«Мы потратили четыре месяца с половиной миллиона долларов, пытаясь подключить наш ИИ с нашими бизнес -системами, и он все еще не может достоверно получать базовые данные клиентов». Разочарование в голосе технического директора было очевидным во время нашего видеозвонка. Его компания и многие другие сталкиваются с теми же проблемами: данные, необходимые для создания жизней сверхдержанных ИИ в предпринимательских приложениях, и эти предприятия не легко подключены к процессам и агентам искусственного интеллекта.
Я слышал эту историю десятки раз в моей роли главного сотрудника по продукту в CDATA. Компании участвовали в реализации агентов искусственного интеллекта, только для того, чтобы попасть в ту же стену: их данные жили в Salesforce, SAP, Oracle, пользовательских базах данных и бесчисленных других системах. Каждое требование потребовало индивидуальной интеграционной работы, и даже тогда проблемы безопасности и управления казались непреодолимыми.
«Что, если я скажу вам, — сказал я, — что ваш ИИ уже знает, как поговорить со всеми этими системами? Он просто нуждается в правильном переводчике». Этот разговор привел к пилотному проекту, который изменил бы то, как они — и в конечном итоге десятки других предприятий — приближаются к интеграции ИИ. Секрет? Интеграция протокола контекста модели (MCP) с CDATA Connectors направлена на создание стандартизированного метода связи между ИИ и предприятиями.
Кошмар интеграции AI Enterprise AI
Позвольте мне нарисовать вам изображение того, с какими предприятиями сталкиваются при попытке подключить ИИ к своим данным. У них есть:
- Данные клиента в Salesforce.
- Финансовые отчеты в SAP.
- Инвентарь в пользовательской базе данных PostgreSQL.
- Аналитика в снежинках.
- Документы разбросаны по Google Drive и SharePoint.
Каждая система имеет свой собственный API, метод аутентификации и причуды. Обучение ИИ говорить на всех этих языках — это все равно, что попросить кого -то свободно свободно на 50 различных диалектов.
Вот кикер: даже если вам удастся создать все эти интеграции, вы создали кошмар безопасности и обслуживания. Как вы гарантируете, что AI только доступ к данным, которые пользователь разрешается видеть? Как вы отслеживаете, что он занимается во всех этих системах? Как вы следите за изменениями в API? Как вы гарантируете, что все соответствующие данные, доступные в API, были обнародованы?
MCP + SQL: неожиданная мощная пара
Мы поняли, что можем помочь развернуть ИИ, подключенный к корпоративным данным, объединив две вещи:
Во -первых, крупные языковые модели (LLMS) удивительно хороши в SQL. Почему? Потому что они были обучены миллионам примеров SQL из документации, форумов и репозитории кода. SQL является стандартизированным, логичным и на основе шаблонов-именно то, что LLMS Excel.
Во -вторых, протокол контекста модели (MCP) обеспечивает безопасный, стандартизированный способ взаимодействия LLMS с внешними инструментами и источниками данных. Думайте об этом как об универсальном адаптере, который позволяет системам ИИ безопасно подключаться к вашим бизнес -инструментам.
Вот как мы заставляем его работать для наших корпоративных клиентов:
Шаг 1: развертывание развертывания SQL -разъемов. CDATA Connectors делают любую бизнес -систему похожей на базу данных SQL. Например, разъем Salesforce преобразует вызовы API в таблицы SQL. Внезапно, запрос данных о клиентах стал таким же простым, как:
Выберите * от клиентов, где регион = ‘Северо -восток’ и Lastorderdate Шаг 2: Реализация MCP. MCP действует как безопасный мост между LLM и этими разъемами. Когда ИИ нужны данные, это: Шаг 3: обеспечение безопасности Это было важно. MCP гарантирует, что каждый запрос работает с учетными данными текущего пользователя. Если пользователь не может видеть определенные записи клиентов в Salesforce, также не может ИИ, когда он работает от имени этого пользователя. Нет особых разрешений на ИИ, нет безопасности. Реальное воздействие: от теории к практике Позвольте мне поделиться конкретным примером. Наша команда по продажам должна была идентифицировать учетные записи из группы риска и создать персонализированную аутрич. Ранее это требовалось: Общее время: 2-3 часа на торговый представитель, ежедневно. С агентом искусственного интеллекта с мощностью MCP та же задача теперь работает так: Общее время: 15 минут. Но вот что меня действительно волнует — это не только операции чтения. ИИ теперь может: Все при сохранении полного аудиторского следа каждого действия. Извлеченные уроки и лучшие практики После нескольких месяцев экспериментов с AI-агентами MCP, вот что мы узнали: Начните с операций только для чтения. Установите доверие с начала с поиска данных. Пусть пользователи увидят, как ИИ вытащит точную информацию, прежде чем включать возможности записи. Реализовать управление запросами. Мы создали простую систему утверждения для определенных операций. Удаление записей? Обновление финансовых данных? Они требуют подтверждения человека. Кэш умно. Не каждый запрос нуждаются в данных в реальном времени. Мы кэшируем относительно статическую информацию (например, каталоги продуктов), сохраняя при этом транзакционные данные свежими. Контролировать все. MCP позволяет легко регистрировать каждый запрос и действие. Мы построили панели мониторинга, показывающие, к каким системам AI обращается больше всего, помогая нам оптимизировать производительность и определить новые варианты использования. Дорога впереди Комбинация разъемов MCP и SQL на основе SQL принципиально изменила то, как мы думаем об AI Enterprise. Вместо создания комплекса, хрупких интеграций для каждой системы, теперь у нас есть стандартизированный, надежный подход, который масштабируется. В настоящее время мы расширяем наше специально разработанное подключение к агентам ИИ, чтобы справиться с более сложными рабочими процессами: Ключевое понимание? Вам не нужно перестроить весь свой технологический стек, чтобы использовать ИИ. Говоря об языке, который ваш ИИ уже знает (SQL) и предоставляя безопасный доступ через MCP, вы можете преобразовать, как ваша организация работает с данными. В следующий раз, когда кто -то скажет вам, что подключение ИИ к корпоративным системам требует месяцев индивидуальной разработки, расскажите им о MCP. Еще лучше, покажите им, что возможно, когда вы переворачиваете сценарий и строите основу, которая уже есть. Хотите поэкспериментировать с MCP самостоятельно? Начните с запросов только для чтения к одной системе. Как только вы увидите мощность ИИ, которая может на самом деле получить доступ к вашим данным, вы никогда не вернетесь к рабочим процессам копирования вставки. Trending Stories youtube.com/thenewstack Tech движется быстро, не пропустите эпизод. Подпишитесь на наш канал YouTube, чтобы транслировать все наши подкасты, интервью, демонстрации и многое другое. Группа подпишитесь с эскизом. Маниш отвечает за определение стратегического видения продукта CDATA и дорожной карты. У него более 15 лет опыта управления продуктом растут упакованные программные и облачные предложения в нескольких компаниях SaaS, включая Tier1, Valassis Digital и Ipreo. Маниш держит бакалавр … Подробнее от Маниша Пателя
