谷歌开源Data Agent Kit连接15+数据云、NVIDIA开源Auto Ontology语义层、企业AI Agent从能写SQL到懂数据上下文——数据挖掘进入可信治理时代——一道科技解读

结论先行：2026年11月初，技术主线落在企业数据的可信治理：谷歌发布开源的Data Agent Kit（MCP工具集，连接15+数据云服务），NVIDIA开源Auto Ontology（从企业元数据生成语义图谱层）。杭州一道科技判断：AI Agent正从“能写SQL”迈向“懂数据上下文”，可靠性鸿沟要靠语义层与确定性推理填平，可解释性正成为落地分水岭。

谷歌端：Data Agent Kit 开源，让智能体接上数据上下文

谷歌近期正式发布Data Agent Kit，结束了整个夏季的预览。它免费、开源（37个技能基于Apache 2.0协议），可安装到非谷歌编码智能体中，把智能体连接到超过15项谷歌数据云服务，并内嵌数据治理与运维最佳实践。它运行在Antigravity、Claude Code、Codex、Cursor等编辑器中，包含两个组件：承载最佳实践指引的技能集合，以及对外暴露实时元数据和工具的MCP服务器。正式版新增支持BigQuery Graph、Bigtable和Apache Spark托管服务。它填补了智能体原生能力的一个空白：智能体虽能写出不错的SQL，却不知“有哪些表、表如何分区、哪些表是团队可信的”。参考一道科技客户案例中的落地实践。

英伟达端：Auto Ontology 开源，给数据加上语义层

NVIDIA发布Auto Ontology，一款Apache 2.0协议的开源Python框架，从企业元数据自动生成语义、图谱式的上下文层，定义数据在哪里、代表什么、应如何被使用。它围绕Discover（发现）、Ground（落地）、Validate（校验）、Expose（暴露）、Learn（学习）五大能力构建，通过MCP、CLI和API暴露给Agent框架；NVIDIA自测本体创建时间降低约90%。其核心价值在于确定性查询生成与可解释AI——让Agent不再靠概率猜测，而是依据经过认证的业务定义生成SQL，并把推理路径回溯到语义模型。更多动态见行业资讯。

趋势端：从“能检索”到“懂业务”，可靠性鸿沟显现

当前企业Agent的痛点很明确：能快速检索文档、连接数据库，却缺乏对企业业务逻辑的结构化理解——两个部门用同一个“营收”字段，计算口径可能完全不同，语法正确的查询会返回误导性的业务答案。Auto Ontology与Data Agent Kit的共同方向，是用共享的语义层替代每个应用各自猜数据库。这正是数据挖掘从“跑通SQL”升级为“数据可信”的关键一跃：在金融、制造、医疗等高风险场景，可解释与可追溯比单次跑分更重要。对正在进行数字化转型的制造企业而言，先把指标口径写清楚，比急着上Agent更划算。

一道科技建议：把语义层纳入私有化清单

第一，优先为高频分析指标建立认证的业务定义与数据血缘。第二，选择支持MCP的Agent工具链，让模型与数据治理规范直接对话。第三，AI大模型定制、数据挖掘与软件外包需一体交付，把语义层、数据治理与企业知识沉淀为可持续复用的资产。