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 namen van HTTP-methoden en koppelden SDK’s aan elkaar. Elke interface ging ervan uit dat we zouden 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; tegen 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 het volgende interfaceparadigma binnengaan. Moderne LLM’s betwisten het idee dat een gebruiker een functie moet kiezen of een methodehandtekening moet onthouden. In plaats van “Welke API moet ik aanroepen?” de vraag wordt: “Welke uitkomst probeer ik te bereiken?” Met andere woorden: de interface verschuift van code → naar taal. In deze verschuiving komt 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 verzoeken in natuurlijke taal.

MCP is geen hype-term; meerdere onafhankelijke onderzoeken identificeren de architecturale verschuiving die nodig is voor het aanroepen van “LLM-consumeerbare” tools. Eén blog van Akamai-ingenieurs beschrijft de transitie van traditionele API’s naar ‘taalgestuurde integraties’ voor LLM’s. Een andere academisch artikel over “AI agentic workflows en enterprise APIs” wordt gesproken over hoe de enterprise API-architectuur moet evolueren om doelgerichte agenten te ondersteunen in plaats van door mensen gestuurde oproepen. Kortom: we ontwerpen niet langer alleen maar API’s voor code; we ontwerpen mogelijkheden voor intentie.

Waarom is dit van belang voor bedrijven? Omdat ondernemingen verdrinken in interne systemen, wildgroei aan integraties en kosten voor gebruikerstraining. 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) zelfbedieningsgegevenstoegang mogelijk maken voor marketeers die voorheen moesten wachten tot analisten SQL hadden geschreven. Wanneer de gebruiker alleen maar zijn intentie kenbaar maakt (zoals “haal de omzet van het laatste kwartaal op voor regio X en markeer afwijkingen”), kan het onderliggende systeem dat vertalen in oproepen, orkestratie, contextgeheugen en resultaten opleveren.

Natuurlijke taal wordt geen gemak, 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 taal van de mens en werkt de rest uit. Dat is niet alleen een UX-verbetering, het is een architecturale verandering.

Onder MCP zijn de codefuncties nog steeds aanwezig: 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 ‘Alle facturen voor Acme Corp sinds januari weergeven en eventuele late betalingen markeren.’ Het model lost de entiteiten op, roept de juiste systemen aan, filtert en retourneert gestructureerd inzicht. Het werk van de ontwikkelaar verschuift van het bedraden van eindpunten naar het definiëren van capaciteitsoppervlakken en vangrails.

Deze verschuiving transformeert ontwikkelaar ervaring en bedrijfsintegratie. Teams hebben vaak moeite om nieuwe tools aan te schaffen, omdat ze schema’s in kaart moeten brengen, lijmcode moeten schrijven en gebruikers moeten trainen. Met een front in natuurlijke taal 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 LLM-gestuurde 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 mens beoordeelt vervolgens, past aan en handelt – en verschuift van dataloodgieter naar beslisser. Dat doet ertoe: volgens een onderzoek van McKinsey & Company63% van de organisaties die generatie-AI gebruiken, maakt al tekstuitvoer, en meer dan 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 architectonische termen betekent dit dat het softwareontwerp moet evolueren. MCP vereist systemen die publiceren metagegevens van mogelijkhedensteun semantische routering, behouden contextgeheugen en afdwingen vangrails. 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 voor het verbeteren van bedrijfs-API’s voor LLM’s laat zien hoe API’s kunnen worden verrijkt met taalvriendelijke metadata, zodat agenten op dynamische wijze tools kunnen selecteren. De implicatie: software wordt modulair rond intentieoppervlakken in plaats van functieoppervlakken.

Taal-eerst-systemen brengen ook risico’s en eisen met zich mee. Natuurlijke taal is van nature dubbelzinnig, dus bedrijven moeten authenticatie, loggen, herkomst en toegangscontrole implementeren, net zoals ze dat deden voor API’s. Zonder deze vangrails zou een agent het verkeerde systeem kunnen bellen, gegevens vrijgeven of bedoelingen verkeerd interpreteren. Eén bericht op “prompte ineenstorting” noemt het gevaar: naarmate de gebruikersinterface in natuurlijke taal dominant wordt, kan software veranderen in “een mogelijkheid die toegankelijk is via conversatie” en het bedrijf in “een API met een frontend in natuurlijke taal”. Die transformatie is krachtig, maar alleen veilig als systemen zijn ontworpen voor introspectie, audit en governance.

De verschuiving heeft ook culturele en organisatorische gevolgen. Tientallen jaren lang hebben bedrijven integratie-ingenieurs ingehuurd om API’s en middleware te ontwerpen. Met MCP-gedreven modellen zullen bedrijven steeds meer mensen aannemen ontologie ingenieurs, capaciteiten architecten En specialisten op het gebied van agent enablement. Deze rollen richten zich 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, staan ​​vaardigheden als domeinkennis, prompt framing, toezicht en evaluatie centraal.

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 uw bedrijfsworkflows in kaart die veilig via taal kunnen worden aangeroepen. Catalogiseer vervolgens de onderliggende mogelijkheden die u al heeft: dataservices, analyses en API’s. Vraag dan: “Zijn deze vindbaar? Kunnen ze via intentie worden opgeroepen?” Test ten slotte een laag in MCP-stijl: bouw een klein domein (klantondersteuningstriage) waar een gebruiker of agent resultaten in taal kan uitdrukken, en laat systemen de orkestratie doen. Vervolgens itereren en schalen.

Natuurlijke taal is niet alleen de nieuwe front-end. Het wordt de standaardinterfacelaag voor software en vervangt 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 de organisaties die nog steeds gebonden zijn aan het handmatig aanroepen van eindpunten, zal de verschuiving aanvoelen als het opnieuw leren van een nieuw platform. De vraag is niet langer “welke functie moet ik oproepen?” maar “wat wil 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, niet-gevestigde diepgaande inzichten over 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 een ​​eigen artikel bij te dragen!