Data Engineering Agent in BigQuery è un assistente intelligente basato su Gemini che va oltre il semplice completamento del codice per fornire l'automazione delle attività end-to-end. Si basa sul tuo ambiente di dati specifico: utilizza i metadati di Knowledge Catalog (precedentemente Dataplex) per comprendere gli schemi, la derivazione e le definizioni aziendali. Può gestire autonomamente l'intero ciclo di vita dei dati: dalla scoperta di set di dati pertinenti alla generazione di trasformazioni SQL o PySpark complesse, fino all'orchestrazione di questi job tramite Dataform o Cloud Composer. Automatizzando il "lavoro manuale" dell'ingegneria dei dati, come la correzione di pipeline interrotte, la documentazione di codice legacy o la migrazione di query da data warehouse precedenti, trasforma il ruolo del data engineer da programmatore manuale ad architetto che supervisiona i workflow basati sull'AI.

Data Science Agent in BigQuery accelera lo sviluppo della data science con funzionalità agentiche che facilitano l'esplorazione, la trasformazione e la modellazione ML dei dati.

Con un semplice prompt, l'agente genera un piano dettagliato che copre tutti gli aspetti della modellazione di data science, dal caricamento, l'esplorazione, la pulizia, la visualizzazione, la feature engineering, la suddivisione dei dati, l'addestramento/ottimizzazione del modello e la valutazione. Se l'agente commette un errore, può correggerlo automaticamente e generare un nuovo codice per rettificarlo. Mantieni il pieno controllo, con la possibilità di approvare ogni passaggio ed effettuare modifiche manuali se lo vuoi.

L'agente ha anche piena consapevolezza contestuale del tuo blocco note, comprendendo il codice, gli output e le variabili esistenti per fornire codice su misura per ogni passaggio del piano, consentendoti di apportare modifiche iterative al codice esistente.

Analisi conversazionale in BigQuery è un sofisticato motore di ragionamento basato sull'AI che elimina il "collo di bottiglia dell'analisi" consentendo ai team di dati di colmare il divario tra le domande aziendali e le risposte affidabili attraverso un'interazione intuitiva in linguaggio naturale.

Basato sugli ultimi modelli Gemini, questo agente va oltre la semplice traduzione, basando la sua logica sugli asset di dati esistenti della tua organizzazione, sfruttando in particolare metadati, descrizioni di tabelle e colonne, glossari aziendali e funzioni definite dall'utente, per garantire che ogni risultato generato sia perfettamente in linea con le definizioni aziendali interne. Oltre alla semplice creazione di report, l'agente utilizza BigQuery AI per prevedere i risultati futuri e interpreta i dati non strutturati come le immagini all'interno delle tabelle di oggetti per trasformare le informazioni nascoste in intelligence utilizzabile.

Analisi conversazionale in Looker semplifica la Business Intelligence consentendo agli utenti aziendali di trovare risposte utilizzando il linguaggio naturale. Ciò riduce il carico di lavoro degli analisti di dati e facilita un processo decisionale più rapido e sicuro. Gli utenti aziendali possono porre domande dirette sul rendimento del prodotto o sulle tendenze del traffico senza dover comprendere nomi di campi complessi.

Oltre alla semplice esecuzione di query, fornisce un framework completo per la gestione del ciclo di vita, che incorpora sicurezza di livello aziendale e gestione degli utenti direttamente nel livello di consumo. Il livello semantico universale di Looker garantisce che metriche come entrate e abbandono rimangano coerenti in tutta l'azienda creando un hub centrale per il contesto, le definizioni e le relazioni dei dati.

L'API Analisi conversazionale consente agli sviluppatori di incorporare funzionalità di query in linguaggio naturale in applicazioni personalizzate, strumenti interni o flussi di lavoro, il tutto supportato da un accesso ai dati affidabile e da una modellazione dei dati scalabile e affidabile. È la stessa API che alimenta le esperienze di conversazione pronte all'uso in Looker e BigQuery.

L'API Analisi conversazionale ti consente di creare esperienze di dati personalizzate che forniscono dati, grafici e risposte di testo sfruttando il modello semantico affidabile di Looker per l'accuratezza o fornendo contesto aziendale e di dati critico agli agenti in BigQuery. Puoi incorporare questa funzionalità per creare esperienze di dati intuitive, consentire analisi complesse tramite il linguaggio naturale e persino orchestrare agenti di analisi conversazionale come "strumenti" per un agente orchestratore utilizzando Agent Development Kit.

Gli strumenti di sviluppo degli agenti di Google Cloud riducono la necessità per gli sviluppatori di creare connettori di database personalizzati attraverso i metodi di integrazione ADK e MCP.

Il server MCP per BigQuery consente a un agente AI e ai client MCP di interpretare gli schemi ed eseguire query sui dati BigQuery riducendo al contempo i rischi per la sicurezza o la governance o la latenza associati allo spostamento dei dati nelle finestre di contesto.

Per una maggiore flessibilità e controllo, utilizza MCP Toolbox, un server open source che centralizza l'hosting e la gestione dei set di strumenti, disaccoppiando le applicazioni agentiche dall'interazione diretta con il database. È disponibile anche con una varietà di IDE e strumenti per sviluppatori, tra cui Gemini CLI e Antigravity, che ti consentono di connettere in modo sicuro i tuoi agenti AI a servizi come AlloyDB, BigQuery, Spanner, Looker e altri ancora.

Inoltre, il set di strumenti di integrazione ADK di BigQuery include funzioni pronte all'uso che consentono agli agenti di: esplorare i dati, comprendere gli schemi, eseguire query e previsioni e ottenere insight utilizzando il linguaggio naturale, tutto in modo autonomo.