Questo documento descrive i concetti chiave per l'utilizzo dell'API Conversational Analytics (geminidataanalytics.googleapis.com), che consente di creare e interagire con agenti di dati che utilizzano il linguaggio naturale per rispondere a domande sui dati strutturati. Questo documento descrive il funzionamento degli agenti, i workflow tipici, le modalità di conversazione, i ruoli Identity and Access Management (IAM) e come progettare sistemi con più agenti.
Come funzionano gli agenti dei dati
Gli agenti di dati dell'API Conversational Analytics utilizzano il contesto che fornisci (informazioni e dati aziendali) e strumenti (come SQL e Python) per interpretare le domande in linguaggio naturale e generare risposte dai tuoi dati strutturati.
Il seguente diagramma illustra le fasi del flusso di lavoro di un agente quando un utente pone una domanda:
Come mostrato nel diagramma, quando un utente pone una domanda, l'agente elabora la richiesta nelle seguenti fasi:
- Input dell'utente: l'utente invia una domanda in linguaggio naturale, insieme a qualsiasi contesto aggiuntivo che fornisci.
- Origini dati: l'agente si connette ai tuoi dati in Looker, BigQuery e Looker Studio per recuperare le informazioni necessarie.
- Motore di ragionamento: il cuore dell'agente elabora la domanda dell'utente utilizzando gli strumenti disponibili per generare una risposta.
- Output dell'agente: l'agente genera una risposta, che può includere testo, tabelle di dati o specifiche per i grafici.
Workflows per la progettazione e l'utilizzo degli agenti
L'API Conversational Analytics supporta i flussi di lavoro per i creatori di agenti (che creano e configurano gli agenti) e per i consumatori di agenti (che interagiscono con gli agenti).
Il seguente diagramma illustra la procedura end-to-end, dalla configurazione iniziale da parte di un creatore di agenti alle interazioni finali da parte di un consumatore di agenti:
Le sezioni seguenti descrivono in modo più dettagliato i flussi di lavoro per i creatori e i consumatori di agenti.
Il flusso di lavoro di creazione degli agenti
Il creatore dell'agente è responsabile della configurazione degli agenti. Questo flusso di lavoro prevede i seguenti passaggi:
- Crea agente: il creator inizia creando un nuovo agente e fornendo il contesto necessario, incluse le istruzioni di sistema e le connessioni alle origini dati. Questo passaggio è fondamentale per consentire all'agente di comprendere e rispondere in modo efficace alle domande degli utenti.
- Condividere l'agente: una volta configurato l'agente, il creatore lo condivide con altri utenti e imposta i controlli di accesso basati sui ruoli appropriati per gestire le autorizzazioni.
Il workflow del consumatore dell'agente
Il consumatore dell'agente è in genere un utente aziendale che deve ricevere risposte da un agente configurato. Questo flusso di lavoro prevede i seguenti passaggi:
- Trova un agente: l'utente inizia cercando un agente che è stato condiviso con lui.
- Poni una domanda: l'utente pone una domanda in linguaggio naturale. Questa domanda può essere una singola query o parte di una conversazione in più turni.
- L'agente "riflette": il motore di ragionamento dell'agente elabora la domanda. Il motore di ragionamento utilizza le conoscenze predefinite dell'agente e gli strumenti disponibili (come SQL, Python e grafici) in un "ciclo di ragionamento" per determinare il modo migliore per rispondere alla domanda.
- Risposta dell'agente: l'agente restituisce una risposta, che può includere testo, tabelle di dati o grafici.
Modalità di conversazione
Gli agenti dell'API Conversational Analytics supportano diverse modalità di conversazione che determinano il modo in cui un agente gestisce la cronologia delle conversazioni e la persistenza del contesto nelle interazioni. Sono disponibili le seguenti modalità di conversazione:
- Modalità stateless: l'agente non memorizza la cronologia delle conversazioni. Ogni interazione viene trattata in modo indipendente. Questa modalità è utile per le applicazioni in cui non è necessario mantenere il contesto in più turni.
- Modalità con stato: l'agente conserva il contesto e la cronologia delle conversazioni, consentendo interazioni più contestualizzate. Questa modalità è utile per le applicazioni in cui devi mantenere il contesto in più turni. L'utilizzo della modalità con stato è consigliato per una maggiore precisione e risposte personalizzate.
Scegli una modalità di conversazione in base ai requisiti della tua applicazione per la cronologia delle conversazioni e la persistenza del contesto.
Ruoli IAM
I ruoli IAM controllano chi può creare, gestire, condividere e interagire con gli agenti dell'API Conversational Analytics. La seguente tabella descrive i ruoli IAM chiave per l'API Conversational Analytics:
| Ruolo | Ambito tipico | Cosa consente il ruolo | Chi potrebbe utilizzare questo ruolo |
|---|---|---|---|
Gemini Data Analytics Data Agent Creator (roles/geminidataanalytics.dataAgentCreator) |
Progetto | Crea agenti ed eredita le autorizzazioni del proprietario sull'agente. | Qualsiasi analista di dati |
Gemini Data Analytics Data Agent Owner (roles/geminidataanalytics.dataAgentOwner) |
Progetto, Agente | Modificare, condividere o eliminare agenti con altri utenti. | Senior data analyst |
Gemini Data Analytics Data Agent Editor (roles/geminidataanalytics.dataAgentEditor) |
Agente, Progetto | Aggiorna la configurazione o il contesto di un agente. | Junior data analyst |
Gemini Data Analytics Data Agent User (roles/geminidataanalytics.dataAgentUser) |
Agente, Progetto | Chatta con un operatore. | Professionista del marketing, proprietario del negozio |
Gemini Data Analytics Data Agent Viewer (roles/geminidataanalytics.dataAgentViewer) |
Progetto, Agente | Elenca gli agenti e ottieni i loro dettagli. | Qualsiasi utente |
Gemini Data Analytics Data Agent Stateless User (roles/geminidataanalytics.dataAgentStatelessUser) |
Progetto | Chatta con un agente senza memorizzare il contesto o la cronologia delle conversazioni. | Qualsiasi utente |
Sistemi con più agenti
Puoi progettare sistemi complessi integrando più agenti dell'API Conversational Analytics. Un pattern comune è utilizzare un agente "orchestratore" principale che delega le attività a uno o più agenti specializzati che gestiscono domini specifici, come i dati di vendita o di marketing. Questo approccio ti consente di creare un sistema in grado di gestire un'ampia gamma di domande combinando i punti di forza di più agenti.
Il seguente diagramma illustra questo pattern multi-agente e mostra come un agente principale può delegare una domanda sui dati a un agente specializzato di Conversational Analytics:
Il workflow tipico per un sistema multi-agente prevede i seguenti passaggi:
- Un utente aziendale o un analista di dati pone una domanda in linguaggio naturale, ad esempio "Mostrami i primi tre negozi per entrate".
- Un agente "orchestratore" principale delega la richiesta all'agente specializzato appropriato.
- Un agente specializzato riceve la richiesta delegata, si connette alle origini dati pertinenti, utilizza i suoi strumenti per generare le query SQL e i grafici necessari e genera una risposta.
- La risposta dell'agente specializzato viene restituita all'utente, ad esempio "I negozi 4, 9 e 3 hanno il fatturato più alto. Ecco un grafico."
Passaggi successivi
Dopo aver compreso i concetti di base dell'API Conversational Analytics, scopri come implementare queste funzionalità:
- Scopri come eseguire l'autenticazione e connetterti a un'origine dati.
- Scopri come creare e configurare un agente con HTTP.
- Scopri come creare e configurare un agente con Python.
- Scopri di più su come guidare il comportamento di un agente con il contesto creato.
- Scopri di più sul controllo dell'accesso con IAM per l'API Conversational Analytics.