EnrichMCP

EnrichMCP — это мощный Python-фреймворк, призванный помочь ИИ-агентам эффективно взаимодействовать с вашими данными и глубоко их понимать. Добавляя семантический слой, построенный на Model Context Protocol (MCP), EnrichMCP превращает ваши существующие модели данных в типизированные, легко обнаруживаемые инструменты, функционирующие подобно ORM, специально адаптированному для ИИ-приложений. Он предоставляет ИИ-агентам надёжный и точный способ ориентироваться в ваших данных и использовать их чётко и эффективно.

Ключевые возможности

EnrichMCP предоставляет вам необходимые инструменты для создания интеллектуальных интерфейсов данных для ИИ-агентов:

• 🔍 Автоматическое обнаружение схемы: Позволяет ИИ-агентам мгновенно исследовать и понимать всю структуру вашей модели данных. Эта функция предоставляет полную схему, детализирующую сущности, поля, типы и связи, через один простой вызов.

• 🔗 Навигация по связям: Определите связи между вашими сущностями данных (например, User и Order, или Order и Product) один раз, и EnrichMCP позволит ИИ-агентам естественно и эффективно перемещаться по этим связям.

• 🛡️ Типовая безопасность и валидация: Обеспечьте целостность и надёжность данных с помощью комплексной валидации Pydantic, применяемой ко всем входным и выходным данным. Вы можете определить строгие типы данных, ограничения (например, минимальные значения, специфические форматы, такие как EmailStr) и разрешённые литеральные значения, гарантируя, что данные, обрабатываемые агентами, соответствуют вашим требованиям.

• ✏️ Изменяемость и CRUD: Контролируйте, как ИИ-агенты могут изменять данные. По умолчанию поля являются неизменяемыми, но вы можете явно пометить их как изменяемые. Затем EnrichMCP автоматически генерирует патч-модели, упрощая процесс безопасного создания, обновления и удаления записей данных.

• 📄 Встроенная пагинация: Легко работайте с большими наборами данных, используя встроенную пагинацию. Это позволяет ИИ-агентам получать данные управляемыми порциями, улучшая производительность и удобство использования при работе с обширными коллекциями данных.

• 🔐 Контекст и аутентификация: Передавайте важный контекст, такой как данные аутентификации, подключения к базам данных или другие необходимые ресурсы, в ваши операции с данными. Это позволяет реализовать детальный контроль доступа и интегрировать пользовательскую логику на основе контекста агента.

Сценарии использования

EnrichMCP предоставляет гибкие способы интеграции доступа ИИ-агентов к данным в вашу существующую архитектуру или создания новых, сложных слоёв данных:

• Преобразование существующих моделей SQLAlchemy: Быстро преобразуйте ваши текущие модели данных SQLAlchemy в API, доступный для навигации ИИ. Просто добавьте миксин к вашей декларативной базе, и EnrichMCP автоматически сгенерирует необходимые инструменты и резолверы, позволяя агентам запрашивать, фильтровать и перемещаться по связям, определённым в вашем ORM.

• Оборачивание существующих REST API: Добавьте семантический слой поверх ваших существующих REST API, не изменяя их основной логики. Определите свои сущности данных с помощью моделей EnrichMCP, укажите связи и напишите простые функции-резолверы, которые вызывают ваши API. EnrichMCP затем предоставит структурированный, типобезопасный интерфейс для взаимодействия ИИ-агентов с данными вашего API.

• Создание пользовательского слоя данных: Создайте индивидуальный слой данных со сложной бизнес-логикой и вычисляемыми полями. Определите сущности со стандартными и вычисляемыми полями (например, lifetime_value, churn_risk). Реализуйте пользовательские резолверы для получения данных, вычисления значений или интеграции внешних сервисов, таких как модели машинного обучения, предоставляя таким образом богатый, интеллектуальный интерфейс данных для агентов.

Почему стоит выбрать EnrichMCP?

EnrichMCP расширяет базовый Model Context Protocol (MCP) тремя критически важными слоями, специально разработанными для надёжного взаимодействия ИИ-агентов:

• Семантический слой: Позволяет ИИ-агентам понимать смысл ваших данных и их связей, не ограничиваясь лишь структурным пониманием.

• Слой данных: Предоставляет типобезопасные модели, встроенную валидацию через Pydantic и чёткие определения связей для надёжной обработки данных.

• Слой управления: Включает в себя основные функции, такие как аутентификация, пагинация и возможность встраивать пользовательскую бизнес-логику, предоставляя вам точный контроль над доступом к данным и их манипуляцией.

В результате мы получаем фреймворк, который позволяет ИИ-агентам работать с вашими данными так же естественно и эффективно, как разработчик использует традиционный объектно-реляционный маппер (ORM).

Заключение

EnrichMCP представляет собой структурированный, типобезопасный и семантически насыщенный фреймворк для подключения ИИ-агентов к вашим данным. Независимо от того, используете ли вы существующие базы данных или создаёте пользовательские интерфейсы данных, EnrichMCP предоставляет инструменты, чтобы сделать ваши данные обнаруживаемыми и пригодными для использования в интеллектуальных приложениях.