論文の概要: A Two-Dimensional Study of the Model Context Protocol: Publication and Adoption
- arxiv url: http://arxiv.org/abs/2609.14721v1
- Date: Sun, 13 Sep 2026 18:28:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 12:40:38.844608
- Title: A Two-Dimensional Study of the Model Context Protocol: Publication and Adoption
- Title（参考訳）: モデルコンテキストプロトコルの2次元研究--公開と採用
- Abstract要約: 802のMPP関連の出版物と33,319のGitHubリポジトリを調査します。
出版物とレポジトリは,2025年と2026年3月に,互いに1ヶ月以内に急速に成長し始めた。
ほとんどの出版物(57.8%)とほぼ全てのレポジトリ(93.7%)は、直接解析、評価、拡張、確保を行うのではなく、MPPを実現可能な技術として使っている。
- 参考スコア（独自算出の注目度）: 2.462914131044294
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The Model Context Protocol (MCP), released by Anthropic in November 2024, standardizes how large language model applications connect to external tools and data sources. Despite MCP's rapid growth, no study has jointly characterized its emergence in the research literature, its adoption on GitHub and the relationship between them. We address this gap with a longitudinal, two-dimensional study of 802 MCP-related publications and 33,319 GitHub repositories. We characterize their growth and identify their application domains via BERTopic and usage contexts via a human-validated GPT-5.6-Luna classifier. We find that publications and repositories began rapid growth within a month of each other in 2025, and peaked together in March 2026. Notably, a second growth wave alone accounts for 49.5% of the GitHub repositories. Most publications (57.8%) and nearly all repositories (93.7%) use MCP as an enabling technology rather than for analyzing, evaluating, extending, or securing it directly. Among repositories, the latter category concentrates almost entirely in one general-purpose topic, while applied usage spreads into product-specific niches. Finally, we provide an overview of the MCP landscape and recommendations to researchers and practitioners in this field.
- Abstract（参考訳）: 2024年11月に Anthropic がリリースした Model Context Protocol (MCP) は、大規模な言語モデルアプリケーションが外部ツールやデータソースにどのように接続するかを標準化している。
MCPの急速な成長にもかかわらず、研究文献におけるその出現、GitHubへの採用、それらの関係を共同で特徴付ける研究は行われていない。
このギャップに対処するため、802のMBP関連出版物と33,319のGitHubリポジトリを縦に2次元で調査した。
GPT-5.6-Luna分類器を用いて、BERTopicおよび使用状況を用いて、それらの成長を特徴付け、それらのアプリケーションドメインを識別する。
出版物とレポジトリは2025年に互いに1ヶ月以内に急速に成長し始め、2026年3月にピークを迎えた。
注目すべきは、第2の成長波だけで、GitHubリポジトリの49.5%を占めることだ。
ほとんどの出版物(57.8%)とほぼ全てのレポジトリ(93.7%)は、直接解析、評価、拡張、確保を行うのではなく、MPPを実現可能な技術として使っている。
リポジトリの中では、後者のカテゴリはほとんどが1つの汎用トピックに集中している。
最後に、MSPの展望の概要と、この分野の研究者や実践者への提言について述べる。
関連論文リスト
- Model Retirement Creates Reproducibility Risk in Biomedical AI Publications [0.0]
バイオメディカルタスクに特定の大規模言語モデルを適用した研究論文について,PubMedを検索した。
我々は,5,242冊にまたがる8,931冊の論文を同定した。
全体の42%は、公式発表の時点で既に引退していたモデルか、2年以内に引退する予定のモデルであった。
論文 参考訳（メタデータ） (2026-09-04T04:00:54Z) - From Interpretability to Control: Insights from Six Years of the TrustNLP Workshop [63.00693129203923]
The Workshop on Trustworthy Natural Language Processingは8つの論文から6つのエディションで41に成長した。
我々は、144の手続き書類から洞察を合成し、確立されたフレームワークに根ざした6つの信頼次元に沿ってそれらを分類する。
分類研究による分析によると、真理は最も成長の早い次元である(2021-2022年、2025-2026年までに論文の37%を占める)。
論文 参考訳（メタデータ） (2026-08-11T17:30:16Z) - Early Adoption of Agentic Coding Tools by GitHub Projects [0.9310318514564272]
2,361人気のGitHubリポジトリから25,264のプルリクエスト(PR)を分析します。
以上の結果から,中央リポジトリは3カ月間に1～2個のエージェントPRしか生成しないことが明らかとなった。
小プロジェクトは中規模プロジェクトや大規模プロジェクトよりも参加率とエージェントPR活動の平均レベルが高い。
論文 参考訳（メタデータ） (2026-07-15T17:05:06Z) - Topical Phase Transitions in Artificial Intelligence Research: Large-Scale Evidence and an Early-Warning Signature for Emerging Topics [0.8594140167290097]
2017年から2025年までの5回のAIカンファレンスから、承認されたメイントラックの論文80,814件を分析します。
主要なAIトピックは、トピックのフェーズ移行を通じて進行している。
この構造は私たちの主な貢献であり、AI研究の再編成の大規模で横断的な特徴である。
論文 参考訳（メタデータ） (2026-06-11T02:47:41Z) - Forecasting the Maintained Score from the OpenSSF Scorecard for GitHub Repositories linked to PyPI libraries [78.48200143057376]
今後,OpenSSFが保持するスコアをどの程度予測できるかを検討する。
PageRankによって、最も中央のPyPIライブラリのトップ1%に関連付けられた3,220のGitHubリポジトリを分析します。
以上の結果から,今後の保守活動は有意義な精度で予測できることが示唆された。
論文 参考訳（メタデータ） (2026-01-26T10:32:54Z) - Why Authors and Maintainers Link (or Don't Link) Their PyPI Libraries to Code Repositories and Donation Platforms [83.16077040470975]
Python Package Index(PyPI)上のライブラリのメタデータは、オープンソースライブラリの透明性、信頼性、持続性をサポートする上で重要な役割を果たす。
本稿は,5万PyPIの著者とメンテナに送付された2つの対象調査を組み合わせた大規模実証研究である。
我々は,大規模言語モデル(LLM)に基づくトピックモデリングを用いて1,400以上の応答を分析し,リポジトリと寄付プラットフォームのリンクに関連する重要なモチベーションと障壁を明らかにする。
論文 参考訳（メタデータ） (2026-01-21T16:13:57Z) - On the Use of Agentic Coding: An Empirical Study of Pull Requests on GitHub [6.7302091035327285]
大規模言語モデル(LLM)は、ソフトウェア開発プロセスに統合されつつある。
自律的なAIエージェントを使用して、コードを生成し、人間の介入を最小限に抑えたプルリクエストを提出する能力は、標準のプラクティスになる可能性がある。
エージェントコーディングツールであるClaude Codeを使って生成した567のGitHubプルリクエスト(PR)を、157のオープンソースプロジェクトで実証研究しました。
論文 参考訳（メタデータ） (2025-09-18T08:48:32Z) - BIOMEDICA: An Open Biomedical Image-Caption Archive, Dataset, and Vision-Language Models Derived from Scientific Literature [73.39593644054865]
BIOMEDICAはスケーラブルでオープンソースのフレームワークで、PubMed Central Open Accessサブセット全体を抽出、注釈付け、シリアライズして、使いやすく、公開可能なデータセットにする。
われわれのフレームワークは600万以上の記事から2400万以上のユニークな画像テキストペアで包括的なアーカイブを生成する。
BMCA-CLIPは、ストリーミングを通じてBIOMEDICAデータセット上で継続的に事前トレーニングされたCLIPスタイルのモデルのスイートで、27TBのデータをローカルにダウンロードする必要がなくなる。
論文 参考訳（メタデータ） (2025-01-13T09:58:03Z) - Mapping the Increasing Use of LLMs in Scientific Papers [99.67983375899719]
2020年1月から2024年2月にかけて、arXiv、bioRxiv、Natureのポートフォリオジャーナルで950,965の論文をまとめて、体系的で大規模な分析を行った。
計算機科学の論文では, LLMの使用が着実に増加し, 最大, 最速の成長が観察された。
論文 参考訳（メタデータ） (2024-04-01T17:45:15Z) - Leveraging Artificial Intelligence Technology for Mapping Research to
Sustainable Development Goals: A Case Study [6.551575555269426]
この研究は、オーストラリア大学から82,000冊以上の論文をケーススタディとして採用した。
われわれは、これらの出版物を持続可能な開発目標にマッピングするために類似度尺度を利用した。
私たちは、OpenAI GPTモデルを利用して、同じタスクを実行し、2つのアプローチの比較分析を容易にしました。
論文 参考訳（メタデータ） (2023-11-09T11:44:22Z) - Benchmarking Graph Neural Networks [75.42159546060509]
グラフニューラルネットワーク(GNN)は、グラフ上のデータから分析および学習するための標準ツールキットとなっている。
成功している分野が主流で信頼性を持つようになるためには、進捗を定量化するためにベンチマークを開発する必要がある。
GitHubリポジトリは1,800のスターと339のフォークに到達し、提案されているオープンソースフレームワークの有用性を実証している。
論文 参考訳（メタデータ） (2020-03-02T15:58:46Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。