Komprise lance Universal File MCP pour filtrer les données d’entreprise destinées aux agents IA

Komprise a lancé Universal File MCP, un outil qui fournit aux agents IA une interface unique pour interroger des données non structurées réparties entre différents systèmes de stockage d’entreprise. Selon la société, cette approche doit réduire le volume d’informations sans pertinence traité par les agents, alors que les organisations multiplient les connexions au Model Context Protocol.

Le problème du passage à l’échelle de MCP

Le Model Context Protocol, développé à l’origine par Anthropic, fournit une méthode commune permettant aux agents IA de se connecter à des sources de données et à des logiciels externes. SiliconANGLE rapporte que Komprise considère la multiplication des serveurs MCP propres à chaque fournisseur comme un nouveau goulot d’étranglement : les agents peuvent devoir gérer de nombreuses définitions d’outils tout en recherchant des informations parmi des millions, voire des milliards de fichiers répartis dans des environnements de stockage hybrides.

Selon Krishna Subramanian, cofondateur et président de Komprise, cette surcharge peut réduire la précision des réponses, ralentir leur exécution et augmenter les coûts d’exploitation. Il a également cité une étude de McKinsey selon laquelle près de 60 % de la consommation de jetons des systèmes agentiques provient de l’affinement des réponses, au cours duquel des sous-agents retraitent plusieurs fois les informations pendant une tâche.

Filtrer avant l’inférence

Universal File MCP est conçu pour identifier les sources de données pertinentes pour une demande et renvoyer une réponse plus concise, enrichie par le contexte, au lieu d’exposer l’agent à tous les fichiers susceptibles de correspondre. Le système s’appuie sur la Global Metadatabase de Komprise afin de conserver un schéma cohérent entre les ressources de stockage, tandis que les fonctions AI Preparation & Process Automation extraient les métadonnées avant le traitement des fichiers.

L’outil applique également des filtres destinés à éliminer le bruit ainsi que des permissions propres à chaque utilisateur. Dans les exemples rapportés par SiliconANGLE, un clinicien pourrait rechercher des images de pathologie filtrées selon le contexte et ses droits d’accès, tandis qu’un professionnel de la sécurité informatique pourrait localiser des fichiers non conformes ou des données de recherche archivées à partir de termes liés à un projet.

Une portée inter-fournisseurs

Komprise indique que l’interface fonctionne avec des données gérées par Komprise comme avec celles d’autres systèmes, notamment le stockage en réseau, le stockage objet, les environnements cloud et les silos applicatifs. Le produit se positionne ainsi comme une couche unificatrice pour les organisations dont les données sont réparties entre plusieurs fournisseurs plutôt que rassemblées sur une seule plateforme.

Todd Dorsey, analyste au sein de Data Center Intelligence Group, décrit cette approche comme une évolution : il ne s’agit plus seulement de connecter les agents aux données d’entreprise, mais de sélectionner les fichiers dont ils ont réellement besoin. Le rapport ne fournit toutefois ni mesure des économies de jetons, ni résultats de précision, ni tests de performances indépendants. Les gains d’efficacité annoncés restent donc des évaluations de l’entreprise et de l’analyste.

Illustration éditoriale générée par IA ; ce n’est pas une photographie documentaire.

Source: Komprise combats ‘MCP bloat’ with a universal interface for AI agents to access enterprise data