Google Cloud 在 2026 年 8 月公布的两项基础设施更新，瞄准了 AI 代理落地时常见的两个难题：数据库该如何选择、配置和持续维护；以及那些需要保持在线、拥有状态并执行后台任务的 AI 代理该部署在哪里。

第一项更新是与 Gemini Cloud Assist 集成的两款 Database Operations Agents。第二项则是进入预览阶段的 Cloud Run instances，一种面向长期运行、有状态工作负载的单例运行环境。两者分别从数据层和计算层回应了 AI 代理应用的新需求。2411

两款数据库代理覆盖从部署到运维

Google Cloud 将这两款产品纳入 Agentic Data Cloud 战略，并以传统运维中的“第 0 天、第 1 天和第 2 天”来划分职责：Onboarding Agent 处理上线前的准备工作，Observability Agent 处理部署后的持续运营。2

Database Onboarding Agent：从需求描述到数据库部署

Database Onboarding Agent 可以理解团队的工作负载和运营要求，推荐合适的 Google Cloud 托管数据库，并引导完成配置与部署。它试图减少应用上线前通常需要人工完成的架构判断和资源配置工作。

该代理支持 AlloyDB、Bigtable、Cloud SQL 和 Spanner。2

对于知道应用需要何种读写特征、扩展能力或运维条件，却不确定应该选择哪一种 Google Cloud 数据库的开发者和平台团队来说，这一功能尤其有针对性。

Database Observability Agent：面向数据库集群的监控与排障

应用部署之后，Database Observability Agent 接管持续运维环节。Google Cloud 列出的能力包括数据库集群监控、异常检测、问题诊断、故障排查、性能优化和维护，覆盖 Cloud SQL、AlloyDB、Spanner、Bigtable、Firestore 和 Memorystore。224

它并不是只查看某一项指标，而是将 Database Insights 和 Database Center 遥测数据、Cloud Monitoring、Cloud Logging 以及 Cloud Trace 联系起来分析。相关上下文可以包括指标、查询信息、数据库清单和问题数据，用于进一步寻找潜在根因。2

因此，它的目标不只是弹出一条仪表盘告警，而是解释问题、提出处理建议，并支持多步骤修复流程。Google 举例称，代理可以建议启用 Cloud SQL 连接池或添加索引。

对于可能影响生产环境的变更，代理会在执行经过验证的修复方案前要求人工批准。调查和修复功能当时面向部分客户提供预览。224

开发者可以在哪里使用这些数据库代理

这些代理集成在 Gemini Cloud Assist 中，用户可以通过 Gemini 聊天界面以及 Cloud Console 中相关的数据库页面访问。Google 还介绍了通过命令行工具、MCP 服务器和工具、第三方工具以及集成开发环境使用相关能力的方式。2

这意味着数据库辅助并不局限于某一个运维控制台。开发者和运维人员可以在排查基础设施、配置资源或编写代码时使用相同的自然语言工作流。

Cloud Run instances 面向需要长期在线的 AI 代理

8 月 28 日，Google Cloud 预览了 Cloud Run instances。它与传统的 Cloud Run 服务并不是同一种运行模式：每个实例都是一个 单例，也就是始终只维护一个实例，不进行自动扩缩容。Google 将其定位于个人 AI 代理等长期运行、有状态的工作负载。4

Cloud Run 实例的主要特征包括：

• 最长可连续运行 7 天；
• 默认配置自动重启策略；
• 每个实例拥有一个稳定的 HTTPS 地址，更新和重启后地址保持不变；
• 可以在暂时不用时停止实例，之后再恢复运行；
• 采用一个专用运行环境，而不是根据请求量扩展出的实例集群。4

这种模式适合需要维护身份、状态或后台活动的单用户 AI 代理。相比之下，主要任务是应对并发流量的无状态 Web 服务，通常仍更适合传统的请求驱动和自动扩缩容模式。

Google 公布的 Cloud Run 实例价格

Google Cloud 给出的示例价格是：在使用共享 vCPU 和突发预算的情况下，1 个 vCPU、1 GiB 内存的配置连续运行 30 天，价格为 5.70 美元。4

Google 强调的优势不仅是成本，也包括运维负担。与自行管理一台专用虚拟机相比，用户可以少处理虚拟机和操作系统维护、防火墙配置，以及自行创建 HTTPS 端点等工作。

不过，5.70 美元应被视为 Google 针对预览产品公布的示例，而不是适用于所有场景的成本结论。实际费用仍取决于配置、使用量、区域和计费细节。43031

Google 还引用客户 OffDeal 的说法，称其冷启动次数减少了 88%。这是客户报告的结果，并非 Google 对所有工作负载作出的性能保证，也不是独立基准测试结论。4

为什么这两项更新与 AI 代理趋势相吻合

传统云应用往往将无状态请求处理与持久化数据服务分开。AI 代理则让这种架构变得更复杂：它们可能需要持续的身份和访问地址、记忆或状态、长期后台执行能力，以及对工具和运维数据的访问。

Google Cloud 这次从两个方向回应了这些需求：

1. 让数据库层变得更加自主。 Onboarding Agent 可以帮助选择和配置托管数据库，Observability Agent 则负责监控数据库集群、调查故障，并在获得批准后执行修复。2
2. 为计算层增加面向持久化运行的选择。 Cloud Run instances 为不适合“缩容到零”、需要持续在线的 AI 代理提供稳定的单例运行环境。4

更大的战略背景是 Google Cloud 所称的 Agentic Data Cloud：将数据、模型和运营数据库整合为一个能够支持代理行动的系统。11 值得注意的是，Google 并没有把所有生产变更都交给自动化流程；对于可能带来生产影响的数据库操作，仍保留人工审批环节。2

对开发团队的实际意义

这两项公告并不是一个包打天下的“AI 代理平台”，而是针对两个具体瓶颈提供基础设施组件：

• 如果难点在数据库选型、部署、集群可见性或故障排查，可以关注 Database Operations Agents。
• 如果 AI 代理需要一个持久、可寻址的运行环境，且不适合典型无服务器服务的按请求运行模式，可以考虑 Cloud Run instances。

由于两款产品都带有预览属性，团队在用于生产环境前，应确认产品可用性、支持的配置、权限要求、计费方式，以及自动修复功能的适用边界。总体方向已经十分清晰：Google Cloud 正在让 AI 代理获得更自主的运维能力，同时提供更持久的计算基础设施。

Google Cloud 在 2026 年 8 月公布的两项基础设施更新，瞄准了 AI 代理落地时常见的两个难题：数据库该如何选择、配置和持续维护；以及那些需要保持在线、拥有状态并执行后台任务的 AI 代理该部署在哪里。

第一项更新是与 Gemini Cloud Assist 集成的两款 Database Operations Agents。第二项则是进入预览阶段的 Cloud Run instances，一种面向长期运行、有状态工作负载的单例运行环境。两者分别从数据层和计算层回应了 AI 代理应用的新需求。2411

两款数据库代理覆盖从部署到运维

Google Cloud 将这两款产品纳入 Agentic Data Cloud 战略，并以传统运维中的“第 0 天、第 1 天和第 2 天”来划分职责：Onboarding Agent 处理上线前的准备工作，Observability Agent 处理部署后的持续运营。2

Database Onboarding Agent：从需求描述到数据库部署

Database Onboarding Agent 可以理解团队的工作负载和运营要求，推荐合适的 Google Cloud 托管数据库，并引导完成配置与部署。它试图减少应用上线前通常需要人工完成的架构判断和资源配置工作。

该代理支持 AlloyDB、Bigtable、Cloud SQL 和 Spanner。2

对于知道应用需要何种读写特征、扩展能力或运维条件，却不确定应该选择哪一种 Google Cloud 数据库的开发者和平台团队来说，这一功能尤其有针对性。

Database Observability Agent：面向数据库集群的监控与排障

应用部署之后，Database Observability Agent 接管持续运维环节。Google Cloud 列出的能力包括数据库集群监控、异常检测、问题诊断、故障排查、性能优化和维护，覆盖 Cloud SQL、AlloyDB、Spanner、Bigtable、Firestore 和 Memorystore。224

它并不是只查看某一项指标，而是将 Database Insights 和 Database Center 遥测数据、Cloud Monitoring、Cloud Logging 以及 Cloud Trace 联系起来分析。相关上下文可以包括指标、查询信息、数据库清单和问题数据，用于进一步寻找潜在根因。2

因此，它的目标不只是弹出一条仪表盘告警，而是解释问题、提出处理建议，并支持多步骤修复流程。Google 举例称，代理可以建议启用 Cloud SQL 连接池或添加索引。

对于可能影响生产环境的变更，代理会在执行经过验证的修复方案前要求人工批准。调查和修复功能当时面向部分客户提供预览。224

开发者可以在哪里使用这些数据库代理

这些代理集成在 Gemini Cloud Assist 中，用户可以通过 Gemini 聊天界面以及 Cloud Console 中相关的数据库页面访问。Google 还介绍了通过命令行工具、MCP 服务器和工具、第三方工具以及集成开发环境使用相关能力的方式。2

这意味着数据库辅助并不局限于某一个运维控制台。开发者和运维人员可以在排查基础设施、配置资源或编写代码时使用相同的自然语言工作流。

Cloud Run instances 面向需要长期在线的 AI 代理

8 月 28 日，Google Cloud 预览了 Cloud Run instances。它与传统的 Cloud Run 服务并不是同一种运行模式：每个实例都是一个 单例，也就是始终只维护一个实例，不进行自动扩缩容。Google 将其定位于个人 AI 代理等长期运行、有状态的工作负载。4

Cloud Run 实例的主要特征包括：

• 最长可连续运行 7 天；
• 默认配置自动重启策略；
• 每个实例拥有一个稳定的 HTTPS 地址，更新和重启后地址保持不变；
• 可以在暂时不用时停止实例，之后再恢复运行；
• 采用一个专用运行环境，而不是根据请求量扩展出的实例集群。4

这种模式适合需要维护身份、状态或后台活动的单用户 AI 代理。相比之下，主要任务是应对并发流量的无状态 Web 服务，通常仍更适合传统的请求驱动和自动扩缩容模式。

Google 公布的 Cloud Run 实例价格

Google Cloud 给出的示例价格是：在使用共享 vCPU 和突发预算的情况下，1 个 vCPU、1 GiB 内存的配置连续运行 30 天，价格为 5.70 美元。4

Google 强调的优势不仅是成本，也包括运维负担。与自行管理一台专用虚拟机相比，用户可以少处理虚拟机和操作系统维护、防火墙配置，以及自行创建 HTTPS 端点等工作。

不过，5.70 美元应被视为 Google 针对预览产品公布的示例，而不是适用于所有场景的成本结论。实际费用仍取决于配置、使用量、区域和计费细节。43031

Google 还引用客户 OffDeal 的说法，称其冷启动次数减少了 88%。这是客户报告的结果，并非 Google 对所有工作负载作出的性能保证，也不是独立基准测试结论。4

为什么这两项更新与 AI 代理趋势相吻合

传统云应用往往将无状态请求处理与持久化数据服务分开。AI 代理则让这种架构变得更复杂：它们可能需要持续的身份和访问地址、记忆或状态、长期后台执行能力，以及对工具和运维数据的访问。

Google Cloud 这次从两个方向回应了这些需求：

1. 让数据库层变得更加自主。 Onboarding Agent 可以帮助选择和配置托管数据库，Observability Agent 则负责监控数据库集群、调查故障，并在获得批准后执行修复。2
2. 为计算层增加面向持久化运行的选择。 Cloud Run instances 为不适合“缩容到零”、需要持续在线的 AI 代理提供稳定的单例运行环境。4

更大的战略背景是 Google Cloud 所称的 Agentic Data Cloud：将数据、模型和运营数据库整合为一个能够支持代理行动的系统。11 值得注意的是，Google 并没有把所有生产变更都交给自动化流程；对于可能带来生产影响的数据库操作，仍保留人工审批环节。2

对开发团队的实际意义

这两项公告并不是一个包打天下的“AI 代理平台”，而是针对两个具体瓶颈提供基础设施组件：

• 如果难点在数据库选型、部署、集群可见性或故障排查，可以关注 Database Operations Agents。
• 如果 AI 代理需要一个持久、可寻址的运行环境，且不适合典型无服务器服务的按请求运行模式，可以考虑 Cloud Run instances。

由于两款产品都带有预览属性，团队在用于生产环境前，应确认产品可用性、支持的配置、权限要求、计费方式，以及自动修复功能的适用边界。总体方向已经十分清晰：Google Cloud 正在让 AI 代理获得更自主的运维能力，同时提供更持久的计算基础设施。