What’s new in data agents: Supercharging your AI workflows

Agentic Data Cloud 上的新数据代理 | Google Cloud 博客

数据分析

数据代理的新功能：提升您的 AI 工作流程

2026 年 6 月 16 日

##### Sean Rhee

Google Cloud 产品管理

##### Geeta Banda

Google Cloud 外向产品管理负责人

##### 今天试用 Gemini Enterprise Business Edition

进入 AI 的大门

立即试用

AI 代理的兴起正在从根本上颠覆应用程序和分析系统。通用的 AI 平台通常无法访问企业数据库中存储的上下文。这是因为传统的数据架构通常在数据领域中缺乏代理所需的上下文，这可能导致代理的准确性不足。此外，由于缺乏细粒度的访问控制，它们也容易出现安全漏洞。

Google 的 Agentic Data Cloud 是一个原生 AI 的行动系统，包括运营和分析系统。通过在整个堆栈中注入 AI —— 从定制硅芯片到前沿的 Gemini 模型 —— 我们提供了一个确定性、模板驱动的开发人员框架，使代理能够基于实时企业数据进行推理，准确率接近 100%，并实现统一的治理。

今天，我们让开发代理变得更加容易，推出了大量新的数据代理和工具：面向对话分析中的业务分析师；面向数据科学家、工程师和数据库管理员的一系列 Google 开发的数据代理，提供更高的自动化和智能化；最后，面向开发人员的数据代理工具，帮助您更好地与当今开放的代理生态系统集成。

1. 对话分析

为了支持使用自然语言构建代理的开发人员，我们宣布在 Data Cloud 中扩展对对话分析的支持。

• BigQuery 中的对话分析（预览版）将一个复杂的 AI 推理引擎直接集成到 BigQuery Studio 中，帮助数据和业务团队超越手动编写 SQL，利用业务上下文通过多模态合成和深入研究来提供答案。面向部分客户的代理工作流程（预览版）可自动进行根本原因分析并安排操作，将企业数据转化为主动、可操作的智能。

使用 BigQuery 中的对话分析创建代理，以更快地获得数据洞察

• Lakehouse 中的对话分析（预览版）扩展了 Lakehouse 的统一基础设施，使用户可以通过自然语言查询 AWS、Azure 和 Google Cloud 上的分布式数据湖。这使得可以在不移动任何数据字节的情况下，跨云平台组合见解。

• AlloyDB、Spanner 和 Cloud SQL 中的对话分析（预览版）支持开箱即用的对话式 AI，使数据对每个人来说都更加可访问。AlloyDB、Spanner 和 Cloud SQL 用户可以与数据库进行自然语言对话，以了解其实时运营数据并捕获分析洞察。

使用对话分析从您的运营数据中获取答案

• Looker 嵌入式对话分析功能现已正式发布，允许您通过低代码 iframe 实现，将代理直接嵌入到自定义应用程序和内部工作流程中，使您能够更轻松地在任何应用程序中部署生产就绪的对话式 AI。此外，借助 Looker 的对话分析 API，您可以创建多轮对话工作流程，提供 AI 驱动的建议，同时验证并解释底层 SQL 查询。我们还将显著升级 Looker 核心对话分析代理（该代理已正式发布），提升其推理能力和语义基础，帮助消除歧义。

将代理直接嵌入到您的应用程序中以实现对话式 AI

2. 新的数据代理

为了帮助数据专业人员从被动的数据管理转向主动的智能分析，并帮助业务分析师更好地与仪表板进行交互，我们宣布推出一系列新的数据代理，将自动化、智能和自然语言能力引入他们的日常工作流程。

• 数据工程代理现已正式发布，它自动化构建和维护数据管道的繁重工作。它将自然语言需求转化为针对 BigQuery 和 Dataflow 优化的 SQL 或 Python 代码，同时主动识别并修复管道中断问题。通过建议模式改进和分区策略，它确保您的数据基础具备可扩展性、可靠性以及性能优化，无需手动试错。

• 数据科学代理目前处于预览阶段，它加速了从原始数据到生产就绪模型的路径。它通过建议相关特征、生成样板笔记本代码以及自动化技术文档流程来协助数据科学家。

• 数据库可观测性代理目前在部分 Cloud SQL、AlloyDB、Spanner 和 Bigtable 客户中处于预览阶段，它主动监控数据库性能，并在问题升级之前持续识别潜在问题。然后，它会提供智能建议和多轮修复工作流程，实现快速、全面的故障排除和优化。它为整个数据库集群提供性能分析，帮助您快速识别数据库中的性能优化机会。

• 数据库上架代理目前在部分客户中处于预览阶段，它消除了数据库选择和部署中的猜测工作。通过评估您的声明需求——从简单的使用案例描述到复杂的企业的需求——它会推荐最适合的 Google Cloud 数据库，并引导您完成配置流程。

• Looker 仪表板代理目前处于预览阶段，它使用户能够在仪表板中与数据进行对话式交互。用户可以提出自然语言问题，并在仪表板中获得上下文感知的答案。此功能还提供 AI 生成的摘要，突出显示仪表板中的关键要点和见解。

• Gemini Enterprise 中的对话分析功能现已在 Looker、BigQuery 和 Lakehouse 中预览，它将由数据从业者构建的受控智能直接带给业务领导者。它作为 Google Data Cloud 的“前门”，使业务用户能够消费在 BigQuery、Looker 或 Lakehouse 中构建的代理，而无需访问技术控制台。通过从 Google Data 向 Gemini Enterprise 发布这些代理，组织可以为业务用户提供一个统一、基于事实的界面，实现精准的数据探索和即时答案。

• 数据洞察代理（Data Insights Agent）目前处于预览阶段，可在 Gemini Enterprise 中提供对数据资产的统一洞察，通过同时查询结构化数据源（如 BigQuery 和 Snowflake）以及非结构化数据（如会议纪要和公开网络信息）。它作为日常业务用户的快速响应引擎，能够跨 Workspace 生态系统（文档、表格、驱动器）和第三方应用（如 Jira 和 HubSpot）综合信息。该代理具备丰富的交互式可视化功能，并会持续学习以逐渐与用户的偏好保持一致。

• 深度研究代理（Deep Research Agent）目前也处于预览阶段，利用知识目录来解决高风险、多层次的商业问题。它超越简单的搜索，构建全面的研究计划，综合来自内部文档、BigQuery 表和公开网络的信息。最终生成一份包含动态可视化和可验证引用的详细报告，同时尊重企业隐私和用户权限。

3. 数据代理工具

用于代理开发的开源标准为构建 AI 应用和自定义代理的开发人员提供了一个统一的框架，使他们能够一致且安全地访问数据和工具。今天，我们宣布以下工具，以帮助您夯实代理开发的各项工作：

• 数据代理工具包（Data Agent Kit）目前处于预览阶段，提供了一套标准化的技能和工具，直接集成到开发人员首选的开发环境（IDE/CLI）中，使数据从业者能够利用 Agentic Data Cloud 功能的指导性建议，大规模地发现、转换和操作数据。

• 管理的 MCP 服务器（Managed MCP Servers）现已对 AlloyDB、Spanner、Cloud SQL、Bigtable 和 Firestore 一般可用，完全管理连接 AI 模型与数据所需的基础设施，您无需自行托管、保护或扩展 MCP 服务器。现在，开发人员可以为代理提供来自我们数据库组合的最新上下文，使 AI 模型能够基于最新的企业数据进行推理和操作。

• 管理的 MCP 服务器（Managed MCP Server）用于 Looker，目前处于预览阶段，允许任何 MCP 客户端或代理平台查询 Looker 的语义模型，将受控的 BI 洞察扩展到第三方应用中。

通过管理的 MCP 服务器访问 Looker 语义模型

• 数据库的 MCP 工具箱 1.0 现已一般可用，实现了重要的稳定性里程碑，使您能够放心构建生产级应用。我们还重新整理了文档，使平台对人类开发者和自主代理都更加友好。

• Cloud SQL、AlloyDB 和 Spanner 的 QueryData 功能目前处于预览阶段，可以将自然语言问题转换为数据库查询。它原生集成到这些数据库中，通过元数据、查询示例和评估，实现了接近 100% 的自然语言到 SQL 转换准确率。

• 由 BigQuery 提供支持的通用商业协议（Universal Commerce Protocol, UCP）分析功能现已进入预览阶段，使商家和开发人员能够将 UCP 的实时事件直接流式传输到 BigQuery（查看示例）。此集成为代理驱动的商业提供开箱即用的可观测性，使团队能够监控转化漏斗、跟踪自动结账性能并识别系统错误。通过在 BigQuery 中标准化这些指标，企业可以弥合 AI 驱动的交易与现有商业智能工作流程之间的差距。

有关如何访问新代理和工具的详细信息，可以从本页上的每个文档链接中找到。数据代理也可以通过 Gemini Enterprise 和 Google Cloud 控制台获得。

发布于

• 数据分析

• 数据库

• 商业智能

• Google Cloud Next