Google w środę znacznie rozszerzył swoje portfolio agentów AI, wprowadzając nowej koleżanki z zespołu kodowania AI dla programistów i pakiet czterech wyspecjalizowanych agentów dla specjalistów danych. Firma wprowadziła Gemini CLI Github Actions, bezpłatne narzędzie, które automatyzuje zadania kodowania bezpośrednio w repozytoriach.
Jednocześnie Google zaprezentował nowych agentów dla chmury danych zaprojektowanych do Buduj rurociągi danych, przyspieszaj nauki o danych i włącz analizy konwersacyjne . Te uruchamiają strategię Google, aby stworzyć „Agentic Enterprise”.
To podwójne ogłoszenie podkreśla wyraźne strategiczne dążenie do osadzania wyspecjalizowanych, autonomicznych sztucznej inteligencji w całym ekosystemie chmury i programistów. Ruch ten jest oprawiony przez Google w ramach „przesunięcia agencyjnego”, aby stworzyć przedsiębiorstwo, w którym agenci AI automatyzują złożone przepływy pracy, wykraczając poza prostych asystentów.
kolega z drużyny AI w repozytorium Github
Opierając się na popularnym open source Gemini CLI wydanym w czerwcu, Google uruchomił teraz , potężny i bezdaniowy kolega z kodowania AI. W ruchu zrodzonym z własnych potrzeb programistycznych Google rozszerza swoje możliwości AI bezpośrednio na serce współpracy zespołowej.
Narzędzie, teraz dostępne w beta na
Wywołane przez zdarzenia takie jak nowe problemy lub żądania ciągnięcia, agent działa asynchronicznie w tle, wykorzystując pełny kontekst projektu do automatycznego obsługi zadań. Według Google agent „zna twój kod, rozumie, co chcesz zrobić, i robi to”, obietnica mowa mającą na celu znacznie zmniejszenie tarcia rozwojowego. Początkowe wydanie jest dostarczane z trzema podstawowymi przepływami pracy open source zaprojektowanych w celu zautomatyzowania kosztów ogólnych, które mogą spowolnić nowoczesne projekty oprogramowania. Pierwszy przepływ pracy, „Inteligentny Triage Issue”, automatyzuje zarządzanie nowymi problemami poprzez analizę, etykietowanie i ustalanie priorytetów, aby pomóc zespołom skupić się na tym, co najważniejsze. Drugi przepływ pracy zawiera „Przyspieszone recenzje żądania Pull”, dając natychmiastowe i wnikliwe informacje zwrotne na temat zmian kodu dla jakości, stylu i poprawności. To uwalnia ludzkich recenzentów, aby skoncentrować się na bardziej złożonych decyzjach architektonicznych. Trzecią i najbardziej interaktywną cechą jest „współpraca na żądanie”. Wspominając po prostu @gemini-cli w dowolnym numerze lub żądanie pociągnięcia, programiści mogą delegować określone prace. Obejmuje to instruowanie agenta, aby „pisali testy dla tego błędu”, „Wdrożyć zmiany sugerowane powyżej”, a nawet „naprawić ten dobrze zdefiniowany błąd.” Ta funkcja bezpośrednio jest zgodna z trendem kodowania atmosfery, które nie wyobrażali sobie, że nawet profesjonalni deweloperzy… VP dewelopera X, zauważył wcześniej „wydał”. Kodowanie.” Równolegle, Google wprowadził nowy pakiet czterech wyspecjalizowanych agentów do swojej chmury danych, mający na celu przekształcenie Jak pracują specjaliści danych . Sygnalizuje to ruch w celu wprowadzenia tych samych możliwości agencyjnych ze świata programistów do rdzenia inteligencji biznesowej i analityki, tworząc to, co Google nazywa nową „pracownikami specjalistycznych agentów sztucznej inteligencji”, zaprojektowanej jako partnerzy ekspertów dla każdego użytkownika danych. Dla inżynierów danych, Google wprowadza Agent inżynierii danych w dużych zautomatyzowanie tworzenia złożonych potoków. Zamiast ręcznego pisania każdego kroku użytkownicy mogą teraz opisać cel w zwykłym angielskim, na przykład „Utwórz rurociąg, aby załadować plik CSV, oczyścić te kolumny i dołączyć do innej tabeli”. Następnie agent generuje i organizuje cały przepływ pracy, od spożycia danych po transformacje i kontrole jakości. Agent inżynierii danych Google Dane naukowcy otrzymują nowy Agent Science Science , doświadczenie osadzone w AI-First Colab Enterprise Notebooks w BigQuery i Vertex AI. Ten agent zasilany przez Gemini może wywołać całe autonomiczne przepływy pracy analitycznej, w tym analiza danych eksploracyjnych, czyszczenie danych i prognozy uczenia maszynowego. Działa jako partner współpracy, tworzenie planu, wykonywanie kodu, rozumującego wyniki i prezentując swoje ustalenia dotyczące informacji zwrotnej użytkownika. Google Data Science Agent Dla użytkowników biznesowych i analityków istniejący agent analityki konwersacyjnej otrzymuje poważną aktualizację z nowym interpreterą kodu . Ta funkcja opracowana we współpracy z Google DeepMind dotyczy krytycznych pytań, które wykraczają poza granice prostego SQL. Poproszony o wykonanie złożonego zadania, takiego jak analiza segmentacji klienta, agent przekłada zapytanie języka naturalnego na kod wykonywalny Python, dostarczając pełny przepływ analityczny z wygenerowanym kodem, wyjaśnieniami języka naturalnego i interaktywne wizualizacje. Google Agent interpretera kodu Wreszcie, Google osadza rozumowanie AI bezpośrednio w silniku zapytania za pomocą nowego AI Query Engine w BigQuery. Umożliwia to wszystkim praktykom danych wykonywanie obliczeń zasilanych AI zarówno na danych ustrukturyzowanych, jak i nieustrukturyzowanych z samej bazy danych. Ta zdolność umożliwia zadawanie subiektywnych pytań bezpośrednio w SQL, takie jak: „Który z tych recenzji klientów brzmi najbardziej sfrustrowany? Ta wizja wykracza poza narzędzia pierwszej partii, ponieważ Google zapewnia programistom komponenty do budowy własnych systemów. Aby to włączyć, firma uruchamia zestaw rozwoju agenta , zezwalaj dla twórców tworzenia niestandardowych agentów, koncepcja badań w badaniach, takich jak szklanka łańcucha-aagents. Nowe narzędzia mają solidne bezpieczeństwo. Działania Gemini Cli Github obsługują uwierzytelnianie bez poświadczenia za pośrednictwem Federacja tożsamości obciążenia (wif) . To eliminuje długotrwałe klucze API, zmniejszając ryzyko bezpieczeństwa. Administratorzy otrzymują wielowarstwowe elementy sterujące, w tym polecenie dopuszczenia LILISTING . System integruje się z opentelemetrią dla pełnej obserwowalności. Pozwala to organizacjom przesyłać strumieniowe dzienniki i wskaźniki, zapewniając widoczność w czasie rzeczywistym do każdego działania, jakie podejmuje agent AI. Ten ekosystem jest ugruntowany w zunifikowanym fundamencie danych, ulepszonym przez narzędzia takie jak mniszka kolumnowa mniszka . Nowa siła robocza agentów AI dla chmury danych