Se connecter à Data Cloud

Les connecteurs Gemini Enterprise Data Cloud vous permettent de connecter vos applications Gemini Enterprise directement aux sources de données analytiques et opérationnelles Google Cloud. Les connecteurs Data Cloud suivants sont disponibles :

Lorsque vous connectez un data store BigQuery, Spanner, Cloud SQL ou AlloyDB pour PostgreSQL en mode requête fédérée, le catalogue de connaissances (aperçu) est automatiquement activé dans l'onglet Assistant de votre application Gemini Enterprise, plutôt que comme data store distinct. Cela permet aux outils de l'agent de rechercher les données auxquelles l'utilisateur a accès et de trouver le 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 résidant dans BigQuery ou pouvant 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 dans le data store Gemini Enterprise.

En mode requête fédérée, les connecteurs Data Cloud interrogent vos données sur place, sans les copier ni les indexer dans un data store Gemini Enterprise :

  1. MCP (Model Context Protocol) et authentification par utilisateur : chaque connecteur DataCloud est alimenté par un serveur MCP propriétaire (1P). Lorsqu'un utilisateur pose une question, Gemini Enterprise authentifie la requête à l'aide de ses propres identifiants (autorisations Identity and Access Management (IAM) ou OAuth 2.1) et exécute les requêtes directement sur la source de données sous-jacente.
  2. 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 assets 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 modèles de requêtes historiques et de l'inférence LLM).
  3. 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 régis et en temps réel.

Avantages des connecteurs Data Cloud pour données 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 :

  1. Compétences intégrées pour une meilleure qualité des réponses : les connecteurs first party incluent des compétences d'agent préconfigurées adaptées à chaque moteur de données (par exemple, la génération de fonctions SQL et d'IA avancées pour BigQuery et les bases de données) afin d'améliorer la précision des requêtes et la qualité des réponses.
  2. 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 (par exemple, 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 et les agents de données d'analyse conversationnelle

Vous pouvez connecter des données à Gemini Enterprise à l'aide de connecteurs Data Cloud (connexions à faible friction et à large accès directement dans Gemini Enterprise) ou d'agents de données d'analyse conversationnelle (experts du domaine spécialement conçus pour des ensembles de données sélectionnés afin d'offrir une grande 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 aux données étendu et fluide dans plusieurs bases de données, entrepôts de données et sources d'informatique décisionnelle directement dans Gemini Enterprise, sans curation de schéma préalable. Analyses spécifiques à un domaine, où la précision des requêtes est essentielle et où un agent expert dédié nécessite une portée stricte et déterministe à des données spécifiques.
Exactitude et validation des requêtes Formule des requêtes de manière dynamique dans un schéma étendu à l'aide de métadonnées de catalogue et de compétences générales. La précision des requêtes peut varier sur les schémas de bases de données relationnelles complexes ou normalisés sans portée de table explicite ni requêtes validées. Utilise des schémas sélectionnés, une portée ciblée pour les tables et les colonnes, et des requêtes validées (SQL en or) pour fournir une grande précision des requêtes et des résultats déterministes sur les 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 du catalogue de connaissances et des compétences). Délimitation déterministe : limite de manière déterministe l'agent à un ensemble spécifique de tables ou d'ensembles de données présélectionnés.
Requêtes multisources et contexte Il peut rejoindre et interroger plusieurs sources de données connectées dans une même conversation. L'agent racine Gemini Enterprise conserve l'intégralité du contexte tout au long de la conversation et dans toutes les expériences Gemini Enterprise (conception de discussions, de requêtes, 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 y être redirigés. De plus, les transferts de sous-agents peuvent ne pas conserver l'intégralité du contexte de la conversation racine.
Configuration et maintenance Faible friction : configurez un connecteur par type de source de données pour rendre toutes les données accessibles aux utilisateurs immédiatement, sans curation manuelle du schéma. Compromis de curation initiale : nécessite de sélectionner des tableaux, de définir des métriques et des KPI, et de créer des requêtes validées. 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 repose sur des métadonnées et des compétences bien entretenues 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 à portée limitée dans Gemini Enterprise :

Limites

  • Lorsque vous créez une application ou ajoutez un data store à une application existante, nous vous recommandons d'associer un seul data store aux actions appartenant à un seul type de connecteur.

  • Les requêtes fédérées sur les bases de données relationnelles ne comportent pas de portée de table ni de requêtes validées. La précision des requêtes peut varier en fonction des schémas de bases de données transactionnelles complexes (par exemple, AlloyDB pour PostgreSQL, Cloud SQL, Spanner).

Étapes suivantes