Genie One MCP: Donner à tout agent d'IA le bon contexte métier

Les dirigeants d'entreprise ont souvent accès à une multitude de données, mais ne parviennent toujours pas à obtenir une réponse fiable à une question apparemment simple comme : Pourquoi le revenu net a-t-il diminué de 8 % sur notre plus grand compte la semaine dernière ? La réponse peut impliquer des données de vente, de finance, de promotions, d'inventaire et de compte, chaque source étant potentiellement correcte isolément, mais différente dans ses définitions, ses détails, ses relations et son autorité.

Sans le bon contexte métier, les agents à usage général ne peuvent pas déterminer de manière fiable la signification de vos métriques, quelles sources font autorité, comment les données doivent être connectées, ou ce que chaque utilisateur est autorisé à voir.

Genie One MCP fournit un contexte gouverné à tout agent d'IA compatible MCP. Il connecte des assistants tels que ChatGPT, Claude, Microsoft Copilot et des agents de codage à Genie One, afin qu'ils puissent répondre aux questions métier en utilisant des définitions approuvées, des relations de données fiables et des contrôles d'accès sensibles aux permissions. Au lieu de demander aux agents d'inférer le sens à partir de tables brutes ou de prompts surchargés, les organisations peuvent définir le contexte métier une fois dans Genie Ontology et le rendre disponible pour chaque agent d'IA approuvé.

Le problème de contexte avec les agents à usage général

Les agents d'IA à usage général héritent de la fragmentation et de l'ambiguïté des systèmes auxquels ils se connectent. Trois lacunes rendent difficiles les réponses métier fiables :

• Faits fragmentés : Les données pertinentes sont réparties sur plusieurs systèmes, se rafraîchissent à des moments différents, couvrent des frontières fonctionnelles et évoluent dans le temps. Une vue consolidée peut déjà être incomplète ou obsolète.
• Signification incohérente : Des termes tels que ventes nettes, promotion active et à temps peuvent avoir des définitions différentes selon les équipes. Ces définitions se trouvent souvent dans des feuilles de calcul, de la documentation ou des connaissances institutionnelles, et non sous une forme qu'un agent peut utiliser de manière fiable.
• Manque d'autorité et de lignage : Lorsque les chiffres sont en conflit, il est souvent difficile de savoir quelle source fait autorité, comment les données ont été transformées ou quelle définition a produit le résultat.

Une analyse fiable nécessite plus que la simple récupération de données. Un agent doit comprendre comment les faits métier sont liés, quelles définitions s'appliquent et quelles sources doivent prévaloir.

L'accès direct aux données n'est pas un contexte métier

Connecter un agent d'IA directement à des sources structurées et non structurées offre un accès, mais pas le contexte métier partagé nécessaire pour fournir des réponses fiables et gouvernées. Sans ce contexte, l'accès direct introduit quatre défis :

• Précision : L'accès direct n'indique pas à un agent quelles sources, définitions ou jointures SQL sont approuvées. Ces choix déterminent la qualité de la réponse.
• Coût et latence : Les agents doivent inspecter à plusieurs reprises les schémas, la documentation et les relations, consommant plus de jetons et ralentissant les réponses.
• Gouvernance : Les connexions directes entre les systèmes sources peuvent rendre difficile l'application cohérente des contrôles d'accès dans le contexte de l'utilisateur final.
• Cohérence : Sans contexte partagé, chaque client, modèle ou session peut interpréter les définitions différemment, produisant des réponses incohérentes.

Construire la couche de contexte avec Genie Ontology

Genie Ontology est la couche de contexte gouvernée dans Databricks qui aide Genie One à comprendre votre entreprise. Elle combine des métriques approuvées, des définitions métier, des relations, la propriété et des politiques d'accès avec un contexte inféré à partir d'actifs d'entreprise fiables tels que des notebooks, des requêtes, des tableaux de bord, de la documentation et des agents Genie.

Genie One utilise ce contexte pour identifier les bonnes définitions et sources, résoudre les conflits basés sur l'autorité et la certification, et appliquer les permissions de chaque utilisateur. Le résultat est des réponses traçables et sensibles aux permissions, ancrées dans un contexte métier gouverné.

Appliqué à notre première question : Pourquoi le revenu net a-t-il diminué de 8 % sur notre plus grand compte la semaine dernière ? Genie Ontology : 

• Ancre le revenu net dans sa définition de métrique approuvée,
• Connecte les actifs de vente, de finance, de promotion, d'inventaire et de compte via des relations gouvernées, et 
• Priorise le contexte certifié si ces sources ne concordent pas. 

Cela se traduit non seulement par une réponse de haute qualité, mais aussi par une explication complète que les utilisateurs peuvent retracer jusqu'aux définitions et actifs gouvernés qui la sous-tendent.

Une couche de contexte partagée pour chaque agent d'IA 

Une couche de contexte gouvernée prend plus de valeur lorsqu'elle peut être utilisée de manière cohérente dans tous les environnements de travail. Genie One offre une expérience de collaboration IA native dans Databricks, tandis que le serveur Genie One MCP étend le même contexte métier gouverné à d'autres assistants IA approuvés, agents de codage et interfaces client. Ensemble, ils permettent aux organisations de construire le sens métier une fois dans Genie Ontology et de l'appliquer à travers un écosystème d'IA en évolution.

Genie One : Un collaborateur IA intelligent en matière de données 

Genie One est le collaborateur IA intelligent en matière de données de Databricks pour les utilisateurs métier. Propulsé par Genie Ontology, il aide les équipes à répondre aux questions métier gourmandes en données, à synthétiser les informations provenant de diverses sources d'entreprise et à transformer les insights en actions de suivi telles que des documents, des tâches et des actions planifiées, à la fois dans Databricks et dans des outils tiers comme Google Drive, Microsoft 365, Atlassian, Slack, GitHub et Glean. 

Genie One MCP : Apportez le contexte métier aux agents que vous utilisez déjà

Genie One MCP étend le même contexte gouverné aux assistants IA populaires et aux agents de codage. Si vous utilisez déjà Claude, ChatGPT, Microsoft Copilot ou un agent de codage tel que Claude Code, Genie One MCP expose Genie comme un outil à chacun d'eux, avec la même ontologie et la même application des permissions qu'une surface native.

Genie One MCP peut immédiatement fournir un contexte d'entreprise approfondi aux assistants IA, améliorant considérablement la qualité de l'engagement avec les utilisateurs métier. Voici quelques exemples :

Examen des performances de campagne : Un responsable marketing demande à ChatGPT Business quelles campagnes génèrent un pipeline qualifié et où réaffecter le budget. Genie One connecte les données d'attribution, de campagne, de dépenses, de leads et d'opportunités approuvées ; ChatGPT transforme les résultats en un plan d'action de campagne.

Examen commercial mensuel : Un responsable financier demande à Claude Cowork ce qui explique l'écart entre les prévisions et la marge réelle, et quelles régions nécessitent une action. Genie One identifie les prévisions officielles, la définition de marge approuvée et les facteurs opérationnels pertinents ; Claude transforme les résultats en un récit d'examen opérationnel et une liste d'actions.

Examen de la rétention client : Un responsable de la réussite client demande à Microsoft Copilot Cowork quels clients présentent une adoption en baisse, un volume de support en hausse et un risque de renouvellement. Genie One connecte le contexte client, d'utilisation du produit, de support et de contrat gouverné ; Copilot priorise ensuite les comptes à risque et prépare un suivi ciblé.

Configuration de Genie One MCP

La configuration commence dans un espace de travail avec l'activation de la prévisualisation et une connexion client. Les étapes diffèrent selon le client, veuillez donc suivre les instructions de notre documentation sur les assistants IA et agents de codage pour plus de détails. Une fois la connexion établie, vous devriez pouvoir voir la connexion Genie One MCP dans votre assistant IA (voir ci-dessous pour un exemple de Claude Cowork).

L'expérience Genie One MCP

Une fois configuré, Claude peut invoquer Genie One MCP lorsqu'une question nécessitant un contexte d'entreprise lui est posée. En réponse, Genie One fournit une réponse entièrement raisonnée et formulée en respectant scrupuleusement les contrôles d'accès aux actifs de données sous-jacents (voir ci-dessous pour des exemples de Claude Cowork et ChatGPT). 

Le serveur Genie One MCP fournit MCP Apps, une extension qui permet à un serveur de renvoyer une vue interactive au lieu de texte brut. Sur les clients qui prennent en charge les applications MCP, le serveur renvoie une vue interactive, affichant des visuels, des métriques récapitulatives et des citations de l'ontologie Genie au sein de l'interface de l'assistant IA (voir ci-dessous). Remarque : Les clients qui prennent en charge les applications MCP obtiennent automatiquement la vue interactive, tandis que les clients sans prise en charge des applications MCP continuent de recevoir des résultats textuels uniquement. 

 ChatGPT avec Genie One MCP

 Claude Cowork avec Genie One MCP

Appeler Claude avec MCP est facile grâce à la simple commande ug claude, qui se connectera à l'instance Claude dans l'espace de travail Databricks. Une fois le point de terminaison de service du modèle Claude ouvert, il peut être utilisé directement via la ligne de commande. Avec l'intégration Genie One MCP, Claude dispose du contexte nécessaire pour répondre avec précision.

Code Claude (CLI) avec Genie One MCP

Fonctionnement de Genie One MCP

Contrat d'outil

Genie One MCP permet aux agents IA externes d'utiliser la puissance des capacités d'analyse conversationnelle gouvernées de Genie One en envoyant une question en langage naturel. Genie interprète la terminologie métier, recherche les données d'entreprise autorisées, génère et exécute du SQL, et renvoie une réponse fondée avec des liens source Databricks. 

Pour ce faire, le serveur Genie One MCP expose cinq outils : 

• genie_ask démarre une réponse et renvoie un conversation_id et response_id genie_poll_response renvoie les étapes de progression et, à l'achèvement, la réponse avec un lien profond Explorer dans Databricks 
• genie_get_query_result renvoie l'ensemble complet des résultats lorsque la réponse tronquée est insuffisante
• genie_cancel_response arrête un tour en cours  
• view_ask remplace genie_ask sur les clients qui prennent en charge les applications MCP, affichant un panneau interactif avec la progression, les visualisations et les citations d'ontologie en ligne
• warehouse_id _meta le paramètre fixe l'exécution à un entrepôt SQL spécifique

Identité et contrôle d'accès

Lorsque les agents interrogent via Genie One plutôt que via les tables sous-jacentes, il détermine les métriques auxquelles les utilisateurs peuvent accéder et comment elles sont calculées. L'identité de l'utilisateur doit donc transiter par la requête. L'approche recommandée est l'authentification utilisateur par procuration (OBO). L'assistant externe transmet le jeton OAuth de l'utilisateur final, et Genie évalue les privilèges Unity Catalog, les filtres de lignes et les masques de colonnes dans le contexte de cet utilisateur. Les utilisateurs ne reçoivent que des résultats autorisés, et les liens profonds n'ouvrent que les actifs auxquels ils peuvent accéder.

Deux utilisateurs peuvent poser la même question dans le même client et recevoir des réponses dont la portée est appropriée, sans logique d'invite par utilisateur. L'authentification de machine à machine avec un principal de service est disponible pour les intégrations externes, mais représente chaque appelant comme une seule identité, supprimant l'application des permissions par utilisateur et limitant potentiellement la personnalisation et la mémoire.

Accéder à Genie partout couvre les modèles U2M, M2M et OBO ainsi que leurs implications en matière de gouvernance. Les connexions MCP externes sont des objets Unity Catalog régis par des octrois standard.

Gestion et surveillance

Les serveurs MCP gérés sont répertoriés sous Agents > MCPs dans l'espace de travail et sont visibles dans Unity Gateway. Les événements de chat Genie One apparaissent dans les journaux d'audit, l'exécution SQL dans l'historique des requêtes et la consommation dans les tables du système de facturation. Voici des pratiques qui tiennent en production :

• Réglez Genie One à un seul endroit. Le serveur MCP respecte les instructions de l'espace de travail, la certification et la curation des agents Genie configurées dans Databricks. N'essayez pas de piloter Genie One à partir de l'invite système du client.
• Préférez le serveur MCP de l'agent Genie à /api/2.0/mcp/genie/{genie_space_id} lorsqu'un cas d'utilisation correspond à un domaine curaté. Il expose un agent en lecture seule avec ses propres instructions et un SQL de confiance, ce qui est plus facile à évaluer et à délimiter.
• Enregistrez une application OAuth par plateforme cliente avec une portée minimale et des durées de vie de jeton correspondant à votre politique d'identité.
• Tenez compte du délai d'expiration d'exécution SQL de 90 secondes et de la limite QPM de Genie de l'espace de travail lors du dimensionnement d'un déploiement ; les questions acheminées aux agents Genie sont comptabilisées dans cette dernière.
• Validez la gouvernance par usurpation d'identité : posez la même question en tant que membres de différents groupes via le client externe et confirmez que les réponses divergent comme prévu.

Démarrer avec Genie One MCP

Les agents, les interfaces client et les protocoles d'intégration continueront d'évoluer. Les assistants IA à usage général peuvent toujours bénéficier d'un contexte métier partagé et gouverné. 

Utilisez l'ontologie Genie pour établir ce contexte partagé, puis déployez Genie One MCP pour apporter les capacités de Genie One axées sur les données aux agents et aux workflows que vos équipes utilisent déjà.

Pour plus d'informations, consultez ces ressources : 

• Genie One MCP est maintenant généralement disponible 
• Opérationnaliser l'ontologie Genie dans votre pile de données
• Documentation du serveur Genie One MCP : 
  • Serveurs MCP gérés
  • Connecter les MCP aux assistants IA et aux agents de codage

(Cet article de blog a été traduit à l'aide d'outils basés sur l'intelligence artificielle) Article original