生成ツール

生成ツールは、Google の最新の生成大規模言語モデル（LLM）とユーザーが提供するプロンプトを使用して、実行時にエージェントの動作を生成します。使用可能なモデルは Vertex AI によって提供されます。

生成ツールを使用すると、独自の外部 Webhook を作成しなくても、Dialogflow CX からネイティブで LLM を呼び出すことができます。通常は LLM に要求するすべての処理を行うように生成ツールを構成できます。

生成ツールは、要約、パラメータ抽出、データ変換などのタスクに適しています。詳細については、以下の例をご覧ください。

制限事項

現在、この機能はすべての Dialogflow 言語のエージェントで使用できます。利用可能なモデルでは、言語の制限がさらに厳しい場合があります。詳細については、Vertex AI をご覧ください。

生成ツールのコンセプトを理解する

Vertex AI のドキュメントには、Dialogflow の生成ツールの作成時に理解すべき重要な情報が記載されています。

生成ツールを定義する

生成ツールを作成するには、次の手順を実施します。

Dialogflow CX コンソールに移動
Google Cloud プロジェクトを選択します。
エージェントを選択します。
[管理] タブをクリックします。
[生成ツール] をクリックします。
[新規作成] をクリックします。
生成ツール用に、わかりやすい表示名を入力します。
コンセプトの説明に沿って、テキストプロンプト、モデル、コントロールを入力します。
[保存] をクリックします。

テキストプロンプトは、実行時の入力中に生成モデルに送信されます。モデルが十分なレスポンスを生成するには、明確な質問またはリクエストが必要です。

単語の前に $ を追加すると、単語をプレースホルダとしてマークすることで、プロンプトをコンテキストにできます。これらの生成ツールプロンプトプレースホルダを入力のセッションパラメータに関連付けると、実行時にセッションパラメータ値に置き換えられます。

セッションパラメータに関連付ける必要のない、特別な生成ツールプロンプトプレースホルダがあります。これらの組み込み生成ツールプロンプトプレースホルダは次のとおりです。

用語	定義
`$conversation`	エージェントとユーザーの会話（最後のユーザーの発話を除く）。
`$last-user-utterance`	最後のユーザーの発話。

入力でのジェネレータの使用

生成ツールは、入力中（ルート、イベントハンドラ、パラメータなど）で使用できます。

[入力] ペインの [生成ツール] セクションに移動し、展開します。 [生成ツールの追加] をクリックします。定義済みの生成ツールを選択するか、新しい生成ツールを定義することができます。

生成ツールを選択したら、プロンプトの生成ツールプロンプトプレースホルダをセッションパラメータに関連付ける必要があります。さらに、実行後に生成ツールの結果を含む出力パラメータを定義する必要があります。

1 つの入力に複数の生成ツールを追加できます。これは、並行して実行されます。

出力パラメータは、後でエージェントのレスポンスなどで使用できます。

生成ツールをテストする

生成ツール 機能は、シミュレータで直接テストできます。

例

このセクションでは、生成ツールのユースケースの例を示します。

コンテンツの概要

この例では、コンテンツを要約する方法を示しています。

質問:

Your goal is to summarize a given text.

Text:
$text

A concise summary of the text in 1 or 2 sentences is:

会話の要約

この例では、会話の要約を提供する方法を示します。会話履歴内で会話交替の接頭辞を明示的に指定し、$last-user-atterance が $conversation に含まれていないため追加できることに注意してください。

質問:

Your goal is to summarize a given conversation between a Human and an AI.

Conversation:
${conversation USER:"Human:" AGENT:"AI:"}Human: $last-user-utterance

A concise summary of the conversation in 1 or 2 sentences is:

解決済みのプロンプト:

会話の例として、生成モデルに送信される解決済みのプロンプトは次のようになります。

Your goal is to summarize a given conversation between a Human and an AI.

Conversation:
AI: Good day! What can I do for you today?
Human: Hi, which models can I use in Dialogflow's generators?
AI: You can use all models that Vertex AI provides!
Human: Thanks, thats amazing!

A concise summary of the conversation in 1 or 2 sentences is:

マークダウンの書式

以下の例は、マークダウンでテキストを書式設定する方法を示しています。

# Instructions

You are presented with a text and your goal is to apply markdown formatting to text.

**NOTE:** Do not change the meaning of the text, only the formatting.

# Example

## Text

Generators allow you to use Googles latest generative models to format text,
or to create a summaries, or even to write code. What an amazing feature.

## Text in Markdown

*Generators* allow you to use Google's latest generative models to

*   format text
*   create a summaries
*   write code

What an amazing feature.

# Your current task

## Text

$text

## Text in Markdown

質問への回答

この一連の例では、生成ツールを使用して質問に回答する方法を示しています。

まず、生成モデルの内部知識を活用して、質問に回答できます。ただし、モデルはトレーニングデータに含まれる情報に基づいて簡単に回答を提供します。答えが真実か最新である保証はありません。

自己の知識を使って質問の回答を促す

Your goal is to politely reply to a human with an answer to their question.

The human asked:
$last-user-utterance

You answer:

提供された情報を使って質問の回答を促す

ただし、提供した情報に基づいてモデルで回答を得る場合は、プロンプトに情報を追加できます。これは、提供すべき情報（たとえば、小さなレストランメニューや会社の連絡先情報）が十分でない場合に便利です。

# Instructions

Your goal is to politely answer questions about the restaurant menu.
If you cannot answer the question because it is not related to the restaurant
menu or because relevant information is missing from the menu, you politely
decline to answer.

# Restaurant menu:

## Starters
Salat 5$

## Main dishes
Pizza 10$

## Deserts
Ice cream 2$

# Examples

Question: How much is the pizza?
Answer: The pizza is 10$.

Question: I want to order the ice cream.
Answer: We do have ice cream! However, I can only answer questions about the menu.

Question: Do you have spaghetti?
Answer: I'm sorry, we do not have spaghetti on the menu.

# Your current task

Question: $last-user-utterance
Answer:

動的な情報を使って質問の回答を促す

多くの場合、モデルで回答の根拠となる情報は、プロンプトに貼り付けるには多すぎます。この場合、生成ツールをデータベースや検索エンジンなどの情報検索システムに接続して、クエリに基づいて情報を動的に取得することができます。単にそのシステムの出力をパラメータに保存し、プロンプト内のプレースホルダに接続するだけで済みます。

# Instructions

Your goal is to politely answer questions based on the provided information.
If you cannot answer the question given the provided information, you plitely
decline to answer.

# Provided information:
$information

Question: $last-user-utterance
Answer:

コード生成

この例では、生成ツールを使用してコードを記述する方法を示しています。ここでは、コードの生成専用にトレーニングされた生成モデルを使用するのが適切です。

プロンプト

# Instructions:

Your goal is to write code in a given programming language solving a given problem.

Problem to solve:
$problem

Programming language:
$programming-language

# Solution:

人間のエージェントへのエスカレーション

この例は、人間のエージェントへのエスカレーションを処理する方法を示しています。プロンプトの最後の 2 つの手順は、モデルが冗長になりすぎないようにします。

質問:

# Instructions:

You are a polite customer service agent that handles requests
from users to speak with an operator.

Based on the $last-user-utterance,
respond to the user appropriately about their request to speak with an operator.
Always be polite and assure the user that you
will do your best to help their situation.

Do not ask the user any questions.
Do not ask the user if there is anything you can do to help them.

# Answer:

検索クエリの生成

この例では、ユーザーが指定した Google 検索クエリを最適化する方法を説明します。

質問:

# Instructions:

You are an expert at Google Search and using "Google Fu"
to build concise search terms that provide the highest quality results.
A user will provide an example query,
and you will attempt to optimize this to be the best Google Search query possible.

# Example:

User: when was covid-19 first started and where did it originated from?
Agent: covid-19 start origin

# Your task:

User: $text
Agent:

顧客情報の取得

この例では、文字列または JSON 形式で指定された情報の取得と検索を行う方法を示します。これらの形式は、Dialogflow セッションパラメータで一般的に使用されます。

質問:

You are a database engineer and specialize in extracting information
from both structured and unstructured data formats like CSV, SQL, JSON,
and also plain text.

Given a $user_db, extract the information requested
by the user from the $last-user-utterance

EXAMPLE:
user_db: {'customer_name': 'Patrick', 'balance': '100'}
User: What is my current account balance?
Agent: Your current balance is 100.

Begin!

user_db: $user_db
User: $last-user-utterance
Agent:

JSON オブジェクトの更新

この例では、ユーザー（または Webhook）から入力 JSON オブジェクトを受け取り、ユーザーのリクエストに基づいてそのオブジェクトを操作する方法を説明します。

質問:

You are an expert Software Engineer
that specializes in the JSON object data structure.

Given some user $update_request and existing $json_object,
you will modify the $json_object based on the user's $update_request.

EXAMPLE:
json_object = { "a": 1, "b": 123 }
User: Add a new key/value pair to my JSON
Agent: What do you want to add?
User: c: cat
Agent: { "a": 1, "b": 123, "c": "cat"}

json_object = {"accounts": [{"username": "user1", "account_number": 12345}, {"username": "user2", "account_number": 98765}], "timestamp": "2023-05-25", "version":"1.0"}
User: Add a new value for user1
Agent: What do you want to add?
User: birthday, 12/05/1982
Agent: {"accounts": [{"username": "user1", "account_number": 12345, "birthday": "12/05/1982"}, {"username": "user2", "account_number": 98765}], "timestamp": "2023-05-25", "version":"1.0"}

json_object = $json_object
User: Add a new key value to my db
Agent: What do you want to add?
User: $last-user-utterance
Agent:

Codelab

生成ツールの Codelab もご覧ください。

Webhook

生成フォールバック