Data Agent Kit
Seluruh stack data Anda di alat agentic favorit Anda
Terhubung ke lebih dari 15 layanan Data Cloud Google, termasuk BigQuery, AlloyDB, dan Knowledge Catalog, menggunakan alat dan keahlian agentic yang canggih di dalam Visual Studio Code, Antigravity, Cursor, Claude Code, dan lainnya. Tidak ada biaya untuk pengguna Google Cloud.
Fitur
Konsol Cloud, langsung di dalam IDE Anda
Data Agent Kit menghadirkan antarmuka terpadu untuk berinteraksi dengan resource Cloud. Jelajahi skema BigQuery, edit file Cloud Storage, dan pantau cluster Spark tanpa harus beralih antara Konsol Cloud dan IDE Anda.
Kembangkan dalam bahasa alami
Cukup jelaskan tugas terkait data Anda dan biarkan agen memproses dan menyelesaikannya untuk Anda. Data Agent Kit memberdayakan agen Anda dengan alat dan keterampilan yang diperlukan untuk menulis notebook, menjalankan kueri, men-deploy pipeline, dan banyak lagi.
Praktik terbaik untuk data, yang sudah terintegrasi
Data Agent Kit dilengkapi dengan kemampuan agen yang telah ditentukan dari Google yang mencakup seluruh siklus proses data—mulai dari menulis SQL yang dioptimalkan dan menilai postur keamanan bucket penyimpanan Anda, hingga melatih dan men-deploy model machine learning.
| Lingkungan | Petunjuk |
|---|---|
Visual Studio Code | Instal dari Visual Studio marketplace |
Antigravity | Antigravity IDE
Antigravity CLI Jalankan perintah berikut di terminal. agy plugin install https://github.com/GoogleCloudPlatform/data-agent-kit-plugin Antigravity 2.0, dan ekstensi VSCode Antigravity
|
Claude Code | Claude Code CLI Jalankan perintah berikut di terminal. claude plugin marketplace add https://github.com/GoogleCloudPlatform/data-agent-kit-plugin claude plugin install dak@dak-marketplace |
Codex | Codex CLI Jalankan perintah berikut di terminal. codex plugin marketplace add GoogleCloudPlatform/data-agent-kit-plugin codex plugin add dak@dak-marketplace |
Google Cloud Shell/Workstation | Data Agent Kit sudah diinstal sebelumnya di Google Cloud Shell dan Google Cloud Workstation |
Cursor dan IDE berbasis VSCode lainnya |
|
Antigravity
Antigravity IDE
- Buka panel Extensions
- Telusuri “Data agent Kit”
- Temukan “Google Cloud Data Agent Kit” di hasil penelusuran, lalu klik Install
Antigravity CLI
Jalankan perintah berikut di terminal.
agy plugin install https://github.com/GoogleCloudPlatform/data-agent-kit-plugin
Antigravity 2.0, dan ekstensi VSCode Antigravity
- Buka halaman setelan Antigravity sebagai berikut:
- Antigravity 2.0: Klik Settings di bagian kanan bawah layar utama
- Ekstensi Antigravity VS Code: Klik "Antigravity - Settings" di status bar di bagian bawah
- Di layar Settings, klik Customizations
- Cari Build with Google Plugins, lalu klik Customize
- Cari Data Agent Kit dalam daftar, lalu klik Download
Claude Code
Claude Code CLI
Jalankan perintah berikut di terminal.
claude plugin marketplace add https://github.com/GoogleCloudPlatform/data-agent-kit-plugin
claude plugin install dak@dak-marketplace
Codex
Codex CLI
Jalankan perintah berikut di terminal.
codex plugin marketplace add GoogleCloudPlatform/data-agent-kit-plugin
codex plugin add dak@dak-marketplace
Google Cloud Shell/Workstation
Data Agent Kit sudah diinstal sebelumnya di Google Cloud Shell dan Google Cloud Workstation
Cursor dan IDE berbasis VSCode lainnya
- Buka panel Extensions di IDE Anda
- Telusuri “Data agent Kit”
- Temukan “Google Cloud Data Agent Kit” di hasil penelusuran, lalu klik Install
Cara Kerjanya
Data Agent Kit membekali agen coding di IDE atau CLI Anda dengan alat dan keterampilan MCP khusus. Dengan solusi ini, Anda dapat menerjemahkan perintah bahasa alami langsung ke dalam kueri SQL aktif, kode pipeline, atau tugas ML, sehingga menyederhanakan seluruh siklus proses data tanpa perlu pengalihan konteks.
Data Agent Kit membekali agen coding di IDE atau CLI Anda dengan alat dan keterampilan MCP khusus. Dengan solusi ini, Anda dapat menerjemahkan perintah bahasa alami langsung ke dalam kueri SQL aktif, kode pipeline, atau tugas ML, sehingga menyederhanakan seluruh siklus proses data tanpa perlu pengalihan konteks.
Data engineering
Mengorkestrasi, mentransformasi, dan men-debug pipeline Anda
Mengorkestrasi, mentransformasi, dan men-debug pipeline Anda
Bangun pipeline yang mengubah data sumber menjadi tabel yang siap digunakan di downstream, dengan pemeriksaan kualitas untuk mendeteksi masalah yang mungkin timbul selama proses tersebut. Kembangkan transformasi dengan dbt atau Dataform dan jadwalkan alur kerja dengan Managed Service untuk Apache Airflow. Uji perubahan sebelum deployment, dan saat eksekusi gagal, bekerjasamalah dengan agen Anda untuk melacak masalah tersebut melalui log eksekusi dan kode yang mendasarinya, lalu kembangkan solusi untuk perbaikan.
Tutorial, panduan memulai, dan lab
Mengorkestrasi, mentransformasi, dan men-debug pipeline Anda
Mengorkestrasi, mentransformasi, dan men-debug pipeline Anda
Bangun pipeline yang mengubah data sumber menjadi tabel yang siap digunakan di downstream, dengan pemeriksaan kualitas untuk mendeteksi masalah yang mungkin timbul selama proses tersebut. Kembangkan transformasi dengan dbt atau Dataform dan jadwalkan alur kerja dengan Managed Service untuk Apache Airflow. Uji perubahan sebelum deployment, dan saat eksekusi gagal, bekerjasamalah dengan agen Anda untuk melacak masalah tersebut melalui log eksekusi dan kode yang mendasarinya, lalu kembangkan solusi untuk perbaikan.
Sains data
Merancang fitur, melatih model, dan mengotomatiskan inferensi
Merancang fitur, melatih model, dan mengotomatiskan inferensi
Kembangkan dan sempurnakan eksperimen di notebook Jupyter dengan agen Anda menggunakan kernel Python atau kernel jarak jauh di Managed Service untuk Apache Spark. Siapkan fitur dari data BigQuery dan bangun model prediktif menggunakan BigQuery Machine Learning. Hubungkan pekerjaan yang dihasilkan ke inferensi batch terjadwal yang membuat prediksi tersedia untuk aplikasi downstream.
Tutorial, panduan memulai, dan lab
Merancang fitur, melatih model, dan mengotomatiskan inferensi
Merancang fitur, melatih model, dan mengotomatiskan inferensi
Kembangkan dan sempurnakan eksperimen di notebook Jupyter dengan agen Anda menggunakan kernel Python atau kernel jarak jauh di Managed Service untuk Apache Spark. Siapkan fitur dari data BigQuery dan bangun model prediktif menggunakan BigQuery Machine Learning. Hubungkan pekerjaan yang dihasilkan ke inferensi batch terjadwal yang membuat prediksi tersedia untuk aplikasi downstream.
Analisis data
Buat kueri database, lacak silsilah, dan hadirkan insight bisnis
Buat kueri database, lacak silsilah, dan hadirkan insight bisnis
Jelajahi data di BigQuery dan database operasional seperti AlloyDB dan Cloud SQL untuk menjawab pertanyaan bisnis. Gunakan Knowledge Catalog untuk menemukan set data yang relevan, dengan metrik kualitas data dan silsilah untuk memandu analisis Anda. Bekerjasamalah dengan agen Anda untuk mengembangkan kueri dan menindaklanjuti pola yang muncul dalam hasil, lalu buat visualisasi atau model data yang dapat digunakan kembali untuk keperluan pelaporan dan keputusan bisnis.
Tutorial, panduan memulai, dan lab
Buat kueri database, lacak silsilah, dan hadirkan insight bisnis
Buat kueri database, lacak silsilah, dan hadirkan insight bisnis
Jelajahi data di BigQuery dan database operasional seperti AlloyDB dan Cloud SQL untuk menjawab pertanyaan bisnis. Gunakan Knowledge Catalog untuk menemukan set data yang relevan, dengan metrik kualitas data dan silsilah untuk memandu analisis Anda. Bekerjasamalah dengan agen Anda untuk mengembangkan kueri dan menindaklanjuti pola yang muncul dalam hasil, lalu buat visualisasi atau model data yang dapat digunakan kembali untuk keperluan pelaporan dan keputusan bisnis.
Harga
| Layanan | Harga |
|---|---|
Data Agent Kit tersedia tanpa biaya bagi pengguna dengan akun Google Cloud |
Data Agent Kit tersedia tanpa biaya bagi pengguna dengan akun Google Cloud
