代理式 AI 用途：自動化資料科學工作流程

Last reviewed 2025-12-08 UTC

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。

這項架構會使用 BigQuery 或 AlloyDB for PostgreSQL 中代管的資料集。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。

這份文件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。這項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？」一文。

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：

前端
使用者透過前端 (例如即時通訊介面) 與多代理系統互動，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的要求，並嘗試自行解決要求。如果任務需要特殊工具，根層級代理會將要求委派給適當的專業代理。
  • 專用代理：根代理會使用「代理即工具」功能，叫用下列專用代理：
    • 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。
    • AlloyDB for PostgreSQL 代理程式：專用代理程式，可與 AlloyDB for PostgreSQL 中的資料互動。代理會使用 AI 模型解讀使用者要求，並以 PostgreSQL 方言生成 SQL。代理會使用 MCP Toolbox for Databases 安全地連線至資料庫，然後執行查詢來擷取所要求的資料。
    • BigQuery 代理：專門用來與 BigQuery 中的資料互動的代理。代理程式會使用 AI 模型解讀使用者要求，並生成 GoogleSQL 查詢。代理會使用 Agent Development Kit (ADK) 內建的 BigQuery 工具連線至資料庫，然後執行查詢來擷取所要求的資料。
  • 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。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 提供工具和框架，用於開發、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
在這個範例架構中，代理程式會使用 Gemini Enterprise Agent Platform 上的最新 Gemini 模型， 提供推論服務。

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：

部署作業

如要部署此架構的範例實作，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：