AnswersPublished16 sources
Google Cloud satsar på AI-agenter med databasagenter och uthålliga Cloud Run-instanser
I augusti 2026 presenterade Google Cloud agenter för onboarding och övervakning av databaser samt Cloud Run instanser för uthålliga AI arbetslaster. Database Onboarding Agent hanterar den inledande installationen och valet av databas, medan Database Observability Agent övervakar databasmiljöer, utreder problem och k...
Publicerad avRedigerad med GPT-5.6 LunaBilder genererade med GPT Image 1.5
Research answer
Key takeaways
- I augusti 2026 presenterade Google Cloud agenter för onboarding och övervakning av databaser samt Cloud Run instanser för uthålliga AI arbetslaster.
- Database Onboarding Agent hanterar den inledande installationen och valet av databas, medan Database Observability Agent övervakar databasmiljöer, utreder problem och kan genomföra godkända åtgärder.
- Cloud Run instanser körs som en singleton utan autoskalning, har stabila HTTPS adresser och är i första hand tänkta för långlivade personliga AI agenter.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What did Google Cloud announce in August 2026 to reduce the operational burden of managing databases and hosting persistent AI workloads, in. Article summary: In August 2026, Google Cloud positioned two new offerings as complementary infrastructure for AI agents: database agents that reduce the human work of provisioning and operating data stores, and persistent Cloud Run runt. Topic tags: general, general web, documentation, user generated. 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,
Google Cloud försöker täppa till två växande luckor i infrastrukturen för AI-agenter: det praktiska arbetet med att välja och sköta databaser samt behovet av körmiljöer som förblir tillgängliga även när de inte hanterar vanliga webbförfrågningar.
Den ena nyheten är två Database Operations Agents, integrerade med Gemini Cloud Assist. Den andra är en förhandsversion av Cloud Run-instanser – en singleton-baserad körmiljö för långlivade och tillståndsfulla arbetslaster. Tillsammans visar lanseringarna hur Google Cloud anpassar både data- och beräkningslagret för så kallade agentiska applikationer. 2
4
11
Två databasagenter för hela livscykeln
Google Cloud presenterar Database Onboarding Agent och Database Observability Agent som delar av strategin Agentic Data Cloud. Uppdelningen är enkel: onboarding gäller dag 0, alltså arbetet före driftsättning, medan observability gäller dag 1 och dag 2, när systemet redan är i produktion. 2
Onboarding-agenten hjälper till från krav till driftsättning
Database Onboarding Agent tolkar verksamhetens och applikationens krav, rekommenderar en lämplig hanterad databas och vägleder användaren genom konfiguration och driftsättning. Målet är att minska antalet manuella arkitektur- och provisioneringsbeslut som normalt krävs innan en applikation kan tas i bruk.
Agenten stöder AlloyDB, Bigtable, Cloud SQL och Spanner. 2
Det gör den särskilt relevant i situationer där ett utvecklings- eller plattformsteam vet vad applikationen behöver – exempelvis när det gäller arbetsbelastning och driftkrav – men inte självklart vet vilken Google Cloud-databas som passar bäst.
Observability-agenten övervakar och felsöker databaser
Database Observability Agent tar över när databasen är i drift. Google beskriver funktioner för övervakning av hela databasmiljöer, avvikelsedetektering, diagnos, felsökning, optimering och underhåll.
Den stöder Cloud SQL, AlloyDB, Spanner, Bigtable, Firestore och Memorystore. 2
24
I stället för att analysera en enskild signal kopplar agenten ihop information från Database Insights och Database Center, Cloud Monitoring, Cloud Logging och Cloud Trace. Underlaget kan bland annat bestå av mätvärden, frågedata, inventering och information om identifierade problem. 2
Tanken är alltså att resultatet ska bli mer än en varning i en instrumentpanel. Agenten kan förklara vad som har gått fel, föreslå en åtgärd och stödja ett felsökningsflöde i flera steg. Google nämner exempel som att aktivera anslutningspoolning i Cloud SQL eller lägga till index.
När en förändring kan få större konsekvenser krävs mänskligt godkännande innan agenten genomför en validerad åtgärd. Funktionerna för utredning och åtgärd var enligt Google tillgängliga som förhandsversion för utvalda kunder. 2
24
Så får utvecklare tillgång till agenterna
Databasagenterna är integrerade med Gemini Cloud Assist och kan användas i Gemini-chatt samt på relevanta databassidor i Cloud Console. Google beskriver också åtkomst via kommandoradsverktyg, MCP-servrar och MCP-verktyg, tredjepartsverktyg och integrerade utvecklingsmiljöer, så kallade IDE:er. 2
Det innebär att stödet inte behöver vara låst till en separat driftpanel. Samma språkbaserade arbetsflöde kan i stället användas där utvecklare och driftteam redan undersöker infrastruktur, skapar resurser eller arbetar i sin utvecklingsmiljö.
Cloud Run-instanser ska hålla AI-agenter igång
Den 28 augusti förhandsvisade Google Cloud Cloud Run-instanser. Det är en annan typ av resurs än en traditionell autoskalande Cloud Run-tjänst.
Varje instans körs som en singleton: exakt en instans hålls igång och ingen autoskalning sker. Google riktar funktionen mot långlivade och tillståndsfulla arbetslaster, till exempel personliga AI-agenter. 4
De viktigaste egenskaperna är:
- Kontinuerlig drift i upp till sju dagar
- En policy för automatisk omstart som är konfigurerad som standard
- En stabil HTTPS-adress som förblir oförändrad vid uppdateringar och omstarter
- Möjlighet att stoppa instansen och återuppta den senare
- En enda dedikerad körmiljö i stället för en flotta som skalas efter trafikmängden
4
Modellen passar en agent som behöver behålla tillstånd, identitet eller bakgrundsaktivitet för en användare. Den är mindre lämpad för en traditionell tillståndslös webbtjänst vars främsta uppgift är att hantera tillfälliga trafiktoppar.
Googles prisexempel
Google uppgav ett pris på 5,70 dollar för 30 dagars kontinuerlig drift av en konfiguration med 1 vCPU och 1 GiB RAM, med delad vCPU och burst-budgetar. 4
Google framhåller att värdet inte bara handlar om kostnaden. Jämfört med att hantera en dedikerad virtuell maskin kan användaren slippa underhåll av VM och operativsystem, brandväggshantering och arbetet med att skapa en egen HTTPS-endpoint.
Prisuppgiften och produktens egenskaper bör samtidigt ses som Googles publicerade positionering för en förhandsversion – inte som en generell kostnadsjämförelse. Den faktiska kostnaden beror på konfiguration, användning, region och faktureringsmodell. 4
30
31
Google hänvisade även till ett kunduttalande från OffDeal, där företaget uppgav en 88-procentig minskning av cold starts, alltså fördröjningen när en körmiljö måste startas. Det är ett kundrapporterat resultat och inte en generell prestandagaranti eller ett oberoende riktmärke från Google. 4
Därför passar nyheterna AI-agenternas infrastruktur
Traditionella molnapplikationer skiljer ofta mellan tillståndslös hantering av webbförfrågningar och permanenta datatjänster. AI-agenter gör den modellen mer komplicerad. De kan behöva en varaktig identitet och endpoint, minne eller annat tillstånd, långvarig bakgrundskörning samt tillgång till verktyg och driftdata.
Googles lanseringar angriper problemet från två håll:
- Datalagret blir mer autonomt. Onboarding-agenten hjälper till att välja och skapa en hanterad databas, medan observability-agenten övervakar miljön, utreder fel och kan genomföra godkända korrigeringar.
- Beräkningslagret får ett mer permanent alternativ. Cloud Run-instanser ger agenter en stabil singleton-baserad körmiljö som inte automatiskt skalar ned till noll eller bara startar när en inkommande förfrågan anländer.
Den bredare strategin syns i Googles beskrivning av Agentic Data Cloud, där data, modeller och operativa databaser förs samman till ett system för agentdrivna åtgärder. 11
Det är också värt att notera balansen mellan automatisering och kontroll. Google vill automatisera mer av det löpande driftarbetet, men behåller mänskligt godkännande när en databasförändring kan påverka produktionen. 2
Slutsats: riktade byggblock, inte en enda agentplattform
Google Cloud lanserar inte en universell ”agentplattform” med de här nyheterna. I stället tillkommer två riktade byggblock för specifika problem:
- Välj Database Operations Agents när utmaningen är databasval, provisionering, överblick över en databasflotta eller felsökning.
- Överväg Cloud Run-instanser när en agent behöver en permanent, adresserbar körmiljö och inte passar den skala-till-noll-modell som kännetecknar många serverlösa tjänster.
Båda produkterna beskrivs i förhandsversionsorienterade termer. Team som utvärderar dem bör därför kontrollera tillgänglighet, stödda konfigurationer, behörigheter, priser och gränserna för automatiserade åtgärder innan de används i produktion.
Den övergripande riktningen är däremot tydlig: Google Cloud behandlar AI-agenter som arbetslaster som behöver både mer autonom drift och mer uthållig infrastruktur.
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 satsar på AI-agenter med databasagenter och uthålliga Cloud Run-instanser"?
I augusti 2026 presenterade Google Cloud agenter för onboarding och övervakning av databaser samt Cloud Run instanser för uthålliga AI arbetslaster.
What are the key points to validate first?
I augusti 2026 presenterade Google Cloud agenter för onboarding och övervakning av databaser samt Cloud Run instanser för uthålliga AI arbetslaster. Database Onboarding Agent hanterar den inledande installationen och valet av databas, medan Database Observability Agent övervakar databasmiljöer, utreder problem och kan genomföra godkända åtgärder.
What should I do next in practice?
Cloud Run instanser körs som en singleton utan autoskalning, har stabila HTTPS adresser och är i första hand tänkta för långlivade personliga AI agenter.