Kun Anthropic esitteli Model Context Protocolin, he lupasivat yksinkertaistaa agenttien käyttöä. MCP:n avulla tekoäly ymmärtää, mitkä työkalut ovat sen käytettävissä: esimerkiksi verkkohaku, tiedostojen muokkaus ja sähköpostin laatiminen. Kymmenen kuukautta myöhemmin analysoimme 200 MCP-työkalua ymmärtääksemme, mitä luokkia kehittäjät todella käyttävät. Aineistosta on noussut esiin kolme käyttömallia: Kehitysinfrastruktuurin työkalut hallitsevat 54 prosentilla kaikista istunnoista, vaikka ne ovat vain puolet käytettävissä olevista palvelimista. Päätelaitteiden käyttö, koodin luominen ja infrastruktuurin käyttö ovat suosituimpia. Koodauksen aikana insinöörit hyötyvät mahdollisuudesta työntää GitHubiin, ajaa koodia päätteessä ja käynnistää tietokantoja. Nämä työkalut virtaviivaistavat työnkulkuja ja vähentävät kontekstin vaihtamista. Tiedonhaku tallentaa 28 % istunnoista vähemmillä työkaluilla, mikä osoittaa korkeaa tehokkuutta. Verkkohaku, tietopankit ja asiakirjojen haku ovat avaintekijöitä. Näitä järjestelmiä käytetään todennäköisesti enemmän tuotannossa, käyttäjien puolesta, kuin kehityksen aikana. Kaikki muu, mukaan lukien viihde, henkilökohtainen hallinta ja sisällöntuotanto, jakaa loput 18 %. Elokuvasuosittelijat, tehtävänhallinta ja Formula 1 -aikataulut täyttävät tietyt markkinaraot. MCP:n käyttöönotto on vielä varhaista. Kaikki tekoälyt eivät tue MCP:tä. Niistä, jotka tekevät, Claude, Claude Code, Cursor ovat listan kärjessä (alliteraatio tekoälyssä). Kehittäjäkeskeiset tuotteet ja varhaiset tekniset omaksujat ovat suurin osa käyttäjistä. Mutta kun kuluttajien tekoälytyökalujen käyttö kasvaa ja MCP-tuki laajenee, meidän pitäisi odottaa näkevämme paljon monipuolisempaa työkalujen käyttöä.

4 miljardin dollarin liikevaihto. Kaksi datajättiläistä on nyt molemmat tällä merkillä sen jälkeen, kun Databricks ilmoitti ylittävänsä kynnyksen. Tämä on tilaisuus verrata kahta johtavaa datayritystä tulojen risteyksessä. Molempien liikevaihto on 4 miljardia dollaria. Jokainen vaatii yli 650 asiakasta, jotka maksavat 1 miljoona dollaria + vuodessa. Kummassakin on vahva dollarin nettosäilyttäminen (140 % vs. 125 %). Databricks kasvaa 50 % verrattuna Snowflaken 28 %:iin, ja yksityisillä markkinoilla käydään kauppaa tuohon kasvuvauhtiin nähden. Snowflake on kiihtynyt uudelleen, mutta se oli noin vuosi myöhemmin kuin Databricks. Arvostuksen vertaaminen liikevaihtoon osoittaa, että Databricks käy kauppaa 35 prosentin preemiolla Snowflakeen verrattuna. Databricksin arvo on yksityisesti 100 miljardia dollaria, kun taas Snowflake käy julkisesti kauppaa 75,9 miljardilla dollarilla. Näillä markkinoilla jokainen 1 % kasvusta lisää arvostuskertoimeen 0,3-kertaista. Kun otetaan huomioon Databricksin 22 pisteen kasvuetu, 35 prosentin preemio saattaa itse asiassa aliarvioida todellista eroa liiketoiminnan lopullisessa koossa. Tämä preemio heijastaa nopeasti kasvavien data-alustojen niukkuutta julkisilla markkinoilla. Databricksille ei todellakaan ole vastinetta nykyään. Palantir 39 %:n kasvulla käy kauppaa 75-kertaisella termiinillä (ei juoksunopeudella). Rubrik, joka on siirtymisen hämärässä on-premistä pilveen, käy kauppaa 15-kertaisella eteenpäin 44 prosentin kasvulla. 35 %:n arvostuspreemio heijastaa sekä Databricksin ylivoimaista kasvua että markkinoiden panosta tekoälyyn. Kun tekoälyn liikevaihto on jo 1 miljardi dollaria ja lisää samanaikaista laskentakysyntää, Databricks on asettanut itsensä yritysohjelmistojen arvokkaimman trendin keskiöön. 1. 100 miljardia dollaria/4 miljardia dollaria = 25x vs 75,9 miljardia dollaria/4,1 miljardia dollaria 18,5x