Google Cloud Perkenal Ejen Pangkalan Data dan Cloud Run Berterusan untuk AI

Google Cloud menggunakan pengumuman pada Ogos 2026 untuk menangani dua cabaran infrastruktur yang semakin ketara bagi aplikasi ejen AI: kerja memilih dan mengurus pangkalan data, serta kesukaran mengehos ejen yang perlu kekal aktif walaupun tidak menerima aliran permintaan web secara konvensional.

Kemunculan pertama ialah sepasang Database Operations Agents yang diintegrasikan dengan Gemini Cloud Assist. Kemunculan kedua ialah pratonton Cloud Run instances, iaitu runtime singleton yang direka untuk beban kerja berjangka panjang dan mempunyai keadaan tersimpan. Bersama-sama, kedua-duanya menunjukkan Google Cloud sedang menyesuaikan lapisan data dan pengkomputerannya untuk aplikasi berasaskan ejen. 2411

Dua ejen untuk kitar hayat pangkalan data

Google Cloud memperkenalkan Database Onboarding Agent dan Database Observability Agent sebagai sebahagian daripada strategi Agentic Data Cloud. Pembahagiannya mudah difahami: onboarding mengurus kerja Hari 0, manakala observability memberi tumpuan kepada operasi Hari 1 dan Hari 2. 2

Database Onboarding Agent: daripada keperluan kepada deployment

Database Onboarding Agent mentafsir keperluan beban kerja sesebuah pasukan, mencadangkan pangkalan data terurus yang sesuai, kemudian membimbing proses konfigurasi dan deployment. Matlamatnya adalah untuk mengurangkan keputusan seni bina dan penyediaan sumber yang biasanya perlu dibuat secara manual sebelum aplikasi dilancarkan.

Ejen ini menyokong AlloyDB, Bigtable, Cloud SQL dan Spanner. 2

Ini berguna apabila pembangun atau pasukan platform mengetahui keperluan aplikasi—seperti corak beban kerja dan tuntutan operasi—tetapi masih belum pasti perkhidmatan pangkalan data Google Cloud yang paling sesuai dengan kekangan tersebut.

Database Observability Agent: memantau dan menyelesaikan masalah

Database Observability Agent pula berfungsi selepas pangkalan data digunakan. Google menyenaraikan keupayaan seperti pemantauan seluruh fleet, pengesanan anomali, diagnosis, penyelesaian masalah, pengoptimuman dan penyelenggaraan merentas Cloud SQL, AlloyDB, Spanner, Bigtable, Firestore dan Memorystore. 224

Daripada meneliti satu isyarat secara berasingan, ejen ini menghubungkan maklumat daripada telemetri Database Insights dan Database Center, Cloud Monitoring, Cloud Logging serta Cloud Trace. Maklumat yang dianalisis boleh merangkumi metrik, data pertanyaan, inventori dan butiran isu bagi membantu mencari punca masalah. 2

Hasilnya bukan sekadar amaran pada papan pemuka. Ejen ini bertujuan menerangkan masalah, mencadangkan tindakan dan menyokong aliran kerja pemulihan berbilang langkah. Antara contoh yang diberikan Google ialah mengaktifkan connection pooling untuk Cloud SQL atau menambah indeks.

Bagi perubahan yang boleh memberi kesan besar, ejen memerlukan kelulusan manusia sebelum melaksanakan pembaikan yang telah disahkan. Fungsi penyiasatan dan pemulihan ini tersedia sebagai keupayaan pratonton untuk pelanggan terpilih. 224

Cara mengakses ejen pangkalan data

Ejen-ejen ini diintegrasikan dengan Gemini Cloud Assist dan boleh digunakan melalui sembang Gemini serta halaman pangkalan data yang berkaitan dalam Cloud Console. Google turut menerangkan akses melalui alat baris perintah, pelayan dan alat MCP, alat pihak ketiga serta persekitaran pembangunan bersepadu (IDE). 2

Pendekatan ini bermakna bantuan pangkalan data tidak terhad kepada satu papan pemuka operasi. Aliran kerja menggunakan bahasa semula jadi boleh dimanfaatkan di tempat pembangun dan operator menyiasat infrastruktur, menyediakan sumber atau menulis kod.

Cloud Run instances direka untuk ejen yang perlu kekal aktif

Pada 28 Ogos, Google Cloud mempratonton Cloud Run instances, iaitu primitif yang berbeza daripada perkhidmatan Cloud Run biasa yang melakukan penskalaan automatik. Setiap instance berjalan sebagai singleton—tepat satu instance dikekalkan dan tiada penskalaan automatik. Google menyasarkan ciri ini kepada beban kerja berjangka panjang dan mempunyai keadaan tersimpan, termasuk ejen AI peribadi. 4

Ciri utamanya ialah:

• Runtime berterusan sehingga tujuh hari
• Dasar mula semula automatik yang dikonfigurasikan secara lalai
• URL HTTPS stabil yang tidak berubah selepas kemas kini atau mula semula
• Keupayaan menghentikan instance dan menyambungnya semula kemudian
• Satu runtime khusus, bukannya fleet yang berkembang mengikut jumlah permintaan 4

Model ini sesuai untuk ejen yang mengekalkan keadaan, identiti atau aktiviti latar belakang bagi seorang pengguna. Sebaliknya, ia kurang sesuai untuk endpoint web tanpa keadaan yang perlu mengendalikan lonjakan trafik serentak.

Harga yang diumumkan Google

Google menyatakan kos AS$5.70 untuk 30 hari operasi berterusan bagi konfigurasi 1 vCPU dan 1 GiB RAM, menggunakan vCPU dikongsi serta belanjawan burst. 4

Menurut Google, kelebihannya bukan sekadar pada kos. Berbanding mengurus mesin maya khusus, pengguna tidak perlu mengendalikan penyelenggaraan mesin maya dan sistem operasi, pengurusan firewall atau pembinaan endpoint HTTPS sendiri. Namun, harga dan tingkah laku produk itu perlu difahami sebagai kedudukan harga pratonton yang diterbitkan Google, bukannya perbandingan kos yang terpakai untuk semua keadaan. Kos sebenar bergantung pada konfigurasi, penggunaan, rantau dan butiran pengebilan. 43031

Google turut memetik kenyataan pelanggan OffDeal yang melaporkan pengurangan cold start sebanyak 88%. Angka itu ialah hasil yang dilaporkan pelanggan, bukan jaminan prestasi umum daripada Google atau penanda aras bebas. 4

Mengapa kedua-dua produk ini penting untuk infrastruktur ejen AI

Aplikasi awan tradisional biasanya memisahkan pengendalian permintaan tanpa keadaan daripada perkhidmatan data yang menyimpan keadaan. Ejen AI menjadikan corak itu lebih rumit. Sesebuah ejen mungkin memerlukan identiti dan endpoint yang kekal, memori atau keadaan tersimpan, pelaksanaan latar belakang yang panjang, serta akses kepada alat dan data operasi.

Kemas kini Google pada Ogos menangani keperluan itu dari dua arah:

1. Lapisan pangkalan data menjadi lebih autonomi. Onboarding Agent membantu memilih dan menyediakan pangkalan data terurus, manakala Observability Agent memantau keseluruhan fleet, menyiasat kegagalan dan boleh melaksanakan pembaikan yang telah diluluskan. 2
2. Lapisan pengkomputeran mendapat pilihan yang mengutamakan ketekalan runtime. Cloud Run instances menyediakan runtime singleton dengan alamat stabil untuk ejen yang perlu sentiasa tersedia, bukannya diskalakan kepada sifar atau dimulakan hanya apabila trafik masuk. 4

Strategi lebih luas itu dapat dilihat melalui konsep Agentic Data Cloud Google Cloud, yang menggabungkan data, model dan pangkalan data operasi sebagai satu sistem untuk tindakan dipacu ejen. 11 Pilihan reka bentuknya juga penting: Google mengautomasikan lebih banyak kerja operasi, tetapi masih mengekalkan kelulusan manusia bagi perubahan pangkalan data yang berpotensi menjejaskan sistem produksi. 2

Kesimpulan praktikal

Google Cloud tidak memperkenalkan satu “platform ejen” universal melalui pengumuman ini. Sebaliknya, syarikat itu menambah primitif khusus untuk dua masalah operasi:

• Gunakan Database Operations Agents apabila cabaran utama ialah pemilihan pangkalan data, penyediaan sumber, keterlihatan fleet atau penyelesaian masalah.
• Pertimbangkan Cloud Run instances apabila ejen memerlukan satu runtime yang berterusan dan boleh dicapai melalui alamat stabil, serta tidak sesuai dengan model scale-to-zero perkhidmatan tanpa pelayan biasa.

Kedua-dua produk masih diterangkan dalam konteks pratonton. Pasukan yang ingin menggunakannya perlu menyemak ketersediaan, konfigurasi yang disokong, kebenaran, harga dan had pemulihan automatik sebelum bergantung kepadanya dalam sistem produksi.

Namun, arah strateginya jelas: Google Cloud mahu AI agents dilayan sebagai beban kerja yang memerlukan operasi lebih autonomi dan infrastruktur yang lebih tahan lama.