Airbyte Agents: Camada de Contexto Pré-indexada para Agentes de IA vs MCPs de API Bruta

A Airbyte lançou hoje o Airbyte Agents, uma camada de dados unificada que pré-indexa informações de vários sistemas operacionais para que agentes de IA possam descobrir e consultar dados sem fazer dezenas de chamadas de API em tempo de execução. O núcleo é um Context Store — um índice de dados otimizado para busca agentiva, preenchido pelos conectores de replicação existentes da Airbyte.

A motivação veio de um rastreamento real: um agente perguntou "quais clientes estão em risco de sair neste trimestre?" levou 47 etapas, principalmente chamadas de API, e retornou uma resposta errada. O Airbyte Agents visa reduzir isso a uma única consulta.

Benchmarks: Uso de Tokens vs MCPs de Fornecedores

O CEO da Airbyte, Michel Tricot, criou um benchmark público (GitHub) comparando o MCP do Airbyte Agent com MCPs de fornecedores para recuperação e pesquisa, usando o consumo de tokens como proxy para eficiência do agente. Resultados:

• Gong: até 80% menos tokens
• Zendesk: até 90% menos
• Linear: até 75% menos
• Salesforce: até 16% menos (o SOQL da Salesforce já é eficiente)

Principais Decisões de Design

• Pré-indexação: Os dados são replicados e indexados antecipadamente, para que os agentes não precisem paginar, autenticar ou unir entidades entre sistemas em tempo de execução.
• Correspondência de entidades: O context store lida com a resolução de entidades entre sistemas (ex.: mapear contas para clientes e tickets de suporte).
• Passagem de leitura/escrita: Os agentes ainda podem chamar APIs upstream diretamente para gravações ou leituras em tempo real quando necessário.

A Airbyte está posicionando isso como uma solução para o problema de que a maioria dos MCPs são "invólucros finos sobre APIs" com primitivas fracas. O benchmark é open source e contribuições da comunidade são bem-vindas.