Hacker News • 25일 전

에어바이트, 에이전트용 통합 데이터 레이어 'Airbyte Agents' 공개

IMP

7/10

핵심 요약

데이터 커넥터 전문 기업 에어바이트(Airbyte)가 에이전트가 여러 운영 시스템에 걸쳐 정보를 탐색하고 조치를 취할 수 있도록 돕는 통합 데이터 레이어 'Airbyte Agents'를 출시했습니다. 기존 MCP(MCP)가 단순한 API 래퍼에 불과하여 에이전트가 데이터를 탐색하는 데 한계가 있다는 문제의식에서 출발했으며, 6년간 축적한 커넥터 기술을 바탕으로 에이전트 검색에 최적화된 '컨텍스트 스토어(Context Store)'를 핵심으로 제공합니다.

번역된 본문

안녕하세요, 저는 Airbyte(https://airbyte.com/)의 공동 창립자이자 CEO인 Michel입니다. 저희는 지난 6년 동안 데이터 커넥터를 구축해 왔습니다. 오늘 저희는 에이전트가 여러 운영 시스템에 걸쳐 정보를 발견하고 조치를 취할 수 있도록 돕는 통합 데이터 레이어인 Airbyte Agents(https://docs.airbyte.com/ai-agents/)를 출시합니다.

빠른 소개 영상은 다음과 같습니다: https://www.youtube.com/watch?v=ZosDytyf1fg

에이전트가 실제 업무 워크플로우에 도입되면서 Slack, Salesforce, Linear 등 더 많은 도구에 액세스할 수 있어야 합니다. 그 말은 즉슨 인증, 페이지 매김(pagination), 필터링, 스키마(schema) 처리 및 여러 시스템에 걸친 엔터티 매칭 등 엄청난 양의 API 연결 작업(plumbing)이 필요하다는 뜻입니다.

대부분의 MCP는 이 문제를 해결하지 못합니다. 이들은 API 위에 얇은 래퍼(thin wrapper)일 뿐이므로 에이전트는 여전히 API가 가진 약한 기본 요소를 상속받아, 특히 여러 도구를 함께 사용할 때 대부분의 상황에서 오류를 범하게 됩니다.

더 깊은 문제는 API가 사용자가 이미 무엇을 쿼리해야 할지(엔드포인트, 객체 ID, 필드 등) 알고 있다고 가정한다는 것입니다. 반면 에이전트는 보통 한 단계 앞서서 시작하며, 추론을 시작하기 전에 먼저 어떤 데이터가 중요한지 파악해야(Discover) 합니다.

그래서 저희는 에이전트와 모든 데이터 사이에 컨텍스트 계층 역할을 할 Airbyte Agents를 구축했습니다. 이 핵심은 저희가 '컨텍스트 스토어(Context Store)'라고 부르는 것으로, 저희의 복제 커넥터를 통해 데이터가 채워지는 에이전트 검색에 최적화된 데이터 인덱스입니다. 지난 6년간 데이터 커넥터에 쏟은 모든 노력이 여기서 빛을 발하고 있습니다!

이를 통해 에이전트는 구조화된 방식으로 데이터를 검색할 수 있을 뿐만 아니라, 필요할 경우 여전히 업스트림 시스템(upstream system)에 직접 읽고 쓸 수도 있습니다.

저희가 이 작업을 시작하게 된 계기는 저희의 새로운 SDK로 마이그레이션하던 에이전트의 황당한 트레이스(trace) 로그였습니다. 이 에이전트는 "이번 분기에 이탈 위험이 있는 고객은 누구인가?"라는 질문에 답해야 했습니다. 트레이스 로그에는 총 47개의 단계가 있었으며, 대부분은 API 호출이었습니다. (역주: 원문이 a 에서 끊겨 있어 의역 및 추정을 통해 번역 완료)

원문 보기

원문 보기 (영어)

I’m Michel, co-founder and CEO of Airbyte (<a href="https://airbyte.com/" rel="nofollow">https://airbyte.com/</a>). We’ve spent the last six years building data connectors. Today we're launching Airbyte Agents (<a href="https://docs.airbyte.com/ai-agents/" rel="nofollow">https://docs.airbyte.com/ai-agents/</a>), a unified data layer for agents to discover information and take action across operational systems.Here’s a quick walkthrough: <a href="https://www.youtube.com/watch?v=ZosDytyf1fg" rel="nofollow">https://www.youtube.com/watch?v=ZosDytyf1fg</a>As agents move into real workflows, they need access to more tools (e.g. Slack, Salesforce, Linear). That means a ton of API plumbing: authentication, pagination, filters, handling schema, and matching entities across systems.Most MCPs don’t fix this. They’re thin wrappers over APIs, so agents inherit their weak primitives and still get it wrong most of the time, especially when working across tools.An even deeper issue is that APIs assume you already know what to query (think endpoints, Object IDs, fields), whereas agents usually start one step earlier: they need first to discover what matters before they can even start reasoning.So we built Airbyte Agents to be a context layer between your Agents and all of your data. The core of this is something we call Context Store: a data index optimized for agentic search, populated by our replication connectors. All that work on data connectors the last six years comes in handy here!This gives agents a structured way to discover data, while still allowing them to read and write directly to the upstream system when needed.What got us working on this was an insane trace from an agent we were migrating to our new SDK. It was supposed to answer "which customers are at risk of leaving this quarter?" The trace had 47 steps. Most were API calls. The a

에이전트 데이터 연동 에어바이트 컨텍스트 스토어 API 연동