Conectar-se ao Data Cloud

Com os conectores do Data Cloud do Gemini Enterprise, você pode conectar seus apps Gemini Enterprise diretamente às fontes de dados analíticas e operacionais do Google Cloud. Os seguintes conectores da Data Cloud estão disponíveis:

Quando você conecta um repositório de dados do BigQuery, Spanner, Cloud SQL ou AlloyDB para PostgreSQL no modo de consulta federada, o Knowledge Catalog (versão prévia) é ativado automaticamente na guia Assistente do app Gemini Enterprise, em vez de um repositório de dados separado. Assim, o agente tem ferramentas para pesquisar dados a que o usuário tem acesso e consultar o contexto.

Casos de uso

Os conectores do Data Cloud foram criados para impulsionar a análise conversacional, permitindo que usuários comerciais e analistas façam perguntas em linguagem natural, analisem dados e gerem insights nos apps do Gemini Enterprise. Como exemplos de casos de uso, temos:

  • Análise do BigQuery: use comandos de linguagem natural para consultar e analisar dados estruturados que estão no BigQuery ou podem ser usados nele.
  • Database Insights operacionais em tempo real (Spanner, Cloud SQL e AlloyDB para PostgreSQL): execute consultas analíticas ativas e operações de banco de dados autorizadas em bancos de dados relacionais e distribuídos.

Como os conectores da Data Cloud funcionam

No modo de ingestão de dados, os conectores da Data Cloud copiam dados da fonte para o repositório de dados do Gemini Enterprise.

No modo de consulta federada, os conectores da Data Cloud consultam seus dados no local sem copiar ou indexar em um repositório de dados do Gemini Enterprise:

  1. Protocolo de Contexto de Modelo (MCP) e autenticação por usuário: cada conector da Data Cloud é alimentado por um servidor MCP próprio (1P). Quando um usuário faz uma pergunta, o Gemini Enterprise autentica a solicitação usando as próprias credenciais do usuário (permissões do Identity and Access Management (IAM) ou OAuth 2.1) e executa consultas diretamente na fonte de dados subjacente.
  2. Descoberta semântica e recuperação de contexto com o Knowledge Catalog: quando um usuário faz uma pergunta sobre dados, o agente raiz do Gemini Enterprise usa ferramentas integradas do Knowledge Catalog para pesquisar recursos de dados a que o usuário tem acesso e procurar contexto, incluindo tabelas, esquemas, termos do glossário empresarial e metadados enriquecidos relevantes (derivados de metadados técnicos, padrões de consultas históricas e inferência de LLM).
  3. Formulação e execução de consultas em tempo real: usando o esquema e o contexto de negócios recuperados do Knowledge Catalog, o agente formula uma consulta SQL e invoca as ferramentas MCP do conector para retornar resultados governados e em tempo real.

Benefícios dos conectores próprios da Data Cloud em relação aos servidores MCP personalizados

Em comparação com a conexão a servidores MCP públicos ou autogerenciados usando um repositório de dados genérico e personalizado, os conectores próprios do Data Cloud oferecem as seguintes vantagens:

  1. Habilidades integradas para maior qualidade de resposta: os conectores próprios incluem habilidades de agente pré-configuradas adaptadas a cada mecanismo de dados, como geração avançada de funções de SQL e IA para BigQuery e bancos de dados, para melhorar a precisão da consulta e a qualidade da resposta.
  2. Configuração simplificada e autenticação gerenciada: os conectores próprios oferecem uma experiência de configuração guiada com autenticação gerenciada para Google Cloud bancos de dados e BigQuery, eliminando a necessidade de implantar middleware MCP ou gerenciar sua própria configuração de cliente OAuth para serviçosGoogle Cloud . Além disso, as configurações específicas do conector, como especificar deterministicamente um projeto de faturamento Google Cloud padrão para a execução de consultas do BigQuery, ajudam os administradores a aplicar a governança e gerenciar os custos de consulta.

Quando usar conectores da Data Cloud ou agentes de dados de análise de conversas

Você pode conectar dados ao Gemini Enterprise usando conectores do Data Cloud (conexões de baixo atrito e amplo acesso diretamente no Gemini Enterprise) ou agentes de dados de análise conversacional (especialistas em domínio criados para fins específicos e com escopo em conjuntos de dados selecionados para alta precisão).

A tabela a seguir compara as duas abordagens para ajudar você a escolher a mais adequada para seu caso de uso:

Característica Conectores do Data Cloud Agentes de dados da Análise conversacional
Ideal para Acesso amplo e fácil a dados em vários bancos de dados, data warehouses e fontes de BI diretamente no Gemini Enterprise, sem curadoria de esquema inicial. Análises selecionadas e específicas do domínio em que a alta acurácia da consulta é essencial e um agente especialista dedicado exige um escopo estrito e determinista para dados específicos.
Precisão e verificação de consultas Formula consultas dinamicamente em um esquema amplo usando metadados do catálogo e habilidades gerais. A acurácia da consulta pode variar em esquemas banco de dados relacional complexos ou normalizados sem escopo de tabela explícito ou consultas verificadas. Usa esquemas selecionados, escopo de tabela e coluna focado e consultas verificadas (SQL de ouro) para oferecer alta precisão de consulta e resultados determinísticos em conjuntos de dados segmentados.
Escopo de recursos Acesso amplo: acessa todos os recursos na fonte de dados conectada que o usuário autenticado tem permissão para consultar (orientado pelo Knowledge Catalog e pelas habilidades). Escopo determinista: restringe o agente de maneira determinista a um conjunto específico de conjuntos de dados ou tabelas pré-selecionados.
Consultas e contexto de várias origens Pode participar e consultar várias fontes de dados conectadas em uma única conversa. O agente raiz do Gemini Enterprise mantém o contexto completo em toda a conversa e em todas as experiências do Gemini Enterprise (chat, comandos, designers de agentes e fluxos de trabalho e projetos). Cada agente de dados é limitado a uma única fonte de dados (por exemplo, um agente de dados do BigQuery só consulta o BigQuery). Os usuários precisam descobrir e encaminhar para o agente específico, e as transferências de subagentes podem não reter o contexto completo da conversa principal.
Configuração e manutenção Baixo atrito: configure um conector por tipo de fonte de dados para disponibilizar imediatamente todos os dados acessíveis ao usuário sem curadoria manual de esquema. Compensação de curadoria inicial: exige a seleção de tabelas, a definição de métricas e KPIs e a criação de consultas verificadas. Essa curadoria inicial gera resultados de consulta deterministas e confiáveis.
Considerações sobre performance e faturamento Descobrir tabelas em um amplo patrimônio de dados pode gerar mais latência e depende de metadados e habilidades bem mantidos para garantir a acurácia. O contexto selecionado por domínio pode gerar maior precisão em cargas de trabalho segmentadas, mas os agentes de dados de análise de conversas geram cobranças de token de dados.

Criar e publicar agentes de dados de análise conversacional

Para alcançar alta precisão de consultas em bancos de dados relacionais e métricas de negócios segmentadas, crie e publique agentes de dados de análise conversacional no Gemini Enterprise:

Limitações

  • Ao criar um app ou adicionar um repositório de dados a um já existente, recomendamos associar apenas um repositório de dados a ações pertencentes a um único tipo de conector.

  • As consultas federadas em bancos de dados relacionais não têm escopo de tabela nem consultas verificadas. A precisão da consulta pode variar em esquemas de banco de dados transacionais complexos (por exemplo, AlloyDB para PostgreSQL, Cloud SQL, Spanner).

A seguir