代理式 AI 用途：自動化資料科學工作流程

本文說明應用程式的高階架構，這類應用程式會執行資料科學工作流程，自動執行複雜的資料分析和機器學習工作。

這項架構使用託管於 BigQuery 或 AlloyDB for PostgreSQL 的資料集。這項架構是多代理系統，可讓使用者以自然語言指令執行動作，不必編寫複雜的 SQL 或 Python 程式碼。

本文適用於建構及管理代理式 AI 應用程式的架構師、開發人員和管理員。這個架構可讓業務和資料團隊分析零售、金融和製造等各種產業的指標。本文假設您對代理式 AI 系統有基本瞭解。如要瞭解代理與非代理系統的差異，請參閱「AI 代理、AI 助理和機器人有何不同？」

本文的「部署」一節提供程式碼範例的連結，協助您試驗部署可執行資料科學工作流程的代理程式 AI 應用程式。

架構

下圖顯示資料科學工作流程代理程式的架構。

資料科學工作流程代理程式的架構。

這個架構包含下列元件：

元件 說明
前端 使用者透過前端 (例如聊天介面) 與多代理程式系統互動，前端會以無伺服器 Cloud Run 服務的形式執行。
代理 這項架構使用下列代理程式：
  • 根代理程式：協調代理程式，負責接收前端服務的要求。根代理程式會解讀使用者要求，並嘗試自行解決要求。如果任務需要特殊工具，根代理程式會將要求委派給適當的專業代理程式。
  • 專業代理程式：根代理程式會使用「將代理程式做為工具」功能，叫用下列專業代理程式。
    • 數據分析代理：專門用於資料分析和視覺化的代理。分析代理程式會使用 AI 模型生成及執行 Python 程式碼，處理資料集、建立圖表，以及執行統計分析。
    • PostgreSQL 適用的 AlloyDB 代理程式：專門用來與 PostgreSQL 適用的 AlloyDB 中的資料互動。代理程式會使用 AI 模型解讀使用者要求，並以 PostgreSQL 方言生成 SQL。代理程式會使用 MCP Toolbox for Databases 安全地連線至資料庫，然後執行查詢來擷取要求的資料。
    • BigQuery 代理：專門用來與 BigQuery 中的資料互動的代理。代理會使用 AI 模型解讀使用者要求，並生成 GoogleSQL 查詢。代理程式會使用代理程式開發套件 (ADK) 的內建 BigQuery 工具連線至資料庫，然後執行查詢來擷取要求的資料。
  • BigQuery ML 代理程式：根代理程式的子代理程式，專用於機器學習工作流程。這個代理程式會與 BigQuery ML 互動，管理端對端機器學習生命週期。代理程式可以建立及訓練模型、執行評估，並根據使用者要求生成預測結果。
代理程式執行階段 這個架構中的 AI 代理程式會部署為無伺服器 Cloud Run 服務。
ADK ADK 提供工具和架構，可開發、測試及部署代理。ADK 可簡化代理的建立作業，讓 AI 開發人員專注於代理的邏輯和功能。
AI 模型和模型執行階段 在推論服務方面，這個架構範例中的代理程式會使用 Vertex AI 上的最新 Gemini 模型。

使用的產品

這個範例架構使用下列 Google Cloud 和開放原始碼產品與工具：

部署

如要部署此架構的範例實作項目，請使用「Data Science with Multiple Agents」。這個存放區提供兩個範例資料集，展示系統的彈性，包括用於營運分析的航班資料集，以及用於業務分析的電子商務銷售資料集。

後續步驟

貢獻者

作者：Samantha He | 技術文件撰稿者

其他貢獻者：