Google Cloud incorpora la telemetría de agentes en tablas de BigQuery propiedad de los clientes

Google Cloud amplió sus herramientas de supervisión y evaluación de agentes de IA el 13 de noviembre de 2026, con la incorporación de registros controlados por los clientes, paneles, salvaguardas de privacidad y límites de gasto en BigQuery y Looker, tanto para agentes de datos gestionados como para agentes personalizados creados con Agent Development Kit (ADK) o LangGraph.

El sistema utiliza una vía de telemetría común para los agentes propios y personalizados. Los agentes gestionados de Conversational Analytics generan telemetría automáticamente, mientras que los agentes personalizados creados con ADK o LangGraph pueden enviar telemetría estructurada mediante instrumentación del SDK en una sola línea. Los datos llegan a tablas de BigQuery propiedad del cliente para su análisis con las herramientas para desarrolladores y administradores de Google Cloud.

Varias funciones esenciales de supervisión están disponibles de forma general (GA). Los paneles prediseñados de BigQuery Studio registran el uso, las sesiones activas, las principales fuentes de conocimiento y la latencia. Los paneles Looker System Activity para Conversational Analytics también están disponibles de forma general en Looker (Google Cloud core) y Looker (original), y abarcan la interacción y el uso de tokens. Las valoraciones de los usuarios y la revisión de consultas en la pestaña Respuestas & comentarios siguen en vista previa.

Las trazas operativas excluyen el contenido de las conversaciones

Google Cloud separa la telemetría operativa del contenido de las conversaciones para que los administradores y los propietarios de agentes puedan gestionar ambas capas de forma independiente. Cloud Monitoring proporciona métricas agregadas del volumen de solicitudes, la latencia y el uso de tokens, mientras que Cloud Trace ofrece tramos detallados, paso a paso, de cada solicitud. Los ámbitos de observabilidad de Cloud Trace pueden consolidar la telemetría de varios proyectos de agentes.

Estas métricas operativas y los tramos depurados de las trazas de agentes propios excluyen el contenido esencial del cliente, incluidas las indicaciones de los usuarios, las respuestas del modelo, los razonamientos internos y el SQL generado. Así, los equipos de plataforma pueden supervisar la actividad sin dar automáticamente a las herramientas operativas acceso al contenido de cada interacción.

Para realizar auditorías más exhaustivas, los propietarios y editores de agentes pueden activar el registro de conversaciones para agentes específicos. A continuación, un agente de servicio gestionado por Google transmite las indicaciones, las respuestas y la telemetría de cada turno mediante la API BigQuery Storage Write a una tabla propiedad del cliente. agent_events La tabla hereda los permisos de gestión de identidades y accesos del conjunto de datos, las claves de cifrado gestionadas por el cliente y los controles de servicio de VPC.

Las salvaguardas de privacidad verifican cada turno antes de registrarlo y omiten el registro de ese turno si una fuente de conocimiento utiliza seguridad a nivel de fila, etiquetas de políticas a nivel de columna o enmascaramiento dinámico de datos. Si se produce un error de registro, la sesión de chat del usuario continúa sin interrupciones. Así, el diseño diferencia la visibilidad operativa amplia del acceso más limitado y habilitado explícitamente a las interacciones completas.

Google Cloud afirma que los agentes personalizados pueden conservar más detalles de diagnóstico mediante el complemento de código abierto de ADK, que puede transmitir a BigQuery árboles completos de invocaciones de herramientas, telemetría de series temporales y cargas útiles multimodales. El registro de conversaciones de agentes propios elimina deliberadamente los argumentos de herramientas de bajo nivel y el SQL interno.

Los límites de gasto van más allá de los paneles

Los registros también sirven de base para gestionar los costos. Cada turno de conversación de BigQuery registra los recuentos de tokens de entrada, salida, razonamiento, caché y total, además de la latencia total del turno. Looker System Activity informa por separado de los recuentos estimados de tokens de entrada y salida en las cargas de trabajo de inteligencia empresarial.

Los límites por consulta de los bytes analizados en BigQuery utilizan estimaciones de ejecución de prueba para bloquear las consultas demasiado grandes sin generar cargos por análisis bajo demanda. Por separado, las cuotas diarias de tokens de entrada y salida para BigQuery y la API de Conversational Analytics están en vista previa. Estas cuotas se pueden aplicar por proyecto, usuario o agente mediante la consola de Google Cloud o la gcloud CLI.

Esta combinación vincula los informes de consumo con límites activos. Los topes de análisis de bytes permiten controlar el gasto de las consultas antes de ejecutarlas, mientras que las cuotas de tokens en vista previa amplían la aplicación de límites al consumo de los agentes en distintos proyectos, usuarios y agentes individuales.

Los resultados de evaluación se muestran junto a los registros de producción

La herramienta de código abierto Prism de Google Cloud prueba agentes de Conversational Analytics basados en tablas de BigQuery o exploraciones de Looker. Admite conjuntos de pruebas reutilizables, aserciones de expresiones regulares y detección de agentes en varias regiones. Sus evaluaciones se centran en la precisión del SQL y la calidad de las respuestas antes de que los cambios en las indicaciones, los modelos o los esquemas lleguen a los usuarios.

Prism puede escribir en tablas de BigQuery las ejecuciones de evaluación completadas, particionadas por día, y situar así los resultados de las pruebas de referencia junto a los registros de producción agent_events para analizarlos en BigQuery y Looker. Por separado, las evaluaciones nativas de agentes propios de BigQuery están disponibles en vista previa mediante una API y un cuaderno guiado de Colab.

El anuncio convierte la telemetría de BigQuery propiedad de los clientes en una capa común para la supervisión, los controles de costos y la evaluación, y vincula la supervisión de los agentes con los permisos y controles de seguridad existentes en el almacén de datos. El registro de conversaciones gestionado y los paneles principales están disponibles de forma general, mientras que las cuotas de tokens, las evaluaciones nativas y algunas funciones de comentarios de Looker siguen en vista previa. Por tanto, para los equipos de producción, el diseño de la implementación debe tener en cuenta tanto la separación entre las trazas operativas y las conversaciones completas como la distinta disponibilidad de cada control.