O Google anunciou a expansão da observabilidade de agentes de IA no Google Data Cloud, com novidades no BigQuery e no Looker. O anúncio, publicado no blog do Google Cloud em 14 de novembro, cria um caminho único para acompanhar como os agentes de dados raciocinam, quais dados eles acessam e quanto custam para operar — tanto os agentes próprios do Google quanto agentes personalizados construídos com frameworks como o Agent Development Kit (ADK) ou o LangGraph.
A proposta é tratar a observabilidade de agentes como parte da operação, não como um complemento: quando um agente sai do protótipo e entra em produção, as equipes precisam enxergar o raciocínio em várias etapas, proteger dados sensíveis, controlar o consumo de tokens e avaliar a qualidade das respostas antes que uma mudança de prompt ou de esquema chegue aos usuários.
Um só fluxo de telemetria para todos os agentes
O coração do anúncio é um framework unificado de telemetria, que funciona da mesma forma para qualquer agente: capturar a telemetria, guardá-la em tabelas do BigQuery que pertencem ao cliente e analisá-la onde as equipes já trabalham.
- Captura: os agentes próprios de Conversational Analytics emitem telemetria automaticamente, sem configuração. Consultas roteadas para agentes de dados do BigQuery no Gemini Enterprise por fluxos agente a agente (A2A, agora em disponibilidade geral) enviam métricas do Cloud Monitoring, spans do Cloud Trace e registros de conversa direto para o projeto do agente. Agentes personalizados com ADK ou LangGraph enviam a mesma telemetria estruturada com instrumentação de uma linha no SDK.
- Destino: tudo cai em tabelas do BigQuery do próprio cliente, sob as permissões e as regras de governança dele, em vez de ficar preso em um painel de terceiros.
- Análise: painéis prontos no BigQuery Studio e no Looker mostram uso, sessões ativas, principais fontes de conhecimento, latência e consumo de tokens. Quem preferir pode montar relatórios próprios com um template open source de Data Studio ou com o Looker Block for Agent Analytics.
O que já está disponível e o que ainda é prévia
Em disponibilidade geral estão o registro de conversas no BigQuery, a API de Conversational Analytics, os fluxos A2A, os painéis de monitoramento no BigQuery Studio e os painéis de System Activity do Looker, tanto no Looker (Google Cloud core) quanto no Looker original. Em prévia ficam a avaliação de usuários e a revisão de consultas na aba Responses & feedback do Looker, as cotas diárias de tokens de entrada e saída e as avaliações nativas de agentes no BigQuery, via API e notebook guiado no Colab.
Telemetria operacional separada do conteúdo
Um ponto central do desenho é separar a telemetria operacional do conteúdo das conversas, para que cada camada tenha sua própria governança. As métricas agregadas do Cloud Monitoring e os spans sanitizados do Cloud Trace excluem o conteúdo central do cliente: prompts, respostas, pensamentos internos e SQL gerado.
Quando a auditoria precisa do conteúdo, o registro de conversas é opcional, por agente: um agente de serviço gerenciado pelo Google transmite prompts, respostas e telemetria por turno para uma tabela agent_events do cliente, via BigQuery Storage Write API, herdando as permissões de IAM, as chaves de criptografia gerenciadas pelo cliente (CMEK) e os VPC Service Controls do conjunto de dados. As travas de privacidade são fail-closed: antes de cada turno, o sistema pula o registro sempre que a fonte de conhecimento usa segurança em nível de linha, policy tags de coluna ou mascaramento dinâmico de dados. Já a execução é fail-open: se o registro falhar, a sessão do usuário continua sem interrupção.
Para agentes personalizados, o plugin open source BigQueryAgentAnalyticsPlugin do ADK envia árvores completas de invocação de ferramentas, telemetria de séries temporais e cargas multimodais. E como os registros ficam na tabela do próprio cliente, dá para diagnosticar falhas sem montar pipelines de exportação: com funções de IA do BigQuery, como AI.GENERATE e AI.EMBED com VECTOR_SEARCH, ou com o SDK Python bigquery-agent-analytics e um notebook Colab inicial.
Controle de custos com travas de FinOps
Cada turno registra as contagens de tokens de entrada, saída, pensamento, cache e total, além da latência total, e o Looker System Activity relata os tokens estimados de entrada e saída nas cargas de business intelligence. Para evitar surpresas na fatura, dá para configurar um limite por consulta de bytes escaneados no BigQuery (big_query_max_billed_bytes), que usa estimativas de dry-run para bloquear consultas grandes sem gerar cobrança sob demanda. As cotas diárias de tokens de entrada e saída, por projeto, usuário ou agente, estão em prévia. O Google também informa que há preço promocional de teste disponível para o Conversational Analytics.
Avaliação antes de colocar em produção
Logs mostram como o agente se comportou; avaliação mostra se uma mudança melhora ou piora a qualidade das respostas. Para isso, o Google lançou o Prism, ferramenta open source que testa agentes de Conversational Analytics ancorados em tabelas do BigQuery ou Explores do Looker, com suítes de teste reutilizáveis, asserções regex e descoberta multi-região. O Prism pode enviar os resultados das avaliações direto para tabelas do BigQuery particionadas por dia, ao lado dos logs de produção, para comparação lado a lado.
Contexto: o Google acelera a infraestrutura de agentes
O anúncio chega na mesma semana em que o Google lançou o A2UI 1.0, protocolo aberto que deixa agentes de IA responderem com telas interativas. Juntos, os dois movimentos mostram que a observabilidade de agentes virou prioridade do Google para agentes em produção: na ponta, interfaces que o usuário vê; por trás, telemetria, governança e controle de custos para as equipes que operam esses agentes.
Crédito da imagem: diagrama do framework unificado de observabilidade de agentes, do Google Cloud Blog.
Fontes: Google Cloud Blog; Unite.AI.
Transparência: esta matéria foi produzida com auxílio de inteligência artificial, com cruzamento de publicações públicas no X e fontes da internet. Recomendamos consultar as fontes originais para mais detalhes.
Por Muse
