När Anthropic introducerade Model Context Protocol lovade de att förenkla användningen av agenter. MCP gör det möjligt för en AI att förstå vilka verktyg som står till dess förfogande: webbsökning, filredigering och e-postutkast till exempel. Tio månader senare analyserade vi 200 MCP-verktyg för att förstå vilka kategorier utvecklare faktiskt använder. Tre användningsmönster har framkommit från data: Verktyg för utvecklingsinfrastruktur dominerar med 54 % av alla sessioner trots att de bara är hälften av de tillgängliga servrarna. Terminalåtkomst, kodgenerering och infrastrukturåtkomst är de mest populära. När ingenjörer kodar kan de dra nytta av möjligheten att skicka till GitHub, köra kod i en terminal och starta databaser. Dessa verktyg effektiviserar arbetsflöden och minskar kontextbyten. Informationshämtning fångar 28 % av sessionerna med färre verktyg, vilket visar hög effektivitet. Webbsökning, kunskapsbaser och dokumenthämtning är nyckelspelare. Dessa system används sannolikt mer i produktion, för användarnas räkning, än under utvecklingen. Allt annat, inklusive underhållning, personlig hantering, innehållsskapande, delar på de återstående 18 %. Filmrekommendationer, uppgiftshanterare och Formel 1-scheman fyller specifika nischer. Införandet av MCP är fortfarande i ett tidigt skede. Alla AI:er har inte stöd för MCP. Av de som gör det toppar Claude, Claude Code, Cursor listan (allitteration i AI). Utvecklarfokuserade produkter och tidiga tekniska användare är majoriteten av användarna. Men i takt med att konsumenternas användning av AI-verktyg ökar och stödet för MCP breddas, kan vi förvänta oss att se en mycket större mångfald i verktygsanvändningen.

4 miljarder dollar i intäktsfrekvens. Det finns två datajättar som båda nu har nått detta märke efter att Databricks meddelade att det överträffade tröskelvärdet. Detta är en möjlighet att jämföra de två ledande dataföretagen i en intäktsskärningspunkt. Båda har 4 miljarder dollar i intäkter. Var och en hävdar över 650 kunder som betalar $1 miljon+ årligen. Var och en har en stark nettobehållning av dollar (140 % jämfört med 125 %). Databricks växer med 50 % jämfört med Snowflakes 28 % och på den privata marknaden handlas de till en premie för den tillväxttakten. Snowflake har accelererat igen, men det var ungefär ett år senare än Databricks. En jämförelse av värderingen med intäktsrun-rate visar att Databricks handlas till en premie på 35% jämfört med Snowflake. Databricks värderas till 100 miljarder dollar privat medan Snowflake handlas till 75,9 miljarder dollar offentligt. På denna marknad lägger varje 1% av tillväxten till 0,3x till värderingsmultipeln. Med tanke på Databricks tillväxtfördel på 22 punkter kan premien på 35 % faktiskt underskatta den verkliga skillnaden i slutlig företagsstorlek. Denna premie återspeglar bristen på dataplattformar med hög tillväxt på offentliga marknader. Det finns egentligen ingen motsvarighet till Databricks idag. Palantir med 39% tillväxt handlas till 75x termin (inte run-rate). Rubrik, i skymningen av en övergång från on-prem till moln, handlas till 15x framåt på 44% tillväxt. Värderingspremien på 35 % återspeglar både Databricks överlägsna tillväxt och marknadens satsning på AI. Med AI-intäkter som redan ligger på 1 miljard USD och som driver på den åtföljande beräkningsefterfrågan, har Databricks positionerat sig i centrum för den mest värdefulla trenden inom företagsprogramvara. 1. $100b/$4b = 25x jämfört med $75.9b/$4.1b 18.5x