebt: das Vertrauen in MCP-Server, die Vermeidung der Überladung des Kontextfensters mit ungenutzten Tool-Definitionen und die effiziente autonome Nutzung von Tools durch Agenten. Insbesondere wird betont, wie wichtig es ist, den Kontext nicht mit Tool-Definitionen zu füllen, die in einem Chat nicht verwendet werden, da dies die Token-Kosten unnötig erhöht. Dieses Problem wurde auch von Anthropic adressiert, und Docker bietet nun eine konkrete Implementierung zur Lösung an.

Docker hat bereits die Infrastruktur für die Lösung des Vertrauensproblems geschaffen: einen MCP-Katalog mit verifizierten und vertrauenswürdigen MCP-Servern. Die Verbindung ist einfach, wobei der MCP-Client sich nur mit Docker verbindet, welches dann alle MCP-Server zentral verwaltet. Um Agenten die dynamische Nutzung dieser MCPs zu ermöglichen, wurde das MCP-Gateway implementiert, das vorgefertigte Tools enthält. Dieses Gateway erlaubt es Agenten, die Server im Katalog autonom zu nutzen und nur die tatsächlich benötigten Tool-Definitionen in das Kontextfenster zu laden, um eine Überladung zu vermeiden und die Effizienz zu steigern.

Um die dynamische Nutzung zu unterstützen, wurden neue Tools wie MCP find, add und remove hinzugefügt, die MCP-Server nach Namen oder Beschreibungen im Katalog finden können. Ein Beispiel mit GitHub MCP zeigt, wie ein LLM alle Details eines Repositories zurückgibt, was jedoch zu einem Problem der Token-Überladung führen kann, da oft nur spezifische Informationen benötigt werden. Der Sprecher verweist auf einen Claude-Artikel, der die Token-Kosten durch Tool-Definitionen und Zwischenergebnisse hervorhebt, da Rohdaten von Tool-Aufrufen das Kontextfenster schnell füllen. Das MCP-Gateway-Projekt verbessert dies, indem es nur die wirklich nützlichen Tools bereitstellt und somit den Kontext effizienter nutzt, beispielsweise nur das "search repo"-Tool aus 40 verfügbaren.

Docker präsentiert den "Code-Modus" als eine bahnbrechende Lösung, die die Art und Weise, wie MCP-Server genutzt werden, revolutioniert. Cloudflare hatte zuvor aufgezeigt, wie MCP falsch verwendet wurde, und Docker ist nun der erste, der eine neue Implementierung bietet, die den Sprecher beeindruckt. Der Code-Modus ermöglicht es Agenten, direkt mit MCP-Tools zu programmieren, indem sie JavaScript-fähige Tools erstellen, die wiederum andere MCP-Tools aufrufen können. Dieser von Agenten geschriebene Code wird in einer Sandbox (Docker-Container) ausgeführt, was absolute Sicherheit gewährleistet, da er keinen Schaden am System anrichten kann. Dies verbessert die Token- sowie Tool-Effizienz erheblich, da das Modell nur über das neue Code-Modus-Tool Bescheid wissen muss, anstatt alle zugrunde liegenden Tools zu kennen.

Der Sprecher demonstriert den Code-Modus anhand praktischer Beispiele, um dessen Leistungsfähigkeit zu verdeutlichen. Zuerst wird gezeigt, wie der Agent mehrere `find GitHub repo`-Aufrufe zu einem einzigen "multi search repos"-Tool kombiniert, um effizient nach Repositories zu suchen und 29 einzigartige Ergebnisse zu liefern. Um das Kontextfenster nicht zu überladen, wird das Tool so angepasst, dass die Ergebnisse in eine Textdatei geschrieben und dem Modell nur die Beschreibungen der Repositories präsentiert werden, was Token spart. Anschließend wird ein weiteres Beispiel vorgestellt, bei dem der Code-Modus ein "GitHub-zu-Notion"-Tool erstellt. Dieses Tool exportiert Suchergebnisse direkt in eine Notion-Datenbank, inklusive relevanter Felder und Daten, was komplexe Workflows automatisiert und die manuelle Datenpflege eliminiert.

Zusammenfassend ermöglicht die neue Docker-Veröffentlichung das Verketten von MCPs zu erstaunlichen Workflows, spart Token und steigert die Leistung von KI-Agenten erheblich. Der Einstieg ist unkompliziert und erfordert lediglich ein Update der Docker-Version. Benutzer müssen zudem sicherstellen, dass das "Docker MCP Toolkit" in den Beta-Funktionen aktiviert ist, falls es nicht standardmäßig eingeschaltet ist. Danach kann der Client verbunden werden, um die neuen Funktionen sofort zu nutzen und von den Verbesserungen zu profitieren.