借助 Gemini Enterprise Data Cloud 连接器，您可以将 Gemini Enterprise 应用直接连接到 Google Cloud 分析和运营数据源。以下 Data Cloud 连接器可供使用：
- BigQuery（提供数据注入模式和联合查询模式 [预览版]）
- Spanner（可在数据注入模式和联合查询模式（预览版）中使用）
- Cloud SQL（提供数据注入模式和联合查询模式 [预览版]）
- AlloyDB for PostgreSQL（以数据注入模式和联合查询模式（预览版）提供）
当您以联合查询模式连接 BigQuery、Spanner、Cloud SQL 或 AlloyDB for PostgreSQL 数据存储区时，Knowledge Catalog（预览版）会在 Gemini Enterprise 应用的助理标签页中自动启用，而不是作为单独的数据存储区，以便为智能体工具提供搜索用户有权访问的数据和查找上下文的功能。
使用场景
Data Cloud 连接器旨在为对话式分析提供支持，让业务用户和分析师能够使用自然语言提问、探索数据，并在 Gemini Enterprise 应用中生成分析洞见。示例使用场景包括：
- BigQuery 分析：使用自然语言提示查询和分析 BigQuery 中或可在 BigQuery 中使用的结构化数据。
- 实时运营数据库洞见（Spanner、Cloud SQL 和 AlloyDB for PostgreSQL）：跨关系型数据库和分布式数据库运行实时分析查询和授权数据库操作。
Data Cloud 连接器的工作原理
在数据注入模式下，Data Cloud 连接器会将数据从数据源复制到 Gemini Enterprise 数据存储区。
在联合查询模式下，Data Cloud 连接器会直接查询您的数据，而无需将其复制或编入 Gemini Enterprise 数据存储区：
- Model Context Protocol (MCP) 和用户级身份验证：每个 Data Cloud 连接器均由第一方 (1P) MCP 服务器提供支持。当用户提出问题时，Gemini Enterprise 会使用用户自己的凭据（Identity and Access Management (IAM) 权限或 OAuth 2.1）对请求进行身份验证，并直接针对底层数据源执行查询。
- 利用 Knowledge Catalog 进行语义发现和上下文检索：当用户提出数据问题时，Gemini Enterprise 根代理会使用内置的 Knowledge Catalog 工具来搜索用户有权访问的数据资产，并查找上下文信息，包括相关表、架构、业务术语库术语和丰富的元数据（源自技术元数据、历史查询模式和 LLM 推理）。
- 实时查询制定和执行：使用从 Knowledge Catalog 检索到的架构和业务背景信息，智能体制定 SQL 查询并调用连接器的 MCP 工具，以返回受管控的实时结果。
与自定义 MCP 服务器相比，第一方 Data Cloud 连接器的优势
与使用通用自定义 MCP 服务器数据存储区连接到公共或自行管理的 MCP 服务器相比，第一方 Data Cloud 连接器具有以下优势：
- 内置技能，可提高回答质量：第一方连接器包含预配置的代理技能，这些技能针对每个数据引擎量身定制，例如针对 BigQuery 和数据库的高级 SQL 和 AI 函数生成，可提高查询准确性和回答质量。
- 简化的设置和受管理的身份验证：第一方连接器提供引导式设置体验，并针对Google Cloud 数据库和 BigQuery 提供受管理的身份验证，无需部署 MCP 中间件或管理您自己的 OAuth 客户端配置，即可连接到Google Cloud 服务。 此外，连接器专用设置（例如确定性地指定用于执行 BigQuery 查询的默认 Google Cloud 结算项目）可帮助管理员强制执行治理并管理查询费用。
何时使用 Data Cloud 连接器，何时使用对话式分析数据智能体
您可以使用数据云连接器（在 Gemini Enterprise 中直接建立低摩擦、广泛访问的连接）或对话式分析数据智能体（专门构建的领域专家，可访问精选数据集以实现高准确度）将数据连接到 Gemini Enterprise。
下表比较了这两种方法，可帮助您根据自己的使用情形选择合适的方法：
| 特征 | Data Cloud 连接器 | 对话式分析数据智能体 |
|---|---|---|
| 适用场景 | 在 Gemini Enterprise 中直接访问多个数据库、数据仓库和 BI 来源中的数据，无需预先整理架构，轻松便捷。 | 经过精心整理的特定领域分析，其中高查询准确率至关重要，而专用专家智能体需要严格确定特定数据的范围。 |
| 查询准确性和验证 | 使用目录元数据和一般技能，在广泛的架构中动态制定查询。在复杂或规范化的关系型数据库架构中，如果不明确指定表范围或使用经过验证的查询，查询准确性可能会有所不同。 | 使用精选的架构、聚焦的表和列范围以及经过验证的查询（黄金 SQL），以在目标数据集上提供高查询准确性和确定性结果。 |
| 资源范围界定 | 广泛的访问权限：访问已通过身份验证的用户有权查询的关联数据源中的所有资源（由 Knowledge Catalog 和技能引导）。 | 确定性范围界定：以确定性方式将代理限制为一组预先选择的数据集或表。 |
| 多来源查询和上下文 | 可以在单个对话中加入并查询多个关联的数据源；Gemini Enterprise 根代理会在整个对话和所有 Gemini Enterprise 体验（聊天、提示、代理和工作流设计器以及项目）中保留完整的情境。 | 每个数据代理仅限使用一个数据源（例如，BigQuery 数据代理仅查询 BigQuery）；用户必须发现并路由到特定代理，并且子代理切换可能无法保留完整的根对话上下文。 |
| 设置和维护 | 低摩擦：为每种数据源类型配置一个连接器，即可立即提供所有用户可访问的数据，无需手动整理架构。 | 预先整理的权衡：需要选择表格、定义指标和 KPI，以及编写经过验证的查询。这种预先整理可确保查询结果具有确定性且可靠。 |
| 效果和结算注意事项 | 在广泛的数据资产中发现表可能会引入额外的延迟，并且需要维护良好的元数据和技能才能确保准确性。 | 经过网域整理的上下文可以提高目标工作负载的准确性，但对话式分析数据智能体会产生数据令牌费用。 |
创建和发布对话式分析数据智能体
如需在关系型数据库和目标业务指标上实现高查询准确率，您可以为 Gemini Enterprise 创建和发布限定范围的对话式分析数据智能体：
- 将 Spanner 数据智能体发布到 Gemini Enterprise
- 将 Cloud SQL 数据代理发布到 Gemini Enterprise
- 将 AlloyDB for PostgreSQL 数据代理发布到 Gemini Enterprise
- BigQuery 中的对话式分析
限制
- 创建新应用或向现有应用添加数据存储区时，建议仅将一个数据存储区与属于单个连接器类型的操作相关联。
- 关系型数据库上的联合查询没有表范围或经过验证的查询。复杂事务型数据库（例如 AlloyDB for PostgreSQL、Cloud SQL、Spanner）架构的查询准确性可能会有所不同。
后续步骤
- 如需了解内置分析框架的工作原理，以及如何通过技能和 Knowledge Catalog 提供组织背景信息，请参阅使用对话式分析的 Data Cloud 连接器的最佳实践。
- 如需了解受支持的安全控制措施（DRZ、CMEK 和 VPC Service Controls）和组织政策配置，请参阅保护 Data Cloud 连接器。
- 如需了解 Knowledge Catalog 如何与 Data Cloud 连接器搭配使用，以及如何在应用的助理配置中管理 Knowledge Catalog，请参阅连接到 Knowledge Catalog。
- 如需创建和配置与 BigQuery 的连接器，请参阅连接到 BigQuery。
- 如需创建和配置与 Spanner 的连接器，请参阅连接到 Spanner。
- 如需创建并配置与 Cloud SQL 的连接器，请参阅连接到 Cloud SQL。
- 如需创建并配置与 AlloyDB for PostgreSQL 的连接器，请参阅连接到 AlloyDB for PostgreSQL。