Dokumen ini menjelaskan arsitektur tingkat tinggi untuk aplikasi yang menjalankan alur kerja data science untuk mengotomatiskan tugas analisis data dan machine learning yang kompleks.
Arsitektur ini menggunakan set data yang dihosting di BigQuery atau AlloyDB untuk PostgreSQL. Arsitektur ini adalah sistem multi-agen yang memungkinkan pengguna menjalankan tindakan dalam perintah bahasa alami dan menghilangkan kebutuhan untuk menulis kode SQL atau Python yang kompleks.
Audiens yang dituju untuk dokumen ini mencakup arsitek, developer, dan administrator yang membangun dan mengelola aplikasi AI agentic. Arsitektur ini memungkinkan tim bisnis dan data menganalisis metrik di berbagai industri, seperti retail, keuangan, dan manufaktur. Dokumen ini mengasumsikan pemahaman dasar tentang sistem AI agentic. Untuk mengetahui informasi tentang perbedaan antara agen dan sistem non-agentic, lihat Apa perbedaan antara agen AI, asisten AI, dan bot?
Bagian deployment dokumen ini menyediakan link ke contoh kode untuk membantu Anda bereksperimen dengan men-deploy aplikasi AI agentic yang menjalankan alur kerja data science.
Arsitektur
Diagram berikut menunjukkan arsitektur untuk agen alur kerja data science.
Arsitektur ini mencakup komponen berikut:
| Komponen | Deskripsi |
|---|---|
| Frontend | Pengguna berinteraksi dengan sistem multi-agen melalui frontend, seperti antarmuka chat, yang berjalan sebagai layanan serverless Cloud Run. |
| Agen | Arsitektur ini menggunakan agen berikut:
|
| Runtime agen | Agen AI dalam arsitektur ini di-deploy sebagai layanan Cloud Run serverless. |
| ADK | ADK menyediakan alat dan framework untuk mengembangkan, menguji, dan men-deploy agen. ADK mengabstraksi kompleksitas pembuatan agen dan memungkinkan developer AI berfokus pada logika dan kemampuan agen. |
| Model AI dan runtime model | Untuk penayangan inferensi, agen dalam arsitektur contoh ini menggunakan model Gemini terbaru di Platform Agen Gemini Enterprise. |
Produk yang digunakan
Arsitektur contoh ini menggunakan produk dan alat open source berikut: Google Cloud
- Cloud Run: Platform komputasi serverless yang dapat Anda gunakan untuk menjalankan container langsung pada infrastruktur Google yang bersifat skalabel.
- Agent Development Kit (ADK): Kumpulan alat dan library untuk mengembangkan, menguji, dan men-deploy agen AI.
- Gemini Enterprise Agent Platform: Platform komprehensif yang memungkinkan Anda membangun, menskalakan, mengatur, dan mengoptimalkan agen AI tingkat perusahaan.
- Gemini: Rangkaian model AI multimodal yang dikembangkan oleh Google.
- BigQuery: Data warehouse perusahaan yang membantu Anda mengelola dan menganalisis data dengan fitur bawaan seperti machine learning, analisis geospasial dan business intelligence.
- AlloyDB untuk PostgreSQL: Layanan database yang kompatibel dengan PostgreSQL dan terkelola sepenuhnya yang didesain untuk workload dengan tuntutan tinggi, termasuk pemrosesan transaksional dan analisis hybrid.
- MCP Toolbox for Databases: Server Model Context Protocol (MCP) open source yang memungkinkan agen AI terhubung ke database dengan aman dengan mengelola kompleksitas database seperti connection pooling, autentikasi, dan kemampuan observasi.
Deployment
Untuk men-deploy contoh penerapan arsitektur ini, gunakan Data Science dengan Beberapa Agen. Repositori ini menyediakan dua contoh set data untuk mendemonstrasikan fleksibilitas sistem, termasuk set data penerbangan untuk analisis operasional dan set data penjualan e-commerce untuk analisis bisnis.
Langkah berikutnya
- (Video) Tonton Podcast Agent Factory tentang agen AI untuk data engineering dan data science.
- (Notebook) Gunakan agen data science di Colab Enterprise.
- Pelajari cara menghosting agen AI di Cloud Run.
- Untuk mengetahui ringkasan prinsip dan rekomendasi arsitektur yang khusus untuk workload AI dan ML di Google Cloud, lihat perspektif AI dan ML di Well-Architected Framework.
- Untuk mengetahui lebih banyak tentang arsitektur referensi, diagram, dan praktik terbaik lainnya, jelajahi Pusat Arsitektur Cloud.
Kontributor
Penulis: Samantha He | Technical Writer
Kontributor lainnya:
- Amina Mansour | Head of Cloud Platform Evaluations Team
- Kumar Dhanagopal | Cross-Product Solution Developer
- Megan O'Keefe | Developer Advocate
- Rachael Deacon-Smith | Developer Advocate
- Shir Meir Lador | Developer Relations Engineering Manager