谷歌近日发布了数据公用 MCP 服务器，旨在让人工智能代理能够方便地访问公共数据集，从而减少信息的错误（即 “幻觉”）并提供可验证的答案。这一举措将加速数据丰富型代理应用的开发。谷歌软件工程师 Keyur Shah 表示，MCP 服务器使公共数据集变得快速可用且可操作，能够为代理提供一个标准化的数据消费方式，返回可靠且有来源的信息，而无需复杂的上手过程。
图源备注：图片由AI生成，图片授权服务商Midjourney
MCP 即模型上下文协议（Model Context Protocol），是一个开放框架，允许 AI 应用通过一致的接口连接到外部系统，如数据源、工具和工作流。这意味着代理可以通过单一路径获取信息和执行操作，而无需为每项服务拼凑各个单独的集成。对于开发者来说，MCP 减少了集成时间和复杂性;对于用户来说，它扩展了代理的能力，暴露了更广泛的数据和应用生态。
数据公用 MCP 服务器与谷歌的代理开发工具包和 Gemini CLI 集成，提供无缝设置。代理可以处理探索性、分析性和生成性查询，其能力范围从扫描非洲的健康数据，到比较金砖国家的人均寿命、不平等和 GDP 增长，再到对美国各县的收入与糖尿病情况进行简明报告。用户只需在 Gemini CLI 中输入一次查询，代理便可系统性地从数据公用的多个数据集中提取信息，并生成附带来源的结构化报告。
在实际应用中，ONE Campaign 成为首批采用数据公用 MCP 服务器的组织之一，开发了一个代理以支持其政策和倡导工作。ONE 数据代理能够在几秒钟内查询数千万个健康融资数据点，而这一任务以前需要在成千上万的孤立记录中逐一搜索。通过整合这些信息，该代理为决策者和活动人士提供了快速洞察，将曾经的 “海底捞针” 变为可用的输出。
谷歌将数据公用 MCP 服务器定位为提高代理输出可靠性的工具。通过将响应与公共数据集相结合，它旨在限制猜测，提供可核实的答案。此外，谷歌还将该服务器作为开放资源提供给开发者，配备了 PyPI 上的启动包、GitHub 上的示例代码，以及一个可用于测试的 Colab 笔记本。随着 AI 在日常生活中的快速应用，幻觉现象依旧困扰着系统，尤其是在医学和法律等敏感领域。谷歌的数据公用 MCP 服务器有望降低这一风险。
划重点:
🌐 谷歌推出数据公用 MCP 服务器，让 AI 代理轻松访问公共数据集，减少信息错误。
📊 该服务器与代理开发工具包和 Gemini CLI 无缝集成，提升代理的查询与报告能力。
🔍 ONE Campaign 已应用此服务器，加速健康数据查询，提供快速而可靠的决策支持。
