Pylar

ทางการ

สร้างเครื่องมือ MCP แบบกำหนดเองบนแหล่งข้อมูลใดก็ได้ และส่งไปยังตัวสร้างเอเจนต์ใดก็ได้จากระนาบควบคุมเดียว โดยใช้เพียง SQL และลิงก์ที่ปลอดภัย

ดูบน pylar.aiลองใช้ MCP นี้ผู้สนับสนุน

คุณทำอะไรได้บ้างด้วย Pylar MCP?

  • เชื่อมต่อแหล่งข้อมูลที่อยู่ภายใต้การกำกับดูแล — ขอให้ผู้ช่วยของคุณเชื่อมโยง Snowflake, BigQuery, PostgreSQL, HubSpot หรือ Salesforce เพื่อให้เอเจนต์เข้าถึงข้อมูลผ่าน Pylar
  • สร้างมุมมอง SQL ที่จำกัดสิทธิ์ — สั่งให้ผู้ช่วยของคุณสร้างมุมมองที่อยู่ภายใต้การกำกับดูแลซึ่งกรองฟิลด์ที่ละเอียดอ่อนและกำหนดอย่างชัดเจนว่าเอเจนต์สามารถสอบถามข้อมูลใดได้บ้าง
  • สร้างเครื่องมือ MCP จากภาษาธรรมดา — อธิบายการโต้ตอบกับข้อมูลด้วยภาษาธรรมชาติ และให้ Pylar สร้างเครื่องมือ MCP ที่เกี่ยวข้องโดยอัตโนมัติโดยไม่ต้องเขียนโค้ดด้วยมือ
  • เผยแพร่เครื่องมือให้กับผู้สร้างเอเจนต์ — ปรับใช้เครื่องมือ MCP ของคุณไปยัง Claude Desktop, Cursor, LangGraph, Zapier หรือ n8n พร้อมการอัปเดตทันทีจากแผงควบคุมเดียว
  • ติดตามการโต้ตอบของเอเจนต์ — ขอรายงานการสังเกตการณ์เกี่ยวกับการใช้งานเครื่องมือ ข้อผิดพลาด และรูปแบบการสอบถามผ่านแดชบอร์ด Evals เพื่อเพิ่มประสิทธิภาพการทำงาน

เอกสาร

เอกสาร Pylar

สร้าง AI agents ที่โต้ตอบกับข้อมูลของคุณอย่างปลอดภัย เชื่อมต่อฐานข้อมูล สร้างมุมมองที่ควบคุมได้ และปรับใช้ MCP tools กับ agent builder ใดก็ได้

ยินดีต้อนรับสู่ Pylar

Pylar คือ ชั้นการเข้าถึงข้อมูลที่ปลอดภัยสำหรับ AI agents ที่ช่วยให้สามารถโต้ตอบกับแหล่งข้อมูลที่มีโครงสร้างได้โดยไม่ต้องเข้าถึงฐานข้อมูลโดยตรงหรือต้องมีการผสานรวม API ที่ซับซ้อน

วิธีการทำงาน

Pylar Workflow Diagram
  1. Data Sources เชื่อมต่อกับ Pylar (Snowflake, BigQuery, PostgreSQL, HubSpot, Salesforce และอื่นๆ)
  2. SQL View ถูกสร้างขึ้นเพื่อควบคุมว่าข้อมูลใดที่ agents เข้าถึงได้อย่างแน่นอน
  3. MCP Tools ถูกสร้างขึ้นบน view—สามารถมีหลาย tools สำหรับกรณีการใช้งานที่แตกต่างกัน
  4. Tools เผยแพร่ ไปยัง Agent Builders (Claude Desktop, Cursor, LangGraph, Zapier, Make, n8n และอื่นๆ)
  5. Evals ตรวจสอบการโต้ตอบของ tools ทั้งหมดเพื่อการสังเกตการณ์และการปรับปรุง

ประโยชน์หลัก:

  • ✅ ศูนย์ควบคุมเดียว: อัปเดต views และ tools โดยไม่ต้องปรับใช้ agents ใหม่
  • ✅ ไม่มีการเข้าถึงโดยตรง: Agents เข้าถึงข้อมูลผ่าน views ที่คุณควบคุมเท่านั้น
  • ✅ อินเทอร์เฟซแบบรวม: ปลายทาง MCP เดียวสำหรับแหล่งข้อมูลทั้งหมด
  • ✅ การสังเกตการณ์แบบเรียลไทม์: ตรวจสอบการโต้ตอบของ agents ทั้งหมดด้วย Evals
เรียนรู้ว่า Pylar ให้บริการ SQL views ที่ควบคุมได้ การสร้าง MCP tools ด้วย AI และการผสานรวมหลายฐานข้อมูลอย่างราบรื่นอย่างไร เริ่มต้นใช้งานได้ภายในไม่กี่นาที เชื่อมต่อฐานข้อมูลของคุณ สร้าง views และปรับใช้ agent ตัวแรกของคุณ ค้นพบประโยชน์: ความปลอดภัย ประสบการณ์นักพัฒนา ความเป็นเลิศในการดำเนินงาน และความคุ้มค่าด้านต้นทุน ดูตัวอย่าง agent ในโลกจริง 20 รายการสำหรับฝ่ายสนับสนุนลูกค้า การขาย การตลาด ผลิตภัณฑ์ การเงิน และการดำเนินงาน

คุณสมบัติหลัก

🔒 SQL Views ที่ควบคุมได้

สร้าง SQL views ที่กำหนดว่าข้อมูลใดที่ agents เข้าถึงได้อย่างแน่นอน Views เป็นระดับการเข้าถึงเพียงระดับเดียว—agents ไม่เคยได้รับการเข้าถึงฐานข้อมูลโดยตรง

🤖 การสร้าง MCP Tools ด้วย AI

อธิบายสิ่งที่คุณต้องการด้วยภาษาธรรมชาติ และ AI ของ Pylar จะสร้าง MCP tools สำหรับ agents ของคุณ ไม่ต้องเขียนโค้ดด้วยตนเอง

🔗 การผสานรวมหลายฐานข้อมูล

รวมข้อมูลจากหลายฐานข้อมูล คลังข้อมูล และแอปพลิเคชันธุรกิจ คิวรี Snowflake, BigQuery, PostgreSQL, HubSpot, Salesforce และอื่นๆ—ทั้งหมดในที่เดียว

📊 การสังเกตการณ์ในตัว

ตรวจสอบประสิทธิภาพของ agents ด้วยแดชบอร์ด Evals ติดตามข้อผิดพลาด รูปแบบการคิวรี และปรับแต่ง tools ของคุณตามข้อมูลการใช้งานจริง

🚀 ศูนย์ควบคุมเดียว

อัปเดต views และ tools โดยไม่ต้องปรับใช้ agents ใหม่ การเปลี่ยนแปลงจะสะท้อนทันทีใน agent builders ทั้งหมด—Claude Desktop, Cursor, LangGraph, Zapier และอื่นๆ

การเริ่มต้นใช้งาน

ขั้นตอนที่ 1: เชื่อมต่อข้อมูลของคุณ

เชื่อมต่อฐานข้อมูลและแหล่งข้อมูลของคุณกับ Pylar แหล่งข้อมูลที่รองรับ ได้แก่:

  • ฐานข้อมูล: BigQuery, Snowflake, PostgreSQL, MySQL, Redshift, MotherDuck, Supabase และอื่นๆ
  • แอปพลิเคชันธุรกิจ: HubSpot, Salesforce, Google Sheets และอื่นๆ
เรียนรู้วิธีเชื่อมต่อแหล่งข้อมูลของคุณ

ขั้นตอนที่ 2: สร้าง Views

ใช้ SQL IDE ของ Pylar เพื่อสร้าง views ที่ควบคุมได้สำหรับข้อมูลของคุณ รวมข้อมูลจากหลายฐานข้อมูล กรองข้อมูลที่ละเอียดอ่อน และกำหนดว่าข้อมูลใดที่ agents เข้าถึงได้อย่างแน่นอน

เรียนรู้วิธีสร้าง view แรกของคุณ

ขั้นตอนที่ 3: สร้าง MCP Tools

สร้าง MCP tools โดยใช้ AI หรือด้วยตนเอง แต่ละ tool กำหนดวิธีที่ agents โต้ตอบกับ views ของคุณ

เรียนรู้วิธีสร้าง MCP tools

ขั้นตอนที่ 4: เผยแพร่และปรับใช้

เผยแพร่ tools ของคุณและรับข้อมูลประจำตัว MCP ของคุณ เชื่อมต่อกับ agent builder ใดก็ได้—ไม่มีปัญหาเรื่อง API ไม่ต้องปรับใช้ใหม่

เรียนรู้วิธีเผยแพร่และปรับใช้ tools ของคุณ

กรณีการใช้งานยอดนิยม

สร้าง agents ที่เข้าถึงประวัติลูกค้า คำสั่งซื้อ และตั๋วสนับสนุน วิเคราะห์ pipeline คาดการณ์รายได้ และระบุโอกาส ปรับแต่งแคมเปญ วิเคราะห์ attribution และวัด ROI ติดตามการนำฟีเจอร์ไปใช้ วิเคราะห์รูปแบบการใช้งาน และจัดลำดับความสำคัญของการปรับปรุง วิเคราะห์รายได้ ติดตามค่าใช้จ่าย และสร้างรายงานทางการเงิน ตรวจสอบสุขภาพของระบบ ติดตามประสิทธิภาพ และสร้างรายงานเหตุการณ์

ส่วนเอกสาร

📚 เรียนรู้

คู่มือที่ครอบคลุมทุกอย่างตั้งแต่การเชื่อมต่อฐานข้อมูลไปจนถึงการตรวจสอบด้วย Evals:

💡 ตัวอย่าง

ตัวอย่าง agent ในโลกจริง 20 รายการในหลากหลายโดเมน:

  • การสนับสนุนลูกค้าและความสำเร็จของลูกค้า (4 ตัวอย่าง)
  • การขายและรายได้ (4 ตัวอย่าง)
  • การตลาด (4 ตัวอย่าง)
  • ผลิตภัณฑ์ (3 ตัวอย่าง)
  • การเงิน (3 ตัวอย่าง)
  • การดำเนินงาน (2 ตัวอย่าง)
ดูว่าผู้อื่นใช้ Pylar อย่างไร

❓ ความช่วยเหลือ

รับคำตอบสำหรับคำถามที่พบบ่อยและการแก้ไขปัญหา:

ต้องการความช่วยเหลือ?

พร้อมเริ่มต้นใช้งานหรือยัง?

ทำตามคำแนะนำทีละขั้นตอนของเราเพื่อสร้าง agent ตัวแรกของคุณ

เอกสารนี้สร้างและโฮสต์บน Mintlify ซึ่งเป็นแพลตฟอร์มเอกสารสำหรับนักพัฒนา