Google презентувала Developer Knowledge API та сервер Model Context Protocol (MCP), які надають AI-інструментам прямий доступ до актуальної офіційної документації Google. Обидва рішення вже доступні в режимі публічного прев’ю.
Проблема AI-асистентів для розробників полягає в застарілому контексті: навчальні дані мають дату відсічення, вебскрейпінг нестабільний, а моделі можуть «галюцинувати» відповіді, коли не мають актуальної інформації. Це стає критичним, оскільки AI все глибше інтегрується в розробку, DevOps і production-workflow.
Developer Knowledge API вирішує цю проблему, надаючи програмний доступ до канонічної документації Google, зокрема для Firebase, Android, Google Cloud та інших ресурсів для розробників. API повертає контент у форматі Markdown, дає можливість шукати сторінки, отримувати фрагменти або повні тексти документації.
Під час прев’ю індексація оновлень відбувається протягом 24 годин, тож AI-інструменти можуть посилатися на найсвіжіші релізи без повторного тренування моделей.
Сервер MCP під’єднує AI-асистентів та IDE до Developer Knowledge API. MCP — це відкритий стандарт, який дає змогу безпечно підключати зовнішні джерела даних. У такій моделі асистент не пам’ятає все наперед, а отримує актуальну інформацію на запит у реальному часі.
Google фактично розділяє дві задачі: інтелект моделі та фактичну достовірність. AI-інструменти зможуть отримувати офіційні відповіді під час виконання, що підвищує надійність, безпеку й довіру до AI у production-середовищах.
Практичні сценарії використання передбачають:
− надійніші рекомендації з імплементації (наприклад, Firebase-функцій);
− точніше усунення помилок на основі актуальної документації API;
− коректні порівняння сервісів Google Cloud із посиланням на поточні можливості й обмеження.
Для запуску потрібні три кроки: створити API-ключ у проєкті Google Cloud, увімкнути MCP-сервер через Google Cloud CLI та додати конфігурацію в AI-інструмент або IDE. Сервер сумісний із популярними AI-асистентами.
На етапі прев’ю API працює з неструктурованим Markdown-контентом. Google планує додати структуровані об’єкти, зокрема код-приклади й API-сутності, з меншою затримкою індексації перед повноцінним релізом.
Підхід Google демонструє ширший тренд: замість покладатися лише на training data AI-інструменти отримуватимуть актуальні знання через API, поєднуючи логіку моделі з перевіреними джерелами в реальному часі.
Читайте також на ProIT, що безкоштовний SBOM.sh отримав інструменти для аудиту ШІ-моделей і даних.
Підписуйтеся на ProIT у Telegram, щоб не пропустити жодної публікації!
