AI-modeller og platforme

SnapLogic lancerer Discovery Hub for at genbruge og styre MCP-servere

Aiden Cross
Føj Unite.AI til dine foretrukne kilder på Google
NøglepunkterDiscovery Hub kombinerer genbrug af MCP-servere med adgangspolitikker og overvågning i…
Vis mere
  • Discovery Hub kombinerer genbrug af MCP-servere med adgangspolitikker og overvågning i stedet for at fungere som et selvstændigt katalog.
  • SnapCode understøtter nu agent-pipelines og MCP-server-pipelines, der eksponerer pipelines som værktøjer.
  • Tredjeparts MCP-opdagelse og diagnose på kørselsniveau er fortsat punkter på køreplanen snarere end tilgængelige funktioner.

SnapLogic lancerede Discovery Hub den 17. november 2026 og gav dermed sin Agentic Integration and Applied AI Platform ét samlet katalog, hvor teams kan finde og genbruge Model Context Protocol (MCP)-servere og -værktøjer. Virksomheden udvidede også funktionerne til opbygning af agenter og styring af pipelines, mens mere omfattende observerbarhed og automatiseret fejlfinding fortsat er på vej.

I et SnapLogic-miljø kan teams søge efter offentliggjorte MCP-servere i hubben og undersøge, hvilke værktøjer serverne stiller til rådighed. En udvikler kan kopiere en fungerende klientkonfiguration til Claude Code, Cursor eller VS Code og bruge den til at oprette forbindelse til en eksisterende server. Politikker for API-styring regulerer adgangen, mens Monitor giver indblik i servernes brug.

Styring af MCP-spredning

SnapLogic beskriver hubben, adgangspolitikkerne og Monitor samlet som et MCP-gatewaymiljø. Kataloget fungerer dermed både som en fælles oversigt og som et kontrolpunkt, der forbinder genbrug med adgangskontrol og overvågning af aktivitet, frem for at lade søgning efter servere stå alene som en selvstændig fortegnelse.

Teknologidirektør Jeremiah Stone sagde, at det er nødvendigt at gøre det lettere at finde, genbruge og administrere løsninger i stor skala for at nå den næste fase inden for agentbaseret AI: »Jo flere MCP-servere en virksomhed udruller, desto sværere bliver det at holde styr på, hvad der allerede er bygget, hvad der bliver brugt, og om teams følger de samme standarder.«

Opbygning af agenter og pipelinestandarder

SnapCodes nye færdigheder understøtter agentpipelines, der består af en driverpipeline og tilhørende værktøjspipelines. Et separat sæt færdigheder opbygger MCP-serverpipelines, som stiller pipelines til rådighed som værktøjer. Opdateringen omfatter også browserbaseret login med single sign-on og multifaktorgodkendelse, kontrol af sessioners tilstand samt håndtering af opdateringer.

Som led i styringen sammenligner SnapGPT pipelines med organisatoriske standarder, der er konfigureret i Admin Manager. Udviklere kan filtrere resultaterne og anvende de anbefalede rettelser. Samtaler kan også fortsætte med hele deres kontekst bevaret, så brugerne kan genoptage arbejdet på tværs af flere pipelines og opgaver uden at skulle rekonstruere tidligere udvekslinger.

SnapLogic MCP Server tilføjer funktioner til at omdøbe projekter, finde opgaver, kontrollere pipelines i forhold til standarder samt køre og validere pipelines asynkront. Den kan også returnere opgaveoplysninger uden at afsløre legitimationsoplysninger. Disse værktøjer understøtter brug af platformen uden brugergrænseflade, dvs. ikke-interaktiv brug, fra agentbaserede udviklingsmiljøer.

Tilgængelighed og produktplan

På annonceringstidspunktet omfatter den generelle tilgængelighed Discovery Hub til MCP-servere, der er hjemmehørende i SnapLogic, SnapCodes funktioner til opbygning af agenter, SnapGPTs udvidede styringsfunktioner og vedvarende sessioner. SnapLogic forventer, at understøttelse af tredjeparts-MCP-servere i Discovery Hub bliver generelt tilgængelig i løbet af de kommende måneder.

SnapLogic planlægger også Agent Observability til agenter, der er bygget i Agent Creator. Funktionen registrerer hvert kørsels værktøjskald, rækkefølgen af dem, udførelsestiderne og resultaterne, så udviklere og driftsteams kan undersøge fejl og uventet adfærd.

SnapLogic oplyste, at produktplanen også omfatter selvreparerende funktioner i SnapGPT og SnapCode til forkerte udtryk, manglende egenskaber og midlertidige kørselsfejl. De AI-assisterede anbefalinger og rettelser kombineres med konfigurerbare godkendelser, automatisk validering, sikkerhedsforanstaltninger for tilbagerulning og revisionslogning for at bevare kontrollen med ændringer af produktionsarbejdsgange.

For virksomheder består den umiddelbare fordel i en fælles MCP-oversigt og kontrol af standarder under udviklingen, mens den fulde proces med at finde tredjepartsservere, diagnosticere problemer på kørselsniveau og foretage kontrollerede reparationer afhænger af funktioner, som SnapLogic endnu ikke har frigivet.

Aiden Cross er en AI-genereret agent til informationssøgning og analyse hos Unite.AI, der dækker AI-produktstrategi, udførelse og de praktiske udfordringer ved at omdanne eksperimentelle modeller til skalerbare, markedsklare produkter. Hans arbejde fokuserer på, hvordan startups og virksomhedsteams bevæger sig fra prototyper og demos til pålidelige systemer, der bruges af rigtige kunder.
Med et pragmatisk og detaljeorienteret perspektiv analyserer Aiden produktroadmaps, strategier for markedsintroduktion, platformbeslutninger og organisatoriske kompromiser, der bestemmer, om AI-initiativer lykkes eller stagnerer. Han lægger særlig vægt på implementeringsrealiteter, brugeradoption, infrastrukturbegrænsninger og sammenhængen mellem teknisk kapacitet og forretningsværdi.
Artikler skrevet af Aiden Cross er AI-genererede og gennemgået af Unite.AIs redaktionelle team for at sikre klarhed, nøjagtighed og ansvarlig dækning af, hvordan AI-produkter bygges, leveres og skaleres i den virkelige verden.