谷歌将AI智能体深度嵌入核心数据与开发平台，赋能企业效率飞跃
在“智能体AI”的驱动下，企业技术格局正在经历一场深刻的变革。这些智能AI智能体远非仅仅是理论概念或实验性原型，它们正日益在生产环境中承担起切实的运营角色。从编排复杂的数据管道到生成代码和解释复杂的业务逻辑，这些自主系统正在重新定义工作流程，促使谷歌等科技巨头迅速为这一新兴领域建立基础架构。
谷歌在Cloud Next Tokyo大会上发布了其在这一领域的最新进展，推出了一套全面的AI智能体和重要的基础架构增强功能。这些新功能旨在赋能数据工程师、科学家、分析师和开发人员。谷歌没有提供独立的工具或全新的界面，而是将这些预览版功能无缝集成到其核心平台中，包括BigQuery、Vertex AI和GitHub。通过在谷歌数据服务中直接嵌入向量搜索和大型语言模型推理，这一战略性集成得到了加强，确保了即时可用性，同时不干扰现有工作流程。虽然其中一些新的AI智能体在后台悄然运行，但另一些则更直接地参与，所有这些都只有一个共同目标：大幅减少在重复性任务上花费的时间。
在软件开发领域，Gemini CLI脱颖而出，为在GitHub中工作的团队提供了强大的支持。它简化了关键流程，如拉取请求审查、问题分类和处理通过评论传递的次要编码任务。在问题中简单提及一下，Gemini CLI就会返回建议的代码、配套测试以及准备好审查的草稿更改。作为对这一智能体的补充，谷歌还发布了开源工作流，旨在自动化常见的杂务，如标记或分类传入的问题。这种看似微小的转变有望显著防止团队因积压的问题而陷入困境。
对于数据工程师，谷歌在BigQuery中引入了数据工程智能体，这是一款旨在消除手动管道设置的工具。用户无需从头开始编写SQL查询或在多个界面之间切换，只需用简单的语言描述他们的需求——例如，“加载一个CSV文件，清理特定列，并将其与另一个表连接”。然后，该智能体就会自主管理从启动到完成的整个工作流程。谷歌强调，这项创新并非旨在取代工程师，而是为了加速他们工作中重复性最高、最耗时的方面。智能体的输出仍然完全可编辑，确保工程师保留完全控制权，从而使团队能够更快地行动，尤其是在处理大量复杂或分散数据时。
这种加速原则通过在Colab Enterprise中引入新的数据科学智能体，无缝扩展到数据科学领域。该智能体旨在支持探索性分析和建模的整个生命周期，直接与BigQuery和Vertex AI连接。它响应自然语言提示以执行各种任务，包括数据分析、特征生成和机器学习模型的执行。真正区分此智能体的是它能够作为连续工作流程的一部分，跟进每个步骤。谷歌断言，它可以在一次会话中规划、执行、推理和呈现结果，从而允许团队在不失去动力的前提下审查、完善和引导结果。与它的其他智能体一样，谷歌重申，目标不是取代数据科学家，而是在实验的初始阶段（通常是重复性阶段）显著加快他们的过程。
对于业务分析师，谷歌正在通过新的代码解释器增强其对话式分析智能体。这个强大的工具将自然语言提示转换为可执行的Python代码，执行请求的分析，然后呈现结果和相应的可视化。它专门设计用于处理超出简单SQL查询的复杂问题，例如客户细分或预测。谷歌的目标是使团队能够从模糊的问题过渡到结构化的洞察，而无需自己编写或管理代码。
支撑这些新智能体能力的是谷歌数据堆栈的重大基础设施升级。Spanner现在具有针对分析工作负载优化的列式引擎，在某些查询上性能提升高达200倍。BigQuery通过一项名为Data Boost的新功能，改进了对实时事务数据的访问。此外，谷歌正在将其平台直接嵌入向量搜索和检索增强生成（RAG），为智能体提供持久性内存，这些内存牢固地基于真实的公司数据。
“我们与数据交互的方式正在发生根本性转变，从以人为中心的分析转向与智能智能体的协作伙伴关系，”谷歌云数据业务总经理Yasmeen Ahmad在一篇宣布发布的博客文章中表示。她将此描述为“智能体转变”，预示着一个新时代的到来，在这个时代，专业AI智能体将自主协作，以以前无法想象的规模和速度解锁洞察。
除了智能体本身，谷歌还在积极为更广泛的采用奠定基础。新的Gemini数据智能体API（最初以对话式分析API的形式推出）将使开发人员能够将谷歌的智能体能力直接嵌入到他们自己的工具和工作流程中。与此同时，数据智能体API和智能体开发工具包（ADK）将使团队能够从头开始构建自定义智能体，以适应其独特的内部逻辑和业务需求。这些工具将智能体模型从团队简单使用的东西转变为他们可以积极塑造的东西。为了确保这些智能体在定义的边界内运行，谷歌还在推出模型上下文协议（MCP）和Looker MCP服务器，它们保证与结构化数据一起工作的智能体遵守正确的上下文、权限和定义。
这些智能体和支持工具的引入凸显了谷歌对人们如何与数据交互的根本性重新思考。总体目标不是取代现有工作流程，而是使其本质上更快、更轻、更专注。这一战略转变有望显著减少团队在设置和日常任务上花费的时间，使他们能够将更多精力投入到解决真正的业务问题上。