Skip to main content

Outils MCP (Tools)

Ce document liste l'ensemble des outils encapsulés par le protocole MCP mis à disposition par le serveur de qalita-io.

Ces outils, une fois liés à votre LLM, permettront à votre Agent de lire des données, des scores de qualité et d'effectuer des actions correctives ou déclencher des revues ("Run check").

Lecture de données et métadonnées​

read_dataset(dataset_id: str, filters: dict = None) -> dict​

  • Description : Lit un dataset qualifié tout en retournant ses métadonnées de qualité.
  • Utilisation agent : Lors du chargement d'un contexte de travail (ex: extraire des données tabulaires) avant manipulation, en s'assurant au passage que la donnée est "bonne".

get_data_quality_score(source_id: str) -> dict​

  • Description : Retourne immédiatement le score de qualité actuel d'une source avec ses différentes dimensions (complétude, fraîcheur, précision...).
  • Utilisation agent : Idéal pour un « Copilote métier » à qui l'utilisateur vient de demander l'état de santé du modèle global.

list_anomalies(source_id: str, severity: str = "all") -> list​

  • Description : Liste les anomalies détectées en dernier lieu sur cette source.
  • Utilisation agent : Un agent correcteur ("Fixer Agent") va interroger cela pour identifier les dérives exactes avant de proposer des correctifs sur cette base.

get_quality_report(report_id: str) -> dict​

  • Description : Récupère le compte rendu total d'une opération ponctuelle d'évaluation.

Actions​

Les agents peuvent déclencher du calcul pour valider la qualité a-postériori d'une ingestion.

trigger_quality_check(source_id: str, pack_id: str) -> dict​

  • Description : Déclenche l'exécution explicite d'un bundle de tests (un Pack) sur une source de données définie.
  • Utilisation agent : Un agent orchestrateur vient de terminer un job d'ingestion SQL ou d'API, sa dernière étape est de contacter Qalita par trigger_quality_check afin vérifier que la nouvelle donnée reste intègre.

list_available_checks(source_id: str) -> list​

  • Description : Énumère de façon dynamique les packs qu'il est pertinent et valide de jouer sur cette typologie de source de donnée.

Registre ("Registry")​

search_packs(query: str, domain: str = None) -> list​

  • Description : Rechercher dans le marketplace de packs les plus pertinents par mot-clés ou univers/domaines (ex: healthcare, industrial).

get_pack_schema(pack_id: str) -> dict​

  • Description : Retourne les paramètres, les données attendues en entrée (Inputs / Schema) qui seront requis pour exécuter le test, ou l'explication des résultats.