BigQuery의 Data Engineering Agent는 단순한 코드 완성을 넘어 엔드 투 엔드 작업 자동화를 제공하는 Gemini 기반의 지능형 어시스턴트입니다. 이 기능은 Dataplex의 메타데이터를 사용하여 스키마, 계보, 비즈니스 정의를 이해하는 등 사용자의 특정 데이터 환경을 기반으로 합니다. 관련 데이터 세트를 발견하고 복잡한 SQL 또는 PySpark 변환을 생성하는 것부터 Dataform 또는 Cloud Composer를 통해 이러한 작업을 조정하는 것까지 전체 데이터 수명 주기를 자율적으로 처리할 수 있습니다. 파이프라인 오류 수정, 기존 코드 문서화, 이전 데이터 웨어하우스에서 쿼리 마이그레이션과 같은 데이터 엔지니어링의 '반복 업무'를 자동화하여 데이터 엔지니어의 역할을 수동 코더에서 AI 기반 워크플로를 감독하는 설계자로 전환합니다.

BigQuery의 데이터 사이언스 에이전트는 데이터 탐색, 변환, ML 모델링을 용이하게 하는 에이전트 기능을 통해 데이터 과학 개발을 가속화합니다.

에이전트는 간단한 프롬프트만으로 데이터 로드, 탐색, 정리, 시각화, 특성 추출, 데이터 분할, 모델 학습/최적화, 평가에 이르는 데이터 과학 모델링의 모든 측면을 다루는 상세한 계획을 생성합니다. 에이전트가 오류를 일으키면 자동 수정하고 새로운 코드를 생성하여 오류를 수정할 수 있습니다. 각 단계를 승인하고 원하는 경우 수동으로 수정할 수 있는 기능을 통해 완전한 제어권을 유지할 수 있습니다.

또한 에이전트는 노트북의 전체 컨텍스트를 인식하여 기존 코드, 출력, 변수를 이해하고 계획의 각 단계에 맞게 조정된 코드를 제공하므로 기존 코드를 반복적으로 변경할 수 있습니다.

BigQuery의 대화형 분석은 정교한 AI 기반 추론 엔진으로, 데이터팀이 직관적인 자연어 상호작용을 통해 비즈니스 질문과 신뢰할 수 있는 답변 사이의 격차를 해소할 수 있도록 지원하여 '분석 병목 현상'을 제거합니다.

최신 Gemini 모델을 기반으로 하는 이 에이전트는 조직의 기존 데이터 애셋(특히 메타데이터, 테이블 및 열 설명, 비즈니스 용어집, 사용자 정의 함수)에 로직을 그라운딩하여 단순한 번역을 넘어 생성된 모든 결과가 내부 비즈니스 정의와 완벽하게 일치하도록 보장합니다. 단순한 보고를 넘어, 에이전트는 BigQuery AI를 사용하여 미래의 결과를 예측하고 객체 테이블 내의 이미지와 같은 비정형 데이터를 해석하여 숨겨진 정보를 실행 가능한 인텔리전스로 전환합니다.

Looker의 대화형 분석은 비즈니스 사용자가 자연어를 사용하여 답을 찾을 수 있도록 지원하여 비즈니스 인텔리전스를 간소화합니다. 이를 통해 데이터 분석가의 부담을 줄이고 더 빠르고 확신에 찬 의사 결정을 내릴 수 있습니다. 비즈니스 사용자는 복잡한 필드 이름을 이해할 필요 없이 제품 성능이나 트래픽 트렌드에 대해 직접 질문할 수 있습니다.

단순한 쿼리 외에도 엔터프라이즈급 보안과 사용자 관리를 소비 레이어에 직접 통합하는 포괄적인 수명 주기 관리 프레임워크를 제공합니다. Looker의 범용 시맨틱 레이어는 데이터 컨텍스트, 정의, 관계를 위한 중앙 허브를 만들어 회사 전체에서 수익 및 이탈과 같은 측정항목의 일관성을 유지합니다.

대화형 분석 API를 사용하면 개발자가 신뢰할 수 있는 데이터 액세스와 확장 가능하고 안정적인 데이터 모델링을 기반으로 커스텀 애플리케이션, 내부 도구 또는 워크플로에 자연어 쿼리 기능을 삽입할 수 있습니다. Looker와 BigQuery의 기본 제공 대화형 환경을 지원하는 것과 동일한 API입니다.

대화형 분석 API를 사용하면 Looker의 신뢰할 수 있는 시맨틱 모델을 활용하여 정확성을 높이거나 BigQuery의 에이전트에 중요한 비즈니스 및 데이터 컨텍스트를 제공하면서 데이터, 차트, 텍스트 답변을 제공하는 커스텀 데이터 환경을 빌드할 수 있습니다. 이 기능을 삽입하여 직관적인 데이터 경험을 만들고, 자연어를 통해 복잡한 분석을 수행하며, 에이전트 개발 키트를 사용하여 조정자 에이전트의 '도구'로 대화형 분석 에이전트를 조정할 수도 있습니다.

Google Cloud의 에이전트 개발 도구를 사용하면 개발자가 ADK 및 MCP 통합 방법을 통해 커스텀 데이터베이스 커넥터를 빌드할 필요가 줄어듭니다.

BigQuery용 MCP 서버를 사용하면 AI 에이전트와 MCP 클라이언트가 스키마를 해석하고 BigQuery 데이터에 대해 쿼리를 실행하는 동시에 데이터의 컨텍스트 윈도우 이동과 관련된 보안 또는 거버넌스 위험이나 지연 시간을 줄일 수 있습니다.

유연성과 제어 기능을 강화하려면 MCP 도구 상자를 사용하세요. 이 오픈소스 서버는 도구 모음의 호스팅과 관리를 중앙 집중화하여 에이전트형 애플리케이션을 직접적인 데이터베이스 상호작용에서 분리합니다. 또한 Gemini CLI 및 Antigravity를 비롯한 다양한 IDE 및 개발자 도구와 함께 사용할 수 있으므로 AI 에이전트를 AlloyDB, BigQuery, Spanner, Looker 등의 서비스에 안전하게 연결할 수 있습니다.

또한 BigQuery ADK 통합 도구 모음에는 에이전트가 자연어를 사용하여 자율적으로 데이터를 탐색하고, 스키마를 이해하고, 쿼리 및 예측을 실행하고, 인사이트를 얻을 수 있도록 지원하는 즉시 사용 가능한 함수가 포함되어 있습니다.