Google hat am Mittwoch sein Portfolio von AI-Agenten erheblich erweitert und einen leistungsstarken neuen KI-Coding-Teamkollege für Entwickler und eine Reihe von vier spezialisierten Agenten für Datenfachleute auf den Markt gebracht. Das Unternehmen führte Gemini Cli Github-Aktionen ein, ein kostenloses Tool, das Codierungsaufgaben direkt innerhalb von Repositories automatisiert. target=”_ leer”> Datenpipelines erstellen, die Datenwissenschaft beschleunigen und Konversationsanalysen aktivieren . Diese Starts fördern die Strategie von Google, ein”Agentenunternehmen”zu erstellen. Der Umzug wird von Google als Teil einer „Agentenverschiebung“ eingerahmt, um ein Unternehmen zu erstellen, in dem KI-Agenten komplexe Workflows automatisieren und über einfache Assistenten hinausgehen.
An AI Teammate in Your GitHub Repository
Building on its popular open-source Gemini CLI released in June, Google has now launched Gemini Cli Github-Aktionen , ein leistungsstarker und kostspieliger KI-Codierungsteamkollege. In einem Umzug aus seinen eigenen Entwicklungsbedürfnissen erweitert Google seine KI-Funktionen direkt in das Herz der Teamzusammenarbeit. Autonomer Agent für Routineaufgaben und ein On-Demand-Mitarbeiter für bestimmte Anfragen. Im Gegensatz zum ursprünglichen Befehlszeilen-Tool für individuelle Verwendung wird Gemini Cli Github-Aktionen für die Plattformen erstellt, auf denen Entwicklungsteams zusammenarbeiten. Laut Google kennt der Agent „Ihren Code, versteht, was Sie tun möchten, und erledigt es“, ein Versprechen, das auf die Verringerung der Entwicklungsreibung abzielt. Die erste Release wird mit drei Kern-Open-Source-Workflows ausgeliefert, mit denen der Overhead die modernen Softwareprojekte verlangsamt werden können. Ein zweiter Workflow bietet „beschleunigte Pull-Request-Bewertungen“, die sofortige und aufschlussreiche Feedback zu Codeänderungen für Qualität, Stil und Richtigkeit geben. Dadurch konzentrieren sich die menschlichen Rezensenten darauf, sich auf komplexere architektonische Entscheidungen zu konzentrieren. Indem Entwickler lediglich @Gemini-Cli in jeder Ausgabe oder in der Anfrage erwähnt werden, können Entwickler spezifische Arbeiten delegieren. Dies beinhaltet das Unterrichten des Agenten,”Tests für diesen Fehler zu schreiben”,”die oben genannten Änderungen implementieren”oder sogar”diesen gut definierten Fehler zu beheben”. codieren. href=”https://cloud.google.com/blog/products/data-analytics/new-agents-and-ai-foundations-for-data-teams”target=”_ leer”> Wie Datenfachleute funktionieren . Dies signalisiert einen Schritt, um die gleichen Agentenfunktionen aus der Entwicklerwelt in den Kern von Business Intelligence und Analytics zu bringen und das zu erstellen, was Google als neue „Belegschaft von speziellen AI-Agenten“ als Expertenpartner für jeden Datenbenutzer entwickelt hat. Anstatt jeden Schritt manuell zu skriptieren, können Benutzer nun ein Ziel in einfachem Englisch beschreiben, z. B.”Erstellen Sie eine Pipeline, um eine CSV-Datei zu laden, diese Spalten zu reinigen und sie mit einer anderen Tabelle zu verbinden”. Der Agent generiert und orchestriert dann den gesamten Workflow, von Datenaufnahme bis hin zu Transformationen und Qualitätsprüfungen. Dieser von Gemini angetriebene Agent kann ganze autonome analytische Workflows auslösen, einschließlich explorativer Datenanalysen, Datenreinigung und Vorhersagen für maschinelles Lernen. Es arbeitet als kollaborativer Partner, erstellt einen Plan, führt Code aus, Argumentation über die Ergebnisse und präsentiert seine Ergebnisse für das Feedback der Benutzer. Src=”Daten: Bild/SVG+XML; Nitro-Treppy-ID=Mty0nzozmji=-1; Base64, Phn2zyb2AWV3QM94psiwidagmti4mca1oduii Hdpzhropsixmjgwiibozwlnahq9iju4nSIGEG1SBNM9IMH0DHA6LY93D3CUDZMUB3JNLZIWMDAVC3ZNIJ48L3N2ZZ4=”> Google Data Science Agent
Für Geschäftsanwender und-analysten erhält der vorhandene Konversationsanalyse-Agent ein großes Upgrade mit einem neuen -Codendolter . Diese Funktion wurde in Zusammenarbeit mit Google DeepMind entwickelt und befasst sich mit kritischen Fragen, die über die Grenzen der einfachen SQL hinausgehen. Als der Agent gebeten wurde, eine komplexe Aufgabe wie eine Kundensegmentierungsanalyse auszuführen, übersetzt er die natürliche Sprachabfrage in ausführbare Python-Code und liefert einen vollständigen analytischen Fluss mit generierten Code, natürlichen Spracherklärungen und interaktiven Visualisierungen. src=”Daten: Bild/SVG+XML; Nitro-Treppy-ID=Mty0Otozmza=-1; Base64, Phn2zyb2AWV3QM94psiwidagmti4mca3mjaii Hdpzhropsixmjgwiibozwlnahq9ijcymcig1sbnm9imh0dha6ly93d3cudzMub3jnlZiwmdavc3znij48l3n2zz4=”> Google Code Interpreter Agent
Schließlich einbettet Google AI-Argumentation direkt in seine Abfrage-Engine mit dem neuen AI-Abfrage-Engine in BigQuery. Auf diese Weise können alle Datenpraktiker KI-angetriebene Berechnungen sowohl für strukturierte als auch für unstrukturierte Daten aus der Datenbank selbst durchführen. Diese Fähigkeit ermöglicht es, subjektive Fragen direkt in SQL zu stellen, z. B.”Welche dieser Kundenbewertungen klingen am frustriertesten?”Diese Vision erstreckt sich über Erstanbieter-Tools hinaus, da Google Komponenten für Entwickler zur Verfügung stellt, um eigene Systeme zu erstellen. MCP-Server. Diese zusammen mit dem Agentenentwicklungskit erlauben Entwicklern, dass sie benutzerdefinierte Agenten erforschen. Tools haben eine robuste Sicherheit. Gemini CLI Github-Aktionen unterstützt die Authentifizierung von Anmeldeinformationen ohne Workload Identity Federation (WIF) . Dies eliminiert langlebige API-Schlüssel und verringert die Sicherheitsrisiken. Administratoren erhalten mehrschichtige Kontrollpersonen, einschließlich Befehl zuzulassen . target=”_ leer”> Integriert sich in Opentelemetry für die volle Beobachtbarkeit. Auf diese Weise können Organisationen Protokolle und Metriken streamen und in jeder Aktion, die der AI-Agent ausübt, Echtzeit-Sichtbarkeit bietet. Dieses Ökosystem basiert auf einer einheitlichen Datenstiftung, die durch Tools wie die Blanko-Blanko-Blanker”>-Blade”>-Blade”>-Blade”>-Blade”>-Schnnner-Säulen-Säulen-Säulen-Säulen-Säulen-Säulen-Säulen-Engine-Motor .