Dans un contexte de demande croissante d’applications alimentées par des agents d’IA, Teradata lance son premier serveur MCP (model context protocol). Hébergé sur GitHub et pris en charge par la communauté Teradata, ce serveur a pour ambition d’aider les entreprises à tester leurs flux agentiques accédant aux données stockées dans les data lake du fournisseur. La société a confirmé qu’une future version commerciale du serveur MCP offrira un « support complet », ce qui n'est pas le cas de la version Community Edition. « Cette version, dont la sortie est prévue au cours du premier semestre 2026, inclura des fonctionnalités essentielles pour les entreprises, telles que la sécurité, l'observabilité, l'évolutivité, la gestion de la charge de travail et la conformité, ce qui la rendra adaptée à un déploiement en production », a déclaré à InfoWorld Meeta Vouk, vice-présidente de la gestion des produits pour l'IA et l'analyse chez Teradata. « Les prochaines itérations cibleront les fonctionnalités avancées de sécurité et de gestion du contexte, ainsi que l'optimisation des ressources. Les clients pourront migrer du serveur communautaire vers le prochain produit », a ajouté Mme Vouk.

Contrairement à la Community Edition qui comprend des outils capables d'effectuer des tâches de développement courantes, la déclinaison commerciale sera dotée d'outils supplémentaires destinés à des tâches plus complexes, en particulier la génération et l'optimisation de SQL, la récupération de données multimodales, l'exécution de tâches d'ingénierie des données, l'exécution d'analyses dans la base de données et de pipelines d'apprentissage machine, ainsi que l'exécution de code Python personnalisé. Selon Robert Kramer, analyste principal chez Moor Insights and Strategy, la sortie d'une édition communautaire avant une version entièrement prise en charge a pour but de favoriser l'adoption précoce, tout en jetant les bases d'une future version lucrative.

Databricks et Snowflake en avance

Le premier jet est livré avec un ensemble d'outils et de prompts, regroupés en modules, que les agents peuvent utiliser pour interroger, analyser et gérer les données contenues dans les bases de données Teradata. Ces ensembles comprennent Base Tools pour l'engagement général sur la plateforme, DBA Tools pour les tâches d'administration des bases de données et Data Quality Tools qui accélèrent l'analyse exploratoire des données. De plus, le serveur MCP intègre un jeu d'outils spécialisés (gestion des autorisations, supervision des magasins de fonctions, génération augmentée de récupération (RAG) pour faciliter la création et l'utilisation de magasins de vecteurs). Une couche sémantique personnalisée Custom Semantic Layer qui « permet aux entreprises de créer des outils et des invites spécifiques à leur domaine, adaptés à leurs besoins uniques en matière de données commerciales », est également disponible.

Selon M. Kramer, cette première étape est conçue pour aider les clients à connecter directement les agents IA aux données opérationnelles grâce à une gouvernance intégrée, à la gestion des métadonnées, une base vectorielle et des outils de RAG, essentiels pour les cas d’usage de l'IA générative qui reposent sur la combinaison de données structurées et de LLM. Pour lui, grâce à cet accès aux données contenues dans les bases de données Teradata, les agents IA pourront avoir une meilleure compréhension contextuelle et fournir des réponses plus précises. Cependant, Teradata n'est pas le seul fournisseur d'analyse de données à proposer un serveur MCP. Alors que son concurrent Databricks propose des serveurs MCP managés qui offrent un accès contrôlé aux données structurées et non structurées via Genie Space MCP Server, Vector Search MCP Server et UC Function MCP Server, Snowflake a aussi publié ce mois-ci des ressources open source qui simplifient la création de serveurs MCP connectés à ses services. A noter aussi qu'un serveur MCP Snowflake alimenté par des contributeurs était déjà disponible sur GitHub avant même que le fournisseur publie ses ressources.