Estas notas da versão são para atualizações da API Conversational Analytics.
16 de abril de 2026
Atualizações da API Conversational Analytics:
A API Análises de conversação agora permite consultar tabelas do Lakehouse que se conectam ao catálogo REST do Apache Iceberg ou são federadas a um catálogo externo. Se você estiver usando tabelas Lakehouse, use a sintaxe de quatro partes project.catalog.namespace.table (P.C.N.T).
Para mais informações, consulte Autenticar e se conectar a uma fonte de dados.
30 de março de 2026
Atualizações da API Conversational Analytics:
A API Análises de conversação agora oferece suporte ao AlloyDB para PostgreSQL, Cloud SQL para MySQL, Cloud SQL para PostgreSQL e Spanner como fontes de dados. Com esse recurso, os usuários podem consultar os dados operacionais usando linguagem natural e traduzir diálogos humanos complexos em consultas precisas de banco de dados para fornecer insights úteis. Esse recurso está em pré-lançamento. Para ver mais informações, consulte os seguintes tópicos:
As atualizações da API Análises de conversação para fontes de dados do BigQuery incluem os seguintes recursos e melhorias:
- A API Análises de conversação agora se integra ao Cloud Storage usando as funções ObjectRef. Isso permite que a API responda a perguntas sobre dados não estruturados em buckets do Cloud Storage, como imagens e PDFs, referenciando colunas ObjectRef em qualquer tabela.
- Agora a API oferece suporte a um conjunto de funções do BigQuery ML, incluindo
AI.FORECAST,AI.DETECT_ANOMALIESeAI.GENERATE. A API pode usar essas funções para responder a uma variedade maior de perguntas, como para previsão, detecção de anomalias e tarefas de IA generativa. - A API Análises de conversação agora pode usar o particionamento de tabela do BigQuery. A API pode otimizar consultas SQL usando colunas particionadas, como intervalos de datas, em uma tabela particionada por data, o que pode melhorar o desempenho da consulta e reduzir os custos.
Os jobs do BigQuery iniciados pela API Análises de conversação agora incluem rótulos que permitem identificá-los no histórico de jobs do BigQuery no console do Google Cloud . Esses rótulos podem ajudar a monitorar custos, auditar a atividade do agente e analisar o desempenho da consulta. Como esses rótulos não ficam visíveis diretamente na tabela de histórico de jobs do BigQuery Studio, é possível identificá-los consultando
INFORMATION_SCHEMA.JOBSpara rótulos semelhantes a{'ca-bq-job': 'true'}:SELECT COUNT(*) AS job_count FROM `PROJECT_ID`.`region-LOCATION`.INFORMATION_SCHEMA.JOBS WHERE EXISTS ( SELECT 1 FROM UNNEST(labels) AS label WHERE label.key = 'ca-bq-job' AND label.value = 'true' );
Na consulta de exemplo, substitua os valores de exemplo da seguinte forma:
PROJECT_ID: o ID do projeto Google Cloud .LOCATION: o local dos seus jobs do BigQuery.
Para agentes de dados que usam fontes de dados do Looker ou do BigQuery, agora é possível especificar um valor thinkingMode de FAST na solicitação de chat para ativar o modo de pensamento "Rápido". O pensamento rápido pode ajudar a melhorar a latência, diminuindo o tempo geral de reflexão. No entanto, esse modo torna as respostas menos transparentes, já que nenhuma mensagem com um valor TextType de THOUGHT é emitida no fluxo de resposta. Além disso, usar esse modo pode afetar a precisão das respostas.
Para agentes de dados que usam fontes de dados do Looker, agora é possível fazer perguntas de acompanhamento para esclarecer ambiguidades em uma consulta, como quando há vários campos com nomes semelhantes. Essas perguntas são retornadas como uma resposta TextMessage com um prefixo Clarification needed:. Para mais informações, consulte Fazer perguntas eficazes.
Para agentes de dados que usam fontes de dados do BigQuery, agora é possível fazer perguntas de acompanhamento para esclarecer ambiguidades em uma consulta, como quando há vários campos com nomes semelhantes. Essas perguntas são retornadas como uma resposta TextMessage.
Para agentes de dados que usam fontes de dados do Looker, várias melhorias foram feitas para reduzir a latência, incluindo chamadas de ferramentas paralelas e melhor uso do cache do Looker.
26 de março de 2026
Atualizações da API Conversational Analytics:
Para a API Análises de conversação com fontes de dados do Looker, é possível usar chaves de criptografia gerenciadas pelo cliente (CMEK) para ajudar a proteger os recursos DataAgent e Conversation em repouso. A CMEK na API Análises de conversação está disponível em pré-lançamento. Para mais informações, consulte Chaves de criptografia gerenciadas pelo cliente (CMEK).
11 de fevereiro de 2026
Atualizações da API Conversational Analytics:
As solicitações de chat com fontes de dados do BigQuery agora oferecem mais insights sobre o processo de raciocínio do agente. Embora o esquema da API não tenha mudado, você vai observar os seguintes novos comportamentos no fluxo de resposta:
- O stream de respostas da API agora inclui outras mensagens
systemMessage.textcomtextType = THOUGHT. Essas mensagens fornecem insights detalhados sobre o raciocínio e o processo de tomada de decisão do agente. - Depois das mensagens
THOUGHT, a API retorna a resposta como uma sequência de mensagens, como consulta, trabalho, texto, resultado de dados e gráfico. Para mais informações sobre os tipos de mensagens, consulteSystemMessage. - As mensagens de esquema não são mais incluídas no stream de resposta para fontes de dados do BigQuery.
Métodos síncronos de gerenciamento de agentes estão disponíveis. Esses métodos permitem criar, atualizar e excluir agentes de dados de forma síncrona como alternativa aos métodos assíncronos atuais:
CreateDataAgentSyncUpdateDataAgentSyncDeleteDataAgentSync
A opção de análise em Python (options.analysis.python.enabled) não é mais compatível com fontes de dados do BigQuery.
6 de fevereiro de 2026
Atualizações da API Conversational Analytics:
Para agentes de dados que usam fontes de dados do Looker, agora é possível definir consultas de ouro do Looker como contexto estruturado.
26 de janeiro de 2026
Atualizações da API Conversational Analytics:
A transparência aprimorada de raciocínio, que oferece insights detalhados sobre o processo de raciocínio e tomada de decisões do agente com mensagens textType = THOUGHT, não exige mais uma lista de permissões e está disponível para todos os usuários em fontes de dados do Looker.
A recuperação granular de dados para fontes de dados do Looker, que fornece atualizações sobre pesquisas de valor de dados com mensagens textType = PROGRESS, não exige mais uma lista de permissão e está disponível para todos os usuários.
15 de dezembro de 2025
Atualizações da API Conversational Analytics:
O fluxo de resposta da API para fontes de dados do Looker inclui outras mensagens systemMessage.text com textType = THOUGHT. Essas mensagens fornecem insights detalhados sobre o raciocínio e o processo de tomada de decisão do agente enquanto ele trabalha para responder à sua consulta. Para executar exemplos de chat que demonstram esse raciocínio, consulte os notebooks do Colaboratory HTTP e SDK do Python. Para orientações sobre como renderizar mensagens THOUGHT com fontes de dados do Looker, consulte Renderizar respostas do agente para fontes de dados do Looker. Este é um anúncio antecipado de um recurso experimental disponível mediante solicitação. Para solicitar acesso a esse recurso, envie um e-mail para conversational-analytics-api-feedback@google.com.
Observação:a partir de 26 de janeiro de 2026, esse recurso não vai mais exigir uma lista de permissão e estará disponível para todos os usuários de fontes de dados do Looker. Consulte a entrada de 26 de janeiro de 2026.
Para fontes de dados do Looker, os agentes usam métodos mais granulares para recuperar esquemas e valores de dados do recurso "Analisar". Quando o agente pesquisa valores de dados específicos, o fluxo da API também inclui mensagens systemMessage.text com textType = PROGRESS, fornecendo atualizações sobre o status e os resultados da pesquisa. Para orientações sobre como renderizar mensagens PROGRESS, consulte Renderizar respostas do agente para fontes de dados do Looker. Este é um anúncio antecipado de um recurso experimental disponível mediante solicitação. Para solicitar acesso a esse recurso, envie um e-mail para conversational-analytics-api-feedback@google.com.
Observação:a partir de 26 de janeiro de 2026, esse recurso não vai mais exigir uma lista de permissão e estará disponível para todos os usuários de fontes de dados do Looker. Consulte a entrada de 26 de janeiro de 2026.
A integração da API Análises de conversação com o VPC Service Controls está em pré-lançamento. Essa integração está pronta para testes e uso mais amplos, mas não é totalmente compatível com ambientes de produção. Para mais detalhes, consulte a lista de produtos compatíveis.
Foi corrigido um problema em que big_query_max_billed_bytes não era aplicado corretamente.
Foram corrigidos problemas com a forma como a API processa as fontes de dados do Looker, incluindo o seguinte:
- Melhor formatação de valores em respostas de texto
- Melhor filtragem para correspondências exatas
- Melhoria no suporte à medição de período a período (PoP)
- Suporte aprimorado para
always_filter
Atualizações da biblioteca de cliente:
As seguintes bibliotecas de cliente foram adicionadas:
21 de outubro de 2025
Atualizações da API Conversational Analytics:
O suporte para o método de API deleteConversation foi adicionado às APIs REST e ao SDK.
25 de setembro de 2025
Atualizações da API Conversational Analytics:
Uma nova API, ListAccessibleDataAgents, agora está disponível para listar agentes de dados acessíveis a um usuário em um projeto. Um agente de dados é considerado acessível se o usuário que invoca a API tiver a permissão get no agente. Use o campo creator_filter para gerenciar quais agentes esse método retorna:
NONE(padrão): retorna todos os agentes de dados acessíveis ao usuário, independente do criador.CREATOR_ONLY: retorna apenas os agentes de dados criados pelo usuário.NOT_CREATOR_ONLY: retorna apenas os agentes de dados criados por outros usuários.
A enumeração systemMessage.text.textType agora está disponível com valores FINAL_RESPONSE e THOUGHT, o que ajuda os clientes a distinguir entre diferentes tipos de mensagens de texto. A API Análises de conversação agora usa mensagens systemMessage.text com textType = THOUGHT para produzir etapas de raciocínio.
Agora a API é compatível com até cinco fontes de dados da Análise do Looker no contexto. As solicitações de chat geram consultas na análise detalhada mais relevante. Para mais informações, consulte a documentação sobre como se conectar aos dados do Looker com HTTP e com o SDK do Python.
O campo systemMessage.data.generatedLookerQuery agora é systemMessage.data.query.looker.
25 de agosto de 2025
A API Conversational Analytics já está disponível no Acesso antecipado.
Atualizações da biblioteca de cliente:
As seguintes bibliotecas de cliente já estão disponíveis para vários idiomas:
Atualizações da API Conversational Analytics:
O suporte para endpoints v1beta de HTTP REST já está disponível.
O suporte para métodos de API GetLocation e ListLocations foi adicionado às APIs REST e ao SDK.
Agora é possível compartilhar agentes de dados usando os métodos GetIamPolicy e SetIamPolicy da API.
Agora é possível criar agentes de dados com base em fontes de dados do Looker que usam instâncias do Looker (Google Cloud Core) com redes IP particulares. (A API Conversational Analytics não é compatível com fontes de dados baseadas em instâncias do Looker (Google Cloud Core) que estão dentro de perímetros de nuvem privada virtual).
O contexto estruturado para fontes de dados do BigQuery já está disponível. Isso inclui a capacidade de adicionar exemplos de pares de perguntas/consultas, descrições de tabelas, sinônimos e tags nos níveis de tabela e campo usando a API.
Agora há suporte para APIs de localização e operação. Os papéis do Identity and Access Management DataAgentCreator e DataAgentEditor agora têm permissões para APIs de operação.
Fizemos uma melhoria no armazenamento automático de Last Published Context na camada do servidor sempre que o contexto publicado de um agente de dados é atualizado.
Os nomes de exibição dos papéis do Identity and Access Management foram atualizados para "Usuário de chat sem estado do Gemini Data Analytics" e "Criador do agente de dados do Gemini Data Analytics". Para mais informações sobre os papéis do Identity and Access Management usados com a API, consulte a página de documentação Conceder papéis e permissões do Identity and Access Management da API Análises de conversação.
A versão 1.1 do Colaboratory já está disponível.
Atualizações no tratamento de erros foram feitas para lidar com erros internos 500 relacionados a chats com estado.
Melhores mensagens de tratamento de exceções foram implementadas para erros 400 do cliente.
Atualizações da documentação:
Já é possível usar o novo aplicativo Streamlit Quickstart no GitHub para configurar uma demonstração da API Conversational Analytics em minutos.
A demonstração principal da API Conversational Analytics já está disponível no GitHub. Com a demonstração Golden da API Conversational Analytics, você pode conferir exemplos de como integrar a API Conversational Analytics a aplicativos da Web, além de uma demonstração completa de produção em TypeScript. Este projeto é apenas para fins de demonstração; não se destina ao uso em um ambiente de produção.
Arquitetura, fluxos de trabalho e papéis da API Conversational Analytics: conheça os principais conceitos para usar a API Conversational Analytics, incluindo como os agentes de dados funcionam, fluxos de trabalho típicos de agentes de dados, modos de conversa, papéis do Identity and Access Management e como projetar sistemas que usam vários agentes de dados.
Limitações conhecidas da API Conversational Analytics: saiba mais sobre as limitações no número de fontes de dados, estilo de visualizações e tamanho dos conjuntos de dados.
Resolver erros da API Conversational Analytics: saiba mais sobre possíveis problemas ou erros com a API Conversational Analytics, além de soluções propostas.
Monitore e gerencie os custos do BigQuery para seus agentes da API Conversational Analytics: saiba como implementar controles de custo para seus agentes da API Conversational Analytics.
Os métodos SetIAMPolicy e GetIAMPolicy estão disponíveis na página de documentação Visão geral da API Conversational Analytics para uso no compartilhamento de agentes de dados.
Uma nova página de documentação com respostas a perguntas frequentes sobre a API Conversational Analytics já está disponível.
Definir o contexto do agente de dados para fontes de dados do BigQuery: saiba como escrever instruções do sistema para fontes de dados do BigQuery.
Definir o contexto do agente de dados para fontes de dados do Looker: saiba como escrever instruções do sistema para fontes de dados do Looker.
15 de julho de 2025
Agora é possível convidar usuários para colaborar em agentes de dados específicos atribuindo papéis predefinidos do IAM. Para mais detalhes, consulte Permissões e papéis do IAM da API Conversational Analytics.
Um novo guia de práticas recomendadas ajuda a estabelecer um contexto de negócios e dados eficaz aos seus agentes. Para mais informações, consulte Orientar o comportamento do agente com contexto criado.
Atualizações do SDK:
Agora é possível instalar o SDK do Python no índice de pacotes do Python (PyPI).
25 de junho de 2025
Atualizações da API:
Novos papéis predefinidos do IAM controlam o acesso para criar, gerenciar e interagir com agentes de dados:
geminidataanalytics.dataAgentCreatorgeminidataanalytics.dataAgentOwnergeminidataanalytics.dataAgentEditorgeminidataanalytics.dataAgentUsergeminidataanalytics.dataAgentViewergeminidataanalytics.dataAgentStatelessUser
Para conferir a lista completa de papéis e permissões, consulte Conceder permissões e papéis do IAM da API Conversational Analytics.
5 de junho de 2025
O pré-lançamento privado inicial da API Conversational Analytics trouxe recursos para criar e interagir com agentes de dados.
Os seguintes notebooks interativos do Colaboratory estão disponíveis para começar a usar o REST e o SDK do Python:
Atualizações da API:
Com o Serviço Data Agent, é possível criar, configurar e gerenciar de maneira programática agentes de IA persistentes e sensíveis ao contexto com o Looker, o Data Studio e o BigQuery.
O Serviço Data Chat permite conversar com seu agente usando vários modos de chat. Esses modos incluem um modo com estado em que o Google gerencia o histórico de conversas, uma opção com estado em que o aplicativo gerencia a conversa e um modo sem estado em que o aplicativo fornece o contexto completo a cada solicitação.
A API oferece suporte a análise avançada usando Python e repete automaticamente as consultas com falha.
A API Conversational Analytics (geminidataanalytics.googleapis.com) substitui a API Data QnA descontinuada (dataqna.googleapis.com), incluindo a migração de DataQuestionService para o novo DataChatService. Para instruções detalhadas sobre como atualizar suas solicitações, consulte o guia de migração.