# 策展 · X (Twitter) 🔥🔥

> 📖 本站完整內容索引（documentation index）：[llms.txt](/llms.txt)

> 作者：Google Cloud Tech (@GoogleCloudTech) · 平台：X (Twitter) · 日期：2026-06-12

> 原始來源：https://x.com/GoogleCloudTech/status/2065141979399287074

## 中文摘要

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：
1. **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。
2. **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。
3. **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。
4. **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。

<video src="https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/1781226360059-qvepkp4p.mp4" poster="https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/90f810d0911f765e.jpg" controls playsinline preload="metadata" style="max-width:100%;height:auto;display:block;margin:1rem 0"></video>
> 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。

## 媒體內容

**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

## 標籤

Agent, 新產品, 自動化, Google, Google Cloud