Les connecteurs Data Cloud Gemini Enterprise vous permettent de connecter vos applications Gemini Enterprise directement aux sources de données analytiques et opérationnelles de Google Cloud. Les connecteurs Data Cloud suivants sont disponibles :
- BigQuery (disponible en mode d'ingestion de données et en mode de requête fédérée (preview))
- Spanner (disponible en mode d'ingestion de données et en mode de requête fédérée (preview))
- Cloud SQL (disponible en mode d'ingestion de données et en mode de requête fédérée (preview))
- AlloyDB pour PostgreSQL (disponible en mode d'ingestion de données et en mode de requête fédérée (bêta))
Lorsque vous connectez un data store BigQuery, Spanner, Cloud SQL ou AlloyDB pour PostgreSQL en mode Requête fédérée, Knowledge Catalog (preview) est automatiquement activé dans l'onglet Assistant de votre application Gemini Enterprise (plutôt qu'en tant que data store distinct) pour fournir à l'agent des outils permettant de rechercher des données auxquelles l'utilisateur a accès et de rechercher du contexte.
Cas d'utilisation
Les connecteurs Data Cloud sont conçus pour optimiser l'analyse conversationnelle, ce qui permet aux utilisateurs professionnels et aux analystes de poser des questions en langage naturel, d'explorer les données et de générer des insights dans les applications Gemini Enterprise. Voici quelques exemples de cas d'utilisation :
- Analyse BigQuery : utilisez des requêtes en langage naturel pour interroger et analyser les données structurées qui résident dans BigQuery ou qui peuvent être utilisées dans BigQuery.
- Insights sur les bases de données opérationnelles en temps réel (Spanner, Cloud SQL et AlloyDB pour PostgreSQL) : exécutez des requêtes analytiques en direct et des opérations de base de données autorisées sur des bases de données relationnelles et distribuées.
Fonctionnement des connecteurs Data Cloud
En mode d'ingestion de données, les connecteurs Data Cloud copient les données de la source de données vers le data store Gemini Enterprise.
En mode de requête fédérée, les connecteurs Data Cloud interrogent vos données sur place sans les copier ni les indexer dans un data store Gemini Enterprise :
- Model Context Protocol (MCP) et authentification par utilisateur : chaque connecteur Data Cloud est alimenté par un serveur MCP propriétaire. Lorsqu'un utilisateur pose une question, Gemini Enterprise authentifie la requête à l'aide de ses propres identifiants (autorisations IAM (Identity and Access Management) ou OAuth 2.1) et exécute des requêtes directement sur la source de données sous-jacente.
- Découverte sémantique et récupération du contexte avec Knowledge Catalog : lorsqu'un utilisateur pose une question sur les données, l'agent racine Gemini Enterprise utilise les outils Knowledge Catalog intégrés pour rechercher les éléments de données auxquels l'utilisateur a accès et rechercher le contexte, y compris les tables, les schémas, les termes du glossaire d'entreprise et les métadonnées enrichies (dérivées des métadonnées techniques, des schémas de requêtes historiques et de l'inférence LLM).
- Formulation et exécution de requêtes en direct : à l'aide du schéma et du contexte métier récupérés à partir de Knowledge Catalog, l'agent formule une requête SQL et appelle les outils MCP du connecteur pour renvoyer des résultats gouvernés en temps réel.
Avantages des connecteurs Data Cloud first party par rapport aux serveurs MCP personnalisés
Par rapport à la connexion à des serveurs MCP publics ou autogérés à l'aide d'un data store de serveur MCP personnalisé générique, les connecteurs Data Cloud propriétaires offrent les avantages suivants :
- Compétences intégrées pour une meilleure qualité de réponse : les connecteurs first party incluent des compétences d'agent préconfigurées et adaptées à chaque moteur de données (par exemple, la génération de fonctions SQL et IA avancées pour BigQuery et les bases de données) afin d'améliorer la précision des requêtes et la qualité des réponses.
- Configuration simplifiée et authentification gérée : les connecteurs first party offrent une expérience de configuration guidée avec authentification gérée pour les bases de donnéesGoogle Cloud et BigQuery. Vous n'avez donc pas besoin de déployer un middleware MCP ni de gérer votre propre configuration de client OAuth pour les servicesGoogle Cloud . De plus, les paramètres spécifiques aux connecteurs, tels que la spécification déterministe d'un projet de facturation Google Cloud par défaut pour l'exécution des requêtes BigQuery, aident les administrateurs à appliquer la gouvernance et à gérer les coûts des requêtes.
Quand utiliser les connecteurs Data Cloud plutôt que les agents de données d'analyse conversationnelle ?
Vous pouvez connecter des données à Gemini Enterprise à l'aide de connecteurs Data Cloud (connexions à accès étendu et à faible friction directement dans Gemini Enterprise) ou d'agents de données d'analyse conversationnelle (experts de domaine spécialement conçus pour les ensembles de données sélectionnés afin d'assurer une haute précision).
Le tableau suivant compare les deux approches pour vous aider à choisir celle qui convient à votre cas d'utilisation :
| Caractéristique | Connecteurs Data Cloud | Agents de données Conversational Analytics |
|---|---|---|
| Application idéale | Accès étendu et fluide aux données de plusieurs bases de données, entrepôts de données et sources de BI directement dans Gemini Enterprise, sans curation de schéma préalable. | Analyses spécialisées et spécifiques à un domaine, où une grande précision des requêtes est essentielle et où un agent expert dédié nécessite un cadrage strict et déterministe pour des données spécifiques. |
| Précision et vérification des requêtes | Formule des requêtes de manière dynamique sur un schéma étendu à l'aide des métadonnées du catalogue et de compétences générales. La précision des requêtes peut varier sur les schémas de bases de données relationnelles complexes ou normalisés sans champ d'application de table explicite ni requêtes validées. | Utilise des schémas sélectionnés, un champ d'application ciblé pour les tables et les colonnes, et des requêtes vérifiées (Golden SQL) pour fournir une précision de requête élevée et des résultats déterministes sur des ensembles de données ciblés. |
| Définition du champ d'application des ressources | Accès étendu : accède à toutes les ressources de la source de données connectée que l'utilisateur authentifié est autorisé à interroger (en fonction de Knowledge Catalog et des compétences). | Définition déterministe du champ d'application : limite de manière déterministe l'agent à un ensemble spécifique d'ensembles de données ou de tables présélectionnés. |
| Requêtes multisources et contexte | Il peut joindre et interroger plusieurs sources de données connectées dans une même conversation. L'agent racine Gemini Enterprise conserve l'intégralité du contexte de la conversation et de toutes les expériences Gemini Enterprise (chat, requêtes, concepteurs d'agents et de workflows, et projets). | Chaque agent de données est limité à une seule source de données (par exemple, un agent de données BigQuery n'interroge que BigQuery). Les utilisateurs doivent découvrir l'agent spécifique et s'y connecter, et les transferts de sous-agents peuvent ne pas conserver l'intégralité du contexte de la conversation racine. |
| Configuration et maintenance | Configuration rapide : configurez un connecteur par type de source de données pour rendre toutes les données accessibles aux utilisateurs immédiatement, sans curation manuelle des schémas. | Compromis de curation en amont : nécessite de sélectionner des tables, de définir des métriques et des KPI, et de créer des requêtes vérifiées. Cette curation initiale permet d'obtenir des résultats de requête déterministes et fiables. |
| Considérations sur les performances et la facturation | La découverte de tables dans un vaste patrimoine de données peut entraîner une latence supplémentaire et nécessite des métadonnées et des compétences bien gérées pour garantir la précision. | Le contexte organisé par domaine peut améliorer la précision des charges de travail ciblées, mais les agents de données d'analyse conversationnelle entraînent des frais de jetons de données. |
Créer et publier des agents de données d'analyse conversationnelle
Pour obtenir une grande précision des requêtes sur les bases de données relationnelles et les métriques métier ciblées, vous pouvez créer et publier des agents de données d'analyse conversationnelle limités dans Gemini Enterprise :
- Publier des agents de données Spanner dans Gemini Enterprise
- Publier des agents de données Cloud SQL dans Gemini Enterprise
- Publier des agents de données AlloyDB pour PostgreSQL sur Gemini Enterprise
- Conversational Analytics dans BigQuery
Limites
- Lorsque vous créez une application ou ajoutez un data store à une application existante, nous vous recommandons de n'associer qu'un seul data store aux actions appartenant à un seul type de connecteur.
- Les requêtes fédérées sur des bases de données relationnelles n'ont pas de champ d'application de table ni de requêtes validées. La précision des requêtes peut varier sur les schémas de bases de données transactionnelles complexes (par exemple, AlloyDB pour PostgreSQL, Cloud SQL, Spanner).
Étapes suivantes
- Pour découvrir comment fonctionne le système d'analyse intégré et comment fournir un contexte organisationnel avec des compétences et Knowledge Catalog, consultez Bonnes pratiques pour les connecteurs Data Cloud qui utilisent l'analyse conversationnelle.
- Pour en savoir plus sur les contrôles de sécurité compatibles (DRZ, CMEK et VPC Service Controls) et la configuration des règles d'administration, consultez Sécuriser les connecteurs Data Cloud.
- Pour savoir comment Knowledge Catalog fonctionne avec les connecteurs Data Cloud et comment le gérer dans la configuration de l'assistant de votre application, consultez Se connecter à Knowledge Catalog.
- Pour créer et configurer un connecteur avec BigQuery, consultez Se connecter à BigQuery.
- Pour créer et configurer un connecteur avec Spanner, consultez Se connecter à Spanner.
- Pour créer et configurer un connecteur avec Cloud SQL, consultez Se connecter à Cloud SQL.
- Pour créer et configurer un connecteur avec AlloyDB pour PostgreSQL, consultez Se connecter à AlloyDB pour PostgreSQL.