Smartsheet postavil vzdialený MCP server na AWS pre interných aj externých agentov

AWS zverejnil technický opis toho, ako Smartsheet postavil vzdialený server pre Model Context Protocol, teda štandardizovanú vrstvu, cez ktorú môžu AI agenti volať nástroje a pristupovať k podnikovým dátam. Príklad je zaujímavý preto, že nejde o laboratórny prototyp. Smartsheet je pracovná platforma pre projektové tímy a jeho dáta obsahujú úlohy, tabuľky, pracovné priestory, závislosti a stavové informácie. Ak sa k nim má dostať agent, nestačí mu iba textový export alebo klasické vyhľadávanie. Potrebuje bezpečný a riadený spôsob, ako čítať aj meniť pracovné objekty.

Podľa AWS používa Smartsheet jednu MCP vrstvu pre vlastnú internú skúsenosť Smart Assist aj pre externé klienty, ako sú Amazon Quick a Claude Desktop. To je dôležité architektonické rozhodnutie: namiesto paralelných konektorov pre každého asistenta vzniká jednotná nástrojová vrstva. V praxi to znamená, že rovnaké pravidlá autentifikácie, autorizácie, logovania a optimalizácie môžu platiť pre interný produkt aj pre agentov pripojených zvonku.

AWS v článku opisuje viacero služieb v dátovej ceste. Statické serverové kontajnery bežia cez AWS Fargate nad Amazon ECS, zmenové udalosti spracúva Kinesis Data Streams a Amazon Managed Service for Apache Flink, časť dátovej vrstvy sa ukladá do Amazon S3 a pre inferenciu či znalostný graf sa spomína Amazon Bedrock a Amazon Neptune. Takýto zoznam služieb by sám osebe nebol správou, keby neukazoval konkrétny posun: agentické rozhrania sa začínajú navrhovať ako normálna podniková infraštruktúra, nie ako doplnok k chatbotu.

Najdôležitejšia časť je bezpečnosť a governance. MCP server síce zjednodušuje prístup agenta k nástrojom, ale zároveň vytvára nové riziko: agent môže vykonať zmenu v pracovnom systéme, ak mu to nástroj a oprávnenia umožnia. Smartsheet preto potrebuje rozsahy prístupov, kontrolu identity, auditné stopy a limity na to, čo môže agent v konkrétnom kontexte vykonať. AWS opisuje API gateway vrstvu, validáciu rozsahov a operačné monitorovanie ako súčasť návrhu, nie ako dodatočnú záplatu.

Pre používateľov môže byť výsledkom prirodzenejšia práca s projektovými dátami. Asistent môže analyzovať stav projektu, aktualizovať úlohy, vytvárať pracovné listy alebo sumarizovať prekážky bez toho, aby používateľ ručne prechádzal všetky tabuľky. Skutočná hodnota však nebude v tom, že agent vie odpovedať po anglicky alebo slovensky. Hodnota bude v tom, či vie zavolať správny nástroj, rešpektovať oprávnenia a zanechať po sebe kontrolovateľný záznam.

Zaujímavý je aj vzťah k Amazon Quick. AWS tým naznačuje, že podnikové vyhľadávanie a BI nástroje sa postupne prepájajú s MCP servermi a agentickými konektormi. Agent nemusí byť viazaný iba na dokumentový index, ale môže pristupovať k živým aplikáciám. To mení aj požiadavky na dátové tímy: nestačí mať RAG nad dokumentmi, treba mať katalóg nástrojov, pravidlá pre zápisy a spôsob, ako testovať zlyhania pri reálnych akciách.

Smartsheet zároveň ukazuje, prečo MCP nie je iba vývojársky módny termín. Protokol sám o sebe nerieši bezpečnosť, škálovanie ani kvalitu nástrojov, ale vytvára rozhranie, na ktorom sa tieto vrstvy dajú stavať systematickejšie. Ak jedna firma potrebuje pripojiť svoj pracovný systém k viacerým AI klientom, jednotná MCP vrstva môže znížiť duplicitu a urýchliť zavádzanie nových schopností. Ak je však návrh slabý, rovnaká vrstva môže rozšíriť chyby do viacerých agentov naraz.

Praktický dopad pre enterprise AI je preto dvojitý. Na jednej strane článok ukazuje, že agenti sa posúvajú od konverzačných demo scenárov k pracovným systémom, kde môžu meniť dáta. Na druhej strane pripomína, že najťažšia časť nebude samotný model, ale prevádzka prístupov, auditov, latencie, nákladov a zodpovednosti za akcie. Agent, ktorý aktualizuje tabuľku alebo pracovný priestor, musí byť rovnako dobre spravovaný ako integračný účet alebo automatizačný skript.

Pre slovenské a európske firmy je poučenie pomerne praktické: ak uvažujú o agentoch nad internými aplikáciami, mali by najprv navrhnúť nástrojovú vrstvu a bezpečnostné pravidlá, nie len vybrať model. Smartsheetov príklad na AWS ukazuje jeden možný tvar takejto architektúry. Nie je univerzálny recept, ale je to užitočný referenčný bod pre firmy, ktoré chcú, aby AI agenti pracovali s reálnymi systémami bez toho, aby obchádzali governance.