EnrichMCP

EnrichMCP es un potente framework de Python diseñado para ayudar a los agentes de IA a comprender e interactuar con sus datos de manera más efectiva. Al añadir una capa semántica construida sobre el Model Context Protocol (MCP), EnrichMCP transforma sus modelos de datos existentes en herramientas tipadas y descubribles, funcionando de manera similar a un ORM específicamente diseñado para aplicaciones de IA. Ofrece una forma robusta y fiable para que los agentes de IA naveguen y utilicen sus datos con claridad y precisión.

Características Principales

EnrichMCP le equipa con herramientas esenciales para crear interfaces de datos inteligentes para agentes de IA:

• 🔍 Descubrimiento Automático de Esquemas: Permita a los agentes de IA explorar y comprender instantáneamente toda la estructura de su modelo de datos. Esta característica proporciona un esquema completo que detalla entidades, campos, tipos y relaciones a través de una única y sencilla llamada.

• 🔗 Navegación de Relaciones: Defina las relaciones entre sus entidades de datos (como User con Order u Order con Product) una sola vez, y EnrichMCP permitirá a los agentes de IA recorrer estas conexiones de forma natural y eficiente.

• 🛡️ Seguridad de Tipos y Validación: Asegure la integridad y fiabilidad de los datos con una validación exhaustiva de Pydantic aplicada a todas las entradas y salidas. Puede definir tipos de datos estrictos, restricciones (por ejemplo, valores mínimos, formatos específicos como EmailStr) y valores literales permitidos, garantizando que los datos manejados por los agentes cumplan con sus requisitos.

• ✏️ Mutabilidad y CRUD: Controle cómo los agentes de IA pueden modificar los datos. Los campos son inmutables por defecto, pero puede marcarlos explícitamente como mutables. EnrichMCP genera automáticamente modelos de parche (patch models), agilizando el proceso de creación, actualización y eliminación segura de registros de datos.

• 📄 Paginación Integrada: Maneje conjuntos de datos grandes sin esfuerzo implementando la paginación integrada. Esto permite a los agentes de IA recuperar datos en bloques manejables, mejorando el rendimiento y la usabilidad al trabajar con colecciones de datos extensas.

• 🔐 Contexto y Autenticación: Transmita contexto esencial, como detalles de autenticación, conexiones a bases de datos u otros recursos necesarios, a sus operaciones de datos. Esto le permite implementar un control de acceso granular e integrar lógica personalizada basada en el contexto del agente.

Casos de Uso

EnrichMCP ofrece vías flexibles para integrar el acceso a datos de agentes de IA en su arquitectura existente o para construir nuevas y sofisticadas capas de datos:

• Transformar Modelos SQLAlchemy Existentes: Exponga rápidamente sus modelos de datos SQLAlchemy actuales como una API navegable por IA. Simplemente añada un mixin a su base declarativa, y EnrichMCP generará automáticamente las herramientas y resolvedores necesarios, permitiendo a los agentes consultar, filtrar y recorrer las relaciones definidas en su ORM.

• Envolver APIs REST Existentes: Añada una capa semántica sobre sus APIs REST existentes sin modificar su lógica central. Defina sus entidades de datos utilizando modelos EnrichMCP, especifique las relaciones y escriba funciones de resolvedor simples que llamen a sus APIs. EnrichMCP proporciona entonces una interfaz estructurada y de tipos seguros para que los agentes de IA interactúen con los datos de su API.

• Construir una Capa de Datos Personalizada: Construya una capa de datos a medida con lógica de negocio compleja y campos calculados. Defina entidades con campos estándar y calculados (por ejemplo, lifetime_value, churn_risk). Implemente resolvedores personalizados para la obtención de datos, el cálculo de valores o la integración de servicios externos como modelos de aprendizaje automático, proporcionando una interfaz de datos rica e inteligente para los agentes.

¿Por Qué Elegir EnrichMCP?

EnrichMCP mejora el Model Context Protocol (MCP) principal con tres capas críticas, diseñadas específicamente para una interacción robusta con agentes de IA:

• Capa Semántica: Permite a los agentes de IA comprender el significado de sus datos y sus relaciones, yendo más allá de la mera conciencia estructural.

• Capa de Datos: Proporciona modelos de tipos seguros, validación integrada a través de Pydantic y definiciones claras de relaciones para un manejo fiable de los datos.

• Capa de Control: Incorpora funcionalidades esenciales como autenticación, paginación y la capacidad de integrar lógica de negocio personalizada, lo que le otorga un control preciso sobre el acceso y la manipulación de los datos.

El resultado es un framework que permite a los agentes de IA trabajar con sus datos de manera tan natural y efectiva como un desarrollador utiliza un Object-Relational Mapper (ORM) tradicional.

Conclusión

EnrichMCP ofrece un framework estructurado, de tipos seguros y semánticamente rico para conectar agentes de IA a sus datos. Ya sea que esté aprovechando bases de datos existentes o construyendo interfaces de datos personalizadas, EnrichMCP le proporciona las herramientas para que sus datos sean descubribles y utilizables por aplicaciones inteligentes.