Google Cloud presentó recientemente cinco agentes de IA especializados diseñados para optimizar los flujos de trabajo de los desarrolladores, reduciendo el esfuerzo manual, acelerando el análisis y reducir la barrera de los datos avanzados y la automatización de códigos. Cada agente aborda un desafío de desarrollador distinto, desde la orquestación de la tubería de datos hasta la gestión de GitHub de grado empresarial. Aquí hay una mirada detallada de lo que hacen estos agentes, sus fundamentos técnicos y cómo encajan en los ecosistemas modernos de nubes nativas y DevOps.
1. Agente de datos BigQuery
El agente de datos BigQuery aporta la automatización del idioma natural a la creación y gestión de la tubería de datos dentro de la plataforma BigQuery de Google. Este agente está dirigido a ingenieros de datos y analistas que desean centrarse en las ideas en lugar de la plomería de datos de la repetición.
Capacidades clave:
- Ingestión de datos automatizada: Construye y administra tuberías de datos de fuentes como Google Cloud Storage con indicaciones simples, reduciendo la necesidad de scripts ETL personalizados.
- Calidad de datos de código cero: Mantiene la calidad y la consistencia de los datos a través de controles y transformaciones impulsadas por la IA, no se requiere codificación a mano.
- Preparación de datos asistidos por AI: Automatiza la limpieza de datos, la generación de metadatos y la evolución del esquema, que respalda los datos estructurados y no estructurados.
- Interfaz conversacional: Los desarrolladores pueden describir la lógica de tuberías en lenguaje natural, y el agente genera y optimiza el SQL o marcos de datos necesarios.
Fundación técnica:
Construido en Gemini, el agente aprovecha el reconocimiento de la intención y la generación de códigos, con una estrecha integración en el motor de conocimiento de BigQuery para el descubrimiento de datos y el linaje de los metadatos.
2. Agente de cuaderno (cuaderno para la empresa)
El agente del cuaderno, disponible como cuaderno de cuaderno para Enterprise, Notebooks BigQuery de sobrealimentaciones con análisis y construcción de modelos de extremo a extremo.
Capacidades clave:
- EDA e Ingeniería de características: Ejecuta el análisis de datos exploratorios (EDA) e ingeniería de características a través de indicaciones de conversación, automatizando flujos de trabajo de ciencia de datos tediosos.
- MarMlESS ML Predicciones: Genera predicciones y modelos directamente dentro de los cuadernos, minimizando el código de la formación de calderas y el ajuste manual.
- Bases de conocimiento curadas: Organiza y sintetiza la investigación, la documentación y los conjuntos de datos en cuadernos reutilizables e interactivos para equipos.
- Síntesis de contenido: Resume los hallazgos, genera preguntas frecuentes e incluso puede producir resúmenes de audio para el consumo asincrónico.
Fundación técnica:
Notebooklm Enterprise es distinto del producto general de cuaderno: se integra en cuadernos BigQuery, utiliza un control basado en el aviso y se rige estrechamente para la seguridad y la colaboración empresarial.
3. Asistente de código de aspecto
El asistente de código de Looker incorpora la IA generativa directamente en la exploración de datos de Looker y la plataforma BI, haciendo que el análisis sea accesible para usuarios no técnicos sin sacrificar la energía.
Capacidades clave:
- Consultas del lenguaje natural: Los usuarios hacen preguntas en inglés simple y reciben visualizaciones, código de python o gráficos interactivos como salida.
- Visualización personalizada y lookml: Genera opciones de formato SIGHML y JSON a partir de indicaciones, acelerando el desarrollo del tablero.
- Ideas proactivas: Explica la metodología de análisis y sugiere preguntas de seguimiento, mejorando la confianza y la accesibilidad.
- Conciencia del contexto de datos: Utiliza la capa semántica de Looker para garantizar que las consultas sean precisas y relevantes para las definiciones comerciales.
Fundación técnica:
Impulsado por la API de Explore de Gemini y Looker, el asistente traduce el lenguaje natural en consultas de Looker optimizadas, SQL y código visual, lo que alcanza la brecha entre los usuarios comerciales y los equipos de análisis.
4. Agente de migración de base de datos
El agente de migración de la base de datos (DMS con Gemini Assist) simplifica y acelera la transición de las bases de datos heredadas (por ejemplo, MySQL, Oracle, SQL Servidor) A bases de datos de Google Cloud modernas y escalables como Spanner, Cloud SQL y AlloyDB.
Capacidades clave:
- Esquema y conversión de código a IA: Revisa y convierte procedimientos almacenados, funciones y esquemas en formatos nativos de nube, reduciendo el esfuerzo manual y el riesgo de migración.
- Tiempo de inactividad mínimo: Aprovecha la replicación continua para el tiempo de inactividad cercano a cero durante la migración.
- Migraciones explicables: Proporciona comparaciones de lado a lado de código de legado y objetivo, con explicaciones detalladas para los desarrolladores.
- Operación sin servidor: Gestionado por completo por Google Cloud, sin necesidad de aprovisionamiento de infraestructura.
Fundación técnica:
El agente usa Gemini para comprender y traducir la lógica de la base de datos, valida los resultados de la migración y guía a los usuarios a través de cada paso del proceso.
5. Agente de Github (Gemini Cli Github Actions)
Gemini Cli Github Actions es un agente de IA autónomo y de código abierto que sobrealimenta los flujos de trabajo GitHub al automatizar las tareas de administración de repositorio de rutina.
Capacidades clave:
- Emisión de triaje: Etiqueta, prioriza y rutiza automáticamente los problemas de GitHub en función del contenido y el contexto del proyecto.
- Revisión de la solicitud de extracción: Revisa los cambios en el código, sugiere mejoras y proporciona comentarios instantáneos, reduciendo las cargas de revisión del código manual.
- Colaboración a pedido: Los desarrolladores pueden delegar tareas etiquetando al agente en problemas o PRS (por ejemplo, “Escribir pruebas para este error”).
- Flujos de trabajo personalizables: Se envía con flujos de trabajo predeterminados, pero es completamente abierto y es extensible para las necesidades específicas del equipo.
Fundación técnica:
Construido en Gemini CLI, el agente ejecuta asincrónicamente en respuesta a los eventos de GitHub, utiliza el contexto del proyecto para acciones precisas y se integra directamente en las tuberías de acciones de GitHub.
Tabla de resumen: los nuevos agentes de IA de Google para desarrolladores
| Nombre del agente | Función central | Características clave | Usuarios objetivo | Fundación técnica |
|---|---|---|---|---|
| Agente de datos BigQuery | Automatización de la tubería de datos | Ingestión, calidad, metadatos, interfaz NL | Ingenieros de datos, analistas | Géminis, motor BigQuery |
| Agente de cuaderno | Análisis de cuaderno de extremo a extremo | EDA, Ingeniería de características, ML, Síntesis de conocimiento | Científicos de datos, ingenieros | Notebooklm, BigQuery |
| Asistente de código de aspecto | Análisis de conversación y bi | Consultas de NL, visualización, generación de códigos, IA explicable | Analistas, usuarios comerciales | Géminis, API Looker |
| Agente de migración de base de datos | Legacy DB → Migración en la nube | Conversión de esquema/código, validación, tiempo de inactividad mínimo | Administradores de DB, DevOps | Géminis, DMS |
| Agente de Github (Géminis CLI) | Automatización de repo de Github | Emisión de triaje, revisión de relaciones públicas, delegación de tareas, flujos de trabajo de código abierto | Desarrolladores, DevOps | Géminis cli, Github |
Resumen
Estos agentes representan un salto significativo hacia Herramientas de desarrollador autónomo-Donde las tareas repetitivas propensas a errores son manejadas por AI, liberando a los desarrolladores para centrarse en la innovación y la lógica de negocios. Bajen el piso técnico para el análisis, la migración y la colaboración, al tiempo que mantienen (o incluso elevan) el techo de lo que es posible con los datos y el código a escala de la nube.
Este artículo está inspirado de este Publicación de LinkedIn. No dude en ver nuestro Página de Github para tutoriales, códigos y cuadernos. Además, siéntete libre de seguirnos Gorjeo Y no olvides unirte a nuestro Subreddit de 100k+ ml y suscribirse a Nuestro boletín.
Asif Razzaq es el CEO de MarktechPost Media Inc .. Como empresario e ingeniero visionario, ASIF se compromete a aprovechar el potencial de la inteligencia artificial para el bien social. Su esfuerzo más reciente es el lanzamiento de una plataforma de medios de inteligencia artificial, MarktechPost, que se destaca por su cobertura profunda de noticias de aprendizaje automático y de aprendizaje profundo que es técnicamente sólido y fácilmente comprensible por una audiencia amplia. La plataforma cuenta con más de 2 millones de vistas mensuales, ilustrando su popularidad entre el público.