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 アプリを 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 コネクタを利用できます。

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（プレビュー版）が、個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 ツールを使用して、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います。これにより、ビジネス ユーザーやアナリストは、自然言語で質問したり、データを探索したり、Gemini Enterprise app で分析情報を生成したりできます。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 に存在する構造化データ、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 インサイト（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で、ライブ分析クエリと承認済みデータベース 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 コネクタはデータソースから 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）とユーザー単位の認証: 各 Data Cloud コネクタは、ファーストパーティ（1P）MCP サーバーを搭載しています。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 によるセマンティック ディスカバリ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、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）などのコンテキストを検索します。
  3. ライブクエリの作成と実行: 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、エージェントは SQL クエリを作成し、コネクタの MCP ツールを呼び出して、ガバナンスが適用されたリアルタイムの結果を返します。

カスタム MCP サーバーよりもファーストパーティの Data Cloud コネクタを使用するメリット

汎用のカスタム 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. 回答の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 やデータベースの高度な SQL や AI 関数の生成など、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、クエリの精度と回答の質を高めます。
  2. 設定の簡素化と認証の管理: ファーストパーティ コネクタは、Google Cloud データベースと BigQuery の認証を管理するガイド付きの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 OAuth クライアント構成を自分で管理したりする必要がなくなります。また、コネクタ固有の設定（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論的に指定するなど）は、管理者がガバナンスを適用し、クエリ費用を管理するのに役立ちます。

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

データは、Data Cloud コネクタ（Gemini Enterprise で直接使用できる、摩擦の少ない広範なアクセス接続）または会話型分析データ 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にスコープ設定された、専用のドメイン エキスパート）を使用して Gemini Enterprise に接続できます。

次の表は、ユースケースに適したアプローチを選択できるように、2 つのアプローチを比較したものです。

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 複数のデータベース、データ ウェアハウス、BI ソースにわたる広範で摩擦の少ないデータアクセスを、Gemini Enterprise 内で直接実現します。スキーマの事前キュレーションは不要です。 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する厳密な決定論的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。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、テーブルのスコープが明示的に指定されていない場合や、クエリが検証されていない場合、クエリの精度が変動する可能性があります。 キュレートされたスキーマ、テーブルと列のスコープ設定、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）。 決定論的スコープ設定: エージェントを特定の事前選択された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 つの会話で複数の接続された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 デザイナー、プロジェクト）で完全なコンテキストを保持します。 各データ エージェントは単一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 のみをクエリします）。ユーザーは特定のエージェントを検出してルーティングする必要があります。また、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 負担の軽減: データソース タイプごとに 1 つのコネクタを構成して、ユーザーがアクセスできる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、決定論的で信頼性の高いクエリ結果が得られます。
パフォーマンスと請求に関する考慮事項 広範なデータ資産全体でテーブルを検出すると、レイテンシが増加する可能性があります。また、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 エージェントにはデータトークンの料金が発生します。

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クエリの精度を高めるには、スコープ設定された会話型分析データ 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。クエリの精度は、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）のスキーマによって異なる場合があります。

次のステップ