חיבור ל-Data Cloud

מחברים של Gemini Enterprise Data Cloud מאפשרים לכם לקשר את אפליקציות Gemini Enterprise ישירות למקורות נתונים אנליטיים ותפעוליים של Google Cloud. אלה המחברים שזמינים ב-Data Cloud:

כשמחברים מאגר נתונים של BigQuery,‏ Spanner,‏ Cloud SQL או AlloyDB ל-PostgreSQL במצב של שאילתה לכמה מסדי נתונים, Knowledge Catalog (בגרסת טרום-השקה (Preview)) מופעל אוטומטית בכרטיסייה עוזר אישי באפליקציית Gemini Enterprise – ולא כמאגר נתונים נפרד – כדי לספק לסוכן כלים לחיפוש נתונים שהמשתמש יכול לגשת אליהם ולחיפוש הקשר.

תרחישים לדוגמה

המחברים של Data Cloud נועדו להפעיל ניתוח נתונים בממשק שיחה, כדי לאפשר למשתמשים עסקיים ולמנתחי נתונים לשאול שאלות בשפה טבעית, לחקור נתונים וליצור תובנות באפליקציות של Gemini Enterprise. תרחישים לדוגמה:

  • ניתוח נתונים ב-BigQuery: אפשר להשתמש בהנחיות בשפה טבעית כדי לבצע שאילתות ולנתח נתונים מובְנים שמאוחסנים ב-BigQuery או שאפשר להשתמש בהם ב-BigQuery.
  • תובנות בזמן אמת לגבי מסדי נתונים תפעוליים (Spanner,‏ Cloud SQL ו-AlloyDB ל-PostgreSQL): הפעלת שאילתות אנליטיות בזמן אמת ופעולות מורשות במסדי נתונים רלציוניים ומבוזרים.

איך פועלים מחברים ל-Data Cloud

במצב הטמעת נתונים, מחברי Data Cloud מעתיקים נתונים ממקור הנתונים למאגר הנתונים של Gemini Enterprise.

במצב של שאילתה לכמה מסדי נתונים, מחברים של Data Cloud שולחים שאילתות על הנתונים במקום בלי להעתיק אותם או ליצור להם אינדקס במאגר הנתונים של Gemini Enterprise:

  1. Model Context Protocol‏ (MCP) ואימות לכל משתמש: כל מחבר של Data Cloud מופעל על ידי שרת MCP מאינטראקציה ישירה (1P). כשמשתמש שואל שאלה, Gemini Enterprise מאמת את הבקשה באמצעות פרטי הכניסה של המשתמש (הרשאות ניהול זהויות והרשאות גישה (IAM) או OAuth 2.1) ומבצע שאילתות ישירות מול מקור הנתונים הבסיסי.
  2. גילוי סמנטי ואחזור הקשר באמצעות Knowledge Catalog: כשמשתמש שואל שאלה לגבי נתונים, סוכן הבסיס של Gemini Enterprise משתמש בכלים המובנים של Knowledge Catalog כדי לחפש נכסי נתונים שהמשתמש יכול לגשת אליהם, ולחפש הקשר – כולל טבלאות רלוונטיות, סכימות, מילון המונחים הארגוני ומטא-נתונים מועשרים (שנגזרים ממטא-נתונים טכניים, מדפוסי שאילתות היסטוריים וממסקנות של LLM).
  3. ניסוח והרצה של שאילתות בזמן אמת: הסוכן משתמש בסכימה ובהקשר העסקי שאוחזרו מ-Knowledge Catalog כדי לנסח שאילתת SQL, ומפעיל את כלי ה-MCP של המחבר כדי להחזיר תוצאות מבוקרות בזמן אמת.

היתרונות של מחברים לנתונים מאינטראקציה ישירה (First-Party) ב-Data Cloud לעומת שרתי MCP מותאמים אישית

בהשוואה לחיבור לשרתי MCP ציבוריים או לשרתי MCP בניהול עצמי באמצעות מאגר נתונים כללי של שרת MCP בהתאמה אישית, מחברי Data Cloud של נתונים מאינטראקציה ישירה מספקים את היתרונות הבאים:

  1. כישורים מובנים לשיפור איכות התשובות: מחברים מאינטראקציה ישירה כוללים סקילים אג'נטיים מוגדרים מראש, שמותאמים לכל מנוע נתונים – כמו יצירת פונקציות מתקדמות של SQL ופונקציות AI עבור BigQuery ומסדי נתונים – כדי לשפר את הדיוק של השאילתות ואת איכות התשובות.
  2. הגדרה פשוטה ואימות מנוהל: מחברים של נתונים מאינטראקציה ישירה (First-Party) מספקים חוויית הגדרה מודרכת עם אימות מנוהל למסדי נתונים שלGoogle Cloud ו-BigQuery. כך אין צורך לפרוס תוכנת ביניים של MCP או לנהל את ההגדרה של לקוח OAuth משלכם לשירותיGoogle Cloud . בנוסף, הגדרות ספציפיות למחברים – כמו הגדרה דטרמיניסטית של פרויקט ברירת מחדל Google Cloud לחיוב עבור ביצוע שאילתות ב-BigQuery – עוזרות לאדמינים לאכוף את הממשל ולנהל את עלויות השאילתות.

מתי כדאי להשתמש במחברים של Data Cloud ומתי בסוכני נתונים של ניתוח שיחות

אתם יכולים לקשר נתונים ל-Gemini Enterprise באמצעות מחברים של Data Cloud (חיבורים פשוטים עם גישה רחבה ישירות ב-Gemini Enterprise) או סוכני נתונים לניתוח שיחות (מומחים בתחום שנוצרו במיוחד ומותאמים למערכי נתונים שנאספו כדי לספק רמת דיוק גבוהה).

הטבלה הבאה משווה בין שתי הגישות כדי לעזור לכם לבחור את הגישה המתאימה לתרחיש השימוש שלכם:

מאפיין מחברים של Data Cloud סוכנים לניתוח נתונים בשיחה
מתאים במיוחד בשביל גישה רחבה לנתונים עם חיכוך נמוך במספר מסדי נתונים, מחסני נתונים ומקורות של BI ישירות ב-Gemini Enterprise, בלי צורך באוצרות סכמות מראש. ניתוח נתונים מותאם לדומיין שבו דיוק גבוה של שאילתות הוא חיוני, וסוכן מומחה ייעודי דורש הגדרה מדויקת ודטרמיניסטית של היקף הנתונים הספציפיים.
דיוק ואימות של שאילתות מנסח שאילתות באופן דינמי על פני סכימה רחבה באמצעות מטא-נתונים של קטלוג ומיומנויות כלליות. רמת הדיוק של השאילתות יכולה להשתנות בסכימות מורכבות או מנורמלות של מסדי נתונים רלציוניים, ללא הגדרת היקף טבלה מפורשת או שאילתות מאומתות. המודל משתמש בסכימות שנבחרו בקפידה, בהיקף ממוקד של טבלאות ועמודות ובשאילתות מאומתות (SQL מומלצות) כדי לספק רמת דיוק גבוהה של שאילתות ותוצאות דטרמיניסטיות במערכי נתונים ממוקדים.
היקף הרשאות ברמת המשאב גישה רחבה: גישה לכל המשאבים במקור הנתונים המקושר שלמשתמש המאומת יש הרשאה לשלוח אליהם שאילתות (בהתאם ל-Knowledge Catalog ולמיומנויות). היקף דטרמיניסטי: מגביל את הסוכן באופן דטרמיניסטי לקבוצה ספציפית של מערכי נתונים או טבלאות שנבחרו מראש.
שאילתות מכמה מקורות והקשר יכול להצטרף לשיחה ולשאול שאלות בכמה מקורות נתונים מקושרים בשיחה אחת. סוכן הבסיס של Gemini Enterprise שומר על הקשר מלא לאורך כל השיחה ובכל ממשקי Gemini Enterprise (צ'אט, הנחיות, מעצבי סוכנים וזרימות עבודה ופרויקטים). כל סוכן נתונים מוגבל למקור נתונים יחיד (לדוגמה, סוכן נתונים של BigQuery יכול להריץ שאילתות רק ב-BigQuery). המשתמשים צריכים לאתר את הסוכן הספציפי ולהפנות אליו את השאילתה, והעברת השאילתה לסוכן משנה עלולה לא לשמור על ההקשר המלא של שיחת השורש.
הגדרה ותחזוקה חיבור חלק: מגדירים מחבר אחד לכל סוג של מקור נתונים כדי שכל הנתונים שזמינים למשתמשים יהיו זמינים באופן מיידי, בלי צורך באצירה ידנית של סכימות. הפשרה בנוגע לאוסף מוקדם: נדרשת בחירה של טבלאות, הגדרה של מדדים ומדדי KPI ויצירה של שאילתות מאומתות. הסינון המקדים הזה מאפשר לקבל תוצאות שאילתה דטרמיניסטיות ואמינות.
שיקולי ביצועים וחיוב גילוי טבלאות בנכסי נתונים נרחבים עלול להוביל לזמן אחזור נוסף, ודורש מטא-נתונים שמתוחזקים היטב וכישורים כדי להבטיח דיוק. הקשר שנאסף מדומיין יכול להניב רמת דיוק גבוהה יותר בעומסי עבודה ממוקדים, אבל סוכני נתונים של ניתוח שיחות כרוכים בחיוב על אסימוני נתונים.

יצירה ופרסום של סוכני נתונים לניתוח נתונים בשיחה

כדי להשיג רמת דיוק גבוהה של שאילתות במסדי נתונים רלציוניים ובמדדים עסקיים ממוקדים, אתם יכולים ליצור ולפרסם סוכני נתונים לניתוח שיחות עם היקף מוגדר ב-Gemini Enterprise:

מגבלות

  • כשיוצרים אפליקציה חדשה או מוסיפים מאגר נתונים לאפליקציה קיימת, מומלץ לשייך רק מאגר נתונים אחד לפעולות ששייכות לסוג מחבר יחיד.

  • לשאילתות מאוחדות במסדי נתונים רלציוניים אין היקף טבלה או שאילתות מאומתות. רמת הדיוק של השאילתות יכולה להשתנות בסכימות מורכבות של מסדי נתונים טרנזקציוניים (לדוגמה, AlloyDB ל-PostgreSQL, ‏ Cloud SQL, ‏ Spanner).

המאמרים הבאים