Protocolo de búsqueda de conjuntos de datos federados

Un equipo de ML creó un canal de descubrimiento de conjuntos de datos con tres servidores MCP: Scavio para búsqueda web, un MCP Hugging Face personalizado para metadatos de conjuntos de datos y un MCP PostgreSQL para catálogos de datos internos. Una única consulta como "análisis de sentimiento, datos de capacitación, atención médica" busca en las tres fuentes y devuelve resultados combinados con etiquetas de fuente.

Protocolo de búsqueda de conjuntos de datos federados es relevante para Google. Scavio proporciona una API unificada para acceder a datos de todas estas plataformas.

Los equipos de aprendizaje automático necesitan datos de capacitación de múltiples fuentes: conjuntos de datos académicos (Hugging Face, Kaggle), datos web (Common Crawl, búsqueda en vivo), bases de datos patentadas y datos abiertos gubernamentales. Buscar cada fuente por separado y fusionar los resultados manualmente lleva mucho tiempo. Los protocolos de búsqueda de conjuntos de datos federados tienen como objetivo unificar esto: una consulta, múltiples servidores, resultados combinados con atribución de fuente. El concepto se basa en consultas de bases de datos federadas (federación SQL), pero se aplica a la búsqueda de datos no estructurados. En la práctica, están surgiendo implementaciones para 2026, pero están incompletas. La búsqueda de conjuntos de datos de Google indexa metadatos de conjuntos de datos estructurados, pero omite la mayoría de las fuentes patentadas y en tiempo real. El vocabulario del conjunto de datos de Schema.org permite el descubrimiento pero no las consultas federadas. La solución práctica actual es crear una capa de federación ligera: consultar a Scavio para obtener resultados web en vivo ($0,005/consulta), Hugging Face API para conjuntos de datos de ML (gratis) y Google Dataset Search para datos académicos, luego fusionar los resultados en una canalización. MCP hace esto más fácil: configure múltiples servidores MCP (búsqueda, conjunto de datos, base de datos) y permita que el agente realice consultas a través de ellos de forma natural. La verdadera federación a nivel de protocolo sigue siendo un área de investigación, pero el patrón MCP proporciona una aproximación pragmática.