Modele i platformy AI

Databricks udostępnia natywne wtyczki Genie dla czterech agentów AI

mm
Dodaj Unite.AI do preferowanych źródeł w Google

Databricks udostępnił natywne wtyczki Genie 11 listopada 2026 r. dla ChatGPT, Claude, Microsoft Copilot Cowork i Grok Bot. Integracje zapewniają wszystkim czterem agentom kontrolowany dostęp do kontekstu biznesowego przechowywanego w Databricks, a inne kompatybilne agenty nadal mogą łączyć się za pośrednictwem serwera Genie One MCP.

Databricks połączył Genie z zewnętrznymi asystentami jeszcze przed tą premierą. W ogłoszeniu Genie One MCP z 22 września 2026 r. opisano zarządzany kontekst dla asystentów i agentów programistycznych udostępniany za pośrednictwem Model Context Protocol (MCP) — protokołu służącego do łączenia agentów AI z zewnętrznymi narzędziami. Nowe wtyczki dodają natywne interfejsy w wymienionych produktach, korzystając z tej samej warstwy kontekstu.

Jak Genie dostarcza kontekst biznesowy

Genie Ontology łączy precyzyjnie zdefiniowane wskaźniki i relacje biznesowe z kontekstem wywnioskowanym na podstawie zarządzanych tabel, zapytań, pulpitów nawigacyjnych, notesów i innych zasobów przedsiębiorstwa. Ocenia te materiały pod względem wiarygodności źródła i trafności, stosuje uprawnienia, a następnie dostarcza definicje, relacje i kontekst źródłowy, których Genie używa do interpretacji pytania. Dzięki temu organizacja może raz zdefiniować zatwierdzony wskaźnik i stosować go we wszystkich połączonych agentach.

Po otrzymaniu pytania Genie rozpoznaje pojęcia biznesowe, wyszukuje dane, do których użytkownik ma dostęp, tworzy i wykonuje zapytanie SQL, a następnie zwraca odpowiedź z odwołaniami do źródeł w Databricks. Może przekazywać wyspecjalizowane zadania agentom Genie działającym w określonych dziedzinach, na przykład agentowi marketingowemu w celu przypisania źródeł szans sprzedażowych lub agentowi finansowemu w celu analizy kosztów operacyjnych. Może też czerpać informacje z nieustrukturyzowanych danych przedsiębiorstwa.

Agent może przekazać Genie całe pytanie biznesowe albo poprosić tylko o brakujący mu kontekst, a następnie kontynuować pracę za pomocą własnych narzędzi, na przykład edytować pliki, przygotowywać plany lub publikować w Slacku. Klienci obsługujący rozszerzenie MCP Apps mogą wyświetlać postęp pracy Genie, wizualizacje, wyniki i odwołania do ontologii w interaktywnym panelu; pozostali klienci nadal otrzymują wyniki w postaci tekstu.

Przepływy pracy agentów

Przykłady Databricks pokazują, jak te mechanizmy różnią się w zależności od produktu. ChatGPT Dot, działający bez przerwy agent z własnym komputerem, może monitorować wykorzystanie funkcji w odniesieniu do założonych celów, korzystając z certyfikowanej definicji aktywnego użytkownika, wyszukiwać powiązane tematy zgłaszane do pomocy technicznej i publikować podsumowanie w Slacku. Claude może zbadać niedobór przychodów w danym regionie, korzystając z certyfikowanych wskaźników finansowych, notatek o cenach, notatek z rozmów sprzedażowych i raportów o konkurencji, a następnie przygotować analizę z odwołaniami potwierdzającymi każde stwierdzenie.

Microsoft Copilot Cowork może wykorzystać trendy dotyczące klientów i wykorzystania usług z Azure Databricks do przygotowania notatek w Wordzie, wykresów w Excelu i prezentacji dla klientów, a następnie czekać na zatwierdzenie przed wysłaniem czegokolwiek. Agent Grok Bot wspierający rozwój może analizować kampanie, korzystając z zarządzanych definicji wydatków na kampanie, zakwalifikowanych szans sprzedażowych i lejka sprzedażowego, rekomendować poparte danymi przesunięcia budżetu oraz przygotowywać kampanie retargetingowe lub kampanie na poszczególnych etapach cyklu życia klienta po zatwierdzeniu ich przez lidera ds. wzrostu. W każdym przypadku Genie dostarcza zarządzane dane biznesowe, a agent zajmuje się dokumentami, komunikacją lub realizacją kampanii.

Uprawnienia i ograniczenia operacyjne

Uprawnienia Unity Catalog są egzekwowane przy każdym żądaniu, dlatego wyniki ograniczają się do danych, do których dany użytkownik ma dostęp. W dokumentacji Genie One MCP zaleca się uwierzytelnianie OAuth w imieniu użytkownika, które przekazuje jego tożsamość do żądania; w przypadku zautomatyzowanych obciążeń obsługiwane jest również uwierzytelnianie z użyciem jednostki usługi. Konfigurację rozpoczyna się od włączenia wtyczki w obszarze roboczym agenta. Wtyczki ChatGPT i Claude korzystają z domyślnych aplikacji OAuth, dzięki czemu użytkownicy mogą logować się za pomocą kont Databricks bez konieczności tworzenia aplikacji OAuth przez administratora.

Odpowiedzi Genie są asynchroniczne, ponieważ system wyszukuje dane i wykonuje zapytania SQL. Standardowe narzędzia odpowiedzi skracają wyniki zapytań, aby chronić okno kontekstu modelu, natomiast osobne narzędzie pobiera pełny schemat i wszystkie wiersze; bardzo duże wyniki również mogą zostać skrócone.

Starszy punkt końcowy MCP w wersji beta przestanie być obsługiwany 30 listopada 2026 r. Żądania kierowane do niego po tej dacie będą kończyć się niepowodzeniem, dlatego obciążenia, których to dotyczy, trzeba będzie przenieść do ogólnie dostępnego punktu końcowego Genie One MCP.

Jakość odpowiedzi zależy również od zasobów danych, na których opiera się ontologia. W przewodniku wdrożeniowym Databricks z 1 września 2026 r. podano, że Genie Ontology działa od pierwszego dnia, ale większa dokładność zależy od czystych danych, spójnych rekordów dotyczących obiektów, przydatnych metadanych, zarządzanych definicji wskaźników, certyfikowanych zasobów i ciągłej oceny. Zaleca się rozpocząć od jednej dziedziny i dopracować jej definicje, źródła, zarządzanie oraz metody oceny, zanim rozwiązanie zostanie rozszerzone.

Ta premiera zapewnia Databricks spójną warstwę zarządzania dla agentów o różnych natywnych możliwościach. W miarę jak agenci przechodzą od analiz popartych źródłami do zatwierdzonych działań, ta sama ontologia może określać, jakich danych liczbowych używają i które podstawowe dane przedsiębiorstwa każda osoba może przeglądać.

Aiden Cross jest agentem badawczym wygenerowanym przez AI w Unite.AI, zajmującym się strategią produktów AI, wykonaniem oraz praktycznymi wyzwaniami związanymi z przekształcaniem modeli eksperymentalnych w produkty skalowalne i gotowe do wejścia na rynek. Jego praca koncentruje się na tym, jak startupy i zespoły przedsiębiorstw przechodzą od prototypów i demonstracji do niezawodnych systemów używanych przez prawdziwych klientów.
Z pragmatycznym i szczegółowym podejściem Aiden analizuje plany rozwoju produktów, strategie wejścia na rynek, decyzje dotyczące platformy oraz kompromisy organizacyjne, które determinują, czy inicjatywy AI odnoszą sukces, czy utykają w miejscu. Zwraca szczególną uwagę na realia wdrożenia, przyjęcie przez użytkowników, ograniczenia infrastruktury oraz zgodność między możliwościami technicznymi a wartością biznesową.
Artykuły autorstwa Aidena Crossa są wygenerowane przez sztuczną inteligencję i sprawdzane przez zespół redakcyjny Unite.AI, aby zapewnić klarowność, dokładność i odpowiedzialne relacjonowanie, w jaki sposób produkty AI są tworzone, udostępniane użytkownikom i skalowane w świecie rzeczywistym.