Airbyte Agents: Eine vorindexierte Kontextebene für KI-Agenten im Vergleich zu rohen API-MCPs

Airbyte hat heute Airbyte Agents vorgestellt, eine einheitliche Datenschicht, die Informationen aus mehreren Betriebssystemen vorindiziert, sodass KI-Agenten Daten finden und abfragen können, ohne zur Laufzeit Dutzende von API-Aufrufen tätigen zu müssen. Der Kern ist ein Context Store – ein für agentische Suche optimierter Datenindex, der von Airbytes vorhandenen Replikationskonnektoren befüllt wird.

Die Motivation stammt aus einem realen Trace: Ein Agent, der fragte „Welche Kunden sind in diesem Quartal von Abwanderung bedroht?“, benötigte 47 Schritte, hauptsächlich API-Aufrufe, und lieferte eine falsche Antwort. Airbyte Agents soll dies auf eine einzige Suche reduzieren.

Benchmarks: Tokenverbrauch vs. MCPs der Anbieter

Airbyte-CEO Michel Tricot hat einen öffentlichen Benchmark-Test erstellt (GitHub), der den Airbyte Agent MCP mit den MCPs der Anbieter hinsichtlich Abruf und Suche vergleicht, wobei der Tokenverbrauch als Maß für die Effizienz der Agenten dient. Ergebnisse:

• Gong: bis zu 80 % weniger Token
• Zendesk: bis zu 90 % weniger
• Linear: bis zu 75 % weniger
• Salesforce: bis zu 16 % weniger (Salesforces eigene SOQL ist bereits effizient)

Wichtige Designentscheidungen

• Vorindizierung: Daten werden vorab repliziert und indiziert, sodass Agenten zur Laufzeit nicht paginieren, authentifizieren oder Entitäten über Systeme hinweg verknüpfen müssen.
• Entitätsabgleich: Der Context Store übernimmt die systemübergreifende Entitätsauflösung (z. B. Zuordnung von Konten zu Kunden zu Support-Tickets).
• Read/Write-Passthrough: Agenten können bei Bedarf weiterhin direkt API-Aufrufe für Schreibvorgänge oder Echtzeit-Lesevorgänge tätigen.

Airbyte positioniert dies als Lösung für das Problem, dass die meisten MCPs „dünne Hüllen über APIs“ mit schwachen Primitiven sind. Der Benchmark-Test ist Open Source, und Beiträge aus der Community sind willkommen.