Se usó la API de Cloud Translation para traducir esta página.

Herramientas de OpenAPI y de Integration Connectors

Puedes usar las funciones de Asistente de agente junto con APIs y fuentes de datos externas. Google Cloud proporciona herramientas de OpenAPI y de Integration Connectors para facilitar tus integraciones de Asistente de agente.

Herramientas de OpenAPI

Las herramientas de OpenAPI permiten la conexión entre las funciones de Agent Assist y las APIs externas. Esta conexión permite que las funciones de Agent Assist lean y escriban información de múltiples fuentes. Para crear una herramienta de OpenAPI, debes proporcionar un esquema de OpenAPI que describa las APIs externas a las que deseas conectarte.

Herramienta de Integration Connectors

Usa Integration Connectors para conectarte Google Cloud a una variedad de fuentes de datos. Las herramientas del conector permiten que las funciones de Agent Assist usen Integration Connectors para leer y escribir esas fuentes de datos.

Antes de comenzar

Para configurar el entorno para crear herramientas de OpenAPI y de Integration Connectors, ingresa tu ID del proyecto y la región, y, luego, ejecuta el siguiente código.

CLOUDSDK_CORE_PROJECT=YOUR_PROJECT_ID
REGION=YOUR_REGION
API_VERSION=v2beta1
API_ENDPOINT=https://${REGION}-dialogflow.googleapis.com/${API_VERSION}

function gcurl () {
        curl -H "Authorization: Bearer "$(gcloud auth print-access-token) -H "X-Goog-User-Project: ${CLOUDSDK_CORE_PROJECT}" -H "Content-Type: application/json; charset=utf-8" "$@"
}

Crea una herramienta de OpenAPI

Para usar una herramienta de OpenAPI, primero debes solicitar su creación y guardar el nombre del recurso de la herramienta.

Paso 1: Solicita la creación de la herramienta

Sigue estos pasos para solicitar la creación de una herramienta de OpenAPI.

Personaliza el código de la siguiente manera:
1. Dentro de un mismo proyecto, usa un valor de tool_key que sea único entre todas tus herramientas.
2. Ingresa tu propio esquema de OpenAPI en el campo open_api_spec.text_schema.

Ejecuta el siguiente código personalizado.

$ cat > create-tool-request.json << EOF
{
  "tool_key": "UNIQUE_KEY",
  "description": "TOOL_DESCRIPTION",
  "display_name": "TOOL_DISPLAY_NAME",
  "open_api_spec": {
    "text_schema": "Your-Schema"
  }
}
EOF

$ gcurl -X POST ${API_ENDPOINT}/projects/${CLOUDSDK_CORE_PROJECT}/locations/${REGION}/tools -d @create-tool-request.json | tee create-tool-response.json

Si la operación se realiza correctamente, la API devuelve la herramienta recién creada, que contiene el nombre del recurso, como se muestra en el siguiente ejemplo.

{
  "name": "projects/Your-Project-ID/locations/Your-Region/tools/Tool-ID",
  "toolKey": "UNIQUE_KEY",
  "description": "TOOL_DESCRIPTION",
  "createTime": "2025-06-02T18:11:38.999174724Z",
  "updateTime": "2025-06-02T18:11:38.999174724Z",
  "displayName": "TOOL_DISPLAY_NAME",
  "openApiSpec": {
    "textSchema": "Your-Schema"
  }
}

Paso 2: Guarda el nombre del recurso de la herramienta

Guarda el nombre del recurso de la herramienta en una variable de entorno para usarlo más adelante. A continuación, se muestra una plantilla de ejemplo para la variable de entorno del recurso de la herramienta.

TOOL_RESOURCE=$(cat create-tool-response.json | jq .name | tr -d '"')

Entrenador de IA con una herramienta de OpenAPI

Puedes usar una herramienta de OpenAPI con la función Entrenador de IA para acceder a información adicional fuera de Google Cloud. Luego, esa información externa se puede usar para generar sugerencias que ayuden a los agentes del centro de contacto.

Paso 1: Crea un generador

En el siguiente ejemplo, se crea un generador con la variable de entorno del recurso de la herramienta.

$ cat > create-generator-request.json << _EOF_
{"agent_coaching_context":{"instructions":[{"agent_action":"help customer by using the tool to find information from library of congress","condition":"The customer asks about library of congress","description":"agent coaching test","display_name":"Search for information"}],"overarching_guidance":"Help customer with questions"},"description":"prober-generate-suggestions-with-agent-coaching-generator","inference_parameter":{"max_output_tokens":256,"temperature":0},"tools":["${TOOL_RESOURCE}"],"trigger_event":"CUSTOMER_MESSAGE"}
_EOF_

$ gcurl -X POST ${API_ENDPOINT}/projects/${CLOUDSDK_CORE_PROJECT}/locations/${REGION}/generators -d @create-generator-request.json | tee create-generator-response.json

_EOF_

$ gcurl -X POST ${API_ENDPOINT}/projects/${CLOUDSDK_CORE_PROJECT}/locations/${REGION}/generators -d @create-generator-request.json | tee create-generator-response.json

Deberías recibir una respuesta similar al siguiente ejemplo de un generador de entrenador de IA.

{
  "name": "projects/Your-Project-ID/locations/Your-Region/generators/Generator-ID",
  "description": "example-generator",
  "inferenceParameter": {
    "maxOutputTokens": 256,
    "temperature": 0
  },
  "triggerEvent": "CUSTOMER_MESSAGE",
  "createTime": "2025-06-02T18:30:51.021461728Z",
  "updateTime": "2025-06-02T18:30:51.021461728Z",
  "agentCoachingContext": {
    "instructions": [
      {
        "displayName": "Search for information",
        "condition": "The customer asks about library of congress",
        "agentAction": "help customer by using the tool to find information from library of congress"
      }
    ],
    "version": "1.5",
    "overarchingGuidance": "Help customer with questions"
  },
  "tools": [
    "projects/Your-Project-ID/locations/Your-Region/tools/Tool-ID"
  ]
}

Guarda el nombre del recurso del generador

Guárdalo como una variable de entorno para usarlo más adelante, como en el siguiente ejemplo.

GENERATOR_RESOURCE=$(cat create-generator-response.json | jq .name | tr -d '"')

Paso 2: Crea un perfil de conversación

Ejecuta el siguiente código para crear un perfil de conversación.

$ cat > create-conversation-profile-request.json << _EOF_
{"displayName":"prober-generate-suggestions-with-agent-coaching-generator","humanAgentAssistantConfig":{"humanAgentSuggestionConfig":{"generators":["${GENERATOR_RESOURCE}"]}}}
_EOF_

$ gcurl -X POST ${API_ENDPOINT}/projects/${CLOUDSDK_CORE_PROJECT}/locations/${REGION}/conversationProfiles -d @create-conversation-profile-request.json | tee create-conversation-profile-response.json

Deberías recibir una respuesta como la siguiente.

{
  "name": "projects/Your-Project-ID/locations/Your-Region/conversationProfiles/Conversation-Profile-ID",
  "displayName": "prober-generate-suggestions-with-agent-coaching-generator",
  "humanAgentAssistantConfig": {
    "humanAgentSuggestionConfig": {
      "generators": [
        "projects/Your-Project-ID/locations/Your-Region/generators/Generator-ID"
      ]
    }
  },
  "languageCode": "en-US",
  "createTime": "2025-06-02T18:40:39.940318Z",
  "updateTime": "2025-06-02T18:40:39.940318Z",
  "projectNumber": "${project_number}"
}

Guarda el nombre del recurso del perfil de conversación

Guarda este nombre como una variable de entorno, como en el siguiente ejemplo.

CONVERSATION_PROFILE_RESOURCE=$(cat create-conversation-profile-response.json | jq .name | tr -d '"')

Paso 3: Crea una conversación

Ejecuta el siguiente código para crear una conversación.

$ cat > create-conversation-request.json << _EOF_
{"conversationProfile":"${CONVERSATION_PROFILE_RESOURCE}"}
_EOF_

$ gcurl -X POST ${API_ENDPOINT}/projects/${CLOUDSDK_CORE_PROJECT}/locations/${REGION}/conversations -d @create-conversation-request.json | tee create-conversation-response.json

Deberías recibir una respuesta como la siguiente.

{
  "name": "projects/Your-Project-ID/locations/Your-Region/conversations/Conversation-ID",
  "lifecycleState": "IN_PROGRESS",
  "conversationProfile": "projects/Your-Project-ID/locations/Your-Region/conversationProfiles/Conversation-Profile-ID",
  "startTime": "2025-06-02T18:43:40.818123Z",
  "conversationStage": "HUMAN_ASSIST_STAGE",
  "source": "ONE_PLATFORM_API",
  "initialConversationProfile": {
    "name": "projects/Your-Project-ID/locations/Your-Region/conversationProfiles/Conversation-Profile-ID",
    "displayName": "prober-generate-suggestions-with-agent-coaching-generator",
    "humanAgentAssistantConfig": {
      "humanAgentSuggestionConfig": {
        "generators": [
          "projects/Your-Project-ID/locations/Your-Region/generators/Generator-ID"
        ]
      }
    },
    "languageCode": "en-US"
  },
  "projectNumber": "${project_number}",
  "initialGeneratorContexts": {
    "projects/Your-Project-ID/locations/Your-Region/generators/Generator-ID": {
      "generatorType": "AGENT_COACHING",
      "generatorVersion": "1.5"
    }
  }
}

Nombre del recurso de conversación guardada

Guarda este nombre como una variable de entorno para usarlo más adelante. Tu variable debe tener el siguiente formato.

CONVERSATION_RESOURCE=$(cat create-conversation-response.json | jq .name | tr -d '"')

Paso 4: Crea un usuario final

Ejecuta el siguiente código para crear un usuario final.

$ cat > create-end-user-request.json << _EOF_
{"role":"END_USER"}
_EOF_

$ gcurl -X POST ${API_ENDPOINT}/${CONVERSATION_RESOURCE}/participants -d @create-end-user-request.json | tee create-end-user-response.json

Deberías recibir una respuesta como la siguiente.

{
  "name": "projects/Your-Project-ID/locations/Your-Region/conversations/Conversation-ID/participants/End-User-Participant-ID",
  "role": "END_USER"
}

Nombre del recurso del usuario final guardado

Guarda el nombre del recurso del usuario final como una variable de entorno, como se muestra a continuación.

END_USER_RESOURCE=$(cat create-end-user-response.json | jq .name | tr -d '"')

Paso 5: Crea un agente humano

Ejecuta el siguiente código para crear un agente humano.

$ cat > create-human-agent-request.json << _EOF_
{"role":"HUMAN_AGENT"}
_EOF_

$ gcurl -X POST ${API_ENDPOINT}/${CONVERSATION_RESOURCE}/participants -d @create-human-agent-request.json | tee create-human-agent-response.json

Deberías recibir una respuesta como la siguiente.

{
  "name": "projects/Your-Project-ID/locations/Your-Region/conversations/Conversation-IDHuman-Agent-Participant-ID",
  "role": "HUMAN_AGENT"
}

Cómo guardar el nombre del recurso del agente humano

Guarda el nombre del recurso del agente humano como una variable de entorno, de la siguiente manera.

HUMAN_AGENT_RESOURCE=$(cat create-human-agent-response.json | jq .name | tr -d '"')

Paso 6: Envía texto al entrenador de IA

Ejecuta el siguiente código para enviar texto al entrenador de IA con el método AnalyzeContent.

cat > analyze-content-1-request.json << _EOF_
{"text_input":{"languageCode":"en-US","text":"Can you search library of congress for the latest trends"}}
_EOF_

gcurl -X POST "${API_ENDPOINT}/${END_USER_RESOURCE}:analyzeContent" -d @analyze-content-1-request.json | tee analyze-content-1-response.json

Paso 7: Verifica la llamada a la herramienta

Ejecuta el siguiente código para verificar la llamada a la herramienta.

cat analyze-content-1-response.json| jq ".humanAgentSuggestionResults[0].generateSuggestionsResponse.generatorSuggestionAnswers[0].generatorSuggestion.toolCallInfo"

Deberías recibir una respuesta como la siguiente.

[
  {
    "toolCall": {
      "tool": "projects/Your-Project-ID/locations/Your-Region/tools/Tool-ID",
      "action": "search",
      "inputParameters": {
        "q": "latest trends",
        "fo": "json",
        "tool_description": "A generic search endpoint that might be available across various LoC APIs. The structure of the results will vary.\n",
        "at": "trending_content"
      },
      "createTime": "2025-06-02T18:56:53.882479179Z"
    },
    "toolCallResult": {
      "tool": "projects/Your-Project-ID/locations/Your-Region/tools/MjM0NTU3NDk2MTM5NTAwNzQ4OQ",
      "action": "search",
      "content": ""}]}",
      "createTime": "2025-06-02T18:56:54.289367086Z"
    }
  }
]

Paso 8: (Opcional) Borra recursos

Para borrar los recursos que creaste en los pasos anteriores, ejecuta el siguiente código.

Perfil de conversación

gcurl -X DELETE ${API_ENDPOINT}/${CONVERSATION_PROFILE_RESOURCE}

Generador

gcurl -X DELETE ${API_ENDPOINT}/${GENERATOR_RESOURCE}

Herramienta de OpenAPI

gcurl -X DELETE ${API_ENDPOINT}/${TOOL_RESOURCE}

Crea una herramienta de Integration Connectors

Puedes configurar Integration Connectors con la consola de Google Cloud . Sigue estos pasos para crear una herramienta de Integration Connectors de Agent Assist basada en un conector de BigQuery.

Paso 1: Crea una herramienta de conector de BigQuery

Antes de crear una herramienta de Integration Connectors, ve a la consola deGoogle Cloud y crea un Integration Connectors de BigQuery.

Paso 2: Solicita la creación de la herramienta Integration Connectors

Ejecuta el siguiente código para solicitar la creación de una herramienta. Para el campo connector_spec.name, usa el nombre del recurso de tu conector de BigQuery.

cat > create-connector-tool-request.json << _EOF_
{
  "tool_key": "order_tool",
  "description": "order bigquery connector tool",
  "display_name": "order bigquery connector tool",
  "connector_spec": {
    "name": "projects/Your-Project-ID/locations/Your-Region/connections/Your-Connector-ID",
    "actions": [
                             {
                               "entityOperation": {
                                 "entityId": "Orders",
                                 "operation": "LIST"
                               }
                             }, {
                               "entityOperation": {
                                 "entityId": "Orders",
                                 "operation": "GET"
                               }
                             }
                           ]
  }
}
_EOF_


gcurl -X POST ${API_ENDPOINT}/projects/${CLOUDSDK_CORE_PROJECT}/locations/${REGION}/tools -d @create-connector-tool-request.json | tee create-connector-tool-response.json

Deberías recibir una respuesta similar a la siguiente.

{
  "name": "projects/Your-Project-ID/locations/Your-Region/tools/Tool-ID",
  "toolKey": "order_tool",
  "description": "order bigquery connector tool",
  "createTime": "2025-06-03T19:29:55.896178942Z",
  "updateTime": "2025-06-03T19:29:55.896178942Z",
  "connectorSpec": {
    "name": "projects/Your-Project-ID/locations/Your-Region/connections/order-bigquery-connector",
    "actions": [
      {
        "entityOperation": {
          "entityId": "Orders",
          "operation": "LIST"
        }
      },
      {
        "entityOperation": {
          "entityId": "Orders",
          "operation": "GET"
        }
      }
    ]
  },
  "displayName": "order bigquery connector tool"
}

¿Qué sigue?

Para obtener una lista completa de las herramientas de Integration Connectors que admite Agent Assist, consulta la lista de herramientas de Dialogflow Connector.

Herramientas de OpenAPI y de Integration Connectors Organiza tus páginas con colecciones Guarda y categoriza el contenido según tus preferencias.