MaxCompute Agentic 工具套件首发:面向所有 Agent 提供标准化数据服务

导读

当大模型和智能体技术席卷各行各业,数据分析领域正在经历一场静默的革命。MaxCompute 正式发布 Agentic 工具套件,MC 引擎全面 Agentic 升级------通过 MCP Server、Skills、CatalogAPI SDK 与 CLI 四大核心组件,面向任何 AI Agent 提供标准化数据服务,让 AI Agent 成为你团队里最勤劳的数据工程师。

Agentic 时代,数据平台需要什么?

过去,分析师的一天往往这样度过:打开 SQL IDE 写查询、切到数据目录查表结构、再打开可视化工具做图表、最后导出 Excel 发给业务方。工具链条长、上下文切换频繁,大量时间消耗在"找数据"和"整理数据"上,而非真正的洞察。

当 AI Agent 开始渗透办公场景,一个自然而然的问题出现了:数据平台能不能也成为 Agent 的" native 环境"?

MaxCompute 的答案是:能,而且不止于此。

今天,我们正式发布 Agentic 工具套件,四大核心组件从服务端到机器自治,构建起面向任何 Agent 的数据智能体基础设施:

  • MCP Server(MCMCP) ------ AI Agent 的标准数据服务接口

  • MaxCompute Skills ------ 面向 Agent 的语义化技能包

  • CatalogAPI SDK ------ 数据目录管理的 RESTful 接口

  • MaxCompute CLI ------ 面向脚本与 Agent 集成的命令行工具

MCP Server:让 Agent 直接「读懂」你的数据仓库

MCP Server(MCMCP) 是 Agent 进入 MaxCompute 世界的"标准接口"。

基于 Model Context Protocol(MCP)协议,MCMCP 让各类 AI Agent 能够直接完成大规模数据分析和智能化运维。Agent 可以像人一样浏览数据目录、搜索元数据、执行只读 SQL 查询------而且服务端强制只读保护,数据安全有底线。

它已经接入 OpenClaw、DataWorks Agent、Qwen Code、QoderWork、MaxAgent 等多种主流 Agent 客户端,支持 AK/SK、STS、Credentials URI、ECS RAM Role 等多种认证方式,企业级部署无压力。

适合谁:已经在使用桌面 Agent(如各类 AI 编程助手、智能办公助手),希望 Agent 能直接访问数据仓库做分析和运维的团队。

MaxCompute Skills:给 Agent 装上「专业技能包」

Agent 有了接口还不够,它需要"懂业务"。MaxCompute Skills 就是一套面向 Agent 的语义化能力包,相当于给 Agent 发了一张"MaxCompute 专业工程师证书"。

目前包含的 Information Schema 语义包,覆盖存储压力诊断、成本分析、任务失败分析、权限审计、热点表观测等系统级运维场景。Agent 不再需要用户手把手教它怎么查元数据、怎么看执行计划,它自己就知道该问什么、该看什么。

配合 MC MCP 使用,Agent 从"能连上数据库"进化到"能独立排查问题"。

适合谁:希望降低 Agent 使用数据平台的门槛、需要 Agent 承担部分运维和分析工作的团队。

CatalogAPI SDK:用代码管理你的数据资产

对于需要深度定制和集成的开发者,CatalogAPI SDK 提供了 MaxCompute 数据目录管理的完整 RESTful 接口(Java/Python 双语言支持)。

数据表的增删改查、外部数据源连接配置、细粒度的 Role/Policy 权限控制、Taxonomy 策略标签的列级权限、DataPolicy 动态数据脱敏、甚至机器学习模型的多版本管理------数据治理的各个环节,都可以用代码来编排。

适合谁: 需要把 MaxCompute 元数据管理能力集成到自有系统、或者有复杂数据治理需求的开发团队。

MaxCompute CLI:命令行里的数据管家

对于脚本自动化和 CI/CD 场景,MaxCompute CLI(maxc) 提供了最轻量的接入方式。

它通过阿里云 CLI 分发,安装更新一气呵成。结构化 JSON 输出让程序解析零门槛,Linux/macOS/Windows 全平台覆盖。无论是定时任务调度数据作业,还是让 Agent 通过命令行完成批量操作,它都是一个可靠的基础设施。

适合谁: 习惯命令行工作流、需要脚本自动化调度数据作业的用户。

从「引擎」到「生态」

单独看,每一个组件解决的是一个具体场景的问题;合在一起,它们构成了一套完整的 Agentic 数据基础设施:

  • 任何 Agent通过 MCP Server + Skills 自主完成数据分析和智能化运维

  • 开发者通过 CatalogAPI SDK 和 CLI 深度集成和自动化编排

这不是简单的产品功能堆砌,而是 MaxCompute 面向 AI 时代的一次架构升级------从「数据仓库」到「数据智能体平台」。MC 引擎不再只是人类分析师的工具,而是成为任何 AI Agent 的数据底座。

立即体验

如有任何问题,欢迎通过工单联系我们。

相关推荐
做萤石二次开发的哈哈9 小时前
连锁门店、园区、交通枢纽的视频如何统一汇集?应用模板的接入与分权管理详解
人工智能·物联网·音视频·二次开发·视频监控·蓝海aiot一站式工作台·萤石云开放平台
老金带你玩AI9 小时前
全程拿着手机,我让dot准备了一场AI分享
人工智能
nvd119 小时前
Flink 批处理驱动的湖仓 AI 财务研报流水线:从双流广播汇聚到 Agent 智能决策与原生 Iceberg 落盘全景实战
大数据·人工智能·flink
snhna9 小时前
向量数据库深度实战:从 HNSW 到 pgvector、Milvus 选型与 RAG 落地
数据库·人工智能·python·postgresql·milvus
架构技术专栏9 小时前
Agent 工具调用:从工具声明到执行反馈
前端·人工智能·后端
点云-激光雷达-Slam-三维牙齿10 小时前
100,000 Records CSV File - India Traffic Accident Analysis Dataset.7z
人工智能·数据集
TechWayfarer10 小时前
精度极限的突破:AI与IPv6如何重塑高精度IP查询
人工智能·网络协议·tcp/ip·transformer
七十二时95610 小时前
视频掉帧怎么用AI补帧
人工智能
可达智灵10 小时前
信创适配|织灵 Coda Loom 2.0 完成银河麒麟服务器操作系统 V10、V11 适配认证
人工智能·可达智灵
Wx-bishekaifayuan10 小时前
express皖美特色农产品网售系统53118-计算机课程设计、毕业设计
人工智能·spring boot·后端·python·课程设计·express·旅游