Google uses AI technology to translate content into your preferred language. AI translations can contain errors.

כלים של OpenAPI ו-Integration Connectors

אתם יכולים להשתמש בתכונות של Agent Assist יחד עם ממשקי API חיצוניים ומקורות נתונים. Google Cloud מספקת כלים של OpenAPI ו-Integration Connectors כדי להקל על השילובים שלכם עם Agent Assist.

כלים ל-OpenAPI

כלים של OpenAPI מאפשרים את החיבור בין התכונות של Agent Assist לבין ממשקי API חיצוניים. החיבור הזה מאפשר לתכונות של Agent Assist לקרוא ולכתוב מידע מכמה מקורות. כדי ליצור כלי OpenAPI, צריך לספק סכימת OpenAPI שמתארת את ממשקי ה-API החיצוניים שרוצים להתחבר אליהם.

הכלי Integration Connectors

משתמשים בIntegration Connectors כדי להתחבר Google Cloud למגוון מקורות נתונים. כלי המחברים מאפשרים לתכונות של Agent Assist להשתמש במחברי שילוב כדי לקרוא ולכתוב את מקורות הנתונים האלה.

לפני שמתחילים

כדי להגדיר את הסביבה ליצירת כלים של OpenAPI ו-Integration Connectors, מזינים את מזהה הפרויקט והאזור ומריצים את הקוד הבא.

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: ${CLOUDSDK_CORE_PROJECT}" -H "Content-Type: application/json; charset=utf-8" "$@"
}

יצירת כלי OpenAPI

כדי להשתמש בכלי OpenAPI, צריך קודם לבקש את היצירה שלו ולשמור את שם המשאב של הכלי.

שלב 1: בקשה ליצירת כלי

כדי לבקש ליצור כלי OpenAPI:

מתאימים אישית את הקוד באופן הבא:
1. בפרויקט יחיד, צריך להשתמש בערך tool_key שהוא ייחודי לכל הכלים.
2. מזינים סכימת OpenAPI משלכם בשדה open_api_spec.text_schema.

מריצים את הקוד המותאם אישית הבא.

$ 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

אם הפעולה בוצעה ללא שגיאות, ה-API מחזיר את הכלי החדש שנוצר, שמכיל את שם המשאב, כמו בדוגמה הבאה.

{
  "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"
  }
}

שלב 2: שומרים את שם המשאב של הכלי

שומרים את שם המשאב של הכלי במשתנה סביבה לשימוש מאוחר יותר. זוהי דוגמה לתבנית של משתנה הסביבה של משאב הכלי.

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

מאמן AI עם כלי OpenAPI

אתם יכולים להשתמש בכלי OpenAPI עם התכונה AI Coach כדי לגשת למידע נוסף מחוץ ל- Google Cloud. אחר כך אפשר להשתמש במידע החיצוני הזה כדי ליצור הצעות שיעזרו לנציגי מוקד שירות הלקוחות.

שלב 1: יצירת גנרטור

בדוגמה הבאה נוצר גנרטור באמצעות משתנה הסביבה של משאב הכלי.

$ 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

אמורה להתקבל תגובה שדומה לדוגמה הבאה של מחולל מאמנים מבוסס-AI.

{
  "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"
  ]
}

שמירת שם המשאב של הגנרטור

שומרים אותו כמשתנה סביבה לשימוש מאוחר יותר, כמו בדוגמה הבאה.

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

שלב 2: יצירת פרופיל שיחה

מריצים את הקוד הבא כדי ליצור פרופיל שיחה.

$ 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

אמורה להתקבל תגובה כמו זו.

{
  "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}"
}

שמירת שם המשאב של פרופיל השיחה

שומרים את השם הזה כמשתנה סביבה, כמו בדוגמה הבאה.

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

שלב 3: יצירת שיחה

מריצים את הקוד הבא כדי ליצור שיחה.

$ 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

אמורה להתקבל תגובה כמו זו.

{
  "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"
    }
  }
}

שמירת שם המשאב של השיחה

שומרים את השם הזה כמשתנה סביבה לשימוש מאוחר יותר. המשתנה צריך להיות בפורמט הבא.

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

שלב 4: יצירת משתמש קצה

מריצים את הקוד הבא כדי ליצור משתמש קצה.

$ 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

אמורה להתקבל תגובה כמו זו.

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

שמירת שם המשאב של משתמש הקצה

שומרים את שם המשאב של משתמש הקצה כמשתנה סביבה כמו בדוגמה הבאה.

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

שלב 5: יצירת סוכן אנושי

מריצים את הקוד הבא כדי ליצור סוכן אנושי.

$ 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

אמורה להתקבל תגובה כמו זו.

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

שמירת שם המשאב של הסוכן האנושי

שומרים את שם המשאב של הנציג האנושי כמשתנה סביבה כמו בדוגמה הבאה.

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

שלב 6: שליחת טקסט ל-AI Coach

מריצים את הקוד הבא כדי לשלוח טקסט ל-AI Coach באמצעות השיטה 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

שלב 7: מאמתים את הקריאה לכלי

מריצים את הקוד הבא כדי לאמת את קריאת הכלי.

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

אמורה להתקבל תגובה כמו זו.

[
  {
    "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"
    }
  }
]

שלב 8: (אופציונלי) מחיקת משאבים

כדי למחוק משאבים שיצרתם בשלבים הקודמים, מריצים את הקוד הבא.

פרופיל שיחה

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

גנרטור

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

כלי OpenAPI

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

יצירת כלי Integration Connectors

אפשר להגדיר Integration Connectors באמצעות מסוף Google Cloud . כדי ליצור כלי Agent Assist Integration Connectors שמבוסס על מחבר BigQuery, פועלים לפי השלבים הבאים.

שלב 1: יוצרים כלי מחבר ל-BigQuery

לפני שיוצרים כלי Integration Connectors, עוברים אל Google Cloud המסוף ויוצרים Integration Connectors ל-BigQuery.

שלב 2: שליחת בקשה ליצירת כלי Integration Connectors

מריצים את הקוד הבא כדי לשלוח בקשה ליצירת כלי. בשדה connector_spec.name, משתמשים בשם המשאב של מחבר 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

אמורה להתקבל תגובה שדומה לזו:

{
  "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"
}

המאמרים הבאים

רשימה מלאה של כלי Integration Connectors שנתמכים ב-Agent Assist מופיעה במאמר כלי Dialogflow Connector.

כלים של OpenAPI ו-Integration Connectors קל לארגן דפים בעזרת אוספים אפשר לשמור ולסווג תוכן על סמך ההעדפות שלך.

כלים ל-OpenAPI

הכלי Integration Connectors

לפני שמתחילים

יצירת כלי OpenAPI

שלב 1: בקשה ליצירת כלי

שלב 2: שומרים את שם המשאב של הכלי

מאמן AI עם כלי OpenAPI

שלב 1: יצירת גנרטור

שמירת שם המשאב של הגנרטור

שלב 2: יצירת פרופיל שיחה

שמירת שם המשאב של פרופיל השיחה

שלב 3: יצירת שיחה

שמירת שם המשאב של השיחה

שלב 4: יצירת משתמש קצה

שמירת שם המשאב של משתמש הקצה

שלב 5: יצירת סוכן אנושי

שמירת שם המשאב של הסוכן האנושי

שלב 6: שליחת טקסט ל-AI Coach

שלב 7: מאמתים את הקריאה לכלי

שלב 8: (אופציונלי) מחיקת משאבים

פרופיל שיחה

גנרטור

כלי OpenAPI

יצירת כלי Integration Connectors

שלב 1: יוצרים כלי מחבר ל-BigQuery

שלב 2: שליחת בקשה ליצירת כלי Integration Connectors

המאמרים הבאים

כלים של OpenAPI ו-Integration Connectors