Guia do Genie One MCP: conecte dados governados a qualquer agent
Autoria: Databricks · Assistir no YouTube
Vídeo de autoria do canal indicado, não da IANIA; todos os direitos pertencem ao criador. Transcrição, resumo e tradução gerados automaticamente; o conteúdo no idioma original é preservado na versão em idioma original.
Idioma original: inglês
Vídeo original: Genie One MCP Guide: Connect Governed Data to Any Agent · Canal: Databricks · 03:11 · Assistir no YouTube
Tópicos: Agentes de IA, Dados, bancos de dados e embeddings
Um gerente de produto da Databricks demonstra como o Genie One MCP conecta o Genie One a um agent no Cursor. No exemplo, ele consulta definições empresariais de gross booking value e collected revenue na ontologia do Genie e recebe uma resposta com referências a páginas do glossário. O Cursor usa esse contexto para criar uma tabela da camada gold que compara as duas métricas. Assim, o fluxo de desenvolvimento pode continuar sem sair do Cursor, com o código fundamentado na semântica e nos dados proprietários da empresa.
Pontos-chave
Seção intitulada “Pontos-chave”- O Genie One MCP permite usar o Genie One como fonte confiável de contexto em outros workflows com agents.
- O exemplo é feito no Cursor enquanto o apresentador desenvolve um pipeline de dados.
- O agent consulta a ontologia do Genie para esclarecer conceitos empresariais desconhecidos.
- A resposta identifica páginas relevantes do glossário e cita duas entradas.
- O contexto retornado pelo Genie fica disponível no Cursor, sem a necessidade de abrir a interface do Genie.
- O Cursor usa as definições para gerar SQL para uma tabela da camada gold que compara duas métricas de receita.
- O fluxo ajuda a manter o código alinhado à semântica e aos dados proprietários da empresa.
Capítulos
Seção intitulada “Capítulos”| Início | Capítulo | Resumo |
|---|---|---|
| 00:00 | Apresentação do Genie One MCP | O apresentador introduz o Genie One MCP e explica que ele leva o Genie One a outros workflows com agents. |
| 00:31 | Consulta à semântica empresarial | No Cursor, o apresentador pergunta a diferença entre gross booking value e collected revenue e acompanha a busca na ontologia do Genie. |
| 01:34 | Resposta com referências do glossário | O Genie encontra páginas relevantes do glossário e apresenta as definições e suas citações dentro do fluxo no Cursor. |
| 02:37 | Criação da tabela da camada gold | O Cursor usa o contexto fornecido pelo Genie para gerar SQL e comparar as duas métricas de receita em uma tabela da camada gold. |
Citações
Seção intitulada “Citações”O Genie One MCP permite usar o Genie One como seu colega de trabalho confiável para dados em qualquer outro workflow com agents. — 00:00
Conseguiu identificar páginas relevantes do glossário na nossa ontologia do Genie. — 01:34
Nunca precisei realmente abrir a interface do Genie. — 02:06
O código que escrevo está fundamentado no significado real da semântica da nossa empresa. — 03:11
Conceitos e entidades
Seção intitulada “Conceitos e entidades”- Genie One MCP (ferramenta): Integra o Genie One a outros workflows com agents para fornecer contexto confiável baseado em dados empresariais.
- Genie One (ferramenta): Produto usado como fonte de contexto semântico e informações empresariais no exemplo.
- Cursor (ferramenta): Ambiente em que o apresentador desenvolve o pipeline e usa o contexto retornado pelo Genie.
- Databricks (empresa): Empresa do apresentador e responsável pelo Genie One MCP demonstrado no vídeo.
- Genie ontology (conceito): Ontologia pesquisada para encontrar informações semânticas e páginas relevantes do glossário.
- gold layer table (conceito): Tabela da camada gold que o apresentador pede ao Cursor para criar, comparando duas métricas de receita.
Tradução completa (pt-BR)
Seção intitulada “Tradução completa (pt-BR)”00:00 [música] >> Oi, sou Ben e sou gerente de produto aqui na Databricks. Estou aqui para demonstrar o que considero um recurso muito legal do nosso produto Genie One: o Genie One MCP. O Genie One MCP permite aproveitar o Genie One como seu colega de trabalho de dados confiável em qualquer outro workflow de agent que você esteja usando. Para o exemplo de hoje, estou com o Cursor aberto e trabalhando no desenvolvimento de um
00:31 pipeline de dados, e sou novo nesta equipe. Há algumas informações semânticas que não conheço muito bem, mas me pediram para fornecer uma tabela da camada gold que compare duas formas diferentes de medir a receita. Então, primeiro, vou acessar meu agent, que venho usando para desenvolver o próprio pipeline, e perguntar rapidamente: para a Wonder Bricks, que é a empresa onde trabalho, qual é a diferença
01:02 entre o valor bruto de reservas e a receita arrecadada? Como vocês verão, o Cursor vai usar o Genie One MCP. Aqui vocês podem ver nosso pequeno logotipo da Databricks. Se clicarem nele, poderão acompanhar tudo na visualização de apps do MCP. Vocês verão que ele está pesquisando a ontologia do Genie, o que é ótimo. Mas posso simplesmente acessar o próprio Genie e acompanhar tudo
01:34 em uma visualização ainda mais ampla. Vocês podem ver que ele está pesquisando aqui. Vamos esperar um momento para que reúna o contexto adequado e depois me forneça a resposta de que preciso. Aqui, vocês podem ver que, nos resultados da pesquisa, ele conseguiu identificar algumas páginas relevantes do glossário da nossa ontologia do Genie. Agora está formulando a resposta final. E vocês podem ver exatamente
02:06 as diferenças entre essas definições e as duas entradas citadas do glossário. Agora vou voltar ao Cursor. Vocês podem ver que essa resposta completa também aparece aqui, na linha. Portanto, não precisei acessar a interface do Genie 1. Mas, ao rolar para baixo, vejo que esse contexto agora está integrado ao mesmo workflow em que estou desenvolvendo este pipeline. Agora posso fazer uma pergunta complementar para ajudar a dar continuidade a esse workflow. Posso dizer: adicione
02:37 uma tabela da camada gold comparando as duas. Agora, o Cursor poderá aproveitar o contexto que o Databricks 1 acabou de fornecer. O que o Cursor pode fazer agora é aproveitar o contexto obtido do Genie, analisar essa resposta e me ajudar a desenvolver essa tabela da camada gold. Como vocês podem ver, ele está começando a escrever o SQL final aqui. Isso me permite
03:11 garantir que o código que estou escrevendo esteja realmente fundamentado no significado da semântica da nossa empresa. Assim, faço um bom trabalho com dados, baseado nos insights proprietários da nossa empresa. E tudo isso graças ao Genie. >> [música]
Transcrição original
[00:00] [music] >> Hi, I’m Ben and I’m a product manager here at Databricks. Um and I’m here to demo uh what I think is a super cool feature of our Genie One product, which is the Genie One MCP. The Genie One MCP allows you to leverage Genie One as your trusted data co-worker um in whatever other agent workflow you may be using. So, for today’s example um I have Cursor open and I’m working on developing a
[00:31] data pipeline um and I’m new to this team. There are some semantic information that I don’t really know, but I’ve been tasked with providing a gold layer table comparing two different ways that we might measure revenue. So first what I’m going to do is go into my agent, which I’ve been using to develop this pipeline itself and just ask quickly um for Wonder Bricks which is the company I’m working for what’s the difference
[01:02] between gross booking value and collected revenue? And as you’ll see Cursor will use the Genie One MCP. You can see our little Databricks logo here. Um and if you click in you can actually follow along in our MCP apps view. So, you’ll see that it’s searching the Genie ontology, which is awesome. Um but I can actually just go ahead and click into Genie itself and follow along um
[01:34] for an even more expanded view. And you can see that it’s it’s searching here and we’ll just wait for a moment for it to gather the right context um and then provide me with the response I need. So, here you can see that in its search results it was actually able to identify some relevant glossary pages from our Genie ontology. Um, and now it’s formulating its final response. Um, and you can see exactly
[02:06] the differences here in these definitions and the two cited, um, glossary entries here. And so now I’m going to go back into Cursor. And you can see this full response is actually reflected here in line. So I never really needed to go into the Genie 1 UI. Um, but then when I scroll down, um, I now have this context integrated into my same workflow where I’m developing this pipeline. So now I can ask a follow-up question basically to help continue this workflow. So I can say add
[02:37] a gold layer table comparing the two. And now what Cursor is going to be able to do is leverage that context that Databricks 1 just gave it. And so what Cursor can do now is leverage that context that it got from Genie, um, parse out that response and then help me to develop this actual gold layer table. As you can see, it’s starting to actually write out the final, uh, SQL here. Um, and this just allows
[03:11] me to ensure that the code I’m writing is actually grounded in what our business semantics, uh, actually mean. So I’m doing good data work that’s grounded in our company’s, um, proprietary insights. And that’s all thanks to Genie. >> [music]