Gemini Enterprise Data Cloud 連接器可讓您將 Gemini Enterprise 應用程式直接連結至 Google Cloud 分析和作業資料來源。可用的 Data Cloud 連接器如下：
- BigQuery (提供資料擷取模式和聯合查詢模式 (預先發布版))
- Spanner (適用於資料擷取模式和聯合查詢模式 (預先發布版))
- Cloud SQL (適用於資料擷取模式和聯合查詢模式 (預先發布版))
- AlloyDB for PostgreSQL (提供資料擷取模式和聯合查詢模式 (預先發布版))
在聯合查詢模式中連結 BigQuery、Spanner、Cloud SQL 或 AlloyDB for PostgreSQL 資料儲存庫時，Gemini Enterprise 應用程式的「Assistant」分頁會自動啟用 Knowledge Catalog (預先發布版)，而非做為獨立資料儲存庫，為代理提供工具，搜尋使用者有權存取的資料並查詢背景資訊。
用途
Data Cloud 連接器專為對話式數據分析打造，可讓企業使用者和分析師以自然語言提問、探索資料，並在 Gemini Enterprise 應用程式中生成洞察資料。使用案例範例包括：
- BigQuery 數據分析：使用自然語言提示，查詢及分析 BigQuery 中或可由 BigQuery 擷取的結構化資料。
- 即時營運資料庫洞察 (Spanner、Cloud SQL 和 AlloyDB for PostgreSQL)：在關聯式和分散式資料庫中，執行即時分析查詢和授權資料庫作業。
Data Cloud 連接器的運作方式
在資料擷取模式下，Data Cloud 連接器會將資料從資料來源複製到 Gemini Enterprise 資料儲存庫。
在聯合查詢模式下，Data Cloud 連接器會直接查詢資料，不會複製或建立索引至 Gemini Enterprise 資料儲存庫：
- Model Context Protocol (MCP) 和個別使用者驗證：每個 Data Cloud 連接器都由第一方 (1P) MCP 伺服器提供。使用者提問時，Gemini Enterprise 會使用使用者自己的憑證 (Identity and Access Management (IAM) 權限或 OAuth 2.1) 驗證要求，並直接對基礎資料來源執行查詢。
- 使用 Knowledge Catalog 進行語意探索和背景資訊擷取：使用者提出資料問題時，Gemini Enterprise 根代理會使用內建的 Knowledge Catalog 工具，搜尋使用者有權存取的資料資產，並查詢背景資訊，包括相關資料表、結構定義、組織詞彙字詞和充實的中繼資料 (衍生自技術中繼資料、歷史查詢模式和 LLM 推論)。
- 即時查詢制定與執行：代理會使用從 Knowledge Catalog 擷取的結構定義和業務背景資訊，制定 SQL 查詢，並叫用連接器的 MCP 工具，傳回受控管的即時結果。
第一方 Data Cloud 連接器與自訂 MCP 伺服器的比較
相較於使用一般自訂 MCP 伺服器資料儲存庫，連線至公開或自行管理的 MCP 伺服器，第一方 Data Cloud 連接器具有下列優勢：
- 內建技能，提升回覆品質：第一方連接器包含預先設定的代理技能，可根據各個資料引擎量身打造，例如 BigQuery 和資料庫的進階 SQL 和 AI 函式生成，提升查詢準確度和回覆品質。
- 簡化設定和代管驗證：第一方連接器提供引導式設定體驗，並為Google Cloud 資料庫和 BigQuery 提供代管驗證，因此您不必部署 MCP 中介軟體，或自行管理Google Cloud 服務的 OAuth 用戶端設定。此外，連接器專屬設定 (例如明確指定 BigQuery 查詢執行的預設 Google Cloud 計費專案) 可協助管理員強制執行治理措施及管理查詢費用。
Data Cloud 連接器與對話式數據分析資料代理的使用時機
您可以透過 Data Cloud 連接器 (直接在 Gemini Enterprise 中建立低摩擦、廣泛存取的連線)，或對話式數據分析資料代理 (專為特定領域打造的專家，可針對精選資料集提供高準確度的分析)，將資料連結至 Gemini Enterprise。
下表比較這兩種方法，協助您根據用途選擇合適的方法：
| 特性 | Data Cloud 連接器 | 對話式數據分析資料代理 |
|---|---|---|
| 適用情境 | 直接在 Gemini Enterprise 中，輕鬆存取多個資料庫、資料倉儲和商業智慧來源的廣泛資料，不必事先整理結構定義。 | 精選的特定領域數據分析，其中查詢準確度至關重要，且專屬專家代理需要嚴格、確定性的範圍，才能存取特定資料。 |
| 查詢準確度和驗證 | 使用目錄中繼資料和一般技能，在廣泛的結構定義中動態制定查詢。如果沒有明確的資料表範圍或經過驗證的查詢，複雜或正規化的關聯式資料庫結構定義，可能會影響查詢準確度。 | 使用精選結構定義、聚焦資料表和資料欄範圍，以及已驗證的查詢 (黃金 SQL)，在指定資料集提供高準確度的查詢和確定性結果。 |
| 資源範圍 | 廣泛存取權：可存取連結資料來源中，經過驗證的使用者有權查詢的所有資源 (由 Knowledge Catalog 和技能引導)。 | 確定性範圍：確定性地將代理限制在特定一組預先選取的資料集或資料表。 |
| 多來源查詢和背景資訊 | 可在單一對話中，彙整及查詢多個連結的資料來源；Gemini Enterprise 根代理會保留整個對話和所有 Gemini Enterprise 體驗 (對話、提示、代理和工作流程設計工具，以及專案) 的完整脈絡。 | 每個資料代理只能使用單一資料來源 (例如 BigQuery 資料代理只能查詢 BigQuery)；使用者必須自行尋找並轉接至特定代理，且子代理交接時可能無法保留完整的根對話內容。 |
| 設定與維護 | 快速設定：每種資料來源類型設定一個連接器，即可立即提供所有使用者可存取的資料，不需手動整理結構定義。 | 前期管理權衡：需要選取資料表、定義指標和 KPI，以及編寫經過驗證的查詢。這種預先整理的做法可確保查詢結果確定且可靠。 |
| 效能和計費注意事項 | 在龐大的資料資產中探索資料表，可能會增加延遲時間，且必須仰賴妥善維護的中繼資料和技能，才能確保準確度。 | 使用特定領域的背景資訊，可提高目標工作負載的準確度，但對話式數據分析資料代理會產生資料權杖費用。 |
建立及發布對話式數據分析資料代理
如要提高關聯式資料庫和指定業務指標的查詢準確度，您可以建立範圍限定的對話式數據分析資料代理，並發布至 Gemini Enterprise：
- 將 Spanner 資料代理發布至 Gemini Enterprise
- 將 Cloud SQL 資料代理發布至 Gemini Enterprise
- 將 AlloyDB for PostgreSQL 資料代理發布至 Gemini Enterprise
- BigQuery 中的對話式數據分析
限制
- 建立新應用程式或將資料儲存庫新增至現有應用程式時，建議只將一個資料儲存庫與屬於單一連接器類型的動作建立關聯。
- 關聯式資料庫的聯合查詢沒有資料表範圍或已驗證的查詢。複雜的交易資料庫 (例如 AlloyDB for PostgreSQL、Cloud SQL、Spanner) 結構定義，可能會影響查詢準確度。
後續步驟
- 如要瞭解內建數據分析工具的運作方式，以及如何透過技能和 Knowledge Catalog 提供組織背景資訊，請參閱「使用對話式數據分析的 Data Cloud 連接器最佳做法」。
- 如要瞭解支援的安全控管機制 (DRZ、CMEK 和 VPC Service Controls) 和組織政策設定，請參閱「保護 Data Cloud 連接器」。
- 如要瞭解 Knowledge Catalog 如何與 Data Cloud 連接器搭配運作，以及如何在應用程式的助理設定中管理 Knowledge Catalog，請參閱「連線至 Knowledge Catalog」。
- 如要建立及設定 BigQuery 連接器，請參閱「連線至 BigQuery」。
- 如要建立及設定 Spanner 連接器，請參閱「連線至 Spanner」。
- 如要使用 Cloud SQL 建立及設定連接器，請參閱「連線至 Cloud SQL」。
- 如要使用 AlloyDB for PostgreSQL 建立及設定連接器，請參閱「連線至 AlloyDB for PostgreSQL」。