Google Cloud Storage dołącza do MCP Toolbox: Narzędzia do worków dla agentów AI

Google Cloud Storage stanowi kluczowy element nowoczesnego stacku agentowego oraz preferowany sposób przechowywania danych niestrukturyzowanych na dużą skalę. Jednak w miarę jak zespoły przechodzą od tworzenia prototypów do uruchamiania autonomicznych agentów w środowisku produkcyjnym, pojawia się zmiana w architekturze: przechowywanie danych nie jest już najtrudniejszą częścią. Rzeczywistym wyzwaniem jest przekształcenie petabajtów surowych, niestrukturyzowanych plików w dane, do których agent może uzyskać dostęp na żądanie. Aby temu sprostać, GCS jest teraz obsługiwany w sposób natywny i jest powszechnie dostępny w MCP Toolbox.

Dane niestrukturyzowane w aplikacjach agentowych

Bazy danych przechowują dane uporządkowane, natomiast magazyny obiektów zawierają codzienną rzeczywistość biznesu: umowy w formacie PDF, schematy architektoniczne, dokumenty finansowe i związane z przepisami, surowe logi aplikacji oraz media wielomodalne. Zapewnienie agentom standardowego sposobu komunikacji z GCS umożliwia tworzenie różnych rodzajów aplikacji.

Pierwszym rozwiązaniem jest analiza multimodalna. Agenty mogą łączyć deterministyczną moc strukturyzowanych danych w BigQuery lub AlloyDB z bogatszym kontekstem przechowywanym w GCS. Na przykład automatyczny agent obsługujący roszczenia ubezpieczeniowe mógłby odczytać z bazy danych AlloyDB limity polisy i kwoty wolne od opłat, jednocześnie pobierając z GCS zdjęcia z miejsca wypadku oraz zeskanowane raporty policyjne, a następnie ocenić szkody i zalecić wypłatę odszkodowania.

Drugim rozwiązaniem są zautomatyzowane łańcuchy przetwarzania dokumentów. Agent działający w tle może monitorować specjalne kontenery na nowo przesłane faktury dostawców lub umowy prawnicze, wyodrębniać kluczowe elementy i uruchamiać odpowiednie procesy w systemie ERP.

Trzecim rozwiązaniem jest analiza kodu źródłowego i dzienników systemowych. Agenty zajmujący się niezawodnością serwerów mogą badać kontenery zawierające historyczne dzienniki serwerów lub pliki z informacjami o awariach w celu ustalenia przyczyn źródłowych, bez konieczności ręcznego pobierania gigabajtów tekstu przez programistów.

Czwartym rozwiązaniem jest dynamiczny RAG w czasie rzeczywistym – trend pojawiający się wśród klientów, którzy porzucają sztywne procesy embeddingu wektorowego. Zamiast z góry dzielić dane na fragmenty i tworzyć indeksy, udziela się agentowi bezpiecznego dostępu do określonej ścieżki w GCS. Gdy użytkownik zadaje złożone pytanie, agent wyświetla zawartość pojemnika, znajduje odpowiedni 200-stronicowy podręcznik, czyta surowy plik i buduje odpowiedź bezpośrednio na podstawie źródła.

Zgodnie z blogiem deweloperskim Google, firmy takie jak Snap, Palo Alto Networks i Airwallex już korzystają z GCS w połączeniu z MCP.

Co zostało wypuszczone

Od momentu uruchomienia MCP Toolbox jedną z najczęściej proszonych funkcji była natywna obsługa dużych magazynów obiektów, takich jak GCS. Podobnie jak inne źródła z Toolbox, integracja z GCS jest prosta w użyciu, a szybkie instrukcje konfiguracji w dokumentacji Cloud Storage umożliwiają natychmiastowe połączenie z klientem.

Dołączone są gotowe narzędzia obejmujące większość podstawowych funkcji GCS: tworzenie, wyświetlanie, odczytywanie i aktualizowanie buforów, obiektów oraz ich metadanych. Dla ułatwienia zarządzania dostępne są również dwa wbudowane zestawy narzędzi.

• cloud-storage-buckets umożliwia agentowi zarządzanie infrastrukturą przechowywania, na przykład wyświetlanie buforów i pobieranie ich metadanych.
• cloud-storage-objects pozwala agentowi pracować bezpośrednio z danymi niestrukturyzowanymi, na przykład wyświetlanie plików, odczytywanie ich zawartości, przesyłanie i usuwanie.

W najbliższych miesiącach planowane są dodatkowe narzędzia.

Narzędzia dostosowane do bardziej rygorystycznej logiki biznesowej

Gotowe narzędzia wystarczają w większości przypadków, ale niektóre wzorce wymagają specjalistycznej logiki biznesowej, a Toolbox oferuje już deklaratywne, rozszerzalne ramy takich narzędzi. Natywna integracja z GCS może służyć jako element budulcowy dla narzędzi dostosowanych do konkretnych potrzeb biznesowych.

Typowym przykładem jest ograniczenie dostępu agenta do kilku specyficznych pojemników, aby w przyszłości nic nie wyciekło. Umieszczenie integracji z GCS w ramach specjalnego narzędzia umożliwia użycie sztywno zdefiniowanej listy dostępnych pojemników, co eliminuje ryzyko iniekcji poleceń prowadzącej do przechodzenia między pojemnikami. Narzędzie, które wyświetla tylko te pojemniki z listy dostępnych, wygląda następująco:

kind: tool
name: list_allowlisted_buckets
type: cloud-storage-list-buckets
source: my-gcs-source
description: Use this tool to list Cloud Storage buckets allowlisted for the vendor risk assement agent
project: my_safe_project"   # hard-coded GCP project
prefix: ai_buckets          # allowlisted bucket prefix

W ten sam sposób odczyt obiektów może być ograniczony do bezpiecznej listy dozwolonych elementów:

kind: tool
name: read_allowlisted_objects
type: cloud-storage-read-object
source: my-gcs-source
description: Use this tool to read contents of available, allowlisted Cloud Storage objects
bucket: bucket_for_agents   # allowlisted GCS bucket

Pierwsze kroki

Bezpośrednie połączenie największych magazynów danych niestrukturyzowanych z agentami AI otwiera wiele możliwości. Oficjalna dokumentacja GCS wraz z Toolboxem, strona referencyjna z gotowymi narzędziami i zestawami narzędzi oraz repozytorium MCP Toolbox na GitHubie to miejsca, od których należy zacząć.