Azquo

npx add-mcp 'https://data.azquo.ai/mcp'

La capa que falta

Los agentes de IA son buenos leyendo archivos, escribiendo consultas y explicando resultados. Lo que les falta es un lugar confiable donde guardar lo que aprenden. Una base de datos transaccional exige un esquema de antemano; una hoja de cálculo no tiene registro de auditoría; una ventana de contexto lo olvida todo cuando termina la sesión.

Azquo es esa capa que falta: un almacén persistente y auditable que un agente puede construir, consultar y reorganizar por sí solo, donde cada escritura está atribuida y cada decisión que el agente registra queda disponible para el siguiente agente que se conecte.

Junto a tus bases de datos, no en lugar de ellas

Nada cambia en los sistemas que ya utilizas. Configurar Azquo solo pide una cosa de ellos: que las personas que lo usan puedan descargar los datos a los que ya tienen acceso. Azquo carga esas descargas, de modo que tus bases de datos, permisos y rutinas existentes continúan exactamente como antes. Empezar es rápido y no hay migración que planificar.

El riesgo de perder datos es insignificante, siempre que se hagan descargas. Tus originales permanecen donde están, y una copia de seguridad de Azquo es un archivo simple: hemos probado que una IA a la que se le da solo una copia de seguridad, sin ninguna ayuda de Azquo, puede leer cada nombre, cifra y cambio en ella. Nunca quedas encerrado.

Luego añades lo que tus sistemas no pueden contener. Carga más datos de cualquier fuente a la que tengas acceso: hojas de clientes y proveedores, estadísticas de mercado y públicas, exportaciones de otro departamento. Añade tus propios objetivos, previsiones y supuestos junto a ellos. Cada cifra individual está catalogada y auditada, de modo que puedes ver de dónde proviene, quién la introdujo y cuándo, y las decisiones de diseño tomadas mientras se construía la base de datos también quedan registradas en ella.

Muchos agentes, un solo registro. Varios agentes de IA, y las personas que trabajan con ellos, pueden trabajar en la misma base de datos de Azquo. Cada escritura se atribuye al agente y a la persona detrás de él, y lo que un agente aprende o decide queda escrito para el siguiente. El trabajo puede dividirse entre agentes sin perder el rastro de quién hizo qué.

Si has intentado poner IA sobre tus datos, probablemente te has topado con uno de estos muros

El modelo nunca se enriquece. Cada nueva pregunta es un ChatGPT-sobre-CSV nuevo. El agente aprendió algo útil la semana pasada — que los “ingresos del tercer trimestre” excluyen lo intercompañía — y el siguiente agente no tiene forma de saberlo. Las conversaciones no se acumulan en capacidad.

El esquema te combate. Aparece una nueva dimensión y vuelves a la cola del equipo de datos para una migración. La pregunta de negocio que lo provocó ya se ha enfriado cuando la columna existe.

El RAG alucina el linaje. La recuperación vectorial muestra “el párrafo correcto” pero no puede decirte si el número que contiene es la cifra canónica, un borrador antiguo o algo que alguien pegó en una diapositiva.

Las jerarquías no sobreviven al join. SQL aplana los resúmenes. Los almacenes de documentos los ignoran. Las bases de datos de grafos manejan relaciones pero no pueden agregar números. Cada respuesta que toca la estructura tiene un trabajo manual detrás.

No puedes citar una sola celda. La mayoría de los almacenes pueden decirte qué fila se escribió y cuándo, no qué celda, mediante qué transformación, desde qué archivo fuente. La conversación de auditoría se come el proyecto.

Cómo puntúa realmente el campo

La mayoría de los almacenes de datos se diseñaron antes de que los agentes de IA existieran como consumidor principal. Así puntúan las opciones comunes frente a lo que un proyecto de IA-sobre-tus-datos necesita realmente:

	Extensión sin esquema	Jerarquías de primera clase	Procedencia por celda	Anclaje de datos externos	Convenciones guardadas con los datos	OLAP a escala de almacén
SQL relacional (Postgres, MySQL)	✗	◐	◐	✗	◐	✓
Almacén de documentos (Mongo)	✓	✗	✗	✗	✗	◐
Almacén de datos (Snowflake, BigQuery)	✗	✗	◐	◐	◐	✓
Base de datos de grafos (Neo4j)	◐	✓	✗	✗	✗	◐
Base de datos vectorial (Pinecone, pgvector)	✓	✗	✗	✗	✗	✗
LLM-sobre-CSV (ChatGPT, Claude directo)	✓	✗	✗	✗	✗	✗
Azquo	✓	✓	✓	◐	✓	◐

✓ nativo ◐ parcial ✗ no realmente

La mayoría de estos almacenes ahora pueden ser alcanzados por un agente a través de un servidor MCP. La diferencia que importa es lo que el agente encuentra allí: si puede extender el modelo sin una migración, y si las convenciones para trabajar con los datos se guardan en el propio almacén, para que el siguiente agente las lea.

Lo que un agente puede hacer a través del MCP de Azquo

El servidor MCP de Azquo da a cualquier agente de IA compatible con MCP herramientas directas para: crear bases de datos; importar archivos sin procesar; diseñar y refinar plantillas de importación; consultar con AQL; explorar y extender jerarquías; construir y ejecutar informes; y auditar cualquier cifra individual a través de cada transformación hasta su origen.

Y como los agentes cometen errores, las mismas herramientas les permiten ensayar un cambio arriesgado en una copia de la base de datos primero, ver el historial de cualquier nombre y restaurar uno que se haya eliminado, y ver cada valor anterior con quién lo cambió y de dónde provino el cambio.

Probado, no prometido: una demostración práctica

Concretamente: dale a un agente una carpeta de exportaciones de ventas mensuales (con formas diferentes, nombres de columnas diferentes), algunos PDF de actas de consejo, y una hoja de cálculo con regiones y divisiones. Dile: construye un modelo con el que podamos responder preguntas de presupuesto.

En un almacén de Azquo, el agente no te pide que diseñes un esquema primero. Carga cada archivo a medida que lo encuentra. Propone una jerarquía — División → Región → Oficina — y la confirma sin perturbar lo que ya existe. Ancla los comentarios extraídos de los PDF a los meses que describen. Cada celda lleva su origen. Cada agrupación es reversible: una nueva jerarquía es una nueva lente, no una migración.

Dos semanas después alguien pregunta “divide el tercer trimestre por línea de producto, no solo por región.” El siguiente agente no reinicia. La línea de producto no existía cuando el primer agente trabajó — y eso está bien. La añade, ancla las líneas de producto en la jerarquía existente y responde. Nada existente se rompe. El rastro de auditoría de la primera semana sigue resolviéndose limpiamente.

Esto no es una hipótesis. En una demostración reciente, Claude construyó una base de datos completa de costos de pérdidas de seguros a partir de una presentación ISO de automóviles comerciales de 168 páginas que cubría 73 territorios, sin ningún especialista de Azquo involucrado. Diseñó las plantillas de importación, estructuró las jerarquías y produjo los informes, con cada paso registrado en la propia base de datos. Cada valor en la cadena de tarificación — no solo el total — se remonta al archivo, al usuario y a la fecha. Haz clic en cualquier celda.

Memoria institucional para agentes

Cada peculiaridad descubierta, cada convención acordada, cada decisión interpretativa que toma un agente se almacena como parte de la base de datos — anclada a tu negocio y disponible para el siguiente agente que se conecte. Los agentes dejan de empezar desde cero.

Concretamente, a un agente que se conecta por primera vez el servidor le indica que lea una nota inicial, que lo dirige al resto de una base de habilidades de varios cientos de notas sobre cómo trabajar con Azquo. Junto a sus propias bases de datos encuentra una biblioteca compartida de ejemplos prácticos — presupuestos, cuentas de gestión, tiempo y gastos, análisis de tablas dinámicas, primas de seguros de propiedad y una cotización de automóviles en EE. UU. — que puede copiar y adaptar en lugar de construir desde cero. Lo que aprende sobre tus datos, lo escribe de vuelta en tu base de datos para el agente que venga después.

Bidireccional con tus hojas de cálculo

El mismo almacén habla directamente con Excel. Los analistas extraen datos en vivo, escriben cambios de vuelta y comparten con colegas. La capa de IA y la capa de hoja de cálculo ven una única fuente de verdad, y cada cambio — desde cualquier lado — queda registrado. Si tu interés principal es el lado de la hoja de cálculo de esa historia, Azquo en Excel → lo explica en el vocabulario financiero.

Por qué la arquitectura importa

Azquo almacena nombres en jerarquías, no filas en tablas. No hay esquema que diseñar antes de que lleguen los datos; cualquier dato puede cargarse en cualquier momento, y se pueden añadir nuevas agrupaciones más tarde sin tocar los datos existentes ni romper los informes actuales. Esa flexibilidad es precisamente lo que el trabajo impulsado por agentes necesita: la estructura crece a medida que crece el entendimiento.

Leer más: Cómo piensa Azquo →

Pruébalo

El servidor MCP de Azquo se ejecuta en nuestra infraestructura en https://data.azquo.ai/mcp. El acceso de evaluación se concede a petición y te da tu propia cuenta de Azquo. Cada acción del agente se atribuye a ti en el rastro de auditoría.

Si usas la aplicación de Claude, no hay nada que instalar: añade esa dirección como conector personalizado e inicia sesión con tu usuario de Azquo. Luego puedes pedirle a Claude que guarde y dé cuenta de la información de tu organización, y lo hará en Azquo.

Si estás construyendo sistemas de agentes, apunta cualquier runtime compatible con MCP a la misma dirección con una clave API del sitio de administración de Azquo.

Si estás construyendo sistemas de agentes y quieres una capa de memoria y auditoría debajo, nos gustaría hablar contigo.

O simplemente pregunta: Pregunta a Azquo → responde preguntas sobre Azquo en lenguaje sencillo.

Propiedad de finanzas. Aprobable por TI. Funciona junto a tus sistemas existentes — nada que arrancar.