Menghubungkan ke Data Cloud

Konektor Gemini Enterprise Data Cloud memungkinkan Anda menghubungkan aplikasi Gemini Enterprise secara langsung ke sumber data analitik dan operasional Google Cloud. Konektor Data Cloud berikut tersedia:

Saat Anda menghubungkan penyimpanan data BigQuery, Spanner, Cloud SQL, atau AlloyDB untuk PostgreSQL dalam mode kueri gabungan, Knowledge Catalog (Pratinjau) akan otomatis diaktifkan di tab Asisten aplikasi Gemini Enterprise Anda—bukan sebagai penyimpanan data terpisah—untuk memberi alat agen guna menelusuri data yang dapat diakses pengguna dan mencari konteks.

Kasus penggunaan

Konektor Data Cloud dibuat untuk mendukung analisis percakapan, sehingga pengguna dan analis bisnis dapat mengajukan pertanyaan dalam bahasa alami, menjelajahi data, dan menghasilkan insight di aplikasi Gemini Enterprise. Contoh kasus penggunaan mencakup:

  • Analisis BigQuery: Gunakan perintah bahasa alami untuk membuat kueri dan menganalisis data terstruktur yang berada di BigQuery atau yang dapat digunakan di BigQuery.
  • Insight database operasional real-time (Spanner, Cloud SQL, dan AlloyDB untuk PostgreSQL): Jalankan kueri analisis langsung dan operasi database yang sah di seluruh database relasional dan terdistribusi.

Cara kerja konektor Data Cloud

Dalam mode penyerapan data, konektor Data Cloud menyalin data dari sumber data ke penyimpanan data Gemini Enterprise.

Dalam mode kueri gabungan, konektor Data Cloud mengkueri data Anda di tempat tanpa menyalin atau mengindeksnya ke dalam penyimpanan data Gemini Enterprise:

  1. Model Context Protocol (MCP) dan autentikasi per pengguna: Setiap konektor Data Cloud didukung oleh server MCP pihak pertama (1P). Saat pengguna mengajukan pertanyaan, Gemini Enterprise akan mengautentikasi permintaan menggunakan kredensial pengguna sendiri (izin Identity and Access Management (IAM) atau OAuth 2.1) dan menjalankan kueri langsung terhadap sumber data pokok.
  2. Penemuan semantik dan pengambilan konteks dengan Knowledge Catalog: Saat pengguna mengajukan pertanyaan data, agen root Gemini Enterprise menggunakan alat Knowledge Catalog bawaan untuk menelusuri aset data yang dapat diakses pengguna dan mencari konteks, termasuk tabel, skema, istilah glosarium bisnis yang relevan, dan metadata yang diperkaya (berasal dari metadata teknis, pola kueri historis, dan inferensi LLM).
  3. Formulasi dan eksekusi kueri langsung: Dengan menggunakan skema dan konteks bisnis yang diambil dari Knowledge Catalog, agen memformulasikan kueri SQL dan memanggil alat MCP konektor untuk menampilkan hasil real-time yang diatur.

Manfaat konektor Data Cloud pihak pertama dibandingkan server MCP kustom

Dibandingkan dengan menghubungkan ke server MCP publik atau yang dikelola sendiri menggunakan penyimpanan data server MCP kustom generik, konektor Data Cloud pihak pertama memberikan keuntungan berikut:

  1. Kemampuan bawaan untuk kualitas respons yang lebih tinggi: Konektor pihak pertama mencakup kemampuan agen yang telah dikonfigurasi sebelumnya dan disesuaikan dengan setiap mesin data — seperti pembuatan fungsi SQL dan AI tingkat lanjut untuk BigQuery dan database — untuk meningkatkan akurasi kueri dan kualitas respons.
  2. Penyiapan yang disederhanakan dan autentikasi terkelola: Konektor pihak pertama memberikan pengalaman penyiapan terpandu dengan autentikasi terkelola untukGoogle Cloud database dan BigQuery, sehingga tidak perlu men-deploy middleware MCP atau mengelola konfigurasi klien OAuth Anda sendiri untuk layananGoogle Cloud . Selain itu, setelan khusus konektor — seperti menentukan project penagihan Google Cloud default secara deterministik untuk eksekusi kueri BigQuery — membantu administrator menerapkan tata kelola dan mengelola biaya kueri.

Kapan harus menggunakan konektor Data Cloud versus agen data analisis percakapan

Anda dapat menghubungkan data ke Gemini Enterprise menggunakan konektor Data Cloud (koneksi dengan hambatan rendah dan akses luas langsung di Gemini Enterprise) atau agen data analisis percakapan (pakar domain yang dibuat khusus dan dicakup ke set data yang dikurasi untuk akurasi tinggi).

Tabel berikut membandingkan kedua pendekatan untuk membantu Anda memilih pendekatan yang sesuai dengan kasus penggunaan Anda:

Karakteristik Konektor Data Cloud Agen data analisis percakapan
Paling cocok untuk Akses data yang luas dan lancar di beberapa database, data warehouse, dan sumber BI langsung dalam Gemini Enterprise tanpa kurasi skema di awal. Analisis spesifik per domain yang dikurasi, yang memerlukan akurasi kueri tinggi dan agen pakar khusus memerlukan cakupan deterministik yang ketat untuk data tertentu.
Akurasi dan verifikasi kueri Membuat kueri secara dinamis di seluruh skema yang luas menggunakan metadata katalog dan keterampilan umum. Akurasi kueri dapat bervariasi pada skema database relasional yang kompleks atau dinormalisasi tanpa cakupan tabel eksplisit atau kueri terverifikasi. Menggunakan skema pilihan, cakupan tabel dan kolom yang terfokus, serta kueri terverifikasi (SQL standar) untuk memberikan akurasi kueri yang tinggi dan hasil deterministik pada set data yang ditargetkan.
Pemberian cakupan resource Akses luas: Mengakses semua resource di sumber data yang terhubung yang memiliki izin kueri untuk pengguna yang diautentikasi (dipandu oleh Knowledge Catalog dan kemampuan). Penetapan cakupan deterministik: Membatasi agen secara deterministik ke sekumpulan set data atau tabel yang telah dipilih sebelumnya.
Kueri dan konteks multi-sumber Dapat bergabung dan membuat kueri di beberapa sumber data yang terhubung dalam satu percakapan; agen root Gemini Enterprise mempertahankan konteks lengkap di seluruh percakapan dan di semua pengalaman Gemini Enterprise (chat, perintah, desainer agen dan alur kerja, serta project). Setiap agen data dibatasi untuk satu sumber data (misalnya, agen data BigQuery hanya membuat kueri BigQuery); pengguna harus menemukan dan mengarahkan ke agen tertentu, dan pengalihan subagen mungkin tidak mempertahankan konteks percakapan root sepenuhnya.
Penyiapan dan pemeliharaan Gesekan rendah: Konfigurasi satu konektor per jenis sumber data untuk membuat semua data yang dapat diakses pengguna tersedia secara langsung tanpa kurasi skema manual. Trade-off kurasi di awal: Memerlukan pemilihan tabel, penentuan metrik dan KPI, serta penulisan kueri terverifikasi. Kurasi di awal ini menghasilkan hasil kueri yang deterministik dan andal.
Pertimbangan performa dan penagihan Menemukan tabel di seluruh aset data yang luas dapat menimbulkan latensi tambahan dan mengandalkan metadata serta keterampilan yang dikelola dengan baik untuk akurasi. Konteks yang dikurasi domain dapat menghasilkan akurasi yang lebih tinggi pada beban kerja yang ditargetkan, tetapi agen data analisis percakapan dikenai biaya token data.

Membuat dan memublikasikan agen data analisis percakapan

Untuk mencapai akurasi kueri yang tinggi pada database relasional dan metrik bisnis yang ditargetkan, Anda dapat membuat dan memublikasikan agen data analisis percakapan yang tercakup ke Gemini Enterprise:

Batasan

  • Saat membuat aplikasi baru atau menambahkan penyimpanan data ke aplikasi yang sudah ada, sebaiknya kaitkan hanya satu penyimpanan data dengan tindakan yang termasuk dalam satu jenis konektor.

  • Kueri gabungan pada database relasional tidak memiliki cakupan tabel atau kueri terverifikasi. Akurasi kueri dapat bervariasi pada skema database transaksional yang kompleks (misalnya, AlloyDB untuk PostgreSQL, Cloud SQL, Spanner).

Langkah berikutnya