Agentes de Airbyte: Una capa de contexto pre-indexada para agentes de IA frente a MCPs de API sin procesar

Airbyte lanzó hoy Airbyte Agents, una capa de datos unificada que pre-indexa información de múltiples sistemas operativos para que los agentes de IA puedan descubrir y consultar datos sin realizar decenas de llamadas API en tiempo de ejecución. El núcleo es un Context Store — un índice de datos optimizado para búsqueda agentiva, poblado por los conectores de replicación existentes de Airbyte.

La motivación provino de un rastreo real: un agente que preguntó "¿qué clientes están en riesgo de irse este trimestre?" requirió 47 pasos, en su mayoría llamadas API, y devolvió una respuesta incorrecta. Airbyte Agents busca reducir eso a una única consulta.

Benchmarks: Uso de tokens vs MCP de proveedores

El CEO de Airbyte, Michel Tricot, creó un harness de benchmark público (GitHub) comparando el MCP de Airbyte Agent contra los MCP de proveedores para recuperación y búsqueda, usando el consumo de tokens como indicador de eficiencia del agente. Resultados:

• Gong: hasta un 80% menos de tokens
• Zendesk: hasta un 90% menos
• Linear: hasta un 75% menos
• Salesforce: hasta un 16% menos (el SOQL propio de Salesforce ya es eficiente)

Decisiones clave de diseño

• Pre-indexación: Los datos se replican e indexan con anticipación, para que los agentes no tengan que paginar, autenticarse o unir entidades entre sistemas en tiempo de ejecución.
• Coincidencia de entidades: El context store maneja la resolución de entidades entre sistemas (por ejemplo, mapear cuentas a clientes para tickets de soporte).
• Paso directo de lectura/escritura: Los agentes aún pueden llamar a las APIs upstream directamente para escrituras o lecturas en tiempo real cuando sea necesario.

Airbyte posiciona esto como una solución al problema de que la mayoría de los MCP son "envoltorios delgados sobre APIs" con primitivas débiles. El harness de benchmark es de código abierto y las contribuciones de la comunidad son bienvenidas.