谷歌云如何为 AI Agent 补齐数据库运维与持久化运行能力？

谷歌云在 8 月面向 AI Agent 基础设施推出了两项互补能力：一类是集成 Gemini Cloud Assist 的 Database Operations Agents，用于自动化数据库的部署与日常运维；另一类是处于预览阶段的 Cloud Run instances，为个人 AI Agent 等长期运行、通常面向单用户的工作负载提供专属运行环境。789

两项发布分别瞄准 AI Agent 架构中的两个关键环节：数据库能否快速配置、持续监控并安全修复，以及 Agent 本身能否以较低成本长期运行。

Database Operations Agents：从数据库部署到故障排查

Database Operations Agents 包括两个角色：

• Database Onboarding Agent：负责 Day 0 工作，也就是数据库选型、准备、配置和初始部署。
• Database Observability Agent：负责 Day 1 和 Day 2 工作，包括监控、故障排查和持续维护。8

用自然语言完成数据库初始配置

Onboarding Agent 可通过自然语言引导用户完成数据库配置，减少手动编写脚本、规划架构、设置 schema 和索引等重复工作。目前支持的 Google Cloud 托管数据库包括 AlloyDB、Bigtable、Cloud SQL 和 Spanner。8

这意味着开发者、数据库管理员（DBA）、SRE 和 DevOps 团队可以用对话式方式描述需求，再按照 Agent 的引导完成数据库准备，而不必从零开始拼接一套配置流程。

汇聚遥测数据，定位问题根因

Observability Agent 会关联来自 Database Insights、Cloud Monitoring、Cloud Logging、Cloud Trace 等来源的遥测数据，用于识别延迟突增、热点查询、锁竞争和资源限制等问题。8

它的作用不止是给出告警。Agent 可以提出经过验证的变更建议，说明建议理由和预期影响；在用户批准后，还能执行部分受支持的修复操作，例如为 Cloud SQL 启用连接池或添加索引。8

部分调查和修复能力当时仍面向选定客户预览，不能视为已经对所有用户全面开放。8

在多种开发入口中使用

这些 Agent 可通过 Gemini Cloud Assist 聊天界面、Google Cloud 控制台中的数据库页面、Database Center 数据库资产视图、命令行工具、IDE 以及第三方工具访问。8

此外，Database Insights 和 Database Center 的部分能力还可通过 Google Remote MCP 服务器以 MCP 工具形式提供给外部开发工具和其他 Agent。这样，兼容 MCP 的客户端便可以查询系统与查询指标、数据库资产清单以及已检测到的问题。8

Cloud Run instances：为单 Agent 提供持久化运行环境

谷歌云在 8 月 27 日推出了处于预览阶段的 Cloud Run instances。它是一种部署在 Cloud Run 上的专属单实例运行时，面向个人 AI Agent 等长期运行、有状态且通常服务单个用户的工作负载。9

与普通 Cloud Run 服务相比，Cloud Run instance 具有几个明显区别：

• 只运行一个实例，不自动扩缩容，也不会缩容到零；
• 在默认自动重启策略下，最长可连续运行 7 天；
• 可以在不使用时停止，之后再恢复运行；
• 每个实例都有稳定的 HTTPS 地址，更新和重启后地址不会改变。9

谷歌云将其定位为持续运行虚拟机的一种替代方案。用户无需自行维护虚拟机操作系统，也不必单独处理防火墙和 HTTPS 端点配置，同时仍能获得传统“常驻进程”模型。这填补了普通按需扩缩容、可缩容到零的无服务器服务与持续运行型 Agent 之间的空白。9

按照谷歌云给出的价格示例，配置 1 个共享 vCPU 和 1 GiB 内存的 Cloud Run instance，连续运行 30 天的费用为 5.70 美元。其设计思路是利用突发计算额度应对偶发的算力峰值，而不是始终按照满足峰值需求的规格购买一台虚拟机。9

持续运行还可以减少冷启动带来的影响。一名早期用户表示，其长期运行 Agent 的冷启动次数下降了 88%；但这是单个客户的反馈，并不代表所有工作负载都能达到同样的效果。9

对 AI Agent 架构意味着什么？

这两项能力共同覆盖了 AI Agent 基础设施的两端：

1. 运行层：Cloud Run instances 为需要异步处理、多轮交互和持续进程的 Agent 提供更持久、经济的运行方式。19
2. 数据层：Database Operations Agents 让数据库的配置、监控、诊断和部分修复逐渐可以通过自然语言和 MCP 兼容工具完成。8

因此，Google 的 Agentic Data Cloud 不再只强调数据访问和分析，也开始向 Agent 实际运行所需的数据库运维与计算环境延伸。78

不过，“有状态运行”并不等于所有状态都能永久保存。如果 Agent 必须在运行时重启后继续工作，或需要长期保留会话和任务进度，仍应使用外部持久化存储。谷歌的相关实践也建议，生产环境中的 Agent 使用 Cloud SQL 等持久化会话存储，而不是只依赖进程内存。5