O Google anunciou a disponibilidade geral do Data Agent Kit, uma ferramenta que promete revolucionar a forma como os agentes de codificação interagem com os serviços de dados na nuvem. Após um período de testes, o kit agora está acessível gratuitamente e é de código aberto, permitindo sua instalação em diversos agentes de codificação, mesmo aqueles que não são do Google.
O Data Agent Kit atua como uma ponte entre os agentes de codificação e os serviços do Google Data Cloud, oferecendo acesso a mais de quinze deles. Além disso, ele inclui habilidades desenvolvidas pelo Google que ensinam aos agentes as melhores práticas, como otimizar consultas SQL no BigQuery ou projetar chaves de linha no Bigtable. A ferramenta já vem pré-instalada no Cloud Shell e Cloud Workstations, e é compatível com editores como Antigravity, Claude Code, Codex, Cursor e VS Code.
Com a versão de disponibilidade geral, o Google expandiu o suporte para incluir BigQuery Graph, Bigtable e Managed Service para Apache Spark. Segundo Arun Nair e Jeff Nelson, gerentes de produto e defensores de desenvolvedores, respectivamente, o kit preenche uma lacuna importante: enquanto os agentes são proficientes em escrever SQL, eles geralmente carecem de conhecimento sobre a estrutura dos dados, como tabelas existentes, particionamento ou falhas em trabalhos anteriores.
Controles de Segurança: Habilidades e IAM
Um dos aspectos mais importantes do Data Agent Kit é seu sistema de controle de segurança, que se divide em duas frentes: habilidades e IAM (Gerenciamento de Identidade e Acesso). O repositório de plugins do kit contém 37 habilidades sob a licença Apache 2.0, cada uma publicada pelo Google. Entre elas, destaca-se a habilidade de prevenção de perda acidental de dados, que instrui o agente a "PARAR E VERIFICAR" e a "OBTER consentimento explícito do usuário" antes de executar qualquer ação irreversível, como apagar tabelas ou excluir projetos na nuvem. Essa é uma salvaguarda baseada em conselhos, onde o agente é instruído a obedecer.
No entanto, há um segundo tipo de controle que não é apenas um conselho. Para isolar investigações de leitura de ferramentas que modificam a infraestrutura, o Google implementou controles via IAM. Isso significa que um agente pode ser executado com uma conta de serviço somente leitura, ou uma política de negação de IAM pode bloquear qualquer ferramenta que não seja somente leitura. Essa abordagem permite que a segurança seja gerenciada em níveis de organização, pasta ou projeto, utilizando a linguagem de IAM que os clientes já conhecem.
É importante notar que, mesmo com ferramentas bloqueadas pelo IAM, elas ainda aparecem na lista de capacidades do agente, que só descobre a restrição no momento da invocação. Além disso, esses controles cobrem apenas os servidores MCP do Google Cloud e os atributos de serviço e nome da ferramenta são exclusivos para o gcloud, não estando presentes no console. Especialistas como Amel Habira, arquiteto de soluções de IA, veem grande potencial nessa combinação de credenciais de curta duração e atributos de somente leitura, enquanto Ankit Dongre, engenheiro de IA, aponta para a necessidade de um controle mais robusto sobre a idempotência e o status de commit em operações de escrita.
O que isso muda para você
Para os profissionais brasileiros que atuam com desenvolvimento e operações na nuvem, o lançamento do Data Agent Kit representa um avanço significativo na automação e segurança de tarefas. A capacidade de integrar agentes de IA com serviços de dados do Google Cloud, com um controle granular sobre suas ações, pode otimizar processos e reduzir a carga de trabalho manual, especialmente em tarefas repetitivas ou de otimização de consultas.
No entanto, a dualidade dos controles – conselhos via habilidades e imposição via IAM – exige uma compreensão clara e uma implementação cuidadosa. É fundamental que as equipes de desenvolvimento e segurança colaborem para configurar as políticas de IAM de forma eficaz, garantindo que os agentes operem dentro dos limites de segurança estabelecidos. Começar com acesso de leitura e sugestões, com confirmação humana para alterações críticas, é uma estratégia prudente para construir confiança e um histórico de auditoria robusto. O próximo passo concreto é explorar as habilidades disponíveis e as políticas de IAM para planejar a integração segura de agentes em seus fluxos de trabalho, começando por ambientes de teste e validação rigorosa antes de aplicar em produção.
