DataRobot para desenvolvedores: habilidades, MCP e a superfície do desenvolvedor agente

Você não deveria ter que sair do Cursor para criar, implantar ou monitorar um agente de nível de produção. Você mesmo pode conectar LangChain, um banco de dados vetorial, uma ferramenta de monitoramento e um pipeline de implantação, mas gastará mais tempo nesse encanamento do que no próprio agente. DataRobot é o atalho. Agora ele fica onde você constrói, integrando-se diretamente ao seu IDE por meio do agente de codificação, camada de ferramentas e gateway de modelo.

Think about o que isso desbloqueia. Um engenheiro de plataforma em uma empresa fintech conecta o MCP International, aponta seu agente LangGraph existente para ele e envia uma implantação governada com monitoramento e rastreamento, tudo antes do almoço, sem mexer no código do agente.

DataRobot é o caminho para esse fluxo de trabalho. Quatro peças, uma por camada da pilha:

Habilidades: coloque a experiência da DataRobot em qualquer agente de codificação

habilidades do agente datarobot navios Protocolo de Contexto do Agente pastas para as coisas que os desenvolvedores pedem ao DataRobot para fazer: treinamento de modelo, previsões, implantação, engenharia de recursos, monitoramento, explicabilidade, preparação de dados. Uma instalação atinge Claude Code, Cursor, Codex, Gemini CLI, Amp, VS Code Copilot, Goose, Letta, Kilo Code e OpenCode:

npx ai-agent-skills set up datarobot-oss/datarobot-agent-skills

Depois disso, “crie um projeto de rotatividade de clientes e inicie o AutoML” funciona em seu IDE sem memorizar o padrão SDK. DataRobot também está no Mercado de cursores para instalação com um clique.

Use DataRobot de qualquer cliente MCP

O PCM world é implantado automaticamente em cada instância do DataRobot. Cinco linhas em .cursor/mcp.json e pronto:

{
  "mcpServers": {
    "datarobot-mcp": {
      "url": "https://{DATAROBOT_URL}/api/v2/genai/globalmcp/mcp",
      "headers": { "Authorization": "Bearer " }
    }
  }
}

Precisa de ferramentas personalizadas ou serviços internos expostos no MCP? O af-component-datarobot-mcp modelo é um andaime FastMCP com @dr_mcp_tool decoradores e implantação gerenciada pelo Pulumi como um aplicativo de modelo personalizado. Native na porta 8080, produção em DataRobot sem servidor.

Os agentes param de conter o código da ferramenta. Eles perguntam ao servidor o que está disponível e ligam quando precisam.

Essa é a recompensa arquitetônica: adicionar ou alterar ferramentas sem reimplantar o agente. Veja o Padrão de integração LangGraph para o mcp_tools propriedade que converte automaticamente ferramentas MCP em ferramentas LangChain.

Vá das especificações à implantação governada — modelos, Agent Help e LLM Gateway

modelos de agente datarobot fornece estruturas para CrewAI, LangGraph e LlamaIndex. Cada um vem com infraestrutura Pulumi, um servidor de desenvolvimento, rastreamento OpenTelemetry e o encanamento necessário que transforma um agente native em uma implantação governada do DataRobot.

Assistência ao Agente (dr help) é o caminho do design antes de codificar. Ele percorre a especificação do agente, gera agent_spec.mdsimula a chamada de ferramenta para que você possa validar a escolha do modelo e da ferramenta sem queimar chamadas LLM reais e, em seguida, criar scaffolds nos modelos.

Por baixo de tudo isso: o Portal LLMum endpoint compatível com OpenAI em {DATAROBOT_URL}/api/v2/genai/llmgw. Os agentes escritos no OpenAI Python SDK funcionam como estão. A troca de provedores é uma alteração na cadeia de modelos. Medição, governança e credenciamento acontecem no gateway. Todas as quatro interfaces compartilham autenticação por meio de um ordem documentada de resolução de credenciaiscom tipos de chave de API Pessoal, de Aplicativo e de Agente separados quando você precisar de chamadas de serviço a serviço com escopo definido.

Como é composto