Google revela herramientas BigQuery clave para agentes de IA
Google presenta nuevo conjunto de herramientas para conectar agentes de IA con datos de BigQuery
Mountain View, CA – 30 de julio de 2025 – Google ha lanzado un nuevo conjunto de herramientas diseñado para empoderar a las empresas conectando sin problemas sus agentes de IA con los datos almacenados en BigQuery, su almacén de datos basado en la nube. Este desarrollo aborda la creciente demanda de “aplicaciones agénticas” –sistemas de IA capaces de realizar tareas de forma autónoma sin intervención humana– y tiene como objetivo proporcionar a estos agentes el contexto rico necesario para respuestas más precisas y relevantes.
El auge de los agentes de IA es una tendencia significativa en 2025, con muchas empresas pilotando y desplegándolos activamente para automatizar tareas repetitivas, mejorar las experiencias del cliente y aumentar las capacidades humanas. Sin embargo, un desafío crítico ha sido permitir que estos agentes interactúen de forma segura e inteligente con grandes cantidades de datos empresariales. El nuevo conjunto de herramientas de Google aborda directamente esto al ofrecer un puente seguro y fiable entre los agentes de IA y BigQuery.
El conjunto de herramientas recién introducido incluye un conjunto de funcionalidades que permiten a los agentes de IA ejecutar consultas dentro de BigQuery y recuperar metadatos cruciales. Las herramientas clave en este conjunto son list_dataset_ids (para obtener todos los ID de conjunto de datos en un proyecto de Google Cloud), get_dataset_info (para metadatos detallados del conjunto de datos), list_table_ids (para listar los ID de tabla dentro de un conjunto de datos), get_table_info (para obtener metadatos de tablas individuales) y execute_sql (para ejecutar consultas SQL y recuperar resultados directamente de BigQuery).
Este conjunto de herramientas no es una solución independiente; se integra con las ofertas de código abierto existentes de Google: el Agent Development Kit (ADK) y el MCP Toolbox for Databases (anteriormente conocido como Generative AI Toolbox for Databases). Las empresas pueden asignar el conjunto de herramientas a un agente creado dentro del marco ADK importándolo desde el módulo agents.tools en un entorno Python, utilizando la CLI y el SDK de ADK. El parámetro tool_filter también permite la exposición selectiva de herramientas al agente.
Alternativamente, el MCP Toolbox for Databases es compatible de forma nativa con el conjunto de herramientas preconstruido de BigQuery. Para aprovechar estas herramientas, las empresas necesitan un entorno compatible con Python para crear una carpeta mcp-toolbox e instalar el MCP Toolbox. El MCP Toolbox actúa como un servidor de código abierto que centraliza el alojamiento y la gestión de los conjuntos de herramientas, permitiendo que los agentes actúen como clientes de MCP y soliciten herramientas del Toolbox, que luego maneja las complejidades de las conexiones seguras, la autenticación y la ejecución de consultas. Además, el modo de implementación de MCP Toolbox permite definir herramientas SQL personalizadas.
Expertos de la industria, como Charlie Dai, vicepresidente y analista principal de Forrester, creen que esta integración acelerará significativamente el desarrollo de aplicaciones agénticas. Dai señala que “la integración de ADK y MCP de Google proporciona marcos preconstruidos para conectar agentes de IA directamente a los datos de BigQuery. Esto elimina el trabajo de integración personalizado, reduciendo la sobrecarga de desarrollo, y permite a los agentes aprovechar el contexto empresarial para obtener respuestas precisas”.
La medida de Google se produce en medio de una tendencia más amplia de la industria, donde los principales proveedores de plataformas de datos se están centrando en conectar agentes de IA con datos empresariales. Rivales como Databricks, Snowflake y Teradata también han introducido sus propios servidores de Protocolo de Contexto de Modelo (MCP) y ofertas relacionadas para facilitar la interacción de los agentes de IA con los datos almacenados en sus data lakehouses y bases de datos. El Protocolo de Contexto de Modelo (MCP) en sí, inicialmente lanzado por Anthropic, está emergiendo como un protocolo abierto crucial para conectar grandes modelos de lenguaje (LLMs) a fuentes de datos como BigQuery, permitiéndoles ejecutar consultas SQL e interactuar con proyectos directamente desde herramientas existentes.
Google también ha estado mejorando activamente BigQuery con agentes de IA especializados y una base de datos autónoma. Esto incluye un agente de ingeniería de datos para ayudar con la construcción de pipelines de datos y la automatización de la generación de metadatos, un agente de ciencia de datos incrustado en los notebooks de Colab para automatizar la ingeniería de características y la selección de modelos, y un agente de análisis conversacional de Looker que permite consultas en lenguaje natural y proporciona explicaciones para sus conclusiones. Estos avances están respaldados por el BigQuery Knowledge Engine, que aprovecha los modelos Gemini de Google para analizar las relaciones de esquema, las descripciones de tablas y los historiales de consultas, generando metadatos y apoyando búsquedas semánticas. Google ha declarado planes para expandir el conjunto de herramientas recién anunciado con más funcionalidades en el futuro.