Когда Anthropic представила Протокол Контекста Модели, они пообещали упростить использование агентов. MCP позволяет ИИ понимать, какие инструменты находятся в его распоряжении: веб-поиск, редактирование файлов и составление электронных писем, например. Через десять месяцев мы проанализировали 200 инструментов MCP, чтобы понять, какие категории разработчики на самом деле используют. Из данных emerged три паттерна использования: Инструменты инфраструктуры разработки доминируют с 54% всех сессий, несмотря на то, что они составляют лишь половину доступных серверов. Доступ к терминалу, генерация кода и доступ к инфраструктуре являются самыми популярными. Во время кодирования инженеры получают выгоду от возможности отправлять код в GitHub, запускать код в терминале и разворачивать базы данных. Эти инструменты упрощают рабочие процессы и уменьшают переключение контекста. Извлечение информации занимает 28% сессий с меньшим количеством инструментов, показывая высокую эффективность. Веб-поиск, базы знаний и извлечение документов являются ключевыми игроками. Эти системы, вероятно, используются больше в производстве, от имени пользователей, чем во время разработки. Все остальное, включая развлечения, личное управление и создание контента, делит оставшиеся 18%. Рекомендатели фильмов, менеджеры задач и расписания Формулы 1 заполняют определенные ниши. Принятие MCP все еще на ранней стадии. Не все ИИ поддерживают MCP. Из тех, кто поддерживает, Claude, Claude Code и Cursor возглавляют список (аллитерация в ИИ). Продукты, ориентированные на разработчиков, и ранние технические адоптеры составляют большинство пользователей. Но по мере роста потребительского использования инструментов ИИ и расширения поддержки MCP, мы должны ожидать увидеть гораздо большее разнообразие использования инструментов.

$4 млрд в годовом доходе. Оба гиганта данных сейчас достигли этой отметки после того, как Databricks объявила, что превысила этот порог. Это возможность сравнить две ведущие компании в области данных на пересечении доходов. Обе компании имеют доход в $4 млрд. Каждая из них заявляет о более чем 650 клиентах, которые платят более $1 млн в год. Каждая из них гордится высоким уровнем удержания клиентов (140% против 125%). Databricks растет на 50% по сравнению с 28% у Snowflake и на частном рынке торгуется с премией за этот темп роста. Snowflake восстановила рост, но это произошло примерно на год позже, чем у Databricks. Сравнение оценки с доходом показывает, что Databricks торгуется с премией в 35% по сравнению со Snowflake. Databricks оценивается в $100 млрд на частном рынке, в то время как Snowflake торгуется на публичном рынке за $75,9 млрд. На этом рынке каждый 1% роста добавляет 0,3x к мультипликатору оценки. Учитывая преимущество в 22 пункта в росте у Databricks, 35% премия может на самом деле недооценивать истинную разницу в конечном размере бизнеса. Эта премия отражает дефицит высокорослых платформ данных на публичных рынках. На сегодняшний день нет эквивалента Databricks. Palantir с ростом 39% торгуется по 75x впереди (не по доходу). Rubrik, находясь на этапе перехода от локального к облачному, торгуется по 15x впереди при росте 44%. Премия в 35% в оценке отражает как превосходный рост Databricks, так и ставку рынка на AI. С доходом от AI уже в $1 млрд и сопутствующим спросом на вычисления, Databricks заняла центральное место в самой ценной тенденции в корпоративном программном обеспечении. 1. $100 млрд/$4 млрд = 25x против $75,9 млрд/$4,1 млрд 18,5x