Google为Gemini推出Data Cloud连接器，支持对话式查询企业数据

数据分析

通过 Agentic Data Cloud 连接器为 Gemini 带来对话式分析

2026年11月6日

Leigha Reid

Data Cloud 高级产品经理

Mohsin Imam

Data Cloud 高级产品经理

Gemini 中的 Data Cloud 连接器现已面向企业开放预览版，为业务用户和分析师提供了一种直接用自然语言查询实时企业数据的方式。在大多数组织中，数据问题的增长速度超过了分析师回答问题的速度：项目在工单队列中停滞，领导者只能依赖猜测，未受管理的电子表格在各团队之间蔓延。早期的生成式 AI 工具承诺提供对话式数据访问，但它们往往难以在复杂架构上生成准确的 SQL，也难以遵守治理规则。Data Cloud 连接器让你可以直接从工作区中查询受治理的数据，同时强制执行行级和列级安全，并遵循最终用户凭据。

查询企业数据的新方式

Gemini 通过两种途径将对话式分析直接引入你的日常工作流程：对话式分析智能体，你可以创建包含上下文和指令的数据智能体，以便有效回答特定用例的问题；以及Data Cloud 连接器，允许你直接用 Gemini 查询实时数据。最终用户可以直接从BigQuery（预览版）、运营数据库（如Spanner、AlloyDB和Cloud SQL（预览版））以及来自Looker（预览版）的受治理数据中提取数据。随后，你可以将查询结果直接移入日常工具，例如将查询结果转为 Google 文档、Gmail 邮件草稿或 Google 幻灯片演示文稿。

使用 Data Cloud 连接器跨企业数据提出自然语言问题。

Data Cloud 连接器的工作原理

Data Cloud 连接器与Knowledge Catalog协同工作，以定位相关数据、解释你的问题，并以你的身份执行权限范围内的查询。

Knowledge Catalog 解释用户提示并确定适合该查询的数据源。

当你在 Gemini 中提问时，系统会利用以下能力协调数据发现、语义解释和查询执行：

1. 自然语言问题：你以通俗语言提出探索性问题（例如，“本月我们所有寒冷天气产品的销量是多少？”）。不要求最终用户知道要使用哪张表或哪个项目。
2. 语义发现：Gemini 搜索 Knowledge Catalog，以在你的数据资产中定位候选数据，并考虑使用模式等关键属性。
3. 上下文映射：系统使用技术元数据、业务词汇表和语义模型将日常用语映射到确切的数据库结构，例如将“寒冷天气产品”解析为电子商务目录中的毛衣、外套和夹克等特定类别。
4. 权限感知执行：Gemini 生成 SQL 查询，并通过连接器以你的用户凭据运行该查询，遵循你现有的行级和列级数据库权限。

从 Gemini 用户提示到查询执行的分步流程。

为了准确导航企业数据资产，语言模型需要在原始数据库访问之外获得业务上下文。Knowledge Catalog 提供精选上下文包，其中包括技术元数据、业务逻辑、表关系和已验证查询，可提高查询准确性，同时降低延迟和 token 消耗。

在 Knowledge Catalog 中以可视化方式浏览上下文图。

企业分析长期以来因物理边界而碎片化：数据被锁定在专有孤岛中，开放湖仓表位于云对象存储中，数据集分散在多云环境中。除原生 BigQuery 存储之外，BigQuery 连接器还将对话式分析带到无边界湖仓，将这些环境统一到单个对话式界面中，以便使用 BigQuery 查询开放表格式（包括 Apache Iceberg、Delta Lake 和 Parquet）以及 AWS 或 Azure 中的跨云数据集。该连接器继承 BigQuery 和 Knowledge Catalog 的精细访问策略，因此无论你查询原生表还是开放湖仓文件，行级和列级访问控制都会生效。

Gemini 跨 BigQuery 和 AWS S3（通过 AWS Glue 联合目录）访问数据，以通俗语言回答问题。

在连接器与数据智能体之间选择

除了使用直接的Data Cloud 连接器以通俗语言查询数据之外，你还可以使用对话式分析智能体来支持这些体验。Data Cloud 连接器允许你为用户提供探索性和临时分析，而对话式分析智能体则是由你组织内的数据团队直接构建并认证的作用域受限智能体。这些智能体可以跨 Data Cloud 产品构建，例如 BigQuery、Looker，以及包括 Spanner、AlloyDB 和 Cloud SQL 在内的运营数据库。

这些预配置智能体允许用户运行高度受治理、多步骤的战略分析，这些分析的作用域限定于特定数据子集，从而支持合规要求并提供可预测的报告结果。这些数据智能体还可以发布到 Gemini 中供使用，或通过 API 提供，以便在企业中构建你自己的对话式应用。

这些方法是互补的。Gemini 直连还会呈现由中央数据团队创建的相关已发布代理，因此用户可以决定是使用连接器进行临时分析，还是使用限定范围的代理。你可以为每个工作负载选择合适的方案。

内置访问控制与治理

Data Cloud 连接器查询以最终用户的身份执行。无权访问高管薪资数据或受保护医疗记录的员工无法通过自然语言提示查询这些数据。该代理只会在 Knowledge Catalog 中发现你有权访问的元数据，并且只执行你的账户有权限运行的查询。

如何创建 Data Cloud 连接器

管理员可以在 Gemini 管理控制台中配置 Data Cloud 连接器。在那里，管理员可以设置到 BigQuery、运营数据库或 Looker 中数据集的默认只读连接，并自动启用 Knowledge Catalog。配置完成后，最终用户可以在 Gemini 中启用该连接器，开始用自然语言查询数据并构建报告。

在 Gemini 中创建连接的数据存储，并在首次使用时对其进行授权。

以下连接器提供了设置文档： BigQuery、 Spanner、 Cloud SQL 以及 AlloyDB for PostgreSQL 连接器，Looker 也处于预览阶段。

与将数据复制到 Gemini 数据存储的数据摄取模式不同，Data Cloud 连接器使用联邦查询模式，在不复制或索引数据的情况下就地查询你的数据——自动使用 Knowledge Catalog 搜索可访问的元数据并查找业务上下文。

相比自定义 MCP，为何使用 Data Cloud 连接器

与连接到公共或自管理的 Model Context Protocol (MCP) 服务器相比，第一方 Data Cloud 连接器提供两大优势：

1. 内置技能可提升响应质量： Data Cloud 连接器包含针对每种数据引擎量身定制的预配置代理技能，例如为 BigQuery 和运营数据库提供高级 SQL 和 AI 函数生成，从而提高查询准确性和响应质量。
2. 引导式设置与托管身份验证：第一方连接器为 Google Cloud 数据库和 BigQuery 提供带有托管身份验证的引导式设置体验，无需部署 MCP 中间件或自行管理 Google Cloud 服务的 OAuth 客户端配置。此外，连接器专属设置（例如为 BigQuery 查询执行指定默认 Google Cloud 结算项目）可帮助管理员执行治理并管理查询成本。

立即开始使用

Data Cloud 连接器可帮助团队从企业数据源中获取答案，无需等待积压队列。要开始使用，请查看 Data Cloud 连接器文档 或探索 Conversational Analytics 代理。

发布于

• 数据分析
• BigQuery
• 数据库
• AI 与机器学习