BigQuery의 AI 소개

BigQuery는 여러 워크플로에서 AI, 머신러닝 (ML), 에이전트 기능을 제공합니다.

  • 콘솔 내 지원 및 분석: Google Cloud 콘솔에서 코드를 작성 및 설명하고, 데이터를 준비하고, 자연어로 테이블에 대해 질문하고, 파이프라인을 빌드하고, BigQuery 리소스를 관리합니다.
  • SQL 쿼리의 AI, 검색, ML: Gemini와 같은 대규모 언어 모델 (LLM)을 호출하고, 텍스트 및 벡터 검색을 수행하고, GoogleSQL에서 직접 예측 ML 모델을 학습시키거나 실행합니다.
  • 에이전트 빌드 도구: 모델 컨텍스트 프로토콜 (MCP) 서버, 에이전트 프레임워크, 스킬을 사용하여 커스텀 에이전트를 BigQuery에 연결하고 분석을 위해 에이전트 상호작용 로그를 BigQuery로 스트리밍합니다.
  • IDE 또는 터미널의 에이전트: Antigravity, VS Code, 명령줄 인터페이스와 같은 개발 환경에서 데이터를 쿼리하고, 파이프라인을 관리하고, 워크플로를 실행합니다.

AI 도구 선택

다음 표는 일반적인 태스크를 해당 BigQuery 기능 및 사용 위치에 매핑합니다.

사용 사례 기능 사용 분야
SQL 쿼리 생성, 완료 또는 설명 SQL 코드 지원 Google Cloud 콘솔 쿼리 편집기
자연어로 데이터에 대해 질문하고 답변과 차트를 얻습니다. 대화형 분석 Google Cloud 콘솔 (에이전트 페이지) 또는 Conversational Analytics API
테이블을 찾고, 데이터를 조인하고, SQL 또는 자연어 쿼리를 실행하고, 그래픽 워크플로에서 결과를 시각화합니다. BigQuery 데이터 캔버스 Google Cloud 콘솔
테이블 메타데이터에서 자동화된 질문 및 SQL 쿼리 생성 데이터 인사이트 Google Cloud 콘솔
AI 생성 추천을 받아 데이터를 정리, 변환, 보강하세요. 데이터 준비 Google Cloud 콘솔
다른 SQL 언어를 GoogleSQL로 변환하는 커스텀 규칙 만들기 대화형 SQL 변환기 Google Cloud 콘솔
작업 분석 및 문제 해결, 예약 관리, 계보 추적, 리소스 검색, 쿼리 최적화 Gemini Cloud Assist ( 프리뷰) Google Cloud 콘솔 툴바 채팅 창
Python 코드 생성, 완성 또는 설명 Python 코딩 지원 BigQuery의 Colab Enterprise 노트북
노트북에서 탐색적 데이터 분석, ML 워크플로, 시각화를 자동화합니다. 데이터 과학 에이전트 BigQuery의 Colab Enterprise 노트북
자연어 프롬프트를 사용하여 데이터 파이프라인 빌드, 수정, 관리 데이터 엔지니어링 에이전트 Google Cloud 콘솔 및 Dataform 작업공간
LLM을 사용하여 텍스트 생성, 구조화된 데이터 추출, 분류, 점수 매기기, 필터링 또는 테이블 데이터 집계 생성형 AI 함수 GoogleSQL 쿼리
테이블 데이터에서 번역, 문서 처리, 오디오 스크립트 작성 또는 컴퓨터 비전 수행 작업별 AI 함수 GoogleSQL 쿼리
임베딩을 생성하고 정형, 비정형 또는 멀티모달 데이터에 대해 시맨틱 또는 키워드 검색을 실행합니다. 임베딩 및 벡터 검색 및 텍스트 검색 GoogleSQL 쿼리
예측 ML 모델 (예측, 이상 감지, 분류, 회귀, 클러스터링) 학습, 평가, 실행 BigQuery ML GoogleSQL 쿼리, Google Cloud 콘솔, bq 명령줄 도구, REST API 또는 노트북
커스텀 AI 애플리케이션 또는 에이전트를 BigQuery에 연결하여 메타데이터를 검사하거나, 쿼리를 실행하거나, SQL을 변환하거나, 전송을 관리합니다. BigQuery MCP 서버, BigQuery Migration Service MCP 서버, BigQuery Data Transfer Service MCP 서버, 데이터베이스용 MCP 도구 상자 또는 에이전트 개발 키트 (ADK) MCP 클라이언트 및 에이전트 프레임워크
BigQuery 태스크를 위한 재사용 가능한 안내와 참조 파일을 에이전트에 제공 BigQuery 에이전트 기술 에이전트 클라이언트 및 터미널
에이전트 상호작용, 토큰 사용량, 지연 시간 로깅, 모니터링, 평가 BigQuery 에이전트 분석 ADK, LangGraph 또는 BigQuery Storage Write API (gRPC)
IDE 또는 CLI에서 BigQuery 리소스 탐색, 쿼리 실행, 파이프라인 빌드 Google Cloud Data Agent Kit, MCP IDE 통합 또는 Antigravity CLI Antigravity, VS Code, Cursor 또는 명령줄 도구

콘솔 내 지원 및 에이전트

Google Cloud 콘솔 또는 Colab Enterprise 노트북에서 작업할 때 지원 기능과 기본 제공 에이전트를 사용하여 코드를 작성하고, 데이터를 탐색하고, 파이프라인을 빌드하고, BigQuery 리소스를 관리할 수 있습니다.

지원 기능

BigQuery의 Gemini는 쿼리 작성, 데이터 준비, 테이블 탐색을 위한 콘솔 내 지원을 제공합니다.

  • SQL 코드 지원: 쿼리 편집기에서 SQL 쿼리를 생성, 완성, 설명합니다.
  • Python 코드 지원: 노트북에서 PySpark 및 BigQuery DataFrames를 포함한 Python 코드를 생성, 완성, 설명합니다.
  • 데이터 캔버스: 자연어를 사용하여 테이블을 찾고 데이터를 조인 및 쿼리하고 방향성 비순환 그래프 (DAG) 작업공간에서 결과를 시각화합니다.
  • 데이터 인사이트: 테이블에 대한 자연어 질문과 테이블 메타데이터를 기반으로 이에 답변하는 SQL 쿼리를 생성합니다.
  • 데이터 준비: 컨텍스트를 인식하는 추천을 생성하여 데이터를 정리, 변환, 보강합니다.
  • 대화형 SQL 변환기: 다른 SQL 언어의 쿼리가 GoogleSQL로 변환되는 방식을 맞춤설정하는 변환 규칙을 만듭니다.

채팅 환경

BigQuery는 테이블의 데이터를 분석할지 아니면 BigQuery 환경을 관리할지에 따라Google Cloud 콘솔에서 두 가지 채팅 환경을 제공합니다.

  • 대화형 분석: 테이블에 저장된 데이터에 대한 질문에 답변합니다. 데이터 소스와 직접 채팅하거나 커스텀 메타데이터, 용어집 용어, 요청 사항, 확인된 쿼리로 구성된 데이터 에이전트를 만들 수 있습니다. 에이전트는 사용자를 대신하여 SQL 쿼리를 작성하고 실행하며 답변과 시각화를 반환합니다.
  • Gemini Cloud Assist(프리뷰): BigQuery를 운영하고 관리하는 데 도움이 됩니다.Google Cloud 콘솔 툴바의 채팅 창을 사용하여 리소스를 검색하고, 데이터 계보를 추적하고, 실패하거나 느린 작업을 디버깅하고, 슬롯 용량과 예약을 분석하고, 쿼리를 최적화하거나 예약할 수 있습니다.

노트북 및 파이프라인 에이전트

데이터 과학 및 데이터 엔지니어링 워크플로에 다음 기본 제공 에이전트를 사용할 수 있습니다.

  • 데이터 과학 에이전트: Colab Enterprise 노트북 내에서 BigQuery 테이블 및 CSV 파일에 대한 탐색적 데이터 분석, 데이터 정리, ML 작업, 시각화를 자동화합니다.
  • 데이터 엔지니어링 에이전트: 자연어 프롬프트를 사용하여 BigQuery에서 데이터를 로드하고 처리하는 Dataform 데이터 파이프라인을 빌드, 수정, 문제 해결합니다.

SQL 쿼리의 AI, 검색, ML

GoogleSQL에서 직접 생성형 AI 모델을 실행하고, 비정형 및 정형 데이터를 검색하고, 예측 ML 모델을 학습시킬 수 있습니다.

AI 함수

BigQuery는 Gemini Enterprise Agent Platform, Cloud AI API 또는 기본 제공 모델에서 Gemini, 파트너, 개방형 모델을 호출하는 SQL 함수를 제공합니다.

  • 범용 AI 함수: 모델, 프롬프트, 출력 스키마, 파라미터를 완전히 제어하려는 경우에 이 함수를 사용합니다.
  • 관리형 AI 함수: 간소화된 문법을 사용하여 일상적인 필터링, 평가, 분류, 집계 작업에 이러한 함수를 사용합니다. BigQuery는 비용과 품질을 최적화하는 모델을 선택할 수 있습니다.
  • 태스크별 함수: 자연어 처리, 기계 번역, 문서 처리, 오디오 스크립트 작성, 컴퓨터 비전을 위해 SQL에서 Cloud AI API를 호출합니다.

BigQuery는 정형, 반정형, 멀티모달 데이터 전반에서 키워드 및 시맨틱 검색을 지원합니다.

  • 텍스트 검색: SEARCH 함수를 사용하여 비정형 텍스트 또는 반정형 JSON 데이터에 대해 토큰화된 검색을 수행합니다. 검색 색인을 만들어 검색 성능을 개선할 수 있습니다. 이를 통해 BigQuery는 SEARCH 함수와 다른 함수 및 연산자를 사용하는 쿼리를 최적화할 수 있습니다.
  • 임베딩 생성: Agent Platform에서 제공하거나 호스팅하는 모델을 사용하거나 BigQuery에서 가져와 실행하는 모델을 사용하여 텍스트 또는 이미지와 같은 항목을 나타내는 고차원 숫자 벡터인 임베딩을 생성합니다. 자율 임베딩 생성을 사용 설정하여 BigQuery에서 임베딩 열을 자동으로 유지관리하도록 할 수도 있습니다.
  • 벡터 검색: VECTOR_SEARCH, AI.SEARCH, 벡터 색인을 사용하여 검색 증강 생성 (RAG) 또는 추천을 위해 의미론적으로 유사한 항목을 찾습니다.

머신러닝

BigQuery ML을 사용하면 시계열 예측, 이상 감지, 분류, 회귀, 클러스터링, 차원 축소, 추천과 같은 태스크를 위해 모델을 학습시키고 평가하고 추론을 실행할 수 있습니다.

Google Cloud 콘솔, bq 명령줄 도구, REST API 또는 Colab Enterprise 노트북을 통해 BigQuery ML 기능을 사용할 수 있습니다. BigQuery ML을 사용하면 SQL 실무자가 기존 SQL 도구와 기술을 사용하여 모델을 빌드하고 평가할 수 있으므로 ML을 범용화하고 데이터 이동을 요구하는 대신 데이터에 ML을 적용하여 모델 개발 속도를 높일 수 있습니다. BigQuery ML을 사용하여 다음 유형의 ML 작업을 수행할 수 있습니다.

  • GoogleSQL 쿼리를 사용하여 ML 모델을 만들고 실행합니다.
  • Colab Enterprise 노트북을 만들어 ML 워크플로를 수행합니다. 노트북을 사용하면 SQL과 Python을 서로 바꿔 사용할 수 있으며 개발에 AI 또는 ML Python 라이브러리를 사용할 수 있습니다.
  • 설명 가능한 AI를 사용하여 예측 ML 모델의 결과를 이해합니다.
  • TimesFM, ARIMA_PLUS, ARIMA_PLUS_XREG 모델을 사용하여 시계열 데이터에 대해 예측 및 이상 감지를 수행합니다.
  • TabFM 모델(프리뷰)을 사용하여 테이블 형식 데이터에 대해 제로샷 분류 및 회귀 예측을 수행합니다.
  • 기여 분석을 사용하여 다차원 데이터의 주요 측정항목 변경에 관한 인사이트를 생성합니다.

자세한 내용은 BigQuery의 ML 소개를 참조하세요.

에이전트 빌드 및 모니터링 도구

BigQuery와 상호작용하는 커스텀 AI 애플리케이션 또는 에이전트를 개발하는 경우 다음 도구를 사용할 수 있습니다.

  • 관리형 MCP 서버: MCP 호환 에이전트를 관리형 HTTPS 엔드포인트에 연결합니다.
  • 데이터베이스용 MCP 도구 상자: 오픈소스 로컬 MCP 서버를 실행하여 에이전트를 BigQuery에 연결하거나 매개변수화된 SQL 쿼리를 통해 커스텀 도구를 정의합니다.
  • ADK 통합: 사전 빌드된 BigQuery 도구 모음을 사용하여 ADK에서 에이전트를 빌드합니다.
  • BigQuery 에이전트 기술: 에이전트에 일반적인 BigQuery 태스크에 대한 안내와 참조를 제공하는 재사용 가능한 기술 패키지 (bigquery-basics 및 bigquery-ai-ml)를 설치합니다.
  • BigQuery 에이전트 분석: 요청, 응답, 도구 호출, 오류를 포함한 에이전트 상호작용 로그를 ADK 또는 LangGraph에서 BigQuery로 스트리밍하여 토큰 사용량, 지연 시간, 실행 trace를 분석합니다.

IDE 또는 터미널의 에이전트

다음 도구를 사용하여 로컬 개발 환경 또는 명령줄에서 BigQuery와 상호작용할 수 있습니다.

  • Data Agent Kit: IDE 확장 프로그램 (VS Code, Antigravity, Cursor용) 또는 코딩 에이전트 플러그인(Antigravity CLI, Gemini CLI, Claude Code, Codex CLI용)을 사용하여 데이터 세트를 탐색하고, 쿼리를 실행하고, 파이프라인을 빌드하고, ML 모델을 학습시킵니다.
  • MCP IDE 통합: Antigravity MCP 스토어 또는 데이터베이스용 MCP 도구 상자를 사용하여 Antigravity, VS Code, Cursor, Windsurf, Claude Code와 같은 IDE를 BigQuery에 연결합니다.
  • Antigravity CLI: Antigravity CLI를 사용하여 쿼리를 실행하고, 파이프라인을 관리하고, BigQuery 리소스와 상호작용합니다.

다음 단계