在人工智能领域快速发展的今天，数据资产的重要性日益凸显，成为驱动AI效能提升的核心力量。瓴羊旗下的Dataphin，作为一款全面的数据建设与治理工具，凭借其深厚的元数据知识库，包括逻辑模型、资产元数据、业务知识等，为企业挖掘数据价值提供了强大支持。近期，Dataphin更是推出了MCP服务，进一步赋能AI Agent，实现数据的高效获取。
MCP，即Model Context Protocol，是由Anthropic公司率先提出的开源协议，其目的在于简化AI应用与外部数据源及应用的集成过程。以往，AI应用的开发者们常通过Function Call的方式与外部应用进行集成，但这种做法存在诸多挑战：一方面，开发过程复杂繁琐，需要针对每个平台的API进行硬编码适配，任务维护成本高；另一方面，集成模块的复用性低，往往针对特定任务定制，难以在其他项目中通用。
MCP协议的出现，为这些难题提供了解决方案。它通过定义统一的接口标准，使大模型能够轻松接入各类外部应用的数据，通过灵活的配置，即可决定AI应用是否集成特定外部应用，从而降低了开发成本，提升了复用性。Dataphin MCP正是基于这一协议，采用了SSE（Server-Sent Events）协议，实现了数据服务的高效集成。
Dataphin MCP目前提供了两大与数据服务相关的工具：listDataServiceAPI和invokeDataServiceAPI。listDataServiceAPI能够根据应用权限，获取可调用的数据服务API信息，包括API ID、参数详情及调用文档等；而invokeDataServiceAPI则用于调用这些API以获取所需数据。这些工具为开发者提供了极大的便利。
以行业360的开发人员为例，他们利用Dataphin的数据服务API，成功获取了商品、用户、订单等数据。随着公司业务的拓展，他们被要求开发一款移动端的信息查询工具，以满足运营团队随时查询用户信息、订单数据等需求。通过结合“大模型”与“Dataphin MCP”，他们迅速构建了一款智能查询助手。这款助手能够根据用户问题，自动调用相应的数据服务API，快速返回查询结果。
在实际操作中，开发人员首先创建了一个“智能查询助手”，并将其与Dataphin MCP服务关联。然后，他们通过输入问题来测试模型的效果。例如，输入“帮我查询今年所有品类的销售额，并找出销售额最高的品类中的单品销量TOP1”。模型首先会调用listDataServiceAPI，列出所有可调用的API。接着，根据API的名称、描述及参数信息，模型会规划出需要调用的API组合。在这个例子中，模型选择了两个API：QueryTransactionByProductCategory（按产品品类查询总交易额）和QueryProductSaleInCat（查询指定品类下每个商品的销售额），并将结果呈现给用户。
Dataphin MCP还提供了丰富的配置选项，允许开发者根据实际需求进行定制。未来，瓴羊Dataphin将持续丰富和迭代MCP Server的工具集，涵盖数据研发、任务运维、数据治理等多个方面。这将使得开发者能够通过自然语言体验更多场景，如查询项目任务运行状态、创建集成任务、设置数据质量规则等。
目前，Dataphin MCP正处于公测阶段，瓴羊诚邀各界人士参与体验，共同探索数据服务的新边界。
