Arsitektur dan konsep utama Conversational Analytics API

Dokumen ini menjelaskan konsep utama untuk menggunakan Conversational Analytics API (geminidataanalytics.googleapis.com), yang memungkinkan Anda membuat dan berinteraksi dengan agen data yang menggunakan bahasa alami untuk menjawab pertanyaan tentang data terstruktur Anda. Dokumen ini menjelaskan cara kerja agen, alur kerja umum, mode percakapan, peran Identity and Access Management (IAM), dan cara mendesain sistem dengan beberapa agen.

Cara kerja agen data

Agen data Conversational Analytics API menggunakan konteks yang Anda berikan (informasi dan data bisnis) serta alat (seperti SQL dan Python) untuk menafsirkan pertanyaan natural language dan membuat respons dari data terstruktur Anda.

Diagram berikut menggambarkan tahapan alur kerja agen saat pengguna mengajukan pertanyaan:

Diagram arsitektur Conversational Analytics API, yang menunjukkan alur dari input pengguna melalui mesin penalaran, hingga output akhir.

Seperti yang ditunjukkan dalam diagram, saat pengguna mengajukan pertanyaan, agen memproses permintaan dalam tahap berikut:

  1. Input pengguna: Pengguna mengirimkan pertanyaan dalam bahasa alami, beserta konteks tambahan yang Anda berikan.
  2. Sumber data: Agen terhubung ke data Anda di Looker, BigQuery, dan Looker Studio untuk mengambil informasi yang diperlukan.
  3. Mesin penalaran: Inti agen memproses pertanyaan pengguna dengan menggunakan alat yang tersedia untuk menghasilkan jawaban.
  4. Output agen: Agen menghasilkan respons, yang dapat mencakup teks, tabel data, atau spesifikasi untuk diagram.

Alur kerja untuk mendesain dan menggunakan agen

Conversational Analytics API mendukung alur kerja untuk pembuat agen (yang membangun dan mengonfigurasi agen) dan untuk konsumen agen (yang berinteraksi dengan agen).

Diagram berikut mengilustrasikan proses end-to-end, dari penyiapan awal oleh pembuat agen hingga interaksi akhir dari konsumen agen:

Alur kerja end-to-end untuk desain dan penggunaan agen, mulai dari tugas kreator seperti membuat dan membagikan hingga tugas pengguna data seperti berinteraksi dengan agen.

Bagian berikut menjelaskan alur kerja untuk pembuat agen dan konsumen agen secara lebih mendetail.

Alur kerja pembuat agen

Pembuat agen bertanggung jawab untuk menyiapkan dan mengonfigurasi agen. Alur kerja ini mencakup langkah-langkah berikut:

  1. Membuat agen: Pembuat memulai dengan membuat agen baru dan memberikan konteks yang diperlukan, termasuk petunjuk sistem dan koneksi ke sumber data. Langkah ini sangat penting agar agen dapat memahami dan merespons pertanyaan pengguna secara efektif.
  2. Membagikan agen: Setelah agen dikonfigurasi, pembuat membagikannya kepada pengguna lain dan menetapkan kontrol akses berbasis peran yang sesuai untuk mengelola izin.

Alur kerja konsumen agen

Konsumen agen biasanya adalah pengguna bisnis yang perlu mendapatkan jawaban dari agen yang dikonfigurasi. Alur kerja ini mencakup langkah-langkah berikut:

  1. Menemukan agen: Pengguna memulai dengan menemukan agen yang telah dibagikan kepadanya.
  2. Ajukan pertanyaan: Pengguna mengajukan pertanyaan dalam natural language. Pertanyaan ini dapat berupa satu kueri atau bagian dari percakapan multi-giliran.
  3. Agen "berpikir": Mesin penalaran agen memproses pertanyaan. Mesin penalaran menggunakan pengetahuan yang telah ditentukan sebelumnya dari agen dan alat agen yang tersedia (seperti SQL, Python, dan diagram) dalam "loop penalaran" untuk menentukan cara terbaik menjawab pertanyaan.
  4. Respons agen: Agen menampilkan jawaban, yang dapat mencakup teks, tabel data, atau diagram.

Mode percakapan

Agen Conversational Analytics API mendukung berbagai mode percakapan yang menentukan cara agen menangani histori percakapan dan persistensi konteks di seluruh interaksi. Mode percakapan berikut tersedia:

  • Mode tanpa status: Agen tidak menyimpan histori percakapan. Setiap interaksi diperlakukan secara terpisah. Mode ini berguna untuk aplikasi yang tidak perlu mempertahankan konteks di beberapa giliran.
  • Mode dengan status: Agen mempertahankan konteks dan histori percakapan, sehingga memungkinkan interaksi yang lebih kontekstual. Mode ini berguna untuk aplikasi yang memerlukan pemeliharaan konteks di beberapa giliran. Penggunaan mode dengan status direkomendasikan untuk akurasi yang lebih baik dan respons yang dipersonalisasi.

Pilih mode percakapan berdasarkan persyaratan aplikasi Anda untuk histori percakapan dan persistensi konteks.

Berbagai mode chat untuk agen Conversational Analytics API.

Peran IAM

Peran IAM mengontrol siapa yang dapat membuat, mengelola, membagikan, dan berinteraksi dengan agen Conversational Analytics API. Tabel berikut menjelaskan peran IAM utama untuk Conversational Analytics API:

Peran Cakupan umum Hal yang diaktifkan oleh peran tersebut Orang yang dapat menggunakan peran ini
Pembuat Agen Data Analisis Data Gemini (roles/geminidataanalytics.dataAgentCreator) Project Membuat agen dan mewarisi izin pemilik pada agen. Analis data mana pun
Pemilik Agen Data Analisis Data Gemini (roles/geminidataanalytics.dataAgentOwner) Project, Agent Mengedit, membagikan, atau menghapus agen dengan pengguna lain. Analis data senior
Editor Agen Data Analisis Data Gemini (roles/geminidataanalytics.dataAgentEditor) Agen, Project Memperbarui konfigurasi atau konteks agen. Analis data junior
Pengguna Agen Data Analisis Data Gemini (roles/geminidataanalytics.dataAgentUser) Agen, Project Chat dengan agen. Pemasar, pemilik toko
Pelihat Agen Data Analisis Data Gemini (roles/geminidataanalytics.dataAgentViewer) Project, Agent Mencantumkan agen dan mendapatkan detailnya. Semua pengguna
Pengguna Stateless Agen Data Analisis Data Gemini (roles/geminidataanalytics.dataAgentStatelessUser) Project Melakukan chat dengan agen tanpa penyimpanan konteks atau histori percakapan. Semua pengguna

Sistem dengan beberapa agen

Anda dapat mendesain sistem yang kompleks dengan mengintegrasikan beberapa agen API Analisis Percakapan. Pola umum adalah menggunakan agen "pengelola" utama yang mendelegasikan tugas ke satu atau beberapa agen khusus yang menangani domain tertentu, seperti data penjualan atau pemasaran. Pendekatan ini memungkinkan Anda membangun sistem yang dapat menangani berbagai pertanyaan dengan menggabungkan keunggulan beberapa agen.

Diagram berikut mengilustrasikan pola multi-agen ini dan menunjukkan cara agen utama dapat mendelegasikan pertanyaan data ke agen Analisis Percakapan khusus:

Agen orkestrator utama mendelegasikan pertanyaan data kepada agen penjualan khusus, yang kemudian memberikan jawaban kepada pengguna.

Alur kerja umum untuk sistem multi-agen melibatkan langkah-langkah berikut:

  1. Pengguna bisnis atau analis data mengajukan pertanyaan dalam bahasa alami, seperti "Tunjukkan tiga toko teratas berdasarkan pendapatan".
  2. Agen "pengelola" utama mendelegasikan permintaan ke agen khusus yang sesuai.
  3. Agen khusus menerima permintaan yang didelegasikan, terhubung ke sumber data yang relevan, menggunakan alatnya untuk membuat kueri dan diagram SQL yang diperlukan, serta membuat respons.
  4. Respons agen khusus dikembalikan kepada pengguna, seperti "Toko 4, 9, dan 3 memiliki pendapatan tertinggi. Berikut diagramnya."

Langkah berikutnya

Setelah memahami konsep inti Conversational Analytics API, pelajari cara menerapkan fitur ini: