谷歌推出AI代理无限制访问数据平台

Google Cloud 正在颠覆传统的企业数据平台，推出了 Agentic Data Cloud 基础设施平台，旨在充当人工智能代理时代的中央神经中枢。

在一篇博客文章中，某机构数据云副总裁兼总经理 Andi Gutmans 解释说，现有的数据基础设施被设计为“静态存储库”，信息只是放在那里，等待人类提问。但在人工智能时代，这种“人类规模”的基础设施已不再适用。为此，某机构将 Agentic Data Cloud 设计为一个“行动系统”，将数据基础设施发展为一个动态推理引擎，使自主代理能够开始工作，而不仅仅是思考它们试图解决的问题。

本周在拉斯维加斯举行的某机构 Cloud Next 2026 大会上宣布，Agentic Data Cloud 将提供 AI 代理所需的无阻碍跨企业工作的连接组织，它建立在三大支柱之上：一个旨在防止代理“产生幻觉”的通用上下文引擎、一套代理优先的开发工具，以及一个统一来自任何云环境数据的跨云数据湖屋平台。

让代理立足于现实

Gutmans 表示，当前部署 AI 代理的最大障碍之一是所谓的“上下文鸿沟”。如果代理不理解公司对“毛利率”等术语的具体定义，它很可能会犯下代价高昂的错误。

为了解决这个问题，某机构将其 Dataplex Universal Catalog 发展为 Knowledge Catalog，这是一种业务含义地图，旨在告知 AI 代理其所服务组织的特殊性。该目录扫描公司的所有文档，包括账目、PDF、PPT演示文稿和图像，提取实体并研究它们之间的关系，以构建代理可以使用的可导航架构。

BigQuery Measures 和新的 LookML 代理也有助于将业务逻辑融入到整个 Agentic Data Cloud 技术栈中。通过将所有指标聚合到一个单一的、受管控的数据基础中，某机构表示，当 AI 代理查询公司数据时，它每次都会使用相同的“唯一事实来源”。

这个新的上下文引擎已经为某机构新的 Deep Research Agent 提供动力，使其能够跨网络资产和内部文档执行多步推理，以生成人类分析师需要数周才能完成的复杂研究报告。

自动化数据工程

开发人员的工作也变得更轻松。该公司宣布推出新的某机构 Cloud Data Agents Kit，将“代理技能”直接引入开发人员已使用的工具中，包括 Claude Code 和 VS Code 等平台。借助 Data Agent Kit，开发环境可以自主编排结果，包括选择 Apache Spark 或 dbt 等框架，同时根据某机构的最佳实践生成可用于生产的代码。

还发布了三个新的高度专业化的 AI 代理，旨在让开发人员的生活更轻松。其中包括一个新的 Data Engineering 代理，用于构建和管理复杂的数据转换；一个 Data Science 代理，用于自动化跨 BigQuery 和 Spark 的 AI 模型生命周期；以及一个 Database Observability 代理，它充当“守护者”，负责诊断和修复数据基础设施问题。

Gutmans 表示，某机构已采用模型上下文协议（Model Context Protocol）来确保这些代理能够良好地协同工作。“它提供了一个安全的通用接口，允许任何代理安全地发现和使用跨我们核心引擎的数据资产，包括：BigQuery、Spanner（预览版）、AlloyDB、Cloud SQL（正式版）和 Looker MCP（预览版），”他说。“适用于某机构 Cloud 的 MCP 使用我们的安全堆栈，根据您现有的 IAM 策略、VPC 服务控制和数据驻留要求来管理代理交互。”

跨云连接

最后，某机构正试图解决 AI 代理“重力”问题。这指的是当代理被跨云延迟拖慢速度或被阻止访问困在其他云平台中的数据时，它们会失去自主性。

Gutmans 介绍了新的“跨云数据湖屋”，旨在为 AI 代理提供一个无边界的数据环境。它直接将某机构的 Cross-Cloud Interconnect 服务集成到数据平面中，并采用 Apache Iceberg REST 目录连接到某中心 Web 服务和某机构 Azure 云。这意味着 AI 代理可以像对待本地存储在 Google Cloud 中一样，处理存储在 Azure 数据湖或 S3 存储桶中的数据，而无需面临通常与数据迁移和出口费用相关的难题。

为了进一步促进数据移动性，某机构还为 Databricks Unity Catalog、Snowflake Polaris 和 AWS Glue 引入了双向联合功能，以打破专有数据孤岛。它还解除了其 Spanner Omni 数据库的锁定，使其能够在本地或竞争对手的云中运行。

图片：SiliconANGLE/GeminiFINISHED