Google Cloud добавила мониторинг и оценку ИИ-агентов в BigQuery и Looker
Google Cloud анонсировала единый способ отслеживать работу ИИ-агентов: телеметрия стекается в BigQuery, а готовые дашборды показывают использование, задержки и расход токенов. Логирование диалогов и Conversational Analytics API переведены в общий доступ.

Адаптация и понятное объяснение для начинающих. Заявления приведены по материалу источника.
Google Cloud объявила о расширении возможностей наблюдаемости и оценки ИИ-агентов в своём стеке данных. Компания описывает единый подход: телеметрия собирается с агента, попадает в таблицы BigQuery, которыми владеет клиент, и анализируется в привычных инструментах.
Что произошло
По данным Google Cloud, фреймворк охватывает как собственных агентов платформы, так и сторонних — собранных на ADK или LangGraph. Для сторонних агентов подключение выполняется через SDK, который компания называет однострочным.
Логирование диалогов в BigQuery и Conversational Analytics API переведены в общий доступ (GA). В BigQuery Studio появились готовые дашборды мониторинга агентов, а в Looker — дашборды System Activity: они в общем доступе, тогда как отзывы пользователей и просмотр запросов пока в предварительном доступе. Компания также упоминает ограничения на объём сканируемых данных в запросе и дневные квоты на токены, часть из которых пока в предварительном доступе.
Отдельно Google Cloud описывает инструмент оценки Prism: он позволяет прогонять тестовые наборы до выката изменений и складывать результаты рядом с рабочими логами.
Что это значит для начинающего
Наблюдаемость (observability) — это возможность понять, что делает система внутри: какие шаги выполнил агент, к каким данным обратился, сколько времени и ресурсов потратил. Для ИИ-агента это особенно важно, потому что он принимает несколько решений подряд, и ошибка может возникнуть на любом шаге.
Токены — единицы, в которых измеряется объём текста, обработанного моделью; они напрямую связаны с расходами. Поэтому счётчики токенов и задержек в дашбордах — практичный способ заметить, что агент стал дороже или медленнее.
Для новичка главный вывод такой: запуск агента — только половина задачи. Вторая половина — заранее продумать, как вы будете видеть его поведение и стоимость. Подход Google Cloud показывает, какие вопросы стоит задать к любому инструменту: куда попадают логи, кто имеет к ним доступ и можно ли ограничить расходы.
Полезно и разделение операционных метрик и содержимого диалогов: по описанию компании, агрегированные метрики и очищенные трассировки не включают пользовательские запросы и ответы модели, а запись самих диалогов включается отдельно для каждого агента.
На что обратить внимание
- Часть функций компания помечает как предварительные — их поведение и доступность могут измениться.
- Все заявления о возможностях и удобстве — формулировки Google Cloud, а не независимая проверка.
- Материал описывает облачный стек Google; применимость к другим платформам и доступность в России в источнике не раскрываются.
- Включение логирования диалогов связано с хранением чувствительных данных: стоит заранее понять, какие права доступа и политики шифрования у вас действуют.
Если вы только начинаете работать с агентами, разумно сначала разобраться в базовых понятиях — например, в том, как устроены генеративные модели и какие у них ограничения (материал о типичных ошибках).
Что пока неизвестно
В источнике нет независимых замеров качества, нет данных о ценах и нет сведений о доступности сервисов за пределами описанного облака. Насколько удобен подход на практике и как он ведёт себя на больших нагрузках, по этому анонсу судить нельзя.


