内容来源：https://aibusiness.com/agentic-ai/google-launches-model-context-protocol-server

内容总结：

谷歌云推出新工具，助力开发者便捷获取公共数据以优化生成式AI应用

近日，在谷歌云的推动下，一项旨在简化生成式AI开发数据获取流程的新工具——Model Context Protocol（MCP）服务器正式亮相。该工具的核心目标是帮助开发者更便捷、标准化地利用来自谷歌知识图谱“Data Commons”的公开可信数据。

降低开发门槛，改善AI信息处理体验

对于初步探索生成式AI的团队而言，选择能有效提升信息处理效率的应用场景至关重要。传统上，开发者需要通过复杂的API接口调用数据，过程繁琐。谷歌此次发布的MCP服务器则提供了一种标准化方案，使AI智能体能够直接、统一地消费Data Commons中整合的各类公共数据集。Data Commons本身聚合了来自多个权威机构的开放数据，其定位类似于Kaggle、Data.gov等开放数据平台。

基于开放标准，减少AI“幻觉”现象

值得注意的是，该MCP服务器是基于生成式AI厂商Anthropic创立的MCP开放标准构建的。这一标准已成为连接大语言模型与外部数据、工具的重要桥梁。谷歌表示，利用Data Commons的数据，开发者能构建更具能动性的AI应用，并有效降低大模型产生“幻觉”（即虚构信息）的概率。

分析师：推动数据民主化，但安全治理仍需完善

市场分析机构Futurum Group的分析师布拉德利·希明对此举措评价颇高，称其“非常出色”，标志着“即时可用数据的成熟与爆发”。他认为，MCP服务器如同一种数据与工具访问的“通用语言”，以前所未有的规模和方式实现了数据获取的民主化，消除了直接进行API层级访问的技术壁垒。

不过，希明也指出，由于MCP标准仍在发展中，企业在将其连接至内部专有工具时会持谨慎态度。当前面临的主要挑战在于如何确保应用扩展时的安全性与治理能力，这也是该标准未来需要重点演进的方面。

开发者可多渠道体验

目前，开发者已可通过Gemini命令行界面、开源AI智能体，或利用谷歌Colab这一免费的Jupyter Notebook服务来试用MCP服务器并进行应用开发。谷歌表示，该服务器能够与任何智能体工作流或平台集成。

中文翻译：

由谷歌云赞助
选择您的首个生成式AI应用场景
要着手应用生成式AI，首先应关注能够优化人类信息交互体验的领域。
该服务器通过消除复杂API调用需求，显著简化了数据调用流程。
谷歌正式推出模型上下文协议服务器（MCP Server），为AI智能体调用谷歌知识图谱与Data Commons的公开数据提供了标准化途径。Data Commons为AI开发者、数据科学家及组织提供来自可信源的公共数据集。MCP Server还使开发者无需调用复杂API即可使用Data Commons数据。
Data Commons直接与Kaggle、Data.gov和世界银行开放数据等公开数据集形成竞争。MCP Server类似于通用工具调用协议——另一个供企业级AI智能体与应用调取工具的开源倡议。
谷歌Data Commons MCP Server基于生成式AI供应商Anthropic推出的MCP开源标准开发，该标准用于连接大语言模型与外部数据、工具及服务。目前MCP已成为生成式AI技术开发者与用户广泛采纳的标准。
据谷歌表示，Data Commons MCP Server可助力开发者构建具身智能应用，有效降低大语言模型的幻觉发生率。
开发者可通过Gemini命令行界面（开源AI智能体）试用MCP Server，或利用谷歌Colab（Jupyter Notebook的免费即服务版本）开发智能体工具包。
富特瑞姆集团分析师布拉德利·希明指出，谷歌推出新MCP Server旨在实现公共数据的普惠化访问，称此举"颇具远见"。
"这标志着即时可用数据生态的成熟与爆发，"希明表示。
他补充说，该技术让数据科学家和开发者能够轻松获取数据，"消除了直接通过API访问资源时通常存在的技术壁垒"。
"MCP服务器构建了数据与工具调用的通用桥梁，二者的结合以前所未有的规模和方式实现了数据访问的民主化，"希明进一步阐释。
希明认为，企业可能不会将MCP Server与其所有专有工具连接，特别是考虑到MCP仍是发展中的标准。
"安全性与治理机制是目前重点演进的维度，这也是必要的发展方向，"希明指出。他补充说，企业在MCP基础上构建应用时面临的挑战在于如何安全地实现规模化部署。
谷歌Data Commons表示MCP Server可集成至任何具身智能工作流或平台。
您可能还喜欢

英文来源：

Sponsored by Google Cloud
Choosing Your First Generative AI Use Cases
To get started with generative AI, first focus on areas that can improve human experiences with information.
The server simplifies the process of consuming data by eliminating the need for complex APIs.
Google launched the Model Context Protocol Server to provide a standardized way for AI agents to consume publicly available data from Google's knowledge graph, Data Commons.
Data Commons provides public datasets from trusted sources for AI developers, data scientists and organizations. MCP Server also enables developers to use Data Commons data without interacting with complex APIs.
Data Commons competes directly with other open datasets such as Kaggle, Data.gov and World Bank Open Data. MCP Server is similar to the Universal Tool Calling Protocol, another open initiative that enterprise AI agents and applications use to call tools.
Google's Data Commons MCP Server builds on generative AI vendor Anthropic's MCP, an open standard for connecting large language models to external data, tools and services. MCP has become a widely accepted standard for developers and users working with generative AI technology.
Data Commons MCP Server helps developers create agentic applications that reduce the rate of hallucinations by LLMs, according to Google.
Developers can try out MCP Server in Gemini command line interface, an open source AI agent, or develop an agent development toolkit agent with Google Colab, a free as-a-service version of Jupyter Notebook.
Google's aim with the new MCP Server is to make access to public data accessible and universal, said Bradley Shimmin, an analyst at Futurum Group. He called the move "brilliant."
"This represents the maturation and explosion of immediately available data," Shimmin said.
He added it gives data scientists and developers a chance to access data easily and "takes away those hard edges that you normally would have with direct API-level access to whatever that resource is."
"You have a lingua franca of basically data and tool access in the form of an MCP server, and those two working together really democratize access to data on an unprecedented sort of scale and manner," Shimmin continued.
Enterprises will likely not connect the MCP Server to all of their proprietary tools, especially as MCP is still an evolving standard, Shimmin said.
"One of the major aspects that is evolving -- and rightfully needs to evolve -- is security and governance," Shimmin said. He added that a challenge organizations face in building on top of MCP is scaling applications securely.
Google Data Commons said the MCP Server can integrate with any agentic workflow or platform.
You May Also Like