このページは Cloud Translation API によって翻訳されました。

OpenAPI と統合コネクタのツール

エージェントアシスト機能は、外部 API やデータソースとともに使用できます。 Google Cloud は、エージェントアシストの統合を容易にする OpenAPI ツールと Integration Connectors ツールを提供します。

OpenAPI ツール

OpenAPI ツールを使用すると、Agent Assist 機能と外部 API を接続できます。この接続により、エージェントアシスト機能は複数のソースから情報を読み取って書き込むことができます。OpenAPI ツールを作成するには、接続する外部 API を記述する OpenAPI スキーマを指定する必要があります。

Integration Connectors ツール

Integration Connectors を使用して、さまざまなデータソースに接続します。 Google Cloud コネクタツールを使用すると、Agent Assist 機能で Integration Connectors を使用してこれらのデータソースの読み取りと書き込みを行うことができます。

始める前に

OpenAPI ツールと Integration Connectors ツールを作成する環境を設定するには、プロジェクト ID とリージョンを入力し、次のコードを実行します。

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

OpenAPI ツールを作成する

OpenAPI ツールを使用するには、まずツールの作成をリクエストして、ツールリソース名を保存する必要があります。

ステップ 1: ツールの作成をリクエストする

OpenAPI ツールを作成するリクエストを行う手順は次のとおりです。

コードを次のようにカスタマイズします。
1. 1 つのプロジェクト内で、すべてのツール間で一意の tool_key 値を使用します。
2. open_api_spec.text_schema フィールドに独自の OpenAPI スキーマを入力します。

次のカスタマイズされたコードを実行します。

$ 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

成功すると、API は次の例に示すように、リソース名を含む新しく作成されたツールを返します。

{
  "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"
  }
}

ステップ 2: ツールリソース名を保存する

後で使用するために、ツールリソース名を環境変数に保存します。ツールリソースの環境変数のテンプレートの例を次に示します。

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

OpenAPI ツールを使用した AI コーチ

AI コーチ機能で OpenAPI ツールを使用すると、 Google Cloudの外部から追加情報にアクセスできます。この外部情報は、コンタクトセンターエージェントを支援する候補の生成に使用できます。

ステップ 1: ジェネレータを作成する

次の例では、ツールリソース環境変数を使用してジェネレータを作成します。

$ 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

AI コーチジェネレータの次の例のようなレスポンスが返されます。

{
  "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"
  ]
}

ジェネレータリソース名を保存する

次の例のように、後で使用するために環境変数として保存します。

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

ステップ 2: 会話プロファイルを作成する

次のコードを実行して、会話プロファイルを作成します。

$ 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

次のようなレスポンスが返されます。

{
  "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}"
}

会話プロファイルのリソース名を保存する

この名前を次の例のように環境変数として保存します。

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

ステップ 3: 会話を作成する

次のコードを実行して、会話を作成します。

$ 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

次のようなレスポンスが返されます。

{
  "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"
    }
  }
}

会話リソース名を保存する

この名前を環境変数として保存し、後で使用できるようにします。変数は次の形式にする必要があります。

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

ステップ 4: エンドユーザーを作成する

次のコードを実行して、エンドユーザーを作成します。

$ 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

次のようなレスポンスが返されます。

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

エンドユーザーのリソース名を保存する

エンドユーザーのリソース名を次のように環境変数として保存します。

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

ステップ 5: 人間のエージェントを作成する

次のコードを実行して、人間のエージェントを作成します。

$ 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

次のようなレスポンスが返されます。

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

ヒューマンエージェントのリソース名を保存する

次のように、ヒューマンエージェントのリソース名を環境変数として保存します。

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

ステップ 6: AI コーチにテキストを送信する

次のコードを実行して、AnalyzeContent メソッドで AI コーチにテキストを送信します。

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

ステップ 7: ツール呼び出しを検証する

次のコードを実行して、ツール呼び出しを確認します。

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

次のようなレスポンスが返されます。

[
  {
    "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"
    }
  }
]

ステップ 8:（省略可）リソースを削除する

前の手順で作成したリソースを削除するには、次のコードを実行します。

会話プロファイル

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

ジェネレータ

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

OpenAPI ツール

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

Integration Connectors ツールを作成する

Integration Connectors は、 Google Cloud コンソールを使用して設定できます。次の手順に沿って、BigQuery コネクタに基づいて Agent Assist Integration Connectors ツールを作成します。

ステップ 1: BigQuery コネクタツールを作成する

Integration Connectors ツールを作成する前に、Google Cloud コンソールに移動して、BigQuery Integration Connectors を作成します。

ステップ 2: Integration Connectors ツールの作成をリクエストする

次のコードを実行して、ツールの作成をリクエストします。connector_spec.name フィールドには、BigQuery コネクタのリソース名を使用します。

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

次のようなレスポンスが返されます。

{
  "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"
}

次のステップ

Agent Assist がサポートする Integration Connectors ツールの完全なリストについては、Dialogflow Connector ツールのリストをご覧ください。

OpenAPI と統合コネクタのツール コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。

OpenAPI ツール

Integration Connectors ツール

始める前に

OpenAPI ツールを作成する

ステップ 1: ツールの作成をリクエストする

ステップ 2: ツールリソース名を保存する

OpenAPI ツールを使用した AI コーチ

ステップ 1: ジェネレータを作成する

ジェネレータ リソース名を保存する

ステップ 2: 会話プロファイルを作成する

会話プロファイルのリソース名を保存する

ステップ 3: 会話を作成する

会話リソース名を保存する

ステップ 4: エンドユーザーを作成する

エンドユーザーのリソース名を保存する

ステップ 5: 人間のエージェントを作成する

ヒューマン エージェントのリソース名を保存する

ステップ 6: AI コーチにテキストを送信する

ステップ 7: ツール呼び出しを検証する

ステップ 8:（省略可）リソースを削除する

会話プロファイル

ジェネレータ

OpenAPI ツール

Integration Connectors ツールを作成する

ステップ 1: BigQuery コネクタツールを作成する

ステップ 2: Integration Connectors ツールの作成をリクエストする

次のステップ

OpenAPI と統合コネクタのツール

ジェネレータリソース名を保存する

ヒューマンエージェントのリソース名を保存する