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
镜舟科技3 小时前
Databricks 再提 LTAP,AI 时代的数据底座为何重回大一统叙事?
数据库·架构·agent
轻口味3 小时前
别被模型宣传骗了,真实 Agent 任务一跑就知道
agent·ai编程
Larcher3 小时前
从零搭建 MCP 服务——让 AI 拥有无限扩展能力
人工智能·程序员
zzzzzz3103 小时前
你的 AI 写的 React 烂透了?这个 8000+ Star 的开源工具能揪出 90% 的「Agent 屎山」
人工智能
小星AI3 小时前
MCP协议超详细教程,从入门到实战
人工智能
小星AI3 小时前
Kimi Code CLI 超详细教程,附源码
人工智能·agent
Databend3 小时前
从湖仓升级为 Agent 时代的数据控制面,Snowflake 和 Databricks 有哪些布局
大数据·数据库·agent
牧艺4 小时前
Cursor Rules / Skills 分层设计:让 Agent 像「团队新同事」
前端·人工智能·cursor
shepherd1114 小时前
一文带你掌握 LLM、Token、Context、Prompt、RAG、MCP、Skill、Agent 等 AI 核心概念
人工智能·后端·ai编程