谷歌近期推出了一项创新举措——数据公用 MCP 服务器，旨在为人工智能代理提供便捷的公共数据集访问渠道，从而有效减少信息错误（即“幻觉”现象），并确保答案的可验证性。这一重要更新将显著加速数据丰富型代理应用的开发进程，为AI技术的实际应用开辟新篇章。
谷歌软件工程师Keyur Shah特别强调，MCP服务器能够将公共数据集转化为快速可用且高度可操作的资源，为AI代理构建标准化的数据消费模式。通过这一平台，代理能够轻松获取可靠且有明确来源的信息，而无需经历复杂的配置过程。这一创新不仅简化了技术操作，更提升了AI应用的实用价值。
MCP即模型上下文协议（Model Context Protocol），作为一个开放框架，为AI应用提供了统一的接口，使其能够无缝连接外部系统，包括各类数据源、工具和工作流。这种集成化的设计意味着AI代理可以通过单一通道获取信息并执行操作，无需为不同服务单独开发集成方案。对于开发者而言，MCP大幅降低了集成时间和复杂度；对于用户来说，它显著扩展了AI代理的功能范围，揭示了更广阔的数据与应用生态。
该数据公用MCP服务器已与谷歌的代理开发工具包和Gemini CLI实现深度集成，确保了无缝的设置体验。AI代理能够高效处理探索性、分析性和生成性查询，其应用场景涵盖广泛，从扫描非洲健康数据，到比较金砖国家的人均寿命、不平等和GDP增长，再到分析美国各县的收入与糖尿病情况等。用户只需在Gemini CLI中输入一次查询，代理便能系统性地从数据公用的多个数据集中提取信息，并生成带有来源证明的结构化报告。
在实际应用中，ONE Campaign作为首批采用该服务器的组织之一，成功开发出专用代理以支持其政策倡导工作。ONE数据代理能够在短短几秒钟内查询数千万个健康融资数据点，而这一任务以往需要逐个搜索成千上万的孤立记录。通过整合这些关键信息，该代理为决策者和活动人士提供了即时洞察，将原本费时的“海底捞针”式搜索转化为高效输出。
谷歌将数据公用MCP服务器定位为提升代理输出可靠性的核心工具。通过将响应与公共数据集相结合，它旨在最大限度减少猜测成分，提供可核实的答案。此外，谷歌还慷慨地将该服务器作为开放资源提供给开发者，包括PyPI上的启动包、GitHub上的示例代码，以及一个专为测试设计的Colab笔记本。
随着AI技术在日常生活中的普及应用，幻觉现象依然对系统构成挑战，尤其在医学和法律等敏感领域。谷歌的数据公用MCP服务器有望有效降低这一风险，推动AI应用向更可靠、更实用的方向发展。