Conectar-se ao Data Cloud

Os conectores do Data Cloud do Gemini Enterprise permitem conectar seus apps do Gemini Enterprise diretamente às fontes de dados analíticos e operacionais do Google Cloud. Os seguintes conectores do 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 (pré-lançamento) é ativado automaticamente na guia Assistente do app do Gemini Enterprise, em vez de como um repositório de dados separado, para fornecer ao agente ferramentas para pesquisar dados que o usuário tem acesso e buscar contexto.

Casos de uso

Os conectores do Data Cloud foram criados para potencializar a análise de conversação, permitindo que usuários e analistas de negócios façam perguntas em linguagem natural, explorem dados e gerem insights em 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 que podem ser consumidos nele.
  • Database Insights operacionais em tempo real (Spanner, Cloud SQL e AlloyDB para PostgreSQL): execute consultas analíticas em tempo real e operações de banco de dados autorizadas em bancos de dados relacionais e distribuídos.

Como funcionam os conectores do Data Cloud

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

No modo de consulta federada, os conectores do Data Cloud consultam seus dados no local sem copiá-los ou indexá-los em um repositório de dados do Gemini Enterprise:

  1. Protocolo de Contexto de Modelo (MCP) e autenticação por usuário: cada conector do Data Cloud é alimentado por um servidor MCP próprio (1P). Quando um usuário faz uma pergunta, o Gemini Enterprise autentica a solicitação usando as credenciais do próprio usuário (permissões do Identity and Access Management (IAM) ou OAuth 2.1) e executa consultas diretamente na fonte de dados.
  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 as ferramentas integradas do Knowledge Catalog para pesquisar recursos de dados aos quais o usuário tem acesso e procurar contexto, incluindo tabelas, esquemas, termos do glossário empresarial e metadados enriquecidos (derivados de metadados técnicos, padrões de consulta históricos 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 em tempo real.

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

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

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

Quando usar conectores do Data Cloud em vez de agentes de dados de análise de conversação

É possível conectar dados ao Gemini Enterprise usando conectores do Data Cloud (conexões de amplo acesso e baixa fricção diretamente no Gemini Enterprise) ou agentes de dados de análise de conversação (especialistas de domínio criados para conjuntos de dados selecionados para alta precisão).

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

Característica Conectores do Data Cloud Agentes de dados de análise conversacional
Ideal para Acesso amplo e de baixa fricção 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 precisão 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 de catálogo e habilidades gerais. A precisão 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 focado de tabelas e colunas e consultas verificadas (SQL de ouro) para fornecer alta precisão de consulta e resultados determinísticos em conjuntos de dados específicos.
Escopo de recursos Acesso amplo: acessa todos os recursos na fonte de dados conectada que o usuário autenticado tem permissão para consultar (guiado pelo Knowledge Catalog e pelas habilidades). Escopo determinista: restringe o agente de forma determinista a um conjunto específico de conjuntos de dados ou tabelas pré-selecionados.
Consultas e contexto de várias fontes Pode mesclar e consultar várias fontes de dados conectadas em uma única conversa. O agente raiz do Gemini Enterprise mantém o contexto completo de toda a conversa e de 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 todo o contexto da conversa raiz.
Configuração e manutenção Configuração rápida: configure um conector por tipo de fonte de dados para disponibilizar imediatamente todos os dados acessíveis ao usuário sem curadoria manual de esquemas. Compensação da curadoria inicial: requer a seleção de tabelas, a definição de métricas e KPIs e a criação de consultas verificadas. Essa curadoria antecipada gera resultados de consulta deterministas e confiáveis.
Considerações sobre desempenho e faturamento A descoberta de tabelas em um amplo conjunto de dados pode introduzir latência adicional e depende de metadados e habilidades bem mantidos para garantir a precisão. O contexto selecionado pelo domínio pode gerar maior precisão em cargas de trabalho segmentadas, mas os agentes de dados de análise de conversação geram cobranças de token de dados.

Criar e publicar agentes de dados de análise conversacional

Para alcançar alta precisão de consulta em bancos de dados relacionais e métricas de negócios específicas, você pode criar e publicar agentes de dados de análise de conversação com escopo definido para o Gemini Enterprise:

Limitações

  • Ao criar um app ou adicionar um repositório de dados a um app, recomendamos associar apenas um repositório de dados a ações que pertencem 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 complexos de banco de dados transacional (por exemplo, AlloyDB para PostgreSQL, Cloud SQL, Spanner).

A seguir