借助 BigQuery 和 Looker 实现企业级 AI 智能体可观测性

蓝旅人AI 前沿📡 BestBlogs·AI高分精选⭐ 882026-11-141063 阅读💛 187 收藏
借助 BigQuery 和 Looker 实现企业级 AI 智能体可观测性

📌 One-Sentence Summary

Google 宣布扩展 BigQuery 和 Looker 的 AI 智能体可观测性与评估能力,企业可通过 BigQuery 表中的统一遥测数据追踪智能体推理过程、控制 Token 成本并评测准确性。

📝 Summary

Google Cloud 推出覆盖 BigQuery 和 Looker 的全面 AI 智能体可观测性与评估功能,帮助企业监控生产环境中的 AI 智能体。该方案提供统一的遥测框架,可采集第一方(1P)对话式分析智能体,以及使用 ADK 或 LangGraph 构建的自定义第三方智能体的结构化日志,并将所有数据写入客户自行管理的 BigQuery 表。主要功能包括带隐私保护措施的对话日志记录、精细化的 Token 和延迟跟踪、BigQuery Studio 和 Looker System Activity 中的预置仪表板,以及与 Prism 等开源工具集成以进行基准测试。该平台通过 Cloud Audit Logs、CMEK 和 VPC Service Controls 支持治理,并借助查询上限和 Token 配额控制成本。

💡 Main Points

适用于各类智能体的统一遥测框架

该方案采集第一方对话式分析智能体,以及使用 ADK 或 LangGraph 构建的自定义第三方智能体的结构化遥测数据,并将所有数据汇入客户自行管理的 BigQuery 表,以便集中分析和治理。

兼顾隐私保护的对话日志记录与故障时默认关闭的防护机制

对话日志会写入 BigQuery 表;启用行级安全、策略标签或数据屏蔽时,系统会跳过日志记录以保护隐私。即使记录日志时发生错误,用户会话也不会中断。

集成成本控制与 FinOps 防护机制

精细化的 Token 跟踪、单次查询扫描字节数上限和每日 Token 配额有助于防止成本失控;BigQuery Studio 和 Looker 中的仪表板则可展示用量模式和预估成本。

借助 Prism 和 BigQuery 原生基准测试实现端到端评估

开源工具 Prism 支持使用可复用测试套件进行部署前测试;BigQuery 原生评估功能则支持并排分析基准测试得分与生产日志,推动持续改进。

💬 Key Quotes

随着企业将 AI 智能体从实验性原型推向生产环境,数据团队和平台团队发现,部署智能体只是成功的一半——你还需要了解它如何推理、会访问哪些数据,以及运行成本是多少。

我们正在 Google 的 Agentic Data Cloud 中推出统一遥测框架,适用于所有智能体,工作方式一致:从智能体采集遥测数据,将其写入由你管理的 BigQuery 表,再通过团队日常使用的工具进行分析。

由于跟踪功能会产生数据采集和存储成本,Google Data Cloud 将运行遥测数据与对话内容分开,让管理员和智能体所有者能够分别治理这两个层面。

📊 Article Meta

AI Screening: 88

Source: Google Cloud Blog

Author: Kate Grinevskaja, Snigdha Jha

Category: 人工智能

Language: 英文

Read Time: 6 min

Word Count: 1398

Tags:

AI 与智能应用 , 可观测性 , AI Agent , 企业级 AI , LangGraph

#AI 与智能应用# 可观测性# AI Agent# 企业级 AI# LangGraph

文章评论(12)

山问津1 天前

实话,说的不明不白

回复
拾贝者2 天前

看完了,收获满满,期待更多更新。

回复
风倚栏1 天前

实测过类似工具,作者说的基本属实。

回复
石佳琪1 天前

不错不错,已加入书签。

回复
林拾贝2 天前

楼主辛苦了,内容很有参考价值。

回复
风倚栏1 天前

这个比较实用,已转发给同事。

回复
杨丽华1 天前

整理得太全面了,省了我不少时间。

回复
黄小刚1 天前

写得挺用心的,支持一下。

回复
漾漾其华1 天前

整理得太全面了,省了我不少时间。

回复
风拾光1 天前

不错不错,已加入书签。

回复
山问津1 天前

看标题就点进来了,内容果然没让人失望。

回复
武磊1 天前

实测过类似工具,作者说的基本属实。

回复