O Google lançou o Data Commons MCP Server, um conector que permite a sistemas de IA consultarem, em linguagem natural, dados públicos verificados — de censos a estatísticas climáticas — direto do Data Commons.
Em vez de depender só de texto da internet (e sujeitar-se a alucinações), modelos passam a puxar fatos estruturados sob demanda, apontando para um desenho de IA mais confiável e orientado a evidências.
MCP do Google: fatos sob demanda
O Model Context Protocol (MCP) é um padrão aberto que define como agentes de IA acessam fontes externas. Ao expor o Data Commons via MCP, o Google transforma um acervo de dados oficiais em um “plug and play” para modelos: faz perguntas simples e recebe tabelas, séries e cortes comparáveis — sem precisar conhecer a modelagem por trás.
Em parceria com a ONE Campaign, o Google demonstrou o ONE Data Agent, que compila dezenas de milhões de pontos financeiros e gera gráficos e bases para download em minutos, algo que levaria semanas de coleta manual. A lógica é replicável a domínios onde números confiáveis são críticos: clima, educação, saúde.
Para bancos, gestores e fintechs, a mudança endereça o que mais pesa: verificabilidade. Agentes podem cruzar PIB, inflação, emprego e renda em tempo real, alimentar modelos de risco, previsões e teses de investimento, e ainda deixar trilha de auditoria (fonte, data, recorte). Resultado: relatórios com números rastreáveis e menos horas de “ETL artesanal”.
