O Agente de Engenharia de Dados no BigQuery é um assistente inteligente com tecnologia do Gemini que vai além do simples preenchimento automático de código para oferecer automação de tarefas de ponta a ponta. Ele se baseia no seu ambiente de dados específico e usa metadados do Dataplex para entender seus esquemas, linhagem e definições de negócios. Também pode lidar de forma autônoma com todo o ciclo de vida dos dados: desde a descoberta de conjuntos de dados relevantes e a geração de transformações complexas de SQL ou PySpark até a orquestração desses jobs usando o Dataform ou o Cloud Composer. Ao automatizar tarefas repetitivas da engenharia de dados — como corrigir pipelines com falhas, documentar código legado ou migrar consultas de data warehouses mais antigos — ele transforma o papel do engenheiro de dados de um codificador manual em um arquiteto que supervisiona fluxos de trabalho orientados por IA.

O Agente de Ciência de Dados no BigQuery acelera o desenvolvimento da ciência de dados com recursos agênticos que facilitam a análise detalhada, a transformação e a modelagem de ML.

Com um comando simples, o agente gera um plano detalhado que abrange todos os aspectos da modelagem de ciência de dados, entre eles: carregamento, análise detalhada, limpeza, visualização, engenharia de atributos, divisão, treinamento e otimização do modelo e avaliação de dados. Se o agente comete um erro, ele pode corrigi-lo automaticamente e gerar novo código. Você mantém o controle total, podendo aprovar cada etapa e fazer edições manuais, se quiser.

O agente também tem plena compreensão do contexto do seu notebook, compreendendo o código existente, as saídas e as variáveis para fornecer código personalizado em cada etapa do plano, permitindo que você faça alterações iterativas no código atual.

O recurso Análises de Conversação no BigQuery é um sofisticado mecanismo de raciocínio com tecnologia de IA que elimina o "gargalo de análise" ao permitir que as equipes de dados reduzam a lacuna entre perguntas de negócios e respostas confiáveis por meio de uma interação intuitiva em linguagem natural.

Com tecnologia dos modelos mais recentes do Gemini, esse agente vai além da simples tradução ao fundamentar sua lógica nos ativos de dados existentes da sua organização — especificamente por meio do uso de metadados, descrições de tabelas e colunas, glossários empresariais e funções definidas pelo usuário — para garantir que cada resultado gerado esteja perfeitamente alinhado às definições internas do negócio. Além de gerar relatórios simples, o agente usa a IA do BigQuery para projetar resultados futuros e interpreta dados não estruturados, como imagens em tabelas de objetos, para transformar informações ocultas em inteligência prática.

O recurso Análises de Conversação no Looker simplifica a inteligência de negócios, permitindo que os usuários comerciais encontrem respostas usando linguagem natural. Isso reduz a carga de trabalho dos analistas de dados e facilita decisões mais rápidas e confiantes. Os usuários comerciais podem fazer perguntas diretas sobre o desempenho do produto ou as tendências de tráfego sem a necessidade de compreender nomes de campos complexos.

Além de consultas básicas, o recurso oferece um framework abrangente de gerenciamento do ciclo de vida, incorporando segurança de nível empresarial e gerenciamento de usuários diretamente na camada de consumo. A camada semântica universal do Looker garante que métricas como receita e desistência de usuários permaneçam consistentes em toda a empresa ao criar um hub central para contexto, definições e relações de dados.

A API Conversational Analytics permite que desenvolvedores incorporem consultas em linguagem natural a aplicativos personalizados, ferramentas internas ou fluxos de trabalho, com suporte de acesso confiável aos dados e modelagem de dados escalonável e robusta. Trata-se da mesma API que viabiliza as experiências de conversação prontas para uso no Looker e no BigQuery.

A API Conversational Analytics permite criar experiências de dados personalizadas que fornecem dados, gráficos e respostas em texto, com base no modelo semântico confiável do Looker para garantir acurácia ou para fornecer contexto crítico de negócios e dados a agentes no BigQuery. Você pode incorporar essa funcionalidade para criar experiências de dados intuitivas, viabilizar análises complexas por meio de linguagem natural e até mesmo orquestrar agentes de análise de conversação como "ferramentas" de um agente orquestrador usando o Kit de Desenvolvimento de Agente.

As ferramentas de desenvolvimento de agentes do Google Cloud reduzem a necessidade de os desenvolvedores criarem conectores personalizados de banco de dados por meio dos métodos de integração do ADK e do MCP.

O servidor MCP para BigQuery permite que um agente de IA e clientes MCP interpretem esquemas e executem consultas nos dados do BigQuery, reduzindo riscos de segurança ou governança, além da latência associada à movimentação de dados para janelas de contexto.

Para mais flexibilidade e controle, use o MCP Toolbox, um servidor de código aberto que centraliza a hospedagem e o gerenciamento de conjuntos de ferramentas, separando aplicativos agênticos da interação direta com o banco de dados. Ele também está disponível com diversos ambientes de desenvolvimento integrado (IDEs, na sigla em inglês) e ferramentas de desenvolvedor, incluindo a CLI do Gemini e o Antigravity, permitindo que você conecte seus agentes de IA com segurança a serviços como AlloyDB, BigQuery, Spanner, Looker e muito mais.

Além disso, o conjunto de ferramentas de integração do ADK do BigQuery inclui funções prontas para uso que permitem que os agentes façam, de forma autônoma, o seguinte: explorar dados, entender esquemas, executar consultas e previsões e receber insights usando linguagem natural.