Introduzione all'AI in BigQuery

BigQuery offre funzionalità di AI, machine learning (ML) e capacità agentiche in diversi workflow:

  • Assistenza e analisi nella console: scrivi e spiega il codice, prepara i dati, fai domande sulle tue tabelle in linguaggio naturale, crea pipeline e amministra le risorse BigQuery nella console Google Cloud .
  • AI, ricerca e ML nelle query SQL: chiama modelli linguistici di grandi dimensioni (LLM) come Gemini, esegui Vector Search e ricerca di testo e addestra o esegui modelli ML predittivi direttamente in GoogleSQL.
  • Strumenti per la creazione di agenti: connetti agenti personalizzati a BigQuery utilizzando server Model Context Protocol (MCP), framework di agenti e skill, quindi trasmetti in streaming i log delle interazioni degli agenti in BigQuery per l'analisi.
  • Agenti nell'IDE o nel terminale: esegui query sui dati, gestisci le pipeline ed esegui workflow da ambienti di sviluppo come Antigravity, VS Code e interfacce a riga di comando.

Scegli uno strumento AI

La tabella seguente associa le attività comuni alla funzionalità BigQuery corrispondente e al punto in cui la utilizzi.

Caso d'uso Funzionalità Dove utilizzarlo
Genera, completa o spiega le query SQL Assistenza per il codice SQL Editor di query della consoleGoogle Cloud
Fai domande sui tuoi dati in linguaggio naturale e ottieni risposte e grafici Analisi conversazionale Console Google Cloud (pagina Agenti) o API Conversational Analytics
Trova tabelle, unisci dati, esegui query SQL o in linguaggio naturale e visualizza i risultati in un flusso di lavoro grafico Data canvas di BigQuery ConsoleGoogle Cloud
Genera domande e query SQL automatiche dai metadati della tabella Insight sui dati ConsoleGoogle Cloud
Ricevi suggerimenti generati dall'AI per pulire, trasformare e arricchire i dati Preparazione dei dati ConsoleGoogle Cloud
Crea regole personalizzate per tradurre altri dialetti SQL in GoogleSQL Traduttore SQL interattivo ConsoleGoogle Cloud
Analizza e risolvi i problemi dei job, gestisci le prenotazioni, traccia la derivazione, scopri le risorse o ottimizza le query Gemini Cloud Assist ( anteprima) Riquadro della chat della barra degli strumenti della consoleGoogle Cloud
Genera, completa o spiega il codice Python Assistenza al coding Python Notebook Colab Enterprise in BigQuery
Automatizza l'analisi esplorativa dei dati, i flussi di lavoro ML e le visualizzazioni in un notebook Agente Data Science Notebook Colab Enterprise in BigQuery
Crea, modifica e gestisci le pipeline di dati utilizzando prompt in linguaggio naturale Data Engineering Agent ConsoleGoogle Cloud e workspace di Dataform
Genera testo, estrai dati strutturati, classifica, assegna un punteggio, filtra o aggrega i dati delle tabelle con gli LLM Funzioni di AI generativa Query GoogleSQL
Esegui la traduzione, l'elaborazione dei documenti, la trascrizione audio o la visione artificiale sui dati della tabella Funzioni AI specifiche per le attività Query GoogleSQL
Genera embedding ed esegui ricerche semantiche o per parole chiave su dati strutturati, non strutturati o multimodali Embedding e ricerca vettoriale e ricerca di testo Query GoogleSQL
Addestra, valuta ed esegui modelli ML predittivi (previsione, rilevamento di anomalie, classificazione, regressione, clustering) BigQuery ML Query GoogleSQL, console Google Cloud , strumento a riga di comando bq, API REST o notebook
Connetti applicazioni o agenti AI personalizzati a BigQuery per ispezionare i metadati, eseguire query, tradurre SQL o gestire i trasferimenti Server MCP BigQuery, server MCP BigQuery Migration Service, server MCP BigQuery Data Transfer Service, MCP Toolbox for Databases o Agent Development Kit (ADK) Client MCP e framework di agenti
Fornisci agli agenti istruzioni e file di riferimento riutilizzabili per le attività di BigQuery Skill degli agenti BigQuery Client e terminali agentici
Registra, monitora e valuta le interazioni degli agenti, l'utilizzo dei token e la latenza BigQuery Agent Analytics ADK, LangGraph o API BigQuery Storage Write (gRPC)
Esplora le risorse BigQuery, esegui query e crea pipeline da un IDE o dalla CLI Google Cloud Data Agent Kit, integrazioni IDE MCP o Antigravity CLI Antigravity, VS Code, Cursor o strumenti a riga di comando

Assistenza e agenti nella console

Quando lavori nella console Google Cloud o nei notebook di Colab Enterprise, puoi utilizzare le funzionalità di assistenza e gli agenti integrati per scrivere codice, esplorare i dati, creare pipeline e gestire le risorse BigQuery.

Funzionalità di assistenza

Gemini in BigQuery fornisce assistenza nella console per la creazione di query, la preparazione dei dati e l'esplorazione delle tabelle:

  • Assistenza al codice SQL: genera, completa e spiega le query SQL nell'editor di query.
  • Assistenza al codice Python: genera, completa e spiega il codice Python, inclusi PySpark e BigQuery DataFrames, nei notebook.
  • data canvas: trova tabelle, unisci ed esegui query sui dati utilizzando il linguaggio naturale e visualizza i risultati in un'area di lavoro con grafo diretto aciclico (DAG).
  • Insight sui dati: genera domande in linguaggio naturale su una tabella e le query SQL per rispondere in base ai metadati della tabella.
  • Preparazione dei dati: genera suggerimenti sensibili al contesto per pulire, trasformare e arricchire i dati.
  • Traduttore SQL interattivo: crea regole di traduzione per personalizzare il modo in cui le query di altri dialetti SQL vengono tradotte in GoogleSQL.

Esperienze di chat

BigQuery offre due esperienze di chat distinte nella consoleGoogle Cloud , a seconda che tu voglia analizzare i dati nelle tue tabelle o gestire l'ambiente BigQuery:

  • Analisi conversazionale: risponde alle domande sui dati archiviati nei datastore. Puoi chattare direttamente con le origini dati o creare agenti per i dati configurati con metadati personalizzati, termini del glossario, istruzioni e query verificate. L'agente scrive ed esegue query SQL per tuo conto e restituisce risposte e visualizzazioni.
  • Gemini Cloud Assist (anteprima): ti aiuta a gestire e amministrare BigQuery. Utilizza il riquadro della chat nella barra degli strumenti della consoleGoogle Cloud per scoprire le risorse, tracciare la derivazione dei dati, eseguire il debug dei job lenti o non riusciti, analizzare la capacità e le prenotazioni degli slot e ottimizzare o pianificare le query.

Agenti di notebook e pipeline

Puoi utilizzare i seguenti agenti integrati per i workflow di data science e data engineering:

  • Agente Data Science: automatizza l'analisi esplorativa dei dati, la pulizia dei dati, le attività di ML e le visualizzazioni per le tabelle BigQuery e i file CSV all'interno di un notebook Colab Enterprise.
  • Agente di data engineering: crea, modifica e risolve i problemi delle pipeline di dati Dataform per caricare ed elaborare i dati in BigQuery utilizzando prompt in linguaggio naturale.

AI, ricerca e ML nelle query SQL

Puoi eseguire modelli di AI generativa, cercare dati non strutturati e strutturati e addestrare modelli di ML predittivo direttamente in GoogleSQL.

funzioni AI

BigQuery fornisce funzioni SQL che chiamano Gemini, modelli partner e aperti su Gemini Enterprise Agent Platform, API AI Cloud o modelli integrati:

  • Funzioni AI per finalità generali: utilizza queste funzioni quando vuoi il controllo completo su modello, prompt, schema di output e parametri.
  • Funzioni AI gestite: utilizza queste funzioni per attività di filtro, valutazione, classificazione e aggregazione di routine con una sintassi semplificata. BigQuery può scegliere un modello per ottimizzare costi e qualità.
  • Funzioni specifiche per le attività: chiama le API Cloud AI da SQL per l'elaborazione del linguaggio naturale, la traduzione automatica, l'elaborazione dei documenti, la trascrizione audio e la computer vision.

BigQuery supporta la ricerca per parole chiave e semantica su dati strutturati, semistrutturati e multimodali:

  • Ricerca testuale: utilizza la funzione SEARCH per eseguire ricerche tokenizzate su testo non strutturato o dati JSON semistrutturati. Puoi migliorare le prestazioni di ricerca creando un indice della Ricerca, che consente a BigQuery di ottimizzare le query che utilizzano la funzione SEARCH, nonché altre funzioni e operatori.
  • Generazione di embedding: genera embedding, ovvero vettori numerici ad alta dimensionalità che rappresentano entità come testo o immagini, utilizzando modelli forniti o ospitati su Agent Platform o utilizzando modelli importati ed eseguiti in BigQuery. Puoi anche fare in modo che BigQuery gestisca automaticamente una colonna di embedding attivando la generazione di embedding autonomi.
  • Vector Search: trova elementi semanticamente simili per la Retrieval-Augmented Generation (RAG) o i suggerimenti utilizzando VECTOR_SEARCH, AI.SEARCH e indici vettoriali.

Machine learning

Con BigQuery ML, puoi addestrare, valutare ed eseguire l'inferenza su modelli per attività come previsione di serie temporali, rilevamento di anomalie, classificazione, regressione, clustering, riduzione della dimensionalità e suggerimenti.

Puoi utilizzare le funzionalità di BigQuery ML tramite la consoleGoogle Cloud , lo strumento a riga di comando bq, l'API REST o nei notebook di Colab Enterprise. Poiché BigQuery ML consente a chi usa il linguaggio SQL di utilizzare strumenti e competenze SQL esistenti per creare e valutare i modelli, rende accessibile il machine learning e accelera lo sviluppo dei modelli portando il machine learning ai dati anziché richiedere lo spostamento dei dati. Puoi utilizzare BigQuery ML per i seguenti tipi di attività di ML:

Per saperne di più, consulta l'Introduzione al ML in BigQuery.

Strumenti per la creazione e il monitoraggio degli agenti

Se stai sviluppando applicazioni o agenti AI personalizzati che interagiscono con BigQuery, puoi utilizzare i seguenti strumenti:

  • Server MCP gestiti: connetti gli agenti compatibili con MCP agli endpoint HTTPS gestiti:
  • MCP Toolbox for Databases: esegui un server MCP locale open source per connettere gli agenti a BigQuery o definire strumenti personalizzati su query SQL parametrizzate.
  • Integrazioni ADK: crea agenti in ADK con set di strumenti BigQuery predefiniti.
  • Skill dell'agente BigQuery: installa pacchetti di skill riutilizzabili (bigquery-basics e bigquery-ai-ml) che forniscono agli agenti istruzioni e riferimenti per le attività BigQuery comuni.
  • BigQuery Agent Analytics: trasmetti in streaming i log delle interazioni dell'agente, tra cui richieste, risposte, chiamate agli strumenti ed errori, da ADK o LangGraph a BigQuery per analizzare l'utilizzo dei token, la latenza e le tracce di esecuzione.

Agenti nell'IDE o nel terminale

Puoi interagire con BigQuery dal tuo ambiente di sviluppo locale o dalla riga di comando utilizzando i seguenti strumenti:

  • Data Agent Kit: utilizza l'estensione IDE (per VS Code, Antigravity e Cursor) o il plugin dell'agente di programmazione (per Antigravity CLI, Gemini CLI, Claude Code e Codex CLI) per esplorare i set di dati, eseguire query, creare pipeline e addestrare modelli ML.
  • Integrazioni IDE MCP: connetti IDE come Antigravity, VS Code, Cursor, Windsurf e Claude Code a BigQuery utilizzando lo store MCP di Antigravity o MCP Toolbox for Databases.
  • Antigravity CLI: utilizza Antigravity CLI per eseguire query, gestire pipeline e interagire con le risorse BigQuery.

Passaggi successivi