谷歌云在BigQuery和Looker中推出AI代理可观测性与治理功能
谷歌云宣布其数据平台新增AI代理追踪、成本控制及评估功能，旨在解决企业将AI代理投入生产时的透明度与安全性难题。
随着企业将AI代理从实验原型推向生产环境，数据与平台团队发现，部署代理只是成功的一半——还需要了解其推理过程、访问的数据以及运行成本。2026年11月14日，谷歌云（Google Cloud）宣布在其数据云平台（Google Data Cloud）中扩展AI代理的可观测性与评估能力，为BigQuery和Looker中的第一方数据代理以及使用Agent Development Kit (ADK)或LangGraph构建的第三方自定义代理提供统一可见性。
此次更新的核心是一个统一的遥测框架，旨在解决三大运营挑战：在保护敏感数据的同时追踪多步推理、控制令牌消耗与查询支出，以及在提示或架构变更到达用户之前评估答案准确性。对于第一方代理，对话分析（Conversational Analytics）代理会自动发出遥测数据；对于自定义代理，开发者可通过单行SDK插桩将结构化遥测数据流式传输至BigQuery。所有数据均落入客户拥有的BigQuery表中，确保数据主权。
在隐私保护方面，谷歌云引入了“故障关闭”（fail-closed）机制。当知识源使用行级安全、列级策略标签或动态数据掩码时，系统会自动跳过日志记录，防止敏感内容泄露。同时，管理员可以启用Cloud Monitoring和Cloud Trace来聚合指标和追踪步骤，但这些操作默认排除用户提示、模型响应等核心内容。若需深度审计，代理所有者可按代理为单位选择开启对话日志记录，该功能继承数据集的IAM权限和客户管理加密密钥（CMEK）。
为了控制成本，新工具提供了细粒度的令牌和延迟跟踪，并允许配置每查询的BigQuery字节扫描上限（big_query_max_billed_bytes），利用试运行估算阻止超大查询，从而避免按需扫描费用。此外，项目、用户或代理级别的每日输入/输出令牌配额也处于预览阶段。这些FinOps护栏使平台团队能够在代理采用增长时主动防止失控支出。
除了运行时观察，谷歌云还推出了开源评估工具Prism，允许测试基于BigQuery表或Looker Explores的代理，并将评估结果直接流入BigQuery，以便与生产日志进行并列分析。这一集成使得企业在部署前能够验证提示、模型或数据模式更改是否提高了SQL准确性和答案质量，从而降低回归风险。