Google открывает доступ к реальным данным для ИИ через Data Commons MCP Server

Google превращает свои обширные запасы публичных данных в золотую жилу для искусственного интеллекта с запуском Data Commons Model Context Protocol (MCP) Server. Это позволяет разработчикам, специалистам по данным и ИИ-агентам получать доступ к реальной статистике с помощью естественного языка и лучше обучать ИИ-системы.

Запущенный в 2018 году, Data Commons от Google организует публичные наборы данных из различных источников, включая государственные опросы, местные административные данные и статистику от таких глобальных организаций, как ООН. С выпуском MCP Server эти данные теперь доступны через естественный язык, что позволяет разработчикам интегрировать их в ИИ-агенты или приложения.

Системы ИИ часто обучаются на зашумленных, непроверенных веб-данных. В сочетании с их склонностью «заполнять пробелы» при отсутствии источников это приводит к галлюцинациям. В результате компаниям, желающим донастроить ИИ-системы для конкретных задач, часто необходим доступ к большим, качественным наборам данных. Публично выпуская MCP Server для своего Data Commons, Google стремится решить обе проблемы.

Новый MCP-сервер Data Commons связывает публичные наборы данных — от переписей населения до климатической статистики — с ИИ-системами, которые всё больше зависят от точного, структурированного контекста. Предоставляя доступ к этим данным через запросы на естественном языке, этот релиз призван закрепить ИИ на проверяемой, реальной информации.

«Model Context Protocol позволяет нам использовать интеллект большой языковой модели для выбора правильных данных в нужное время, без необходимости понимать, как мы моделируем данные или как работает наш API», — сказал в интервью руководитель Google Data Commons Прем Рамасвами.

Пример работы Google Data Commons MCP Server, соединяющего ИИ с реальными данными
Источник изображения: Google

Впервые представленный Anthropic в ноябре прошлого года, MCP является открытым отраслевым стандартом, который позволяет ИИ-системам получать доступ к данным из различных источников, включая бизнес-инструменты, репозитории контента и среды разработки приложений, предоставляя общую основу для понимания контекстных запросов. С момента его запуска такие компании, как OpenAI, Microsoft и Google, приняли этот стандарт для интеграции своих ИИ-моделей с различными источниками данных.

Пока другие технологические компании изучали, как применить стандарт к своим ИИ-моделям, Рамасвами и его команда в Google в начале этого года начали исследовать, как эту структуру можно использовать для повышения доступности платформы Data Commons.

Google также сотрудничает с организацией ONE Campaign, некоммерческой организацией, занимающейся улучшением экономических возможностей и общественного здравоохранения в Африке, для запуска One Data Agent. Этот ИИ-инструмент использует MCP Server для представления десятков миллионов точек финансовых и медицинских данных на простом языке.

ONE Campaign обратилась к команде Google Data Commons с прототипом реализации MCP на собственном сервере. Это взаимодействие, как рассказал Рамасвами TechCrunch, стало переломным моментом, который привел команду к созданию выделенного MCP Server в мае.

Однако опыт не ограничивается ONE Campaign. Открытая природа Data Commons MCP Server делает его совместимым с любой LLM, и Google предоставил разработчикам несколько способов начать работу. Пример агента доступен через Agent Development Kit (ADK) в блокноте Colab, а к серверу также можно получить доступ напрямую через Gemini CLI или любой MCP-совместимый клиент с использованием пакета PyPI. Примеры кода также предоставлены в репозитории на GitHub.

ИИ: Это важный шаг для повышения точности и надежности ИИ-систем. Предоставление доступа к структурированным реальным данным через простые языковые запросы может значительно ускорить разработку более качественных и менее склонных к галлюцинациям моделей, особенно в таких областях, как анализ данных и принятие решений.