智能体 AI 用例：实现数据科学工作流自动化

Last reviewed 2026-10-14 UTC

本文档介绍运行数据科学工作流以自动执行复杂数据分析和机器学习任务的应用的概要架构。

此架构使用托管在 BigQuery 或 AlloyDB for PostgreSQL 中的数据集。该架构是一个多智能体系统，可让用户使用自然语言命令执行操作，而无需编写复杂的 SQL 或 Python 代码。

本文档的目标受众群体包括构建和管理智能体 AI 应用的架构师、开发者和管理员。借助此架构，业务和数据团队可以分析零售、金融和制造等众多行业的指标。本文档假定您对智能体 AI 系统有基本的了解。如需了解智能体与非智能体系统的区别，请参阅“AI 智能体、AI 助理和聊天机器人有什么区别？”。

架构

下图展示了数据科学工作流智能体的架构。

数据科学工作流代理的架构。

此架构包括以下组件：

前端
用户通过前端（例如聊天界面）与多智能体系统进行交互，该前端作为无服务器 Cloud Run 服务运行。
AI 模型和模型运行时
对于推理服务，此示例架构中的智能体使用 Gemini Enterprise Agent Platform 上的最新 Gemini 模型。
代理

此架构使用以下代理：

  • 根智能体：一种协调器智能体，用于接收来自前端服务的请求。根代理会解读用户的请求，并尝试自行解析请求。如果任务需要专用工具，根智能体会将请求委托给相应的专用智能体。
  • 专用智能体：根智能体使用智能体即工具功能调用以下专用智能体：
    • 分析代理：专门用于数据分析和可视化的代理。分析智能体使用 AI 模型生成并运行 Python 代码，以处理数据集、创建图表和执行统计分析。
    • AlloyDB for PostgreSQL 智能体：一种专用智能体，用于与 AlloyDB for PostgreSQL 中的数据进行交互。智能体使用 AI 模型来解读用户请求，并生成 PostgreSQL 方言的 SQL。智能体使用 MCP Toolbox for Databases 安全地连接到数据库，然后运行查询以检索请求的数据。
    • BigQuery 智能体：用于与 BigQuery 中的数据进行交互的专用智能体。代理使用 AI 模型来解读用户的请求并生成 GoogleSQL 查询。智能体使用智能体开发套件 (ADK) 的内置 BigQuery 工具连接到 BigQuery，然后运行查询来检索请求的数据。
  • BigQuery ML 智能体：根智能体的子智能体，专门用于机器学习工作流。该代理与 BigQuery ML 交互，以管理端到端机器学习生命周期。该智能体可以根据用户请求创建和训练模型、运行评估以及生成预测。
Agent Runtime
此架构中的 AI 智能体部署为无服务器 Cloud Run 服务 。
ADK
ADK 提供用于开发、测试和部署智能体的工具和框架。 ADK 抽象化了智能体创建的复杂性，让 AI 开发者可以专注于智能体的逻辑和功能。

使用的产品

此示例架构使用以下 Google Cloud 和开源产品及工具：

  • Cloud Run：一个无服务器计算平台，可让您直接在 Google 可伸缩的基础设施之上运行容器。
  • 智能体开发套件 (ADK)：一套用于开发、测试和部署 AI 代理的工具和库。
  • Gemini Enterprise Agent Platform：一个综合性平台，可让您构建、扩缩、治理和优化企业级 AI 智能体。
  • Gemini：Google 开发的一系列多模态 AI 模型。
  • BigQuery：一种企业数据仓库，可帮助您使用机器学习、地理空间分析和商业智能等内置功能管理和分析数据。
  • AlloyDB for PostgreSQL：与 PostgreSQL 兼容的全托管式数据库服务，专为要求苛刻的工作负载（包括混合事务和分析处理）而设计。
  • MCP Toolbox for Databases：一款开源 Model Context Protocol (MCP) 服务器，可管理连接池、身份验证和可观测性等数据库复杂性，让 AI 智能体能够安全地连接到数据库。

安全注意事项

为了帮助应对 AI 智能体的独特安全风险，Google 建议采用一种方法，将确定性安全控制与基于推理的动态防御相结合：

  • 人工监督：在业务关键型系统中纳入人机协同流程，以便人工监督员可以审核输出并批准、覆盖或暂停智能体操作。
  • Agent Identity：为每个智能体分配一个与工作负载绑定的身份，以强制执行最小权限访问权限控制，并集中管理外部工具的凭证。
  • Agent Gateway：通过 Model Armor 强制执行入站和出站流量治理、默认拒绝访问政策以及内嵌提示和工具检查。
  • Agent Registry：验证智能体是否仅连接到已获批准的子智能体和 MCP 工具。

本部分中的指导并非详尽无遗。如需详细了解设计因素和最佳实践，以及有关构建和部署多智能体 AI 系统的建议，请参阅 Google Cloud中的多智能体 AI 系统。

后续步骤

贡献者

作者：Samantha He | 技术文档工程师

其他贡献者：