S&P Global Energy 用 Databricks Genie Agents 与 MCP 让结构化数据可对话

核心事实

Databricks 博客发布客户案例，介绍 S&P Global Energy 如何让结构化数据资产支持自然语言问答。据该博客描述，其做法是：由领域专家（SME）按数据集分组策展一个个聚焦的 Databricks Genie Agent，无需编写智能体代码；每个 Genie Agent 自动以托管 MCP 服务器形式对外暴露；再通过基于 FastMCP 的代理层，把多个 Genie MCP 服务器组合成面向跨领域问题的复合端点。博客称该架构在保持 Unity Catalog 治理的前提下，缩短了对话式数据产品的上市时间。

背景与影响

博客指出，S&P Global Energy 的数据覆盖化学品、原油、成品油、天然气与电力、液化天然气（LNG）等多个商品类别，且分散在 Databricks 与若干非 Databricks 来源中。传统路径各有短板：手工搭建的 text-to-SQL 管道较脆弱，按用例定制 API 需要反复排期，把数据导出到外部 AI 工具则会带来副本、时效与治理边界问题。其共同症结在于，最懂数据的人并非构建访问层的人。按博客说法，Genie Agents 让策展变成领域活动而非工程活动，SME 可在智能体内补充表与列描述、示例查询、高价值指标的受信资产以及业务定义；非 Databricks 数据可通过 Lakehouse Federation 连接器接入，无需搬运数据。博客还提到，LNG 被拆分为资产与合同、货运、招标、停产、供需、净回值、价格等多个分组智能体，其他商品类别采用类似模式。

限制与来源

以上内容来自 Databricks 官方博客的客户案例叙述，属于厂商视角的架构介绍，未提供可独立核验的实测性能数据、定价或地区可用性信息。文中涉及的 Genie Agents、MCP、FastMCP、Unity Catalog、Lakehouse Federation 等能力的具体可用范围、功能细节与计费方式，请以 Databricks 官网当前信息为准。该案例是否适用于其他组织，取决于其数据治理与工程条件，本文不作评估。