Daten mit der Gemini CLI analysieren

Mit der Gemini CLI und speziellen BigQuery-Erweiterungen können Sie im Terminal über Prompts in natürlicher Sprache mit Ihren Daten interagieren. Wenn Sie KI-basierte Unterstützung direkt in Ihre Befehlszeile einbinden, können Sie persönliche und öffentliche Tabellen analysieren und Informationen extrahieren, ohne zu einer anderen Umgebung wechseln zu müssen.

Diese Erstanbieter-Erweiterungen bieten einige gängige Tools für die Datenanalyse und -gewinnung. Informationen zum Erstellen eigener Tools finden Sie unter BigQuery mit MCP, Gemini CLI und anderen Agents verwenden.

Gemini CLI und Erweiterungen

Die Gemini-Befehlszeile ist ein Open-Source-KI-Agent von Google, der Entwicklungs-Workflows beschleunigt und bei der Programmierung, beim Debugging, bei der Datenexploration und bei der Erstellung von Inhalten hilft. Er bietet eine agentengesteuerte Umgebung für die Interaktion mit Data Cloud-Diensten wie BigQuery und anderen gängigen Google Cloud -Datenbanken und Open-Source-Datenbanken.

Weitere Informationen zur Gemini-Befehlszeile finden Sie in der Dokumentation zur Gemini-Befehlszeile.

Funktionsweise von Erweiterungen

Erweiterungen erweitern die Funktionen der Gemini CLI, sodass sie sich mit bestimmten Diensten von Google Cloud und anderen Tools verbinden und diese steuern kann. Die Erweiterungen bieten Gemini Kontext- und API-Verständnis und ermöglichen so eine konversationelle Interaktion. Sie können die Erweiterungen über GitHub-URLs, lokale Verzeichnisse oder Registries laden. Diese Erweiterungen bieten Tools, Slash-Befehle und Prompts. Diese sind von IDE-Erweiterungen wie Gemini Code Assist getrennt, die über die MCP-Toolbox eingebunden werden.

Informationen zu BigQuery-Erweiterungen

BigQuery bietet die folgenden Erweiterungen für die Arbeit mit BigQuery-Daten über die Gemini CLI:

BigQuery Data Analytics-Erweiterung
Mit dieser Erweiterung können Sie Daten finden, mehr über BigQuery-Tabellen und ‑Datasets erfahren und Fragen zu Ihren Datasets in natürlicher Sprache stellen. Sie können auch Prognosen erstellen oder eine Beitragsanalyse mit integrierten erweiterten Tools ausführen. Die Tools in dieser Erweiterung helfen der Gemini CLI, SQL-Abfragen basierend auf Ihren Fragen in natürlicher Sprache zu schreiben und die Abfragen dann auszuführen, um Antworten auf Ihre Fragen zu liefern.
BigQuery-Erweiterung für konversationelle Analysen
Mit dieser Erweiterung können Sie erweiterte Statistiken aus Ihren BigQuery-Daten mithilfe eines vorab gehosteten, serverseitigen Analyse-Agents abrufen. Mit den Tools in dieser Erweiterung kann die Gemini CLI Ihre Frage in natürlicher Sprache an einen integrierten, gehosteten Agenten senden und mit tieferen Einblicken aus Ihren Daten antworten.

BigQuery-Datenanalysetools

Die BigQuery Data Analytics-Erweiterung bietet die folgenden Tools:

Kategorie Tool Beispiel für einen Prompt in natürlicher Sprache
Dataset- und Tabelleninformationen get_dataset_info Informationen zum Dataset bigquery-public-data.pypi abrufen
get_table_info Informationen zur Tabelle bigquery-public-data.pypi.file_downloads abrufen
list_dataset_ids Alle ML-Datasets im Projekt „bigquery-public-data“ auflisten
list_table_ids Alle Tabellen im Dataset bigquery-public-data.pypi auflisten
Suchen search_catalog Tabellen im Zusammenhang mit PyPi-Downloads finden
SQL-Ausführung execute_sql Zeige mir mithilfe von bigquery-public-data.pypi.file_downloads die 10 am häufigsten heruntergeladenen PyPI-Pakete dieses Monats
Zeitachsenprognosen forecast Prognostiziere mithilfe von bigquery-public-data.pypi.file_downloads die Downloads für die letzten vier Monate des Jahres 2025 für das Paket urllib3
Beitragsanalyse analyze_contribution Analysieren Sie den Beitrag des Landes zum Umsatz in der Tabelle bigquery-public-data.google_analytics_sample.ga_sessions_20170801.

Tools für konversationelle Analysen

Die Erweiterung für konversationelle Analysen bietet die folgenden Tools:

Kategorie Tool Beispiel für einen Prompt in natürlicher Sprache
Suchen search_catalog Tabellen im Zusammenhang mit PyPi-Downloads finden
konversationelle Analyse ask_data_insights Using the tool ask_data_insights and the tables under bigquery-public-data.google_analytics_sample, tell me the channels I should focus on and why

Hinweis

Für den Start ist Folgendes erforderlich:

  • Zugriff auf mindestens ein Google Cloud -Projekt.

  • Aktivieren Sie für die Data Analytics-Erweiterung die folgenden APIs:

    • BigQuery
    • Tool search_catalog verwenden: Knowledge Catalog

  • Aktivieren Sie für die Erweiterung für konversationelle Analysen die folgenden APIs:

    • BigQuery
    • Knowledge Catalog
    • Für die Verwendung des ask_data_insights-Tools: Gemini for Google Cloud API, Gemini und Data Analytics API mit Gemini

Erforderliche Rollen

Bitten Sie Ihren Administrator, Ihnen die folgenden IAM-Rollen für Resource Manager-Ressourcen (Projekte, Ordner und Organisationen) oder Ressourcen auf niedrigerer Ebene wie Datasets zuzuweisen, um die Berechtigungen zu erhalten, die Sie zur Verwendung der BigQuery-Erweiterungen mit der Gemini CLI benötigen:

  • BigQuery-Abfragen in einem Google Cloud -Projekt ausführen: BigQuery-Nutzer (roles/bigquery.user)
  • Verwenden Sie die grundlegenden Metadatentools, um BigQuery-Dataset- und Tabellenmetadaten abzurufen: BigQuery-Metadatenbetrachter (roles/bigquery.metadataViewer)
  • Erweiterung für konversationelle Analysen verwenden: Gemini for Google Cloud User (roles/cloudaicompanion.user)

Weitere Informationen zum Zuweisen von Rollen finden Sie unter Zugriff auf Projekte, Ordner und Organisationen verwalten.

Sie können die erforderlichen Berechtigungen auch über benutzerdefinierte Rollen oder andere vordefinierte Rollen erhalten.

BigQuery-Erweiterungen installieren

Installieren Sie die BigQuery-Erweiterungen und verwenden Sie sie dann, um Ihre Daten zu untersuchen und zu analysieren.

  1. Installieren Sie die Gemini CLI.

  2. Legen Sie die Umgebungsvariablen fest, um eine Verbindung zu Ihrem BigQuery-Projekt herzustellen:

    export BIGQUERY_PROJECT="PROJECT_ID"

    Ersetzen Sie PROJECT_ID durch Ihre Google CloudProjekt-ID.

    Sie können auch die folgenden optionalen Umgebungsvariablen festlegen:

    • BIGQUERY_LOCATION: der Dataset-Standort, z. B. export BIGQUERY_LOCATION="us"
    • BIGQUERY_USE_CLIENT_OAUTH: Gibt an, ob clientseitiges OAuth verwendet werden soll, z. B. export BIGQUERY_USE_CLIENT_OAUTH=true.

  3. Installieren Sie die BigQuery-Erweiterung für Datenanalyse oder konversationelle Analyse mit dem Befehl gemini extension install:

    • Optional: Installieren Sie die BigQuery Data Analytics-Erweiterung:

      gemini extensions install https://github.com/gemini-cli-extensions/bigquery-data-analytics

    • Optional: Installieren Sie die BigQuery-Erweiterung für konversationelle Analysen:

      gemini extensions install https://github.com/gemini-cli-extensions/bigquery-conversational-analytics

  4. Starten Sie die GeminiCLI im interaktiven Modus, um Ihre Daten zu untersuchen und zu analysieren:

    gemini

    Die Befehlszeile lädt automatisch die BigQuery-Erweiterung und die zugehörigen Tools, mit denen Sie mit Ihren Daten interagieren können.

Beispiel-Prompts zum Erkunden und Analysieren Ihrer Daten

Prompts in die Gemini CLI eingeben Die folgenden Beispiele können Ihnen den Einstieg erleichtern.

Tabellen untersuchen und analysieren

Mit den folgenden Beispiel-Prompts können Sie Ihre Tabellen untersuchen und analysieren.

  • Beispiel-Prompt, um Tabellen zu PyPi-Downloads zu finden:

    Find tables related to PyPi downloads

    Beispielantwort

    Die Gemini CLI gibt eine Liste der zugehörigen Tabellen zurück:

    ✦ I found the following tables related to PyPi downloads:

    *   file_downloads: projects/bigquery-public-data/datasets/pypi/tables/file_downloads
    *   distribution_metadata: projects/bigquery-public-data/datasets/pypi/tables/distribution_metadata

  • Beispiel-Prompt, um die zehn am häufigsten heruntergeladenen PyPI-Pakete dieses Monats anzuzeigen:

    Using bigquery-public-data.pypi.file_downloads, show me the top 10
downloaded pypi packages this month

    Beispielantwort

    Die Gemini CLI gibt die zehn am häufigsten verwendeten Pakete zurück:

    ✦ Here are the top 10 most downloaded PyPI packages this month:

    1.  boto3: 685,007,866 downloads
    2.  botocore: 531,034,851 downloads
    3.  urllib3: 512,611,825 downloads
    4.  requests: 464,595,806 downloads
    5.  typing-extensions: 459,505,780 downloads
    6.  certifi: 451,929,759 downloads
    7.  charset-normalizer: 428,716,731 downloads
    8.  idna: 409,262,986 downloads
    9.  grpcio-status: 402,535,938 downloads
    10. aiobotocore: 399,650,559 downloads

Mit dem ask_data_insights-Tool detailliertere Informationen erhalten

Das ask_data_insights-Tool löst einen Agenten in der BigQuery Conversational Analytics API aus, um Ihre Fragen zu beantworten. Der serverseitige Agent erfasst zusätzlichen Kontext zu Ihren Daten und bietet weitere Informationen.

  • Beispielprompt, um Informationen zu Kanälen zu erhalten, auf die Sie sich konzentrieren sollten:

    Using ask_data_insights and using the tables under
bigquery-public-data.google_analytics_sample, tell me the channels I should
focus on and why

    Beispielantwort

    Die Gemini CLI gibt Empfehlungen basierend auf der Analyse zurück:

    Based on the analysis of the Google Analytics sample data, here are the
channels you should focus on and why:

|     Channel      | Total Visits | Total Pageviews | Total Transactions | Total Revenue |
| ---------------- | ------------ | --------------- | ------------------ | ------------- |
| Referral         |      104,838 |         707,597 |              5,543 |   $651,429.91 |
| Direct           |      143,026 |         584,840 |              2,219 |   $434,840.55 |
| Organic Search   |      381,561 |       1,569,218 |              3,581 |   $326,380.51 |
| Display          |        6,262 |          34,202 |                152 |    $78,337.46 |
| Paid Search      |       25,326 |         136,060 |                479 |    $43,558.90 |
| Social           |      226,117 |         398,690 |                131 |     $4,916.54 |
| Affiliates       |       16,403 |          47,417 |                  9 |       $597.38 |
| (Other)          |          120 |             442 |                  1 |         $9.99 |

  Recommendations:

    1.  Prioritize referral traffic:
        *   Why: This is a highly valuable channel. It brings in the most
            revenue and has a high number of transactions, despite not
            having the highest number of visits. This indicates that
            traffic from referrals is highly qualified and converts
            well.
        *   Action: Identify your top referring websites and build
            stronger relationships with them. Look for similar websites
            to partner with.

    2.  Nurture your direct traffic:
        *   Why: Direct traffic is your second-highest revenue source.
            These are likely returning customers or people who know your
            brand well.

Preise

Für die Verwendung von Metadatentools (wie get_dataset_info, get_table_info, list_dataset_ids und list_table_ids) oder des search_catalog-Tools fallen keine zusätzlichen Kosten an.

Tools, die Abfragen ausführen, einschließlich execute_sql, forecast und analyze_contribution, werden je nach Projektkonfiguration gemäß den BigQuery-On-Demand-Preisen oder den BigQuery-Kapazitätspreisen abgerechnet.

Während der Betaphase (vor Version 1.0) wird das ask_data_insights-Tool ohne zusätzliche Kosten angeboten. Alle BigQuery-Abfragen, die dieses Tool auslöst, werden jedoch gemäß den standardmäßigen BigQuery-Preisen abgerechnet.

Nächste Schritte