Les fournisseurs de solutions data warehouse cloud cherchent tous à améliorer la connexion entre les données qu’elles contiennent avec des agents d’intelligence artificielle. Google répond à cet enjeu en proposant des outils permettant aux entreprises de connecter leurs agents d’IA aux données stockées dans BigQuery. Objectif : répondre à la demande croissante d’applications alimentées par des agents d’IA qui peuvent effectuer des tâches sans intervention manuelle. Si ils les ont séduites, elles veulent aussi leur fournir davantage de contexte pour générer des réponses plus précises aux demandes des utilisateurs. La firme de Mountain View affirme que son jeu d’outils répondra à cet objectif.

Avec lui, les agents d’IA pourront exécuter des requêtes dans BigQuery et récupérer des métadonnées à partir de l’entrepôt de données basé sur le cloud. A savoir : list_dataset_ids (récupérer tous les identifiants de jeux de données dans un projet Google Cloud), get_dataset_info (fournir des métadonnées détaillées sur un jeu de données spécifique, list_table_ids (répertoriet tous les identifiants de tables dans un jeu de données, get_table_info (récupérer les métadonnées pour chaque table), et lexecute_sql (exécuter des requêtes SQL directement dans BigQuery et obtenir des résultats.)

Un environnement compatible Python requis

Cependant, cet set ne peut être mis en œuvre seul. Pour connecter leurs agents à BigQuery, les sociétés doivent utiliser ces outils en combinaison avec les offres open source de Google, à savoir Agent Development Kit (ADK) et MCP Toolbox for Databases (ex Generative AI Toolbox for Databases.) « Si une entreprise souhaite utiliser l’ADK, elle doit attribuer la boîte à outils à un agent créé dans le framework lui-même en l’important à partir du module agents.tools dans un environnement exécutant Python via l’interface en ligne de commande (CLI) et le SDK de l’ADK », a expliqué le groupe dans un billet de blog. « Les entreprises auront également la possibilité d’utiliser le paramètre tool_filter pour filtrer les outils qu’elles souhaitent exposer à l’agent ».

D’autre part, cette tool box MCP pour les bases de données prend en charge nativement l’outillage pré-intégré de BigQuery. Pour y accéder, il faudra disposer d’un environnement compatible Python pour créer un nouveau dossier mcp-toolbox dans le même répertoire que leur application agentique développée avec l’ADK, puis l’installer dedans. Le fournisseur propose aussi un autre mode de déploiement de MCP Toolbox permettant aux entreprises de définir leurs propres outils personnalisés dans SQL. Charlie Dai, vice-président et analyste principal chez Forrester, estime que l’intégration de cet ensemble d’outils contribuera grandement à accélérer le développement d’applications agentiques. « L’intégration ADK et MCP de Google fournit des frameworks prédéfinis pour connecter directement les agents d’IA aux données BigQuery, ce qui évite le travail d’intégration personnalisé, réduit les coûts de développement et permet aux agents d’exploiter le contexte de l’entreprise pour fournir des réponses précises », a déclaré M. Dai.

Databricks, Snowflake et Teradata sur les rangs

Google n’est pas seul à proposer des solutions pour connecter les agents d’IA aux données d’entreprise. Ces derniers mois, les concurrents de BigQuery, dont Databricks, Snowflake et Teradata, ont tous lancé des serveurs MCP et d’autres offres autour de ce protocole pour aider les entreprises à connecter les agents d’IA aux données stockées dans leurs data lake et leurs bases de données. L’éditeur prévoit d’ajouter d’autres outils à sa dernière suite, sans préciser de calendrier.