EnrichMCP

EnrichMCP est un puissant framework Python conçu pour permettre aux agents d'IA de comprendre et d'interagir plus efficacement avec vos données. En y intégrant une couche sémantique fondée sur le Model Context Protocol (MCP), EnrichMCP transforme vos modèles de données existants en outils typés et découvrables, agissant de manière similaire à un ORM, mais spécifiquement adapté aux applications d'IA. Il offre ainsi aux agents d'IA un moyen robuste et fiable de naviguer et d'exploiter vos données avec une clarté et une précision accrues.

Fonctionnalités Clés

EnrichMCP vous dote des outils indispensables pour concevoir des interfaces de données intelligentes à destination des agents d'IA :

• 🔍 Découverte Automatique de Schéma : Offrez aux agents d'IA la capacité d'explorer et de comprendre instantanément l'intégralité de la structure de votre modèle de données. Cette fonctionnalité fournit un schéma complet détaillant les entités, les champs, les types et les relations, le tout via un unique appel simple.

• 🔗 Navigation Relationnelle : Définissez une seule fois les relations entre vos entités de données (comme User vers Order ou Order vers Product), et EnrichMCP permettra aux agents d'IA de parcourir ces connexions de manière naturelle et efficace.

• 🛡️ Sécurité des Types & Validation : Assurez l'intégrité et la fiabilité de vos données grâce à une validation Pydantic exhaustive appliquée à toutes les entrées et sorties. Vous pouvez définir des types de données stricts, des contraintes (par exemple, des valeurs minimales, des formats spécifiques comme EmailStr), et des valeurs littérales autorisées, garantissant ainsi que les données traitées par les agents répondent parfaitement à vos exigences.

• ✏️ Mutabilité & CRUD : Contrôlez précisément la manière dont les agents d'IA peuvent modifier les données. Les champs sont immuables par défaut, mais vous avez la possibilité de les marquer explicitement comme mutables. EnrichMCP génère alors automatiquement des modèles de correctifs (patch models), ce qui simplifie grandement et sécurise le processus de création, de mise à jour et de suppression des enregistrements de données.

• 📄 Pagination Intégrée : Gérez sans effort les grands ensembles de données grâce à l'implémentation d'une pagination intégrée. Cela permet aux agents d'IA de récupérer les données par blocs gérables, améliorant ainsi la performance et la convivialité lors du traitement de vastes collections de données.

• 🔐 Contexte & Authentification : Transmettez un contexte essentiel, tel que les détails d'authentification, les connexions aux bases de données ou d'autres ressources nécessaires, à vos opérations de données. Cela vous permet de mettre en œuvre un contrôle d'accès granulaire et d'intégrer une logique personnalisée basée sur le contexte de l'agent.

Cas d'Utilisation

EnrichMCP propose des approches flexibles pour intégrer l'accès aux données des agents d'IA dans votre architecture existante, ou pour bâtir de nouvelles couches de données sophistiquées :

• Transformer les Modèles SQLAlchemy Existants : Exposez rapidement vos modèles de données SQLAlchemy actuels sous forme d'API navigable par l'IA. Il vous suffit d'ajouter un mixin à votre base déclarative, et EnrichMCP générera automatiquement les outils et résolveurs nécessaires, permettant aux agents d'interroger, de filtrer et de parcourir les relations définies dans votre ORM.

• Envelopper des API REST Existantes : Ajoutez une couche sémantique par-dessus vos API REST existantes sans en modifier la logique cœur. Définissez vos entités de données à l'aide des modèles EnrichMCP, spécifiez les relations et rédigez de simples fonctions de résolution qui appellent vos API. EnrichMCP fournit alors une interface structurée et sûre en termes de types pour que les agents d'IA puissent interagir avec les données de votre API.

• Construire une Couche de Données Personnalisée : Construisez une couche de données sur mesure, dotée d'une logique métier complexe et de champs calculés. Définissez des entités avec des champs standards et calculés (par exemple, lifetime_value, churn_risk). Implémentez des résolveurs personnalisés pour la récupération de données, le calcul de valeurs ou l'intégration de services externes tels que des modèles d'apprentissage automatique, offrant ainsi une interface de données riche et intelligente aux agents.

Pourquoi Choisir EnrichMCP ?

EnrichMCP enrichit le Model Context Protocol (MCP) fondamental en lui ajoutant trois couches essentielles, spécifiquement conçues pour une interaction robuste avec les agents d'IA :

• Couche Sémantique : Permet aux agents d'IA de saisir le sens profond de vos données et de leurs relations, dépassant ainsi la simple compréhension structurelle.

• Couche de Données : Offre des modèles à typage sûr, une validation intégrée via Pydantic, et des définitions de relations claires pour une gestion fiable des données.

• Couche de Contrôle : Intègre des fonctionnalités essentielles telles que l'authentification, la pagination et la capacité d'embarquer une logique métier personnalisée, vous conférant un contrôle précis sur l'accès et la manipulation des données.

Le résultat est un framework qui permet aux agents d'IA de manipuler vos données avec autant de naturel et d'efficacité qu'un développeur utilisant un Object-Relational Mapper (ORM) traditionnel.

Conclusion

EnrichMCP offre un framework structuré, sûr en termes de types et sémantiquement riche pour connecter les agents d'IA à vos données. Que vous exploitiez des bases de données existantes ou développiez des interfaces de données personnalisées, EnrichMCP met à votre disposition les outils nécessaires pour rendre vos données à la fois découvrables et exploitables par des applications intelligentes.