Google Cloud เปิดตัวโครงสร้างพื้นฐานใหม่ รองรับ AI Agent ที่ทำงานต่อเนื่อง

ในเดือนสิงหาคม Google Cloud เปิดตัวองค์ประกอบโครงสร้างพื้นฐานสองส่วนที่ทำงานเสริมกันสำหรับ AI Agent แบบทำงานต่อเนื่อง ได้แก่ Database Operations Agents สำหรับทำให้การตั้งค่าและดูแลฐานข้อมูลเป็นอัตโนมัติมากขึ้น และ Cloud Run instances สำหรับรันเอเจนต์แบบคงอยู่ด้วยต้นทุนที่ควบคุมได้ ทั้งสองส่วนช่วยขยายแนวคิด Agentic Data Cloud จากการจัดการข้อมูลไปสู่โครงสร้างพื้นฐานที่เอเจนต์ต้องใช้จริง 78

Database Operations Agents: ให้ AI ช่วยดูแลฐานข้อมูลตั้งแต่เริ่มต้นจนถึงการแก้ปัญหา

ข้อเสนอใหม่นี้ผสานการทำงานเข้ากับ Gemini Cloud Assist และแบ่งบทบาทหลักออกเป็นสองเอเจนต์

• Database Onboarding Agent รับผิดชอบงาน Day 0 ได้แก่ การเลือกฐานข้อมูล การจัดเตรียมระบบ การตั้งค่า และการติดตั้งครั้งแรก
• Database Observability Agent รับผิดชอบงาน Day 1 และ Day 2 ได้แก่ การมอนิเตอร์ การวิเคราะห์ปัญหา การแก้ไขข้อขัดข้อง และการบำรุงรักษาอย่างต่อเนื่อง 8

เป้าหมายคือการลดงานซ้ำ ๆ ที่ทีม DBA นักพัฒนา SRE และ DevOps ต้องทำด้วยตนเอง ไม่ว่าจะเป็นการวางสถาปัตยกรรม การเขียนสคริปต์ การจัดสรรทรัพยากร การตั้งค่า schema และดัชนี การปรับแต่ง query รวมถึงการวินิจฉัยปัญหา โดยเปลี่ยนเป็นเวิร์กโฟลว์แบบมีคำแนะนำที่สั่งการด้วยภาษาธรรมชาติ 8

Onboarding Agent รองรับฐานข้อมูลใดบ้าง

Onboarding Agent ช่วยนำผู้ใช้ผ่านขั้นตอนจัดเตรียมและตั้งค่าฐานข้อมูลด้วยการสนทนาภาษาธรรมชาติ รองรับบริการฐานข้อมูลแบบจัดการของ Google Cloud ได้แก่ AlloyDB, Bigtable, Cloud SQL และ Spanner 8

Observability Agent วิเคราะห์เทเลเมทรีและเสนอวิธีแก้

Observability Agent นำข้อมูลจากหลายแหล่งมาวิเคราะห์ร่วมกัน เช่น Database Insights, Cloud Monitoring, Cloud Logging และ Cloud Trace เพื่อค้นหาต้นเหตุของปัญหา ไม่ใช่เพียงแจ้งเตือนอาการที่เกิดขึ้น ตัวอย่างปัญหาที่ระบบช่วยตรวจสอบ ได้แก่ latency ที่พุ่งสูงขึ้น query ที่ใช้ทรัพยากรมาก การแย่งล็อก และข้อจำกัดด้านทรัพยากร 8

ระบบนี้ใช้งานได้ผ่านหลายช่องทาง ทั้งแชตใน Gemini Cloud Assist หน้าฐานข้อมูลบน Google Cloud Console มุมมองฟลีตใน Database Center, CLI, IDE และเครื่องมือจากผู้ให้บริการภายนอก 8

นอกจากนี้ ฟังก์ชันจาก Database Insights และ Database Center ยังเปิดให้เรียกใช้เป็นเครื่องมือ MCP ผ่าน Google Remote MCP servers ทำให้เครื่องมือสำหรับนักพัฒนาและเอเจนต์ภายนอกสามารถดึงข้อมูลเมทริกซ์ของระบบและ query รายการฐานข้อมูลในฟลีต รวมถึงปัญหาที่ตรวจพบได้ 8

จุดสำคัญคือเอเจนต์ไม่ได้หยุดอยู่แค่การวิเคราะห์ แต่ยังเสนอการเปลี่ยนแปลงที่ผ่านการตรวจสอบ พร้อมเหตุผลและผลกระทบที่คาดว่าจะเกิดขึ้น จากนั้นจึงดำเนินการแก้ไขที่รองรับได้เมื่อผู้ใช้อนุมัติ เช่น เปิดใช้ connection pooling ใน Cloud SQL หรือเพิ่มดัชนี ทั้งนี้ ฟังก์ชันการตรวจสอบและการแก้ไขบางส่วนยังอยู่ในช่วงพรีวิวสำหรับลูกค้าที่ได้รับคัดเลือก 8

Cloud Run instances: รันเอเจนต์แบบคงอยู่โดยไม่ต้องดูแล VM เอง

เมื่อวันที่ 27 สิงหาคม Google Cloud เปิดตัว Cloud Run instances ในรูปแบบพรีวิว โดยออกแบบมาเป็นรันไทม์แบบ dedicated singleton หรือสภาพแวดล้อมที่รันเพียงหนึ่งอินสแตนซ์ เหมาะกับงานที่ทำงานต่อเนื่องและมีสถานะ เช่น AI Agent ส่วนบุคคลที่มักมีผู้ใช้หลักเพียงคนเดียว 9

Cloud Run instances แตกต่างจาก Cloud Run services ทั่วไปในประเด็นสำคัญดังนี้

• รันเพียงหนึ่งชุดและไม่มีการสเกลอัตโนมัติ
• ไม่สเกลลงเป็นศูนย์
• ทำงานต่อเนื่องได้นานสูงสุด 7 วัน พร้อมนโยบายรีสตาร์ตอัตโนมัติ
• หยุดอินสแตนซ์เมื่อไม่ใช้งาน และกลับมาทำงานต่อได้ภายหลัง
• ได้รับ URL HTTPS เฉพาะที่ไม่เปลี่ยนแปลงระหว่างการอัปเดตหรือรีสตาร์ต 9

Google วางตำแหน่งบริการนี้เป็นทางเลือกแทนการเปิด VM ทิ้งไว้ตลอดเวลา ผู้พัฒนาไม่จำเป็นต้องดูแลระบบปฏิบัติการของ VM หรือตั้งค่าไฟร์วอลล์และ HTTPS endpoint ด้วยตนเอง ขณะเดียวกันก็ยังได้โมเดลการทำงานแบบโปรเซสที่คงอยู่ ซึ่งบริการ serverless แบบสเกลลงเป็นศูนย์ทั่วไปไม่สามารถให้ได้ 9

ราคาที่ Google ระบุสำหรับการรันต่อเนื่อง 30 วัน ด้วย 1 shared vCPU และหน่วยความจำ 1 GiB อยู่ที่ 5.70 ดอลลาร์สหรัฐ โดยใช้ burst budget รองรับช่วงที่ต้องการพลังประมวลผลเพิ่มเป็นครั้งคราว แทนการเลือกขนาด VM ใหญ่และจ่ายเต็มตลอดเวลา 9

การรันแบบต่อเนื่องยังช่วยลดโอกาสเกิด cold start โดยผู้ใช้ระยะแรกหนึ่งรายรายงานว่าเอเจนต์ที่ทำงานเป็นเวลานานของตนมี cold start ลดลง 88% อย่างไรก็ตาม ตัวเลขนี้เป็นคำกล่าวอ้างจากลูกค้ารายหนึ่ง ไม่ใช่การรับประกันประสิทธิภาพสำหรับทุกกรณี 9

สิ่งที่การเปิดตัวครั้งนี้สะท้อนต่อสถาปัตยกรรม AI Agent

Google Cloud กำลังแก้โจทย์โครงสร้างพื้นฐานของเอเจนต์สองด้านพร้อมกัน ด้านหนึ่ง AI Agent ต้องมีสภาพแวดล้อมที่ทำงานได้นาน มีสถานะ และรองรับการโต้ตอบหลายรอบ อีกด้านหนึ่ง ฐานข้อมูลที่เอเจนต์ใช้งานต้องถูกจัดเตรียม ตรวจสอบ และแก้ไขปัญหาได้อย่างเป็นระบบ

Cloud Run instances จึงเหมาะกับเอเจนต์ที่ต้องประสานงานแบบอะซิงโครนัสหรือดูแลบทสนทนาหลายรอบ ขณะที่ Database Operations Agents ทำให้ชั้นข้อมูลสามารถดำเนินการผ่านภาษาธรรมชาติและเครื่องมือที่เข้ากันได้กับ MCP มากขึ้น 18

อย่างไรก็ตาม คำว่า “มีสถานะ” ไม่ได้หมายความว่าเอเจนต์จะไม่ต้องใช้พื้นที่เก็บข้อมูลถาวร หากต้องการให้เอเจนต์อยู่รอดหลังการรีสตาร์ต หรือเก็บงานต่อเนื่องเกินอายุของรันไทม์ ก็ยังควรจัดเก็บสถานะภายนอกแบบถาวร โดยคำแนะนำของ Google ชี้ไปที่การใช้พื้นที่จัดเก็บเซสชันถาวร เช่น Cloud SQL สำหรับเอเจนต์ที่นำไปใช้งานจริง 5