Conéctate a Data Cloud

Los conectores de Data Cloud de Gemini Enterprise te permiten conectar tus apps de Gemini Enterprise directamente a las fuentes de datos analíticos y operativos de Google Cloud. Están disponibles los siguientes conectores de Data Cloud:

Cuando conectas un almacén de datos de BigQuery, Spanner, Cloud SQL o AlloyDB para PostgreSQL en el modo de consulta federada, Knowledge Catalog (versión preliminar) se habilita automáticamente en la pestaña Asistente de tu app de Gemini Enterprise, en lugar de como un almacén de datos independiente, para darle al agente herramientas para buscar datos a los que el usuario tiene acceso y buscar contexto.

Casos de uso

Los conectores de Data Cloud se crearon para potenciar el análisis conversacional, lo que permite a los usuarios y analistas empresariales hacer preguntas en lenguaje natural, explorar datos y generar estadísticas en las apps de Gemini Enterprise. Como ejemplo, se incluyen los siguientes casos prácticos:

  • Estadísticas de BigQuery: Usa instrucciones en lenguaje natural para consultar y analizar datos estructurados que residen en BigQuery o que se pueden consumir en BigQuery.
  • Estadísticas de bases de datos operativas en tiempo real (Spanner, Cloud SQL y AlloyDB para PostgreSQL): Ejecuta consultas analíticas en vivo y operaciones de bases de datos autorizadas en bases de datos relacionales y distribuidas.

Cómo funcionan los conectores de Data Cloud

En el modo de ingesta de datos, los conectores de Data Cloud copian datos de la fuente de datos al almacén de datos de Gemini Enterprise.

En el modo de consulta federada, los conectores de Data Cloud consultan tus datos in situ sin copiarlos ni indexarlos en un almacén de datos de Gemini Enterprise:

  1. Protocolo de contexto del modelo (MCP) y autenticación por usuario: Cada conector de Data Cloud cuenta con la tecnología de un servidor de MCP propio (1P). Cuando un usuario hace una pregunta, Gemini Enterprise autentica la solicitud con las credenciales del usuario (permisos de Identity and Access Management (IAM) o OAuth 2.1) y ejecuta consultas directamente en la fuente de datos subyacente.
  2. Descubrimiento semántico y recuperación de contexto con Knowledge Catalog: Cuando un usuario hace una pregunta sobre datos, el agente raíz de Gemini Enterprise usa herramientas integradas de Knowledge Catalog para buscar recursos de datos a los que el usuario tiene acceso y buscar contexto, incluidas tablas, esquemas, términos del glosario empresarial y metadatos enriquecidos relevantes (derivados de metadatos técnicos, patrones de consulta históricos y la inferencia de LLM).
  3. Formulación y ejecución de consultas en vivo: Con el esquema y el contexto empresarial recuperados de Knowledge Catalog, el agente formula una consulta en SQL y, luego, invoca las herramientas de MCP del conector para devolver resultados controlados en tiempo real.

Beneficios de los conectores de Data Cloud de origen sobre los servidores de MCP personalizados

En comparación con la conexión a servidores de MCP públicos o autoadministrados con un almacén de datos de servidor de MCP personalizado genérico, los conectores de Data Cloud propios proporcionan las siguientes ventajas:

  1. Habilidades integradas para una mayor calidad de las respuestas: Los conectores propios incluyen habilidades para agentes preconfiguradas y adaptadas a cada motor de datos, como la generación avanzada de funciones IA y SQL para BigQuery y bases de datos, para mejorar la precisión de las consultas y la calidad de las respuestas.
  2. Configuración optimizada y autenticación administrada: Los conectores propios proporcionan una experiencia de configuración guiada con autenticación administrada para bases de datos deGoogle Cloud y BigQuery, lo que elimina la necesidad de implementar middleware de MCP o administrar tu propia configuración de cliente de OAuth para los servicios deGoogle Cloud . Además, la configuración específica del conector, como especificar de forma determinista un proyecto de facturación predeterminado de Google Cloud para la ejecución de consultas de BigQuery, ayuda a los administradores a aplicar la administración y administrar los costos de las consultas.

Cuándo usar conectores de Data Cloud en lugar de agentes de datos de estadísticas conversacionales

Puedes conectar datos a Gemini Enterprise con conectores de Data Cloud (conexiones de acceso amplio y baja fricción directamente en Gemini Enterprise) o agentes de datos de estadísticas conversacionales (expertos en dominios diseñados específicamente para conjuntos de datos seleccionados con alta precisión).

En la siguiente tabla, se comparan los dos enfoques para ayudarte a elegir el que mejor se adapte a tu caso de uso:

Característica Conectores de Data Cloud Agentes de datos de Conversational Analytics
Ideal para Acceso amplio y sin complicaciones a los datos en varias bases de datos, almacenes de datos y fuentes de IE directamente en Gemini Enterprise sin necesidad de seleccionar esquemas de forma previa. Análisis seleccionados y específicos del dominio en los que la alta exactitud de las consultas es esencial y un agente experto dedicado requiere un alcance estricto y determinista para datos específicos.
Precisión y verificación de las consultas Formula consultas de forma dinámica en un esquema amplio con metadatos del catálogo y habilidades generales. La exactitud de las consultas puede variar en esquemas de base de datos relacional complejos o normalizados sin un alcance de tabla explícito o consultas verificadas. Usa esquemas seleccionados, un alcance de tablas y columnas enfocado, y consultas verificadas (SQL de referencia) para proporcionar una alta exactitud de las consultas y resultados deterministas en los conjuntos de datos de destino.
Alcance de los recursos Acceso amplio: Accede a todos los recursos de la fuente de datos conectada para los que el usuario autenticado tiene permiso de consulta (guiado por Knowledge Catalog y las habilidades). Alcance determinístico: Restringe de forma determinística el agente a un conjunto específico de conjuntos de datos o tablas preseleccionados.
Consultas y contexto de varias fuentes Puede unirse a varias fuentes de datos conectadas y realizar consultas en ellas en una sola conversación. El agente raíz de Gemini Enterprise conserva el contexto completo de toda la conversación y de todas las experiencias de Gemini Enterprise (chat, instrucciones, diseñadores de agentes y flujos de trabajo, y proyectos). Cada agente de datos está limitado a una sola fuente de datos (por ejemplo, un agente de datos de BigQuery solo consulta BigQuery). Los usuarios deben descubrir el agente específico y enrutarlo a él, y es posible que las transferencias de subagentes no conserven el contexto completo de la conversación raíz.
Configuración y mantenimiento Configuración rápida: Configura un conector por tipo de fuente de datos para que todos los datos accesibles para el usuario estén disponibles de inmediato sin necesidad de seleccionar manualmente el esquema. Compensación de la selección inicial: Requiere seleccionar tablas, definir métricas y KPIs, y crear consultas verificadas. Esta selección inicial produce resultados de consultas determinísticos y confiables.
Consideraciones de rendimiento y facturación Descubrir tablas en un amplio patrimonio de datos puede generar latencia adicional y depende de metadatos y habilidades bien mantenidos para garantizar la precisión. El contexto seleccionado por el dominio puede generar una mayor precisión en las cargas de trabajo segmentadas, pero los agentes de datos de estadísticas conversacionales generan cargos por tokens de datos.

Crea y publica agentes de datos de Conversational Analytics

Para lograr una alta exactitud de las consultas en las bases de datos relacionales y las métricas empresariales específicas, puedes crear y publicar agentes de datos de análisis conversacional con alcance en Gemini Enterprise:

Limitaciones

  • Cuando crees una app nueva o agregues un almacén de datos a una existente, te recomendamos que asocies solo un almacén de datos con acciones que pertenezcan a un solo tipo de conector.

  • Las consultas federadas en bases de datos relacionales no tienen alcance de tabla ni consultas verificadas. La exactitud de las consultas puede variar en los esquemas de bases de datos transaccionales complejas (por ejemplo, AlloyDB para PostgreSQL, Cloud SQL y Spanner).

¿Qué sigue?