ТехноВыбор

Новость · ИИ

Google Cloud Data Agent Kit вышел в GA: MCP-инструменты и навыки для Codex, Cursor и Claude Code

Google Cloud Data Agent Kit вышел в GA: MCP-инструменты и навыки для Codex, Cursor и Claude Code

1 октября 2026 года Google Cloud объявила об общей доступности Data Agent Kit — бесплатного набора MCP-инструментов и открытых навыков, который связывает кодового агента с сервисами Google Data Cloud. Комплект работает в совместимых редакторах и терминальных агентах, помогает исследовать схемы, выполнять запросы, разбирать журналы и строить конвейеры. При этом он не отменяет права IAM, не делает облачные вычисления бесплатными и не гарантирует правильность автоматически предложенных изменений.

Что именно выпустила Google

Google Cloud Data Agent Kit перешёл из предварительной версии в статус general availability, или общей доступности. Google описывает продукт как бесплатный комплект Model Context Protocol-инструментов и навыков для кодовых агентов. Он предназначен не для отдельного чата с собственной моделью, а для подключения уже используемого агента к данным и сервисам Google Cloud.

По данным Google, комплект поддерживает более 15 сервисов Google Data Cloud. MCP-инструменты дают агенту возможность изучать схемы, запускать запросы, читать журналы заданий и управлять ресурсами в рабочем окружении. Навыки представляют собой открытые инструкции от инженеров Google Cloud: они задают рекомендуемый порядок работы, например при оптимизации SQL для BigQuery, проектировании ключей Bigtable или подготовке dbt-конвейера.

Вместе с GA Google добавила поддержку BigQuery Graph, Bigtable и Managed Service for Apache Spark для открытого Lakehouse. Компания также сообщает о доработках установки, интерфейса редактора и повседневных сценариев. Это официальный перечень возможностей Google; редакция не проводила собственных испытаний скорости, точности и расхода токенов.

Data Agent Kit не следует путать с универсальным доступом ко всем данным организации. Агент видит только те ресурсы, которые доступны выбранной учётной записи или олицетворяемому сервисному аккаунту. Наличие инструмента не расширяет разрешения автоматически и не заменяет настройку безопасности проекта.

Где можно использовать Data Agent Kit

Google предлагает Data Agent Kit как расширение для Visual Studio Code, Antigravity IDE, Cursor и других редакторов, совместимых с расширениями VS Code. В Cloud Shell и Cloud Workstations комплект уже предустановлен: пользователю нужно открыть редактор и войти в аккаунт.

Для терминальной работы опубликованы плагины для Antigravity CLI, Claude Code и Codex CLI. В официальном анонсе Google приводит команды установки из репозитория GoogleCloudPlatform/data-agent-kit-plugin. Для Codex CLI сначала добавляется официальный marketplace репозитория, затем устанавливается плагин dak из этого marketplace.

Расширение редактора включает облегчённое представление Google Cloud Console. Через него можно просматривать данные, выполнять запросы и проверять предложенные агентом действия без постоянного переключения между браузером и IDE. Google также указывает, что расширение передаёт агенту контекст активного проекта, открытого файла и ошибки последнего запроса.

Поддержка нескольких сред не означает одинаковый набор интерфейсных возможностей в каждом клиенте. Официальный анонс отдельно описывает визуальные функции расширения IDE и команды плагинов для терминала. Перед внедрением следует проверить документацию выбранного клиента и не переносить на CLI возможности, показанные только для редактора.

Как MCP-инструменты и навыки работают вместе

MCP-инструменты обеспечивают техническое соединение с сервисами данных, а навыки объясняют агенту рекомендуемый рабочий процесс. Google приводит пример запроса о прогнозе спроса и запасах: агент находит доверенные таблицы через Knowledge Catalog, выполняет прогноз в BigQuery, проверяет остатки в AlloyDB for PostgreSQL и возвращает объединённый ответ.

Этот пример показывает назначение комплекта, но не является обещанием, что любой агент самостоятельно найдёт правильные таблицы или построит безошибочный прогноз. Качество зависит от структуры данных, метаданных каталога, доступных прав, выбранной модели и проверки результата человеком. Google не публикует в анонсе универсальную оценку точности подобных цепочек.

Открытые навыки можно изучить в GitHub, изменить под внутренние стандарты или дополнить собственными инструкциями. Такой формат делает правила работы проверяемыми: команда может увидеть, какие шаги агенту предлагают выполнить до запроса, изменения схемы или запуска вычислений.

Google сообщает, что при первоначальной настройке пользователь входит в аккаунт и выбирает нужные сервисы. Data Agent Kit затем включает требуемые API, устанавливает соответствующие навыки и настраивает MCP-серверы без ручного редактирования конфигурационных файлов. Для производственного проекта всё равно нужна проверка созданных разрешений и активированных API.

Что появилось для BigQuery и графов

В версии GA Data Agent Kit поддерживает BigQuery Graph. Навык bigquery-graph-author сопоставляет таблицы с узлами и рёбрами графа, проверяет предполагаемые связи по фактическим данным и показывает план до создания структуры. По заявлению Google, в качестве исходного материала можно использовать существующую ER-диаграмму или модель данных.

После построения графа навык bigquery-graph-query помогает сформировать запрос на языке GQL. В расширении IDE предусмотрен визуализатор, позволяющий исследовать результаты. Google позиционирует этот сценарий для анализа взаимосвязей, например совместных покупок или связей между поставщиками и товарами.

Инструмент не отменяет необходимость проверить ключи и смысл отношений. Автоматически предложенная связь между столбцами может быть технически допустимой, но неверной для бизнес-задачи. Именно поэтому в описанном Google процессе предусмотрен план, который пользователь подтверждает перед созданием графа.

Обычные аналитические задачи BigQuery также остаются частью набора. Навыки направляют агента к более экономным шаблонам: Google приводит проверку ключей партиционирования и dry run перед выполнением запроса как способы снизить риск случайного полного чтения таблицы.

Поддержка Bigtable и операционных баз

С выходом GA Bigtable присоединилась к Spanner, AlloyDB и Cloud SQL в списке полностью поддерживаемых баз Data Agent Kit. Google связывает Bigtable со сценариями, которым нужен быстрый доступ к данным: персонализированная лента, счётчик в реальном времени или список недавно просмотренных товаров.

Навык bigtable-basics проектирует схему с учётом будущих способов чтения и должен предупреждать о горячих участках и полном сканировании таблицы до создания ресурса. Затем агент может создать таблицу и выполнять запросы через GoogleSQL. Семейства столбцов при показе результатов преобразуются в более удобные для чтения столбцы.

В каталоге расширения IDE можно просматривать экземпляры и таблицы Bigtable, а запросы запускать из SQL-редактора. По заявлению Google, это объединяет проектирование, проверку структуры и работу с данными в одном интерфейсе.

Предупреждение навыка не является гарантией оптимальной схемы. Выбор ключей Bigtable зависит от распределения нагрузки и реальных шаблонов чтения. До переноса производственных данных нужно проверить предложенную структуру на репрезентативной нагрузке и оценить стоимость выбранной конфигурации отдельно.

Lakehouse, Apache Spark и внешние каталоги

Data Agent Kit и раньше мог обращаться к таблицам Apache Iceberg в Lakehouse через BigQuery. В GA Google добавила работу с теми же таблицами через бессерверный Managed Service for Apache Spark. Пользователю не требуется самостоятельно управлять кластером, а состояние сессии сохраняется между командами, поэтому временные представления доступны в следующих выражениях.

Google указывает поддержку возможностей Iceberg, включая ветвление, путешествие во времени и изменение схемы. Новые Spark notebooks автоматически создают и выбирают среду Spark Connect, а Spark SQL в редакторе запускается в изолированных сессиях со встроенными метриками выполнения.

Навык federate-lakehouse-catalog позволяет подключать Lakehouse к AWS Glue и Databricks Unity Catalog. По описанию Google, агент может выполнять запросы к данным на месте без предварительного построения отдельного конвейера загрузки в Google Cloud.

Федеративный доступ не делает передачу данных и вычисления бесплатными и не снимает ограничения внешней платформы. Организации необходимо отдельно проверить сетевой маршрут, права на каталог, правила размещения данных и возможные расходы в Google Cloud, AWS или Databricks.

Конвейеры, dbt, Dataform и Airflow

После подготовки логики агент может создавать модели dbt или Dataform и объединять их с notebooks в Orchestration Pipeline на базе Managed Service for Apache Airflow. Google также допускает шаги Gemini Enterprise Agent Platform, например загрузку модели или пакетный вывод.

В IDE выполнение показывается на визуальном полотне конвейера. Для сбойного шага предусмотрена команда Diagnose, которая передаёт журналы агенту. Навыки диагностики Airflow и Spark должны проследить причину ошибки и предложить исправление для подтверждения пользователем.

Формулировка Google подчёркивает этап подтверждения: предложение агента не обязано применяться автоматически. Для рабочего конвейера полезно сохранять изменения в системе контроля версий, проверять diff и выполнять тесты до развёртывания.

Data Agent Kit не заявлен как замена dbt, Dataform или Airflow. Он действует поверх этих сервисов и помогает агенту создавать конфигурации, планировать задачи и анализировать журналы. Стоимость и ограничения каждого используемого сервиса продолжают действовать.

Права доступа и средства защиты

Google сообщает, что каждый шаг выполняется с правами самого пользователя либо сервисного аккаунта, который пользователь олицетворяет. Поэтому политики безопасности на уровне строк и столбцов применяются автоматически. Data Agent Kit не должен обходить ограничения, уже заданные для ресурсов Google Cloud.

Администраторы могут управлять MCP-доступом через Identity and Access Management. В анонсе также названы Model Armor для проверки MCP-трафика, VPC Service Controls и политики Principal Access Boundary для ограничения области действий агента.

Эти механизмы уменьшают область риска, но не подтверждают безопасность любой конфигурации. Перед подключением к производственным данным следует выдать минимально необходимые разрешения, разделить среды разработки и эксплуатации, включить журналирование и потребовать ручное подтверждение необратимых операций.

Открытость навыков облегчает аудит инструкций, но MCP-инструменты всё равно способны запускать реальные запросы и управлять ресурсами в пределах разрешений. Секреты, персональные данные и регулируемая информация должны обрабатываться по правилам организации и условиям соответствующих сервисов Google Cloud.

Стоимость и ограничения общей доступности

Google включает Data Agent Kit без дополнительной платы. Это относится к самому комплекту инструментов и навыков, а не ко всем операциям, которые он запускает. Пользователь оплачивает BigQuery, Bigtable, Spark, AlloyDB, Cloud SQL, Spanner, Airflow и другие задействованные сервисы по их стандартным тарифам.

Компания заявляет, что навыки направляют агента к экономным способам работы, например к dry run и проверке партиций. Редакция не проверяла фактическую экономию. Автоматическая цепочка может создать ресурсы или выполнить запросы, поэтому бюджеты, квоты и уведомления о расходах остаются обязательными средствами контроля.

Статус GA означает готовность продукта к общему использованию по правилам Google Cloud, но не обещает одинаковый опыт во всех редакторах, регионах и проектах. Официальный материал не приводит отдельный перечень стран и не подтверждает локальную оплату из России или каждой страны СНГ.

Google не публикует в анонсе независимых сравнений с другими комплектами MCP, гарантий точности кода или универсальных показателей производительности. Такие свойства нужно проверять на собственных схемах, журналах и рабочих процессах до подключения агента к критическим данным.

Как безопасно начать работу

Для первого запуска лучше выбрать тестовый проект с некритичными данными и ограниченной квотой. После установки расширения или официального плагина следует войти в нужный аккаунт, выбрать только необходимые сервисы и проверить, какие API и MCP-серверы были настроены автоматически.

Первую задачу стоит разбить на этапы: изучение схемы, составление плана, dry run запроса, просмотр оценки объёма данных и только затем выполнение. При создании BigQuery Graph или конвейера нужно проверить предложенный план и diff до применения.

Для производственной среды полезны отдельный сервисный аккаунт с минимальными правами, ограничения IAM и VPC Service Controls, журналирование и лимиты расходов. Возможность агента читать журналы и диагностировать сбой не должна автоматически давать ему право изменять каждую систему, связанную с конвейером.

На 1 октября 2026 года подтверждены статус GA, поддержка более 15 сервисов, новые интеграции BigQuery Graph, Bigtable и Spark, официальные способы установки и отсутствие дополнительной платы за сам комплект. Скорость, качество предложений и итоговая стоимость зависят от конкретного агента, модели, данных и облачных операций и требуют отдельной проверки.

  • Data Agent Kit — набор MCP-инструментов и открытых навыков, а не отдельная модель ИИ.
  • Поддерживаются Codex CLI, Claude Code, Cursor, VS Code-совместимые IDE, Cloud Shell и Cloud Workstations.
  • GA добавила BigQuery Graph, Bigtable и Managed Service for Apache Spark.
  • Действия ограничиваются правами пользователя или олицетворяемого сервисного аккаунта.
  • Сам комплект бесплатен, но облачные сервисы и выполненные операции оплачиваются отдельно.

Проверяемые источники

Редакция сверила порядок действий с официальной документацией. Названия пунктов и возможности зависят от модели и версии системы.

Связанные материалы

Gemini Skills: команды, файлы и автоматический запускСвязанный материалCloudflare Auto Router: выбор ИИ-модели для запросаСвязанный материал

← В раздел «Компьютеры и комплектующие»

Частые вопросы

С чего начать по «Google Cloud Data Agent Kit вышел в GA: MCP-инструменты и навыки для Codex, Cursor и Claud»?

По «Google Cloud Data Agent Kit вышел в GA: MCP-инструменты и навыки для Codex, Cursor и Claud» сначала зафиксируйте модель и симптом, затем выполняйте шаги статьи по одному.

Какая ошибка чаще всего мешает в «Google Cloud Data Agent Kit вышел в GA: MCP-инструменты и навыки для Codex, Cursor и Claud»?

В «Google Cloud Data Agent Kit вышел в GA: MCP-инструменты и навыки для Codex, Cursor и Claud» часто меняют сразу несколько факторов — откатите лишнее и повторите один тест.

Когда по «Google Cloud Data Agent Kit вышел в GA: MCP-инструменты и навыки для Codex, Cursor и Claud» нужен сервис?

Если после базовых шагов «Google Cloud Data Agent Kit вышел в GA: MCP-инструменты и навыки для Codex, Cursor и Claud» симптом остаётся или есть риск для АКБ/платы.

Что приложить к обращению по «Google Cloud Data Agent Kit вышел в GA: MCP-инструменты и навыки для Codex, Cursor и Claud»?

Модель, версии ПО, фото и список уже проверенного по материалу «Google Cloud Data Agent Kit вышел в GA: MCP-инструменты и навыки для Codex, Cursor и Claud» (/ kompyutery-i-komplektuyushchie/google-cloud-data-agent-kit-ga-mcp-codex-cursor /).

Похожие разборы

Оставшийся Intel Optane или TLC SSD для кэша: совместимость важнее наследияСвязанный материалCloudflare Auto Router выбирает ИИ-модель для запроса: как работает и где ограниченияСвязанный материалGemini Skills заменят Gems: как работают команды, файлы и автоматический запускСвязанный материалGitHub расширила HydraFusion на VS Code и приложение Copilot: как работает оркестрация нескольких моделейСвязанный материалПроблемы разделаКаталогВ разделВсе материалы

Дополнение: Google Cloud Data Agent Kit вышел в GA: MCP-инструменты и навыки для Codex, Curs

Короткое дополнение к «Google Cloud Data Agent Kit вышел в GA: MCP-инструменты и навыки для Codex, Curs»: начните с безопасных проверок и точной модели.

Не смешивайте несколько фиксов — меняйте по одному.

Обновления ставьте только с сайта вендора.

Смежные инструкции раздела рядом, если симптом пересекается.

Перед сервисом сохраните фото/коды и список уже проверенного.

Почему так бывает

Симптом «Google Cloud Data Agent Kit вышел в GA: MCP-инструменты и навыки для Codex, Cursor и Claude Code» чаще сбой цепочки (питание, сигнал, софт), а не мгновенный отказ узла. Начните с внешнего: кабель, сеть, энергосбережение, перезагрузка.

Фото ошибки и краткий лог проверок ускоряют ответ сервиса.

Пошаговые проверки

  1. Воспроизведите симптом и запишите условия.
  2. Уберите временные режимы и лишние аксессуары.
  3. А/Б на исправном кабеле/блоке/сети.
  4. Сброс только нужного раздела настроек.
  5. Обновление ПО — после резервной копии.

Когда в сервис

Запах гари, люфт разъёма, трещины, повтор на любом аксессуаре — к мастеру. Не покупайте по одному отзыву без воспроизводимого теста.