Data Cloud に接続する

Gemini Enterprise データクラウド コネクタを使用すると、Gemini Enterprise app を Google Cloud の分析データソースと運用データソースに直接接続できます。次の Data Cloud コネクタを使用できます。

連携クエリモードで BigQuery、Spanner、Cloud SQL、AlloyDB for PostgreSQL のデータストアを接続すると、ナレッジ カタログ(プレビュー)が、別のデータストアとしてではなく、Gemini Enterprise アプリの [アシスタント] タブで自動的に有効になります。これにより、エージェントはユーザーがアクセスできるデータを検索し、コンテキストを検索するためのツールを利用できます。

ユースケース

データクラウド コネクタは、会話型分析を強化するために構築されており、ビジネス ユーザーやアナリストは、Gemini Enterprise app で自然言語で質問し、データを探索して、生成インサイトを生成できます。たとえば、次のような場合があります。

  • BigQuery 分析: 自然言語プロンプトを使用して、BigQuery にデータ所在地がある構造化データ、または BigQuery で使用できる構造化データをクエリして分析します。
  • リアルタイムの運用データベース分析情報(Spanner、Cloud SQL、AlloyDB for PostgreSQL): リレーショナル データベースと分散データベース全体で、ライブ分析クエリと承認済みのデータベース オペレーションを実行します。

データクラウド コネクタの仕組み

データの取り込みモードでは、データクラウド コネクタがデータソースから Gemini Enterprise データストアにデータをコピーします。

連携クエリモードでは、データクラウド コネクタは、Gemini Enterprise データストアにデータをコピーまたはインデックス登録することなく、データをその場でクエリします。

  1. Model Context Protocol(MCP)とユーザーごとの認証: 各 Data Cloud コネクタは、ファーストパーティ(1P)MCP サーバーによって動作します。ユーザーが質問すると、Gemini Enterprise はユーザー自身の認証情報(Identity and Access Management(IAM)権限または OAuth 2.1)を使用してリクエストを認証し、基盤となるデータソースに対してクエリを直接実行します。
  2. Knowledge Catalog を使用したセマンティック検出とコンテキスト取得: ユーザーがデータに関する質問をすると、Gemini Enterprise ルート エージェントは、組み込みのKnowledge Catalog ツールを使用して、ユーザーがアクセスできるデータアセットを検索し、コンテキスト(関連するテーブル、スキーマ、ビジネス用語集の用語、拡充されたメタデータ(テクニカル メタデータ、過去のクエリパターン、LLM 推論から派生))を検索します。
  3. ライブクエリの作成と実行: エージェントは、Knowledge Catalog から取得したスキーマとビジネス コンテキストを使用して SQL クエリを作成し、コネクタの MCP ツールを呼び出して、ガバナンスされたリアルタイムの結果を返します。

カスタム MCP サーバーに対するファーストパーティ データ クラウド コネクタのメリット

一般的なカスタム MCP サーバー データストアを使用してパブリックまたはセルフマネージド MCP サーバーに接続する場合と比較して、ファーストパーティの Data Cloud コネクタには次の利点があります。

  1. レスポンスの品質を高める組み込みスキル: ファーストパーティ コネクタには、BigQuery やデータベース向けの高度な SQL や AI 関数生成など、各データエンジンに合わせて事前構成されたエージェント スキルが含まれており、クエリの精度とレスポンスの品質を向上させます。
  2. 効率的な設定とマネージド認証: ファーストパーティ コネクタは、Google Cloud データベースと BigQuery のマネージド認証によるガイド付き設定エクスペリエンスを提供します。これにより、MCP ミドルウェアをデプロイしたり、Google Cloud サービスの独自の OAuth クライアント構成を管理したりする必要がなくなります。さらに、BigQuery クエリ実行のデフォルトの Google Cloud 課金プロジェクトを決定的に指定するなど、コネクタ固有の設定により、管理者はガバナンスを適用し、クエリ費用を管理できます。

データクラウド コネクタと会話型分析データ エージェントの使い分け

Gemini Enterprise にデータを接続するには、Data Cloud コネクタ(Gemini Enterprise で直接、低摩擦で広範なアクセスを可能にする接続)または会話分析データ エージェント(高精度を実現するために、キュレートされたデータセットを対象とする専用のドメイン エキスパート)を使用します。

次の表は、2 つのアプローチを比較したものです。ユースケースに適したアプローチを選択する際に参考にしてください。

特性 データクラウド コネクタ 会話型分析データ エージェント
最適な用途 Gemini Enterprise 内で、複数のデータベース、データ ウェアハウス、BI ソースに直接、幅広い低摩擦のデータアクセスが可能。事前のスキーマ キュレーションは不要。 高いクエリ精度が不可欠で、専用のエキスパート エージェントが特定のデータに対して厳密で決定論的なスコープ設定を必要とする、キュレートされたドメイン固有の分析。
クエリの精度と検証 カタログ メタデータと一般的なスキルを使用して、幅広いスキーマにわたってクエリを動的に作成します。明示的なテーブル スコープや検証済みのクエリがない場合、複雑なリレーショナル データベース スキーマや正規化されたリレーショナル データベース スキーマでは、クエリの精度が異なる場合があります。 キュレートされたスキーマ、焦点を絞ったテーブルと列のスコープ、検証済みのクエリ(ゴールデン SQL)を使用して、ターゲット データセットに対して高いクエリ精度と決定論的な結果を提供します。
リソースのスコープ設定 広範なアクセス: 認証されたユーザーがクエリを実行する権限を持つ、接続されたデータソース内のすべてのリソースにアクセスします(Knowledge Catalog とスキルによってガイドされます)。 決定論的なスコープ設定: エージェントを、事前に選択された特定のデータセットまたはテーブルのセットに決定論的に制限します。
マルチソース クエリとコンテキスト 1 回の会話で、接続されている複数のデータソースを結合してクエリを実行できます。Gemini Enterprise ルート エージェントは、会話全体とすべての Gemini Enterprise エクスペリエンス(チャット、プロンプト、エージェントとワークフローのデザイナー、プロジェクト)にわたって完全なコンテキストを保持します。 各データ エージェントは 1 つのデータソースに制限されます(たとえば、BigQuery データ エージェントは BigQuery のみにクエリを実行します)。ユーザーは特定のデータ エージェントを検出してルーティングする必要があり、サブエージェントのハンドオフではルート会話のコンテキストが完全に保持されない場合があります。
設定とメンテナンス 迅速な構成: データソースの種類ごとに 1 つのコネクタを構成することで、ユーザーがアクセス可能なすべてのデータを、手動でスキーマをキュレートすることなく、すぐに利用できるようにします。 事前のキュレーションのトレードオフ: テーブルの選択、指標と KPI の定義、検証済みクエリの作成が必要です。この事前キュレーションにより、確定的で信頼性の高いクエリ結果が得られます。
パフォーマンスと課金に関する考慮事項 広範なデータ資産にわたってテーブルを検出すると、追加のレイテンシが発生する可能性があり、精度を確保するには、適切に管理されたメタデータとスキルが必要です。 ドメインでキュレートされたコンテキストを使用すると、ターゲット ワークロードの精度を高めることができますが、会話分析データ エージェントではデータトークン料金が発生します。

会話型分析データ エージェントを作成して公開する

リレーショナル データベースと対象のビジネス指標で高いクエリ精度を実現するには、スコープ付きの会話型分析データ エージェントを作成して Gemini Enterprise に公開します。

制限事項

  • 新しいアプリを作成する場合や、既存のアプリにデータストアを追加する場合は、単一のコネクタタイプに属するアクションを含むデータストアを 1 つだけ関連付けることをおすすめします。

  • リレーショナル データベースに対する連携クエリには、テーブル スコープや検証済みクエリはありません。複雑なトランザクション データベース(AlloyDB for PostgreSQL、Cloud SQL、Spanner など)のスキーマでは、クエリの精度が異なる場合があります。

次のステップ