AnswersPublished18 sources
Google Cloud bygger infrastrukturen för långlivade AI-agenter
I augusti 2026 presenterade Google Cloud två kompletterande byggstenar för AI agenter: Gemini drivna Database Operations Agents för databasdrift och Cloud Run instanser för permanenta enagentarbetslaster. Onboarding Agent hanterar val, etablering och konfiguration av databaser, medan Observability Agent analyserar t...
Publicerad avRedigerad med GPT-5.6 LunaBilder genererade med GPT Image 1.5
Research answer
Key takeaways
- I augusti 2026 presenterade Google Cloud två kompletterande byggstenar för AI agenter: Gemini drivna Database Operations Agents för databasdrift och Cloud Run instanser för permanenta enagentarbetslaster.
- Onboarding Agent hanterar val, etablering och konfiguration av databaser, medan Observability Agent analyserar telemetri, föreslår åtgärder och kan genomföra vissa ändringar efter användarens godkännande.
- Cloud Run instanser kör en enda kopia i upp till sju dagar, har en oföränderlig HTTPS adress och kostar enligt Google 5,70 dollar per 30 dagar för 1 delad vCPU och 1 GiB minne – men de ersätter inte behovet av beständ...
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, general web, documentation. 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, charts with fak
Google Cloud försöker lösa två återkommande problem när företag bygger AI-agenter: databaser kräver fortfarande mycket specialistarbete, och långlivade agenter behöver en körmiljö som inte försvinner så snart trafiken minskar till noll. I augusti 2026 presenterade företaget därför Database Operations Agents för databasernas livscykel och Cloud Run-instanser för dedikerade, långvariga enagentarbetslaster. 23
1
Två lanseringar – två olika problem
Database Operations Agents arbetar på datalagret. Med hjälp av Gemini Cloud Assist ska de vägleda användaren genom val av databas, etablering, övervakning, felsökning och underhåll med instruktioner på naturligt språk. 23
Cloud Run-instanser arbetar i stället på körningslagret. De ger exempelvis en personlig AI-agent en dedikerad process som kan vara kontinuerligt tillgänglig, ha en stabil slutpunkt och hantera långvariga interaktioner. 1
Skillnaden är viktig: en permanent körmiljö gör inte automatiskt agentens data beständig, och automatiserad databasdrift skapar inte i sig en plats där en agent kan köras dygnet runt. Funktionerna kompletterar därför varandra – de är inte utbytbara.
Databasdrift på naturligt språk
Google presenterar två agenter som delar av strategin Agentic Data Cloud:
- Database Onboarding Agent: Hanterar det som Google kallar Day 0 – val av databas, etablering, konfiguration och den första driftsättningen.
- Database Observability Agent: Hanterar Day 1 och Day 2 – övervakning, felsökning och löpande underhåll.
23
Tanken är att minska behovet av manuellt hopfogade skript för etablering, konfigurationssteg, övervakningsfrågor och diagnostik. För databasadministratörer, utvecklare, SRE- och DevOps-team kan det innebära mindre repetitivt arbete, samtidigt som en människa finns kvar i beslutsloopen när förändringar kan få stora konsekvenser.
Stöd för flera Google Cloud-databaser
Onboarding Agent uppges stödja Googles hanterade databastjänster AlloyDB, Bigtable, Cloud SQL och Spanner. 29
Funktionerna är dock inte generellt tillgängliga. Googles beskrivningar anger att onboarding- och observability-funktionerna är förhandsversioner, och att delar av observability-erbjudandet bara är öppna för utvalda kunder och databastjänster. 29
34
Från mätvärden till sannolik grundorsak
Observability Agent ska inte bara läsa av ett enskilt databasmått. I stället kan den koppla samman signaler från bland annat Database Insights, Cloud Monitoring, Cloud Logging och Cloud Trace. På så sätt kan den undersöka problem som långsammare svarstider, överbelastade frågor, låskonkurrens och resursbrist. 23
Agenten kan därefter förklara den misstänkta orsaken, föreslå en förändring och beskriva både motivering och förväntad effekt. För åtgärder som stöds krävs användarens godkännande innan förändringen genomförs. Google nämner exempel som att aktivera anslutningspoolning i Cloud SQL eller lägga till ett index. 23
44
Godkännandet är centralt i produktionsmiljöer. En ändring som ser ut som en lokal optimering kan påverka kostnad, svarstid, låsning eller applikationens beteende. Därför är förslags- och granskningssteget minst lika viktigt som själva automatiseringen.
Tillgängligt där driftarbetet redan sker
Google integrerar funktionerna i flera av de verktyg där molndrift normalt hanteras: Gemini Cloud Assist Chat, relevanta databassidor i Google Cloud Console, fleet-vyerna i Database Center, kommandoraden, utvecklingsmiljöer och tredjepartsverktyg. 23
Funktioner från Database Insights och Database Center kan dessutom exponeras via MCP-kompatibla gränssnitt. Googles hanterade MCP-servrar körs i Google Cloud, vilket innebär att användaren inte behöver driftsätta MCP-servern själv för att låta Gemini eller andra MCP-klienter ansluta till databas- och infrastrukturfunktioner. 36
Det gör databasagenterna användbara som delar i större agentflöden. Ett externt utvecklingsverktyg eller en driftagent kan exempelvis hämta information om databasparken, mätvärden och upptäckta problem via ett standardiserat verktygsgränssnitt i stället för att vara beroende av ett grafiskt konsolfönster.
Cloud Run-instanser håller en agent vid liv
Cloud Run-instanser är dedikerade singleton-körmiljöer i Cloud Run. Till skillnad från en vanlig Cloud Run-tjänst kör en instans exakt en kopia, autoskalerar inte och skalas inte ner till noll. Google lanserade funktionen som en förhandsversion för bland annat personliga AI-agenter och andra långlivade, vanligtvis enanvändarbaserade arbetslaster. 1
Varje instans kan köras kontinuerligt i upp till sju dagar. En automatisk omstartspolicy är konfigurerad som standard. Användaren kan också stoppa en instans när den inte behövs och återuppta den senare. Varje instans får en HTTPS-adress som förblir oförändrad genom uppdateringar och omstarter. 1
För request-drivna serverlessystem innebär det flera praktiska skillnader:
- Ingen paus vid skalning till noll: Processen finns kvar mellan anrop i stället för att behöva startas om.
- En enda körande kopia: Arbetslasten körs som en dedikerad instans i stället för att dupliceras genom autoskalning.
- Stabil adress: HTTPS-slutpunkten ändras inte när instansen startas om eller uppdateras.
- Hanterad infrastruktur: Utvecklaren får en permanent processmodell utan att behöva sköta en virtuell maskins gästoperativsystem, brandväggsregler eller HTTPS-konfiguration.
Google beskriver därför Cloud Run-instanser som ett alternativ till en kontinuerligt körande virtuell maskin för vissa arbetslaster – inte som en generell ersättare för virtuella maskiner eller autoskalerande Cloud Run-tjänster.
Pris, burst och färre kallstarter
Google anger att en Cloud Run-instans som körs kontinuerligt med 1 delad vCPU och 1 GiB minne kostar 5,70 dollar per 30 dagar. Funktionen använder dessutom burst-budgetar för tillfälliga beräkningstoppar, så utvecklare behöver inte dimensionera miljön efter varje maximal belastning. 1
Den permanenta körningen kan också minska risken för kallstarter. En tidig användare rapporterade 88 procent färre kallstarter för en långvarig agent, men det är ett kundresultat och inte en generell prestandagaranti. 1
Prisexemplet ska därför inte tolkas som en komplett kostnadskalkyl. Den faktiska kostnaden kan även påverkas av exempelvis andra resursbehov, nätverk, lagring och relaterade tjänster.
Den viktiga begränsningen: körning är inte samma sak som minne
En Cloud Run-instans kan hålla en process vid liv, men det betyder inte att data som bara finns i arbetsminnet överlever varje omstart, stopp eller att körningstiden löper ut. Googles arkitekturråd skiljer mellan tillstånd i minnet och externt tillstånd: om applikationen startas om försvinner samtalshistoriken i minnet, medan produktionssystem med krav på tillförlitlighet bör använda extern tillståndshantering. 19
För en produktionsagent innebär det vanligtvis att sessioner, arbetsflödets framsteg och annat viktigt tillstånd lagras i en databas eller ett annat beständigt system. Googles vägledning för långvariga agenter pekar på databaserad sessionslagring, där Cloud SQL nämns för produktionsscenarier. 21
Det är den centrala reservationen kring ordet ”stateful”. Cloud Run-instanser erbjuder en stateful körningsmodell under en avgränsad livstid, men de eliminerar inte behovet av beständig lagring när agenten måste kunna återuppta avbrutet arbete eller bevara kontext efter att instansen har försvunnit.
Googles bredare strategi för agentinfrastruktur
Sammantaget riktar sig augustinyheterna mot båda sidorna av ett agentsystem:
- Köra agenten: Cloud Run-instanser ger ett lättviktigt alternativ för en dedikerad, långlivad process med stabil slutpunkt.
- Drifta datalagret: Database Operations Agents automatiserar delar av etablering, observability, diagnos och godkänd åtgärdshantering.
- Koppla ihop verktyg: MCP-integrationer gör det möjligt att använda databaskapacitet från externa klienter, IDE:er, kommandoradsverktyg och andra agenter.
- Behålla mänsklig kontroll: Observability Agent kan föreslå förändringar, medan stödda korrigerande åtgärder kräver godkännande.
Resultatet är alltså inte en helt autonom infrastruktur där tekniska beslut och produktionsansvar försvinner. Det Google erbjuder är snarare hanterade byggblock som minskar driftarbete och gör infrastrukturen mer tillgänglig via naturligt språk, telemetri och standardiserade verktygsgränssnitt.
För team som bygger personliga assistenter, asynkrona arbetsflöden eller agenter med många turer löser Cloud Run-instanser problemet med kontinuitet i körningen. För teamen som hanterar databaserna dessa agenter är beroende av minskar Database Operations Agents det repetitiva arbetet med att konfigurera systemen, förstå deras hälsa och reagera på problem. Riktningen är tydlig: Google gör både beräknings- och databasdrift mer åtkomlig för AI-agenter – utan att ta bort kraven på arkitektur, behörigheter, beständig data och styrning av produktionsändringar.
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 för långlivade AI-agenter"?
I augusti 2026 presenterade Google Cloud två kompletterande byggstenar för AI agenter: Gemini drivna Database Operations Agents för databasdrift och Cloud Run instanser för permanenta enagentarbetslaster.
What are the key points to validate first?
I augusti 2026 presenterade Google Cloud två kompletterande byggstenar för AI agenter: Gemini drivna Database Operations Agents för databasdrift och Cloud Run instanser för permanenta enagentarbetslaster. Onboarding Agent hanterar val, etablering och konfiguration av databaser, medan Observability Agent analyserar telemetri, föreslår åtgärder och kan genomföra vissa ändringar efter användarens godkännande.
What should I do next in practice?
Cloud Run instanser kör en enda kopia i upp till sju dagar, har en oföränderlig HTTPS adress och kostar enligt Google 5,70 dollar per 30 dagar för 1 delad vCPU och 1 GiB minne – men de ersätter inte behovet av beständ...