BigQuery 的資料工程代理是由 Gemini 提供技術支援的智慧助理，不僅能完成簡單的程式碼，還能自動執行端對端工作。這項功能以您的特定資料環境為基準，會使用 Knowledge Catalog (原稱 Dataplex) 的中繼資料來瞭解結構定義、歷程和業務定義。除此之外，還可自主處理整個資料生命週期，包括探索相關資料集、生成複雜的 SQL 或 PySpark 轉換，以及透過 Dataform 或 Cloud Composer 調度管理這些工作。BigQuery 的資料工程代理可自動執行資料工程的繁瑣工作，例如修復故障的管道、編寫舊版程式碼文件，或將查詢從舊版資料倉儲移出，讓資料工程師從手動編碼人員轉變為監督 AI 工作流程的架構師。

BigQuery 的資料科學代理具備代理能力，可協助探索及轉換資料，並建立機器學習模型，加快資料科學開發速度。

只要輸入簡單提示詞，代理就會生成詳細計畫，涵蓋資料科學模型的所有層面，包括載入、探索、清理、視覺化、特徵工程、資料分割、模型訓練/最佳化和評估。如果代理出錯，可以自動修正並生成新程式碼來糾正錯誤。全程皆由您掌控並能核准每個步驟，還可視需要手動編輯。

此外，代理還能充分掌握筆記本的脈絡，瞭解現有程式碼、輸出內容和變數，為計畫的每個步驟提供量身打造的程式碼，方便您對現有程式碼做出疊代變更。

BigQuery 的對話式數據分析是精密的 AI 輔助推論引擎，可讓資料團隊透過直覺的自然語言互動，縮短業務問題與可靠解答之間的差距，消除「數據分析瓶頸」。

這個代理採用最新的 Gemini 模型，能根據貴機構現有的資料資產 (特別是中繼資料、資料表和資料欄說明、組織詞彙和 user-defined function) 建立邏輯基準，確保生成的所有結果都與貴機構的內部業務定義完全一致，因此不只是單純轉換。除了簡單的報表功能，這個代理還會使用 BigQuery AI 預測未來結果，並解讀物件資料表中的非結構化資料 (例如圖片)，將隱藏的資訊轉化為實用情報。

Looker 的對話式數據分析可讓業務使用者以自然語言尋找答案，簡化商業智慧作業。這能減輕資料分析師的負擔，有助於他們更快做出更可靠的決策。業務使用者可以直接詢問產品業績或流量趨勢，不必瞭解複雜的欄位名稱。

除了簡單的查詢功能，還提供完善的生命週期管理框架，將企業級安全防護和使用者管理功能直接整合至使用層。Looker 的通用語意層可建立資料背景資訊、定義和關係的中樞，確保收益和流失率等指標在公司內保持一致。

Conversational Analytics API 可讓開發人員在自訂應用程式、內部工具或工作流程中嵌入自然語言查詢功能，並透過可信任的資料存取機制和可擴充的可靠資料模型提供支援。與 Looker 和 BigQuery 的現成對話式體驗採用相同的 API。

Conversational Analytics API 可讓您建構自訂資料體驗，提供資料、圖表和文字解答，同時運用 Looker 值得信任的語意模型確保準確性，或是將重要的業務和資料背景資訊提供給 BigQuery 中的代理。您可以嵌入這項功能，打造符合直覺的資料體驗、透過自然語言進行複雜分析，甚至使用 Agent Development Kit，將對話式數據分析代理以「工具」的形式提供協調代理調度使用。

Google Cloud 的代理開發工具可透過 ADK 和 MCP 整合方法，減少開發人員建構自訂資料庫連線器的需求。

BigQuery 的 MCP 伺服器可讓 AI 代理和 MCP 用戶端解讀結構定義，並針對 BigQuery 資料執行查詢，同時降低將資料移至脈絡窗口時，可能產生的安全性或監管風險，以及延遲問題。

如要享有更大的彈性和控管能力，請使用 MCP Toolbox。這個開放原始碼伺服器可集中託管及管理工具集，讓具備代理功能的應用程式不必直接與資料庫互動。這項工具也支援多種 IDE 和開發人員工具，包括 Gemini CLI 和 Antigravity，能讓您安全地將 AI 代理連至 AlloyDB、BigQuery、Spanner、Looker 等服務。

此外，BigQuery ADK 整合工具組內含現成可用的函式，可讓代理自主探索資料、瞭解結構定義、執行查詢和預測，以及透過自然語言取得洞察資訊。