@GoogleCloudTech：Google Cloud 推出 Data Agent Kit 實現 Agentic 開發。 Google Cloud 此次發布的 Data Agent K…

Google Cloud 推出 Data Agent Kit 實現 Agentic 開發。 Google Cloud 此次發布的 Data Agent Kit，核心目標在於解決當前 Agent 開發中資料存取破碎、安全性風險以及開發體驗不佳的問題。透過將企業資料與 Agent 的上下文（context）、記憶與個人化需求進行整合，該工具集提供了一個全面的 harness，讓開發者能從手動撰寫程式碼轉向以「意圖驅動」的開發模式，減少因手動貼上大量 Schema metadata 造成的 token 浪費與延遲。 核心功能與技術架構 Agentic skill：提供預先編碼的路徑，涵蓋查詢最佳化、機器學習最佳實踐、資料驗證、資料漂移檢測、治理及除錯。 Model Context Protocol (MCP) 工具：建立 Agent 工作流與 BigQuery、AlloyDB 及 Google Cloud Storage 等雲端資料平台間的安全連結，無需管理複雜的管線程式碼。 統一介面：將資料探索、轉換、排程管線與工作整合至單一視窗，並具備智慧路由功能，可自動選擇最適合的運算引擎（如 BigQuery 或 Spark）。 自然語言互動：內建 Gemini 技術，支援透過自然語言查詢、分析並視覺化資料集。 實際應用與操作流程 Data Agent Kit 支援快速部署，使用者可透過 IDE 市集或 GitHub 專案進行安裝。以詐欺偵測模型開發為例，其自動化流程如下： 初始化：在 IDE 中搜尋並安裝「Google Cloud Data Agent Kit」，透過 IAM 完成身分驗證，即可在 workspace 中存取雲端資料資產。 意圖驅動開發：直接向編碼助理（如 Claude Code）描述目標，系統會自動規劃從資料探索到模型推論的完整生命週期。 管線執行：系統自動執行資料清理（如去重、過濾無效 ID）、標準化、資料合併（Join）並寫入 Iceberg 資料表。 智慧故障排除：若管線失敗，系統會自動進行根因分析、草擬修復方案並透過 Git 工作流部署修正。 透過 Google Cloud Data Agent Kit 整合 Gemini 進行 BigQuery 資料分析與視覺化操作示範。 此外，透過視覺化操作示範（如分析世界盃進球數據），Data Agent Kit 能自動產生 Python 程式碼並呼叫 BigQuery 進行分析，快速產出如「Top Scorers」與「Top Scoring Teams」等統計圖表，大幅縮短從資料探索到產出洞察的時間。目前該工具集已開放預覽，開發者可透過 VS Code Marketplace 或相關 CLI 工具開始使用。透過 Google Cloud Data Agent Kit 整合 Gemini 進行 BigQuery 資料分析與視覺化操作示範。 影片中的 Prompt 與操作：Prompt（00:19）： 在 BigQuery 中找到我的世界盃進球資料表，並產生一個筆記本來分析頂尖得分球員與隊伍。 使用 Python 進行分析，並讓 Matplotlib 圖表看起來美觀。原文：Find my World Cup goals table in BigQuery and generate a notebook to analyze top scorers and teams. Use Python for the analysis and make the Matplotlib charts look nice.操作步驟： 1. （00:02）點擊 Universal Search 並輸入搜尋關鍵字 2. （00:06）選擇 world_cup_goals 資料表 3. （00:18）開啟 Open Agent Manager 對話框 4. （00:19）輸入分析指令並送出 5. （00:35）執行 Python 程式碼區塊 6. （00:43）顯示進球球員排行榜圖表 7. （00:49）顯示各國進球數排行榜圖表原文：https://easyvibecoding.app/curated/1909