Jembatan di tempat untuk kueri AI yang menjaga kredensial lokal
kyomi-connect, dari Kyomi Ai, adalah agen lokal yang menghubungkan gudang internal ke klien AI yang kompatibel dengan MCP untuk pengambilan data dalam bahasa alami. Alat ini meneruskan hasil kueri yang dienkripsi ke model cloud sambil menjaga kredensial basis data di dalam jaringan Anda, dan mencakup biner berbasis Rust, penyebaran Docker dan Kubernetes, serta pengaturan CLI interaktif. Ini ditujukan untuk insinyur data, pengembang AI, dan tim keamanan yang memerlukan akses yang terkontrol dan dapat diaudit antara penyimpanan data pribadi dan alur kerja AI.
Tugas apa yang sebenarnya dapat Anda gunakan untuk itu?
Agen mengekspos gudang data internal kepada klien AI untuk analisis berbasis kueri. Ini menghubungkan basis data dan gudang data ke klien Model Context Protocol sehingga model AI dapat menjalankan kueri bahasa alami dan mengembalikan set hasil. Kasus penggunaan termasuk kueri data eksploratif, pembuatan SQL ad-hoc, dan memberi umpan baris yang dipilih ke dalam prompt model hilir untuk analisis yang dapat diakses dari klien yang kompatibel dengan MCP.
Bagaimana cara menangani keamanan kredensial dan data dalam praktiknya
Kredensial tetap di infrastruktur Anda, dan transportasi menggunakan saluran yang terautentikasi dan terenkripsi. Nama pengguna basis data, kata sandi, dan string koneksi disimpan secara lokal dan tidak ditransmisikan; agen menggunakan koneksi WebSocket terautentikasi JWT dengan TLS untuk streaming keluaran kueri. Desain ini mengisolasi rahasia di dalam jaringan dan hanya mengirim keluaran kueri yang terenkripsi ke antarmuka AI yang terhubung.
Input dan lingkungan apa yang diterima dan batasannya
Agen mendukung mesin utama dan pola penyebaran umum. Backend yang didukung termasuk PostgreSQL, MySQL, ClickHouse, Redshift, Snowflake, BigQuery, Databricks, SQL Server, dan Azure Synapse. Ini berjalan di Linux, macOS, dan Windows dan disebarkan sebagai biner mandiri, kontainer Docker, atau di dalam Kubernetes. Input adalah koneksi basis data standar; itu tidak mengonsumsi penyimpanan file sembarangan sebagai jalur data utama.
Apakah praktis untuk diterapkan dan dioperasikan dalam alur kerja rekayasa?
Penyebaran lebih menguntungkan insinyur dan tim yang sadar keamanan daripada pengguna nonteknis. Agen adalah biner Rust ringan dengan jejak sumber daya minimal dan wizard pengaturan CLI interaktif untuk konfigurasi. Ini terintegrasi dengan server dan klien MCP seperti Claude Desktop, Cursor, dan Claude Code, menjadikannya cocok untuk tim yang sudah menggunakan alat AI berbasis MCP dan dapat mengelola layanan di tempat.
Opsi yang terfokus untuk tim yang membutuhkan kontrol di tempat dengan kode yang dapat diaudit
kyomi-connect cocok untuk tim rekayasa data dan keamanan yang memerlukan pengelolaan kredensial lokal dan audit kode yang transparan di bawah lisensi Apache 2.0. Harapkan jembatan siap produksi untuk alur kerja MCP, tetapi rencanakan untuk tinjauan manusia terhadap analisis berbasis model karena agen meneruskan keluaran kueri ke model eksternal. Tip praktis: pasangkan agen dengan langkah tinjauan internal sebelum bertindak berdasarkan wawasan otomatis.
