AnswersPublished15 sources
Google Cloud bygger infrastrukturen AI-agentene trenger
Google Cloud lanserte i august to byggesteiner for AI agenter: Database Operations Agents for databasedrift og Cloud Run instanser for vedvarende, enkeltstående kjøremiljøer. Database Onboarding Agent håndterer oppsett og innledende konfigurering, mens Database Observability Agent overvåker, feilsøker og foreslår t...
Publisert avBilder generert med GPT Image 1.5
Research answer
Key takeaways
- Google Cloud lanserte i august to byggesteiner for AI agenter: Database Operations Agents for databasedrift og Cloud Run instanser for vedvarende, enkeltstående kjøremiljøer.
- Database Onboarding Agent håndterer oppsett og innledende konfigurering, mens Database Observability Agent overvåker, feilsøker og foreslår tiltak.
- Agentene støtter blant annet AlloyDB, Bigtable, Cloud SQL og Spanner, og kan brukes via Gemini Cloud Assist, konsollen, CLI, IDE er og MCP servere.
- Cloud Run instanser kjører én kopi uten autoskalering, kan være aktive i opptil sju dager og får en stabil HTTPS adresse.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What did Google Cloud introduce in August to support AI agent infrastructure—specifically, how do its Gemini Cloud Assist–integrated Databas. Article summary: In August, Google Cloud introduced two complementary building blocks for always on AI agents: Database Operations Agents to automate database setup and operations, and Cloud Run instances for low cost, persistent single . Topic tags: general web, agents, ai, automation, workflow. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, chart
Google Cloud lanserte i august to komplementære byggesteiner for AI-agenter som skal kjøre over tid: Database Operations Agents, som automatiserer oppsett og drift av databaser, og Cloud Run-instanser, som gir agenter et rimeligere og mer vedvarende kjøremiljø. Samlet utvider dette Googles strategi for «Agentic Data Cloud» fra datahåndtering til infrastrukturen agentene trenger for å fungere i praksis. 7
8
AI-agenter for hele databaselivsløpet
Det Gemini Cloud Assist-integrerte tilbudet består av to agenter med ulike oppgaver:
- Database Onboarding Agent er laget for det Google omtaler som «Day 0»: valg av database, oppsett, konfigurering og første utrulling.
- Database Observability Agent håndterer «Day 1» og «Day 2»: overvåking, feilsøking og løpende vedlikehold.
8
Målet er å redusere behovet for gjentatt manuelt arbeid med arkitekturplanlegging, skript, klargjøring, skjema- og indekskonfigurasjon, spørringsoptimalisering og diagnostikk. I stedet kan utviklere, databaseadministratorer, SRE-er og DevOps-team beskrive behovene sine på naturlig språk og få veiledede arbeidsflyter. 8
Onboarding-agenten veileder brukeren gjennom klargjøring og grunnleggende konfigurering av Googles administrerte databasetjenester, blant annet AlloyDB, Bigtable, Cloud SQL og Spanner. 8
Observability-agenten sammenstiller telemetri fra Database Insights, Cloud Monitoring, Cloud Logging, Cloud Trace og relaterte kilder. Slik skal den kunne finne sannsynlige rotårsaker til problemer som plutselige latenstopper, belastede spørringer, låsekonflikter og ressursbegrensninger. 8
Fra diagnose til godkjente tiltak
Agentene skal ikke bare peke på feil. De kan foreslå validerte endringer, forklare hvorfor de anbefales og beskrive forventet effekt. Etter godkjenning fra brukeren kan de også utføre støttede tiltak, for eksempel å aktivere tilkoblingspooling i Cloud SQL eller legge til en indeks. Enkelte funksjoner for undersøkelse og feilretting var i forhåndsvisning for utvalgte kunder. 8
Funksjonaliteten er tilgjengelig gjennom flere grensesnitt: chat i Gemini Cloud Assist, relevante databasesider i Google Cloud-konsollen, Database Center for oversikt over databaseparken, kommandolinjen, IDE-er og tredjepartsverktøy. Database Insights og Database Center kan dessuten eksponeres som MCP-verktøy via Googles Remote MCP-servere. Det gjør det mulig for eksterne utviklerverktøy og agenter å hente inn system- og spørringsmålinger, oversikt over databaser og registrerte problemer. 8
Cloud Run for agenter som må holde seg i gang
Mot slutten av august lanserte Google Cloud Run-instanser i forhåndsvisning. Dette er dedikerte, enkeltstående kjøremiljøer på Cloud Run, beregnet på langvarige og tilstandsfulle arbeidslaster – typisk personlige AI-agenter. 9
Sammenlignet med vanlige Cloud Run-tjenester har en instans noen tydelige forskjeller:
- Den kjører nøyaktig én kopi og skalerer ikke automatisk.
- Den skalerer ikke ned til null.
- Den kan kjøre kontinuerlig i opptil sju dager, med automatisk omstart som standardinnstilling.
- Instansen kan stoppes når den ikke er i bruk, og startes igjen senere.
- Den får en stabil HTTPS-adresse som ikke endres ved oppdateringer eller omstarter.
Google posisjonerer dette som et alternativ til en VM som står på hele tiden. Utvikleren slipper dermed blant annet vedlikehold av operativsystemet samt oppsett av brannmur og HTTPS-endepunkt, samtidig som agenten får en mer vedvarende prosessmodell enn tradisjonelle serverløse tjenester med «scale to zero». 9
Google oppgir en pris på 5,70 dollar for 30 dagers kontinuerlig kjøring med én delt vCPU og 1 GiB minne. Modellen bruker burst-budsjett for sporadiske belastningstopper, i stedet for at brukeren må dimensjonere og betale for en full VM hele tiden. 9
Vedvarende kjøring kan også redusere hvor ofte brukeren møter kaldstarter. En tidlig bruker rapporterte at kaldstarter for en langvarig agent falt med 88 prosent, men dette er en kunderapport og ikke en generell ytelsesgaranti. 9
Hva betyr dette for agent-infrastrukturen?
Google forsøker å løse to sider av samme problem. AI-agenter trenger en økonomisk og robust måte å kjøre på, med støtte for langvarige oppgaver og flertrinnsinteraksjoner. Samtidig må databasene agentene bruker, kunne klargjøres, overvåkes og feilsøkes med mindre manuelt arbeid.
Cloud Run kan brukes til agenter som orkestrerer asynkrone oppgaver og håndterer flere forespørsler over tid. Database-agentene gjør på sin side datalaget mer tilgjengelig gjennom naturlig språk og MCP-kompatible verktøy. 1
8
Det finnes likevel en viktig begrensning: At en kjøretid er «tilstandsfull», betyr ikke at agenten automatisk bevarer alt arbeid gjennom omstarter eller etter at kjøretiden er avsluttet. For produksjonsagenter som må ta vare på økter og arbeidsflyter, anbefaler Googles veiledning fortsatt varig, ekstern lagring – for eksempel Cloud SQL. 5
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Google Cloud bygger infrastrukturen AI-agentene trenger"?
Google Cloud lanserte i august to byggesteiner for AI agenter: Database Operations Agents for databasedrift og Cloud Run instanser for vedvarende, enkeltstående kjøremiljøer.
What are the key points to validate first?
Google Cloud lanserte i august to byggesteiner for AI agenter: Database Operations Agents for databasedrift og Cloud Run instanser for vedvarende, enkeltstående kjøremiljøer. Database Onboarding Agent håndterer oppsett og innledende konfigurering, mens Database Observability Agent overvåker, feilsøker og foreslår tiltak.
What should I do next in practice?
Agentene støtter blant annet AlloyDB, Bigtable, Cloud SQL og Spanner, og kan brukes via Gemini Cloud Assist, konsollen, CLI, IDE er og MCP servere.