Google lanzó un servidor de protocolo de contexto modelo (MCP) para Data Commons, exponiendo los conjuntos de datos públicos interconectados del proyecto (CENSUS, SALUD, CLIMA, ECONOMÍA) a través de una interfaz basada en estándares que los sistemas de agente pueden consultar en lenguaje natural. El servidor Data Commons Commons MCP está disponible ahora con WickStarts para Gemini CLI y el Kit de desarrollo de agentes de Google (ADK).
Lo que fue lanzado
Un servidor MCP que permite que cualquier cliente o agente de IA con capacidad de MCP descubra variables, resuelva entidades, obtenga series de tiempo y genere informes de Data Commons sin llamadas API de codificación a mano. Google lo posiciona como “desde el descubrimiento inicial hasta los informes generativos”, con el ejemplo de las indicaciones que abarcan flujos de trabajo exploratorios, analíticos y generativos. Desarrollador de rampas de entrada: un paquete PYPI, un flujo de CLI Gemini y una muestra de ADK/Colab para incrustar las consultas de Data Commons dentro de las tuberías del agente.
¿Por qué MCP ahora?
MCP es un protocolo abierto para conectar agentes LLM a herramientas y datos externos con capacidades consistentes (herramientas, indicaciones, recursos) y semántica de transporte. Al enviar un servidor MCP de primer parte, Google hace que Data Commons se dirija a través de la misma interfaz que los agentes ya usan para otras fuentes, reduciendo el código de pegamento por integración y permitiendo el descubrimiento basado en el registro junto con otros servidores.
¿Qué puedes hacer con él?
Exploratorio: “¿Qué datos de salud tiene para África?” → Enumerar variables, cobertura y fuentes. Analítico: “Compare la esperanza de vida, la desigualdad y el crecimiento del PIB para las naciones BRICS”. → Recuperar la serie, normalizar GEO, alinear las cosechas y devolver una carga útil de tabla o gráfico. Generativo: “Genere un informe conciso sobre ingresos versus diabetes en los condados de los Estados Unidos”. → Medidas de obtención, calcule las correlaciones, incluyen procedencia.
Superficie de integración
GEMINI CLI / Cualquier cliente MCP: instale el paquete Data Commons MCP, apunte al cliente en el servidor y emite consultas NL; La herramienta del cliente coordina las llamadas detrás de escena. Agentes de ADK: use el agente de muestra de Google para componer las llamadas de Data Commons con sus propias herramientas (p. Ej., Visualización, almacenamiento) y devolver las salidas de origen. Punto de entrada de documentos: MCP – Datos de consulta interactivamente con un agente de IA con enlaces a QuickStart y Guía del usuario.
Caso de uso del mundo real
Google destaca un agente de datos, construido con el servidor Data Commons MCP para la Campaña One. Permite a los analistas de políticas consultar decenas de millones de puntos de datos de financiación de la salud a través del lenguaje natural, visualizar los resultados y exportar conjuntos de datos limpios para el trabajo aguas abajo.
Resumen
En resumen, el servidor Data Commons MCP de Google convierte un extenso corpus de estadísticas públicas en una fuente de datos nativa de protocolo de primera clase para agentes, reduciendo el código de pegamento personalizado, la preservación de la procedencia y el ajuste limpio en clientes MCP existentes como Gemini CLI y ADK.
Echa un vistazo al repositorio de GitHub y pruébalo en Gemini CLI. No dude en consultar nuestra página de GitHub para obtener tutoriales, códigos y cuadernos. Además, no dude en seguirnos en Twitter y no olvide unirse a nuestro subreddit de 100k+ ml y suscribirse a nuestro boletín.
Michal Sutter es un profesional de la ciencia de datos con una Maestría en Ciencias en Ciencias de Datos de la Universidad de Padova. Con una base sólida en análisis estadístico, aprendizaje automático e ingeniería de datos, Michal se destaca por transformar conjuntos de datos complejos en ideas procesables.
🔥[Recommended Read] NVIDIA AI Open-Sources Vipe (motor de pose de video): una herramienta de anotación de video 3D potente y versátil para AI espacial