Google Cloud placerer agenttelemetri i kundeejede BigQuery-tabeller

Google Cloud udvidede sine værktøjer til overvågning og evaluering af AI-agenter den 13. november 2026 med kundestyret logføring, dashboards, privatlivsbeskyttelse og forbrugsgrænser på tværs af BigQuery og Looker for administrerede dataagenter og brugerdefinerede agenter bygget med Agent Development Kit (ADK) eller LangGraph.

Systemet bruger en fælles telemetriløsning til førstepartsagenter og brugerdefinerede agenter. Administrerede Conversational Analytics-agenter udsender automatisk telemetri, mens brugerdefinerede ADK- eller LangGraph-agenter kan sende struktureret telemetri med instrumentering via en enkelt SDK-linje. Dataene lander i kundeejede BigQuery-tabeller, hvor de kan analyseres i Google Clouds værktøjer til udviklere og administratorer.

Flere centrale overvågningsfunktioner er generelt tilgængelige (GA). De færdigbyggede dashboards i BigQuery Studio måler brug, aktive sessioner, de mest anvendte videnskilder og latenstid. Looker System Activity-dashboards til Conversational Analytics er også generelt tilgængelige i Looker (Google Cloud core) og Looker (original) og viser brugerengagement og tokenforbrug. Brugervurderinger og gennemgang af forespørgsler under fanen Responses & feedback er fortsat i forhåndsvisning.

Operationelle spor indeholder ikke samtaleindhold

Google Cloud adskiller operationel telemetri fra samtaleindhold, så administratorer og agentansvarlige kan styre de to lag uafhængigt af hinanden. Cloud Monitoring leverer samlede målinger af antal forespørgsler, latenstid og tokenforbrug, mens Cloud Trace viser detaljerede spor trin for trin for hver forespørgsel. Med Cloud Traces observabilitetsomfang kan telemetri samles på tværs af flere agentprojekter.

Disse operationelle målinger og rensede sporingsdata fra førstepartssystemer udelader kundernes kerneindhold, herunder brugerprompter, modellsvar, interne ræsonnementer og genereret SQL. Det gør det muligt for platformteams at overvåge aktiviteten uden automatisk at give de operationelle værktøjer adgang til indholdet af hver interaktion.

Hvis der er behov for mere omfattende kontrol, kan agentansvarlige og redaktører tilvælge logføring af samtaler for enkelte agenter. En Google-administreret serviceagent sender derefter prompter, svar og telemetri for hvert samtaletrin via BigQuery Storage Write API til en kundeejet agent_events tabel. Tabellen arver datasættets identitets- og adgangsstyringstilladelser, kundeadministrerede krypteringsnøgler og VPC Service Controls.

Privatlivsbeskyttelsen kontrollerer hvert samtaletrin før logføring og springer logføringen over for det pågældende trin, hvis en videnskilde bruger sikkerhed på rækkeniveau, politikmærker på kolonneniveau eller dynamisk datamaskering. Hvis der opstår en fejl i logføringen, fortsætter brugerens chatsession uden afbrydelse. Løsningen skelner dermed mellem bred operationel indsigt og mere begrænset, udtrykkeligt aktiveret adgang til fulde interaktioner.

Google Cloud oplyser, at brugerdefinerede agenter kan bevare flere diagnostiske detaljer via open source-udvidelsesmodulet til ADK, som kan sende komplette træer over værktøjskald, tidsserietelemetri og multimodale data til BigQuery. Logføring af førstepartssamtaler fjerner bevidst værktøjsargumenter på lavt niveau og intern SQL.

Forbrugsgrænser rækker ud over dashboards

Loggene danner også grundlag for omkostningsstyring. For hvert samtaletrin i BigQuery registreres antallet af input-, output-, ræsonnements-, cachelagrede og samlede tokens samt den samlede latenstid for trinnet. Looker System Activity rapporterer særskilt estimerede input- og outputtokens på tværs af business intelligence-arbejdsbelastninger.

Grænser for antal scannede BigQuery-bytes pr. forespørgsel bruger estimater fra testkørsler til at blokere for store forespørgsler uden at udløse scanningsgebyrer efter forbrug. Daglige kvoter for input- og outputtokens i BigQuery og Conversational Analytics API er derudover i forhåndsvisning. Kvoterne kan anvendes pr. projekt, bruger eller agent via Google Cloud-konsollen eller gcloud kommandolinjegrænsefladen.

Kombinationen forener forbrugsrapportering med aktive grænser. Grænser for bytescanning begrænser udgifterne til forespørgsler, før de køres, mens tokenkvoterne i forhåndsvisning udvider håndhævelsen til agenters forbrug på tværs af projekter, brugere og individuelle agenter.

Evalueringsresultater vises sammen med produktionslogge

Googles open source-værktøj Prism tester Conversational Analytics-agenter, der bygger på BigQuery-tabeller eller Looker-udforskninger. Det understøtter genanvendelige testsuiter, regulære udtryk som assertioner og registrering af agenter på tværs af regioner. Evalueringerne fokuserer på SQL-nøjagtighed og svarkvalitet, inden ændringer af prompter, modeller eller skemaer når ud til brugerne.

Prism kan skrive gennemførte evalueringskørsler til BigQuery-tabeller, der er partitioneret efter dag, så benchmarkresultater placeres sammen med produktions agent_events registreringer til analyse i BigQuery og Looker. Indbyggede evalueringer af førstepartsagenter i BigQuery er særskilt tilgængelige i forhåndsvisning via et API og en guidet Colab-notesbog.

Med annonceringen bliver kundeejet BigQuery-telemetri det fælles lag for overvågning, omkostningsstyring og evaluering, så tilsynet med agenter knyttes til eksisterende tilladelser og sikkerhedskontroller i datalageret. Administreret logføring af samtaler og de vigtigste dashboards er generelt tilgængelige, mens tokenkvoter, indbyggede evalueringer og visse Looker-feedbackfunktioner fortsat er i forhåndsvisning. For produktionsteams omfatter implementeringsdesignet derfor både grænsen mellem operationelle spor og fulde samtaler samt de forskellige tilgængelighedsniveauer for de enkelte kontroller.