Connettersi a Data Cloud

I connettori Gemini Enterprise Data Cloud ti consentono di connettere le tue app Gemini Enterprise direttamente alle origini dati operative e analitiche di Google Cloud. Sono disponibili i seguenti connettori Data Cloud:

Quando connetti un datastore BigQuery, Spanner, Cloud SQL o AlloyDB per PostgreSQL in modalità di query federata, Knowledge Catalog (anteprima) viene attivato automaticamente nella scheda Assistente dell'app Gemini Enterprise, anziché come datastore separato, per fornire all'agente gli strumenti per cercare i dati a cui l'utente ha accesso e cercare il contesto.

Casi d'uso

I connettori Data Cloud sono progettati per supportare l'analisi conversazionale, consentendo a utenti aziendali e analisti di porre domande in linguaggio naturale, esplorare i dati e generare insight nelle app Gemini Enterprise. Esempi di casi d'uso:

  • BigQuery Analytics: utilizza prompt in linguaggio naturale per eseguire query e analizzare i dati strutturati presenti in BigQuery o che possono essere utilizzati in BigQuery.
  • Insight sui database operativi in tempo reale (Spanner, Cloud SQL e AlloyDB per PostgreSQL): esegui query analitiche live e operazioni di database autorizzate in database relazionali e distribuiti.

Come funzionano i connettori Data Cloud

In modalità di importazione dati, i connettori Data Cloud copiano i dati dall'origine dati nel datastore Gemini Enterprise.

In modalità di query federata, i connettori Data Cloud eseguono query sui dati in loco senza copiarli o indicizzarli in un datastore Gemini Enterprise:

  1. Model Context Protocol (MCP) e autenticazione per utente: ogni connettore Data Cloud è basato su un server MCP proprietario (1P). Quando un utente pone una domanda, Gemini Enterprise autentica la richiesta utilizzando le credenziali dell'utente (autorizzazioni Identity and Access Management (IAM) o OAuth 2.1) ed esegue le query direttamente sull'origine dati sottostante.
  2. Rilevamento semantico e recupero del contesto con Knowledge Catalog: quando un utente pone una domanda sui dati, l'agente principale di Gemini Enterprise utilizza gli strumenti integrati di Knowledge Catalog per cercare gli asset di dati a cui l'utente ha accesso e per cercare il contesto, incluse tabelle, schemi, termini del glossario aziendale e metadati arricchiti (derivati da metadati tecnici, pattern di query storiche e inferenza LLM).
  3. Formulazione ed esecuzione di query in tempo reale: utilizzando lo schema e il contesto aziendale recuperati da Knowledge Catalog, l'agente formula una query SQL e richiama gli strumenti MCP del connettore per restituire risultati controllati e in tempo reale.

Vantaggi dei connettori Data Cloud proprietari rispetto ai server MCP personalizzati

Rispetto alla connessione a server MCP pubblici o autogestiti utilizzando un datastore generico personalizzato, i connettori Data Cloud proprietari offrono i seguenti vantaggi:

  1. Competenze integrate per una qualità delle risposte superiore: i connettori proprietari includono skill dell'agente preconfigurate e personalizzate per ogni motore di dati, ad esempio la generazione di funzioni AI e SQL avanzate per BigQuery e i database, per migliorare l'accuratezza delle query e la qualità delle risposte.
  2. Configurazione semplificata e autenticazione gestita: i connettori proprietari offrono un'esperienza di configurazione guidata con autenticazione gestita per i databaseGoogle Cloud e BigQuery, eliminando la necessità di implementare il middleware MCP o gestire la configurazione del client OAuth per i serviziGoogle Cloud . Inoltre, le impostazioni specifiche del connettore, ad esempio la specifica deterministica di un progetto di fatturazione predefinito Google Cloud per l'esecuzione di query BigQuery, aiutano gli amministratori a imporre la governance e a gestire i costi delle query.

Quando utilizzare i connettori Data Cloud anziché gli agenti di dati di analisi conversazionale

Puoi connettere i dati a Gemini Enterprise utilizzando i connettori Data Cloud (connessioni a basso attrito e ampio accesso direttamente in Gemini Enterprise) o gli agenti dati di analisi conversazionale (esperti di dominio appositamente creati e limitati a set di dati curati per un'elevata precisione).

La tabella seguente mette a confronto i due approcci per aiutarti a scegliere quello più adatto al tuo caso d'uso:

Caratteristica Connettori Data Cloud Agenti di dati di analisi conversazionale
Ideale per Accesso ai dati ampio e semplice in più database, data warehouse e origini BI direttamente in Gemini Enterprise senza la cura preventiva dello schema. Dati e analisi curate e specifiche del dominio in cui è essenziale un'elevata accuratezza delle query e un agente esperto dedicato richiede un ambito deterministico e rigoroso per dati specifici.
Accuratezza e verifica delle query Formula dinamicamente le query in uno schema ampio utilizzando i metadati del catalogo e le competenze generali. L'accuratezza delle query può variare in schemi di database relazionali complessi o normalizzati senza ambito di tabella esplicito o query verificate. Utilizza schemi curati, ambito di tabelle e colonne mirato e query verificate (SQL dorato) per fornire un'elevata precisione delle query e risultati deterministici sui set di dati di destinazione.
Definizione dell'ambito delle risorse Accesso ampio: accede a tutte le risorse dell'origine dati connessa per cui l'utente autenticato dispone dell'autorizzazione per eseguire query (in base a Knowledge Catalog e alle skill). Ambito deterministico: limita in modo deterministico l'agente a un insieme specifico di set di dati o tabelle preselezionati.
Query multisorgente e contesto Può partecipare a una singola conversazione e inviare query su più origini dati connesse. L'agente principale di Gemini Enterprise mantiene il contesto completo dell'intera conversazione e di tutte le esperienze Gemini Enterprise (chat, prompt, progettisti di agenti e workflow e progetti). Ogni agente di dati è limitato a una singola origine dati (ad esempio, un agente di dati BigQuery esegue query solo su BigQuery); gli utenti devono scoprire e indirizzare l'agente specifico e i trasferimenti di subagenti potrebbero non conservare il contesto completo della conversazione principale.
Configurazione e manutenzione Semplice: configura un connettore per tipo di origine dati per rendere immediatamente disponibili tutti i dati accessibili agli utenti senza la cura manuale dello schema. Compromesso della cura iniziale: richiede la selezione delle tabelle, la definizione di metriche e KPI e la creazione di query verificate. Questa selezione iniziale produce risultati di query deterministici e affidabili.
Considerazioni sulle prestazioni e sulla fatturazione La scoperta di tabelle in un ampio patrimonio di dati può introdurre ulteriore latenza e si basa su metadati e competenze ben gestiti per garantire l'accuratezza. Il contesto curato dal dominio può produrre una maggiore accuratezza nei workload mirati, ma gli agenti di dati di analisi conversazionale comportano addebiti per i token di dati.

Crea e pubblica agenti di dati di analisi conversazionale

Per ottenere un'elevata accuratezza delle query su database relazionali e metriche aziendali mirate, puoi creare e pubblicare agenti di dati di analisi conversazionale con ambito su Gemini Enterprise:

Limitazioni

  • Quando crei una nuova app o aggiungi un datastore a uno esistente, ti consigliamo di associare un solo datastore alle azioni appartenenti a un singolo tipo di connettore.

  • Le query federate sui database relazionali non hanno ambito della tabella o query verificate. L'accuratezza delle query può variare in base a schemi di database transazionali complessi (ad esempio AlloyDB per PostgreSQL, Cloud SQL, Spanner).

Passaggi successivi