Google Cloud Storage приєднується до MCP Toolbox: інструменти для бакетів для AI-агентів

Google Cloud Storage є ключовою складовою сучасної архітектури агентів та ідеальним рішенням для зберігання неструктурованих даних у великих обсягах. Однак у міру того, як команди переходять від створення прототипів до запуску автономних агентів у продакшені, відбувається зміна архітектури: зберігання даних більше не є складною частиною. Справжньою проблемою є перетворення петабайтів необроблених, неструктурованих файлів у інформацію, до якої агент може отримати доступ за потреби. Щоб вирішити цю проблему, GCS тепер підтримується нативно та є загальнодоступним у MCP Toolbox.

Неструктуровані дані в додатках з агентами

Бази даних зберігають структуровані факти, тоді як об’єктні сховища містять повсякденну інформацію бізнесу: контракти у форматі PDF, архітектурні схеми, фінансові та нормативні документи, необроблені журнали діяльності додатків та мультимодальні медіафайли. Надання агентам стандартного способу взаємодії з GCS дозволяє створювати різноманітні додатки.

Першим є багатомодальний аналіз. Агенти можуть поєднувати детерміністичну силу структурованих даних у BigQuery чи AlloyDB із більш повним контекстом, який зберігається у GCS. Наприклад, автоматизований агент для обробки страхових заявок може отримувати інформацію про ліміти та страхові внески з полісу клієнта з бази даних AlloyDB, водночас завантажуючи з GCS фотографії місця аварії та скановані поліцейські звіти, а потім оцінювати збитки та пропонувати суму виплати.

Другим є автоматизовані потоки документів. Фоновий агент може стежити за контейнерами для нових завантажених рахунків-фактур від постачальників чи юридичних контрактів, виділяти ключові елементи та запускати відповідні робочі процеси ERP.

Третім є криміналістичний аналіз кодової бази та журналів. Агенти забезпечення надійності сайту можуть аналізувати контейнери з історичними журналами серверів чи записами про збої з метою визначення первинних причин, без необхідності для розробників вручну завантажувати гігабайти тексту.

Четвертий підхід — це динамічний RAG у реальному часі, який стає популярним серед клієнтів, які відходять від жорстких схем векторного вбудовування даних. Замість того, щоб заздалегідь розділяти інформацію на частини та створювати для неї індекси, ви надаєте агенту безпечний доступ до певного каталогу GCS. Коли користувач ставить складне запитання, агент перелічує вміст контейнера, знаходить відповідний 200-сторінковий посібник, читає оригінальний файл та формує відповідь безпосередньо з цього джерела.

За даними блогу розробників Google, такі компанії, як Snap, Palo Alto Networks та Airwallex, вже використовують GCS разом із MCP.

Що було випущено

З моменту запуску MCP Toolbox нативна підтримка великих сховищ об’єктів, таких як GCS, була однією з найбільш затребуваних функцій. Як і інші джерела Toolbox, інтеграція з GCS є простою у використанні, а інструкції з швидкої налаштування у документації до Cloud Storage дозволяють клієнту одразу ж підключитися.

Він постачається з готовими інструментами, які охоплюють більшість основних функцій GCS: створення, перелік, читання та оновлення бакетів, об’єктів та їхніх метаданих. Для полегшення керування також є два вбудовані набори інструментів.

• cloud-storage-buckets надає агенту можливість керувати інфраструктурою зберігання, наприклад, перелічувати бакети та отримувати їхні метадані.
• cloud-storage-objects дозволяє агенту працювати безпосередньо з неструктурованими даними, наприклад, перелічувати файли, читати їхній вміст, завантажувати та видаляти їх.

Додаткові інструменти планується додати протягом наступних кількох місяців.

Індивідуальні інструменти для більш суворої бізнес-логіки

Готові інструменти підходять для більшості випадків, але деякі сценарії вимагають власної бізнес-логіки, і Toolbox вже пропонує декларативну, розширювану структуру власних інструментів. Вбудована інтеграція з GCS може слугувати основою для інструментів, адаптованих під конкретні бізнес-завдання.

Типовим прикладом є обмеження доступу агента до кількох бакетів, щоб у майбутньому нічого не витекло. Інтеграція з GCS у вигляді власного інструменту дозволяє використовувати жорстко заданий список дозволених бакетів, що усуває ризик введення шкідливого коду, який може призвести до переходу між бакетами. Інструмент, який відображає лише бакети зі списку дозволів, виглядає так:

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

Аналогічним чином, читання об’єктів може бути обмежене лише списком дозволених, безпечних контейнерів:

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

Початок роботи

Підключення найбільших сховищ неструктурованих даних безпосередньо до агентів ШІ відкриває безліч можливостей. Офіційна документація до GCS разом із Toolbox, сторінка з посиланнями на готові інструменти та набори інструментів, а також репозиторій MCP Toolbox на GitHub — це місця, з яких варто почати.

Пов’язана література

• Практичні нотатки: Дані, контекст та управління лінійністю RAG для корпоративного ШІ — Детальний огляд Практичних нотаток: Дані, контекст та управління лінійністю RAG для корпоративного ШІ: контракти, перевірки та шаблони коду для команд, які використовують цю модель.

Практичні нотатки: „MCP: Протокол, який перетворює ШІ з чат-бота на агента ШІ“ — детальний огляд Практичних нотаток: „MCP: Протокол, який перетворює ШІ з чат-бота на агента ШІ“: контракти, перевірки та шаблони коду для команд, які розробляють системи MCP.