IMPLEMENTACIÓN DE SERVIDOR MCP CON DATA API BUILDER PARA ACCESO DE AGENTES IA EN AZURE
Palabras clave:
Model Context Protocol, Data API Builder, Bases de Datos Transaccionales, Inteligencia Artificial, Computación en la Nube, Seguridad de DatosResumen
La presente investigación tuvo como objetivo implementar y evaluar un servidor basado en el Protocolo de Contexto de Modelo que permita a agentes de inteligencia artificial acceder de manera segura y controlada a bases de datos transaccionales, evitando los riesgos asociados a la generación directa de consultas mediante lenguaje natural. La metodología empleada fue de tipo experimental y consistió en el diseño de una solución utilizando un esquema relacional administrado en un entorno de base de datos transaccional, expuesto mediante una capa de acceso gobernada que publica las entidades como herramientas consumibles por agentes de inteligencia artificial. La población objetivo estuvo conformada por profesionales del sector bancario sin conocimientos de programación, entre ellos contadores, administradores y gerentes, quienes participaron en pruebas controladas orientadas a validar la consulta y recuperación de información de negocio. Los resultados evidenciaron una elevada tasa de resolución correcta de las solicitudes, tiempos de respuesta reducidos y un acceso eficiente a la información operativa. Asimismo, se comprobó la efectividad de los mecanismos de seguridad implementados, observándose la ausencia de vulnerabilidades relacionadas con inyección de código y una adecuada aplicación de controles de permisos sobre los datos consultados. Se concluye que la implementación de un servidor basado en este protocolo constituye una alternativa viable para democratizar el acceso a la información empresarial, al desacoplar los agentes de inteligencia artificial de la lógica de acceso a datos, fortalecer la gobernanza de la información y reducir significativamente la superficie de ataque en comparación con enfoques tradicionales basados en la generación dinámica de consultas.
Referencias
Zhang, C., Mao, Y., Fan, Y., Mi, Y., Gao, Y., Chen, L., Lou, D., & Lin, J. (2024). FinSQL: Model-Agnostic LLMs-based Text-to-SQL Framework for Financial Analysis. arXiv preprint arXiv:2401.10506. https://doi.org/10.48550/arXiv.2401.10506
Microsoft. (2024). Data API Builder documentation. Microsoft Learn. https://learn.microsoft.com/en-us/azure/data-api-builder/
Microsoft. (2024). Azure SQL documentation. Microsoft Learn. https://learn.microsoft.com/en-us/azure/azure-sql/?view=azuresql
Microsoft. (2024). SQL Server Management Studio (SSMS) documentation. Microsoft Learn. https://learn.microsoft.com/en-us/sql/ssms/
Anthropic. (2024). Model Context Protocol specification. https://modelcontextprotocol.io
