BigQuery 中的数据工程智能体是一款由 Gemini 赋能的智能助理，它突破了单纯代码补全的局限，可为您提供端到端的任务自动化服务。它扎根于您的专属数据环境：利用 Dataplex 的元数据，精准把握数据架构、数据血缘及业务定义的核心信息。它可以自主处理完整的数据生命周期：从发现相关数据集、生成复杂的 SQL 或 PySpark 转换，到通过 Dataform 或 Cloud Composer 编排这些作业。通过自动执行数据工程的“重复劳动”（例如修复故障流水线、为旧版代码编写文档或从旧数据仓库迁移查询语句），它将数据工程师的角色从手动编码人员转变为监督 AI 驱动的工作流的架构师。

BigQuery 中的数据科学智能体凭借强大的智能体功能，助力数据探索、转换与机器学习建模，大幅加速数据科学开发进程。

只需一句简单提示，该智能体便会生成详尽方案，涵盖数据科学建模的全流程 – 从数据加载、探索、清理、可视化，到特征工程、数据拆分、模型训练/优化及评估，无一遗漏。如果智能体出现错误，它能自动更正并生成新代码弥补疏漏。您始终拥有完全控制权，可批准每一个步骤，也能根据需求手动修改。

该智能体还能全面掌握笔记本的上下文信息，理解现有代码、输出结果与变量，为方案的每一步提供量身定制的代码，让您能够对现有代码进行迭代更改。

BigQuery 中的对话式分析是一款搭载先进 AI 技术的智能推理引擎，它通过直观的自然语言交互，助力数据团队打通业务问题与可信答案之间的壁垒，彻底打破“分析瓶颈”。

该智能体由最新的 Gemini 模型驱动，绝非简单的语言翻译工具 – 以您组织现有的数据资产为逻辑根基，具体依托元数据、表和列描述、业务术语库及用户定义的函数，确保每一项生成结果都与您的内部业务定义完美契合。除了基础报告功能外，该智能体还可借助 BigQuery AI 预测未来结果，并解读对象表中图片等非结构化数据，将隐藏信息转化为可落地的情报。

Looker 中的对话式分析让商业智能变得简单易用，助力业务用户通过自然语言探寻答案。这不仅减轻了数据分析师的工作负担，更能帮助您更快、更有把握地做出决策。无需掌握复杂的字段名称，业务用户即可直接查询产品表现、流量趋势等相关问题。

除了基础查询功能外，它还提供全面的生命周期管理框架，将企业级安全与用户管理能力直接融入使用层面。Looker 具备统一的语义层，通过构建数据上下文、定义及关联关系的核心枢纽，确保收入、客户流失率等关键指标在公司内部保持一致。

Conversational Analytics API 支持开发者在自定义应用、内部工具或工作流中嵌入自然语言查询功能，全程依托可信的数据访问机制与可扩缩、可靠的数据建模技术。Looker 和 BigQuery 中开箱即用的对话式体验，正是由该 API 提供技术支撑。

Conversational Analytics API 可助力您打造定制化数据体验，既能输出数据、图表及文本形式的答案，又能借助 Looker 可信语义模型保障准确率，还能为 BigQuery 中的智能体提供关键业务和数据上下文。您可嵌入这一功能，打造直观的数据交互体验，通过自然语言实现复杂分析，甚至可借助智能体开发套件，将对话式分析智能体编排为协调智能体的“工具”。

Google Cloud 的智能体开发工具通过 ADK 和 MCP 集成方式，减少了开发者构建自定义数据库连接器的需求。

BigQuery 的 MCP 服务器支持 AI 智能体和 MCP 客户端解析架构并针对 BigQuery 数据执行查询，同时降低了将数据移入上下文窗口所带来的安全、治理风险及延迟问题。

如果您需要更高的灵活性与控制权，可使用 MCP Toolbox，这是一款开源服务器，可集中托管和管理工具集，将智能体应用与直接数据库交互解耦。它还兼容多款 IDE 和开发者工具（包括 Gemini CLI 和 Antigravity），助您安全地将智能体连接至 AlloyDB、BigQuery、Spanner、Looker 等服务。

此外，BigQuery ADK 集成工具集还包含一些即用型函数，支持智能体自主完成以下操作：探索数据、理解架构、执行查询和预测，以及通过自然语言获取分析洞见。