Integrare un agente dati con un'applicazione

Questo tutorial descrive come configurare e utilizzare un agente dati in AlloyDB per PostgreSQL utilizzando la console Google Cloud e integrarlo con la tua applicazione. Scopri come creare il file di contesto dell'agente, creare un agente di dati che utilizza il contesto, utilizzare MCP Toolbox per chiamare l'API QueryData per generare query SQL per domande in linguaggio naturale e, infine, integrarlo con la tua applicazione.

Per ulteriori informazioni, consulta la panoramica degli agenti di dati.

Obiettivi

  • Creare e compilare tabelle.
  • Crea il contesto dell'agente con l'interfaccia a riga di comando di Gemini e la toolbox MCP.
  • Crea un agente dati e carica il contesto.
  • Ispeziona l'agente e genera query SQL in Studio.
  • Integra l'agente con la tua applicazione utilizzando lo strumento Gemini Data Analytics QueryData in MCP Toolbox.

Costi

In questo documento vengono utilizzati i seguenti componenti fatturabili di Google Cloud:

Per generare una stima dei costi in base all'utilizzo previsto, utilizza il calcolatore prezzi.

I nuovi utenti di Google Cloud potrebbero avere diritto a una prova senza costi.

Al termine delle attività descritte in questo documento, evita l'addebito di ulteriori costi eliminando le risorse che hai creato. Per ulteriori informazioni, consulta Esegui la pulizia.

Prima di iniziare

Completa i seguenti prerequisiti prima di creare un agente.

Attivare i servizi richiesti

Attiva i seguenti servizi per il tuo progetto:

Prepara un cluster e un'istanza AlloyDB per PostgreSQL

Assicurati di avere accesso a un cluster e a un'istanza AlloyDB esistenti o creane uno nuovo.

Ruoli e autorizzazioni richiesti



Per eseguire i passaggi di questo tutorial, accedi a Google Cloud, quindi autenticati al database utilizzando l'autenticazione IAM.

Crea lo schema e le tabelle flights e airports

In questa sezione, creerai i database flights e airports per questo tutorial.

  1. Nella console Google Cloud , vai alla pagina AlloyDB.

    Vai ad AlloyDB

  2. Seleziona un cluster dall'elenco.

  3. Nel menu di navigazione, fai clic su AlloyDB Studio.

  4. Accedi a Studio utilizzando l'autenticazione Identity and Access Management (IAM).

  5. Fai clic su Authenticate (Autentica). Nel riquadro Explorer viene visualizzato un elenco degli oggetti nel database.

  6. Fai clic su Nuova scheda dell'editor SQL o Nuova scheda per aprire una nuova scheda.

  7. Crea la tabella e lo schema airports:

    CREATE TABLE IF NOT EXISTS airports (
  id INT PRIMARY KEY,
  iata TEXT,
  name TEXT,
  city TEXT,
  country TEXT
  );

  8. Crea la tabella e lo schema flights:

    CREATE TABLE IF NOT EXISTS flights (
  id INT PRIMARY KEY,
  airline VARCHAR(10),
  flight_number INT,
  departure_airport VARCHAR(5),
  arrival_airport VARCHAR(5),
  departure_time TIMESTAMP,
  arrival_time TIMESTAMP,
  departure_gate VARCHAR(10),
  arrival_gate VARCHAR(10)
);

Compila la tabella flights e airport

In questa sezione, devi compilare le tabelle flights e airports utilizzando gli script SQL forniti.

  1. Compila la tabella airports.

  2. Compila la tabella flights.

  3. Esegui la seguente query per verificare che le tabelle siano compilate:

    SELECT * FROM "public"."flights" LIMIT 10;
SELECT * FROM "public"."airports" LIMIT 10;

Crea un agente dati

In questa sezione, creerai un agente dati denominato flights-assistant. Questo agente non include alcun contesto dell'agente caricato.

  1. Nel riquadro Explorer, accanto a Data Agents, fai clic su Visualizza azioni.
  2. Fai clic su Crea agente.
  3. In Assegna un nome all'agente, inserisci flights-assistant.
  4. Fai clic su Crea.

Ispeziona l'agente in Studio

In questa sezione, poni all'agente flights-assistant una domanda in linguaggio naturale e viene generata una query SQL. Poiché l'agente non ha alcun contesto, anche dopo aver posto una domanda con contesto come nighttime traffic, genera una query non ottimale.

  1. Nel riquadro Explorer, fai clic su Visualizza azioni accanto all'agente dati.
  2. Fai clic su Ispeziona agente.
  3. Nell'editor di query, fai clic su Genera SQL utilizzando l'agente: flights-assistant.

  4. Inserisci la seguente domanda in linguaggio naturale per generare una query SQL e fai clic su Genera.

    Find flights from SFO to JFK.

    Esamina la query SQL. Tieni presente che l'agente genera l'SQL corretto per questa domanda non ambigua.

      SELECT
    *
  FROM
    "flights"
  WHERE
    "departure_airport" = 'SFO' AND "arrival_airport" = 'JFK';

  5. Nella finestra Genera SQL utilizzando l'agente: flights-assistant, fai clic su Modifica.

  6. Inserisci la seguente domanda in linguaggio naturale per generare una query SQL e fai clic su Aggiorna.

    Tell me flights that can help me beat nighttime traffic if traveling from New York

    Il database non riconosce il termine traffico nighttime. Ciò potrebbe impedire la generazione di una query SQL o causare la generazione di una query che ignora il termine, come mostrato nella query seguente.

    -- The database schema does not contain information about traffic.
-- Returning all flights departing from New York airports.
SELECT
  f.airline,
  f.flight_number,
  a.name AS departure_airport_name,
  f.departure_time,
  b.name AS arrival_airport_name,
  f.arrival_time
FROM
  flights AS f
JOIN
  airports AS a
  ON f.departure_airport = a.iata
JOIN
  airports AS b
  ON f.arrival_airport = b.iata
WHERE
  a.city = 'New York'
ORDER BY
  f.departure_time;

Generare il contesto per l'agente

In questa sezione crei un file di contesto che contribuisce a migliorare le capacità di query dell'agente. Per risolvere il problema della sezione precedente in cui l'agente non riconosceva il termine nighttime traffic, definisci il termine nel contesto dell'agente come traffico che si verifica tra 5:00 PM e 7:00 PM.

Per generare il contesto dell'agente:

  1. Nella directory locale, installa Gemini CLI. Per saperne di più, consulta la guida rapida di Gemini CLI.
  2. Installa Google Cloud CLI e configura le credenziali predefinite dell'applicazione (ADC).

  3. Installa l'estensione MCP Toolbox Gemini CLI, che si connette al database.

    gemini extensions install https://github.com/gemini-cli-extensions/mcp-toolbox

  4. Crea un file di configurazione tools.yaml nella stessa directory in cui installi la toolbox MCP per configurare la connessione al database:

    sources:
  flight-sql-source:
    kind: alloydb-postgres
    project: PROJECT_ID
    region: REGION_ID
    cluster: CLUSTER_ID
    instance: INSTANCE_ID
    database: DATABASE_ID
    user: USER_NAME
    password: PASSWORD

tools:
  # (Optional) Fetches database schemas for context generation in the bulk generation (/generate_bulk_templates) phase.
  list_flight_schemas_tool:
    kind: postgres-list-tables
    source: flight-sql-source
    description: Use this tool to list all tables and their schemas in the flight database.
  # (Optional) Executes generated SQL for validation in the bulk generation (/generate_bulk_templates) phase.
  execute_sql_tool:
    kind: postgres-execute-sql
    source: flight-sql-source
    description: Use this tool to execute SQL against the flight database.

    Sostituisci quanto segue:

    • PROJECT_ID: l'ID progetto Google Cloud .
    • REGION_ID: la regione del tuo cluster AlloyDB, ad esempio us-central1.
    • CLUSTER_ID: l'ID del tuo cluster AlloyDB.
    • INSTANCE_ID: l'ID della tua istanza principale di AlloyDB.
    • DATABASE_ID: il nome del database a cui connettersi.
    • USER_NAME: l'utente del database. Imposta questo valore come variabile di ambiente e non come valore letterale. Per saperne di più su come impostare questo valore, consulta Fonti nella casella degli strumenti MCP.
    • PASSWORD: la password dell'utente del database. Imposta questo valore come variabile di ambiente e non come valore letterale. Per saperne di più su come impostare questo valore, consulta Fonti nella casella degli strumenti MCP.

    Per saperne di più, consulta Guida rapida (MCP con AlloyDB).

  5. Installa il programma di installazione del pacchetto Python uv seguendo la guida all'installazione ufficiale e verifica che l'installazione vada a buon fine eseguendo:

    uv --version

  6. Installa il server MCP per l'arricchimento del contesto del database, che include i flussi di lavoro per la generazione del contesto.

    gemini extensions install https://github.com/GoogleCloudPlatform/db-context-enrichment

  7. Esporta la chiave API Gemini come variabile di ambiente. Per saperne di più su come trovare la chiave API, consulta Utilizzo delle chiavi API Gemini.

    export GEMINI_API_KEY="YOUR_API_KEY"

    Sostituisci YOUR_API_KEY con la tua chiave API Gemini.

  8. Nella stessa directory in cui hai creato il file tools.yaml, avvia Gemini:

    gemini

  9. Completa la configurazione dell'autenticazione Gemini CLI.

  10. Verifica che la cassetta degli attrezzi MCP e l'estensione per l'arricchimento del database siano connesse e pronte all'uso.

    /mcp list

  11. Esegui il comando /generate_targeted_templates e segui il flusso di lavoro:

    /generate_targeted_templates

  12. Fornisci la query in linguaggio naturale che vuoi aggiungere al modello di query nel terminale.

    Tell me flights that can help me beat nighttime traffic if traveling from New York

  13. Fornisci una query SQL corrispondente che vuoi aggiungere al modello di query. Questo modello di query definisce il termine nighttime come compreso tra 5:00 PM e 7:00 PM.

    SELECT
  f.airline,
  f.flight_number,
  a.name AS airport_name,
  f.departure_time
FROM
  flights f
JOIN
  airports a
  ON f.departure_airport = a.iata
WHERE
  a.city = 'New York'
  AND (
    EXTRACT(HOUR FROM f.departure_time) < 17
    OR EXTRACT(HOUR FROM f.departure_time) >= 19
  )
ORDER BY
  f.departure_time;

  14. Premi Invio. Gemini converte l'input in un formato specifico che migliora le prestazioni dell'agente in un'ampia gamma di query utente. Per saperne di più, vedi Contesto dell'agente.

    Se vuoi, esegui il flusso di lavoro /generate_bulk_templates per consentire all'interfaccia a riga di comando di Gemini di generare più contesto analizzando lo schema del database e suggerendo un contesto correlato. Assicurati di aggiungere sia list_flight_schemas_tool che execute_sql_tool alla configurazione tools.yaml che hai creato nel passaggio 4.

  15. Esamina il modello di query generato. Puoi salvare il modello di query come nuovo file di contesto dell'agente o aggiungerlo a un file di contesto dell'agente esistente.

  16. Seleziona l'opzione per creare un nuovo file di contesto dell'agente. Gemini crea un nome file INSTANCE_ID_DATABASE_ID_context_set_TIMESTAMP.json nella stessa directory, con il seguente contenuto:

    {
  "templates": [
    {
      "nl_query": "Tell me flights that can help me beat nighttime traffic if traveling from New York",
      "sql": "SELECT f.airline, f.flight_number, a.name AS airport_name, f.departure_time FROM flights f JOIN airports a ON f.departure_airport = a.iata WHERE a.city = 'New York' AND (EXTRACT(HOUR FROM f.departure_time) < 17 OR EXTRACT(HOUR FROM f.departure_time) >= 19) ORDER BY f.departure_time;",
      "intent": "Tell me flights that can help me beat nighttime traffic if traveling from New York",
      "manifest": "Tell me flights that can help me beat nighttime traffic if traveling from a given city",
      "parameterized": {
        "parameterized_sql": "SELECT f.airline, f.flight_number, a.name AS airport_name, f.departure_time FROM flights f JOIN airports a ON f.departure_airport = a.iata WHERE a.city = ? AND (EXTRACT(HOUR FROM f.departure_time) < 17 OR EXTRACT(HOUR FROM f.departure_time) >= 19) ORDER BY f.departure_time;",
        "parameterized_intent": "Tell me flights that can help me beat nighttime traffic if traveling from ?"
      }
    }
  ]
}

Caricare il contesto nell'agente

In questa sezione, carichi il file di contesto dell'agente nell'agente dati, in modo da migliorare le funzionalità di generazione SQL dell'agente nel tuo database.

Per caricare il contesto, segui questi passaggi:

  1. Nella console Google Cloud , vai alla pagina AlloyDB.

    Vai ad AlloyDB

  2. Seleziona un cluster dall'elenco.

  3. Nel menu di navigazione, fai clic su AlloyDB Studio.

  4. Accedi a Studio utilizzando l'autenticazione Identity and Access Management (IAM).

  5. Nel riquadro Explorer, accanto a Data Agents, fai clic su Visualizza azioni.

  6. Fai clic su Modifica agente.

  7. (Facoltativo) Modifica la descrizione dell'agente.

  8. Fai clic su Sfoglia nella sezione Carica file di contesto dell'agente e seleziona il file di contesto dell'agente generato in precedenza.

  9. Fai clic su Salva.

Genera query SQL utilizzando il contesto dell'agente

In questa sezione, utilizzi il file di contesto dell'agente che hai caricato per porre domande in linguaggio naturale. In questo modo, puoi verificare che l'agente comprenda e applichi correttamente le definizioni di termini come nighttime traffic e altre frasi correlate.

Per generare query SQL, segui questi passaggi:

  1. Nel riquadro Explorer, fai clic su Visualizza azioni accanto all'agente dati.
  2. Fai clic su Ispeziona agente.
  3. Nell'editor di query, fai clic su Genera SQL utilizzando l'agente: flights-assistant.

  4. Inserisci la seguente domanda in linguaggio naturale per generare una query SQL e fai clic su Genera.

    Tell me flights that can help me beat nighttime traffic if traveling from New York

    La query SQL generata è simile alla seguente:

    SELECT
  f.airline,
  f.flight_number,
  a.name AS airport_name,
  f.departure_time
FROM
  flights f
JOIN
  airports a ON f.departure_airport = a.iata
WHERE
  a.city = 'New York'
  AND (
    EXTRACT(HOUR FROM f.departure_time) < 17
    OR EXTRACT(HOUR FROM f.departure_time) >= 19
  )
ORDER BY
  f.departure_time;

    Si tratta della stessa domanda che hai aggiunto al contesto dell'agente dati. Nota che ora l'agente può interpretare con precisione il termine nighttime traffic.

    Sebbene il contesto provenga da una domanda specifica, l'agente lo utilizza per migliorare la generazione di SQL per un'ampia gamma di domande simili.

  5. Nella finestra Genera SQL utilizzando l'agente: flights-assistant, fai clic su Modifica.

  6. Inserisci la seguente domanda simile per generare una query SQL e fai clic su Aggiorna.

    What are the flights that can help me avoid evening traffic if departing from Boston

    Poiché la domanda sostituisce il termine nighttime traffic con un termine simile, evening traffic, l'agente fornisce una risposta coerente a questa domanda applicando la stessa interpretazione.

    La query SQL generata è simile alla seguente:

    -- What are the flights that can help me avoid evening traffic if departing from Boston
SELECT
  f.airline,
  f.flight_number,
  a.name AS airport_name,
  f.departure_time
FROM
  flights f
JOIN
  airports a
ON
  f.departure_airport = a.iata
WHERE
  a.city = 'Boston'
  AND (
    EXTRACT(HOUR FROM f.departure_time) < 17
    OR EXTRACT(HOUR FROM f.departure_time) >= 19
  )
ORDER BY
  f.departure_time;

Integra l'agente con la tua applicazione

In questa sezione, creerai un agente dati per un'applicazione di ricerca di voli. Questo agente dati fornisce un'interfaccia conversazionale alla tabella flights e airports che hai creato in precedenza. Spiega inoltre come creare e integrare questo agente nella tua applicazione utilizzando Agent Development Kit (ADK), lo strumento QueryData MCP di Gemini Data Analytics e il contesto dell'agente per migliorare la qualità delle risposte.

  1. Scarica MCP Toolbox versione 0.24.0 o successive. MCP Toolbox espone l'agente dati come strumento a cui le applicazioni possono connettersi. La toolbox MCP è diversa dall'estensione della CLI Gemini della toolbox MCP che hai installato in precedenza, che genera il contesto.

  2. Nel terminale, imposta il progetto che stai utilizzando.

    gcloud config set project [PROJECT_ID]

  3. Configura le credenziali predefinite dell'applicazione (ADC).

    gcloud auth application-default login

  4. Trova l'ID contesto dell'agente. Per saperne di più su come trovare l'ID insieme di contesti, consulta Trovare l'ID contesto dell'agente.

  5. Crea la configurazione tools.yaml per connetterti all'agente dati utilizzando la casella degli strumenti MCP. Per saperne di più, consulta Origine Gemini Data Analytics e Strumento QueryData di Gemini Data Analytics.

    sources:
  gda-api-source:
    kind: cloud-gemini-data-analytics
    projectId: "PROJECT_ID"

tools:
  cloud_gda_query_tool:
    kind: cloud-gemini-data-analytics-query
    source: gda-api-source
    description: Use this tool to send natural language queries to the Gemini Data Analytics API and receive SQL, natural language answers, and explanations.
    location: "REGION_ID"
    context:
      datasourceReferences:
        alloydb:
          databaseReference:
            projectId: "PROJECT_ID"
            region: "REGION_ID"
            clusterId: "CLUSTER_ID"
            instanceId: "INSTANCE_ID"
            databaseId: "DATABASE_ID"
          agentContextReference:
            contextSetId: "DATA_AGENT_CONTEXT_SET_ID"
    generationOptions:
      generateQueryResult: true
      generateNaturalLanguageAnswer: true
      generateExplanation: true
      generateDisambiguationQuestion: true

    Sostituisci quanto segue:

    • PROJECT_ID: l'ID progetto Google Cloud .
    • REGION_ID: la regione del tuo cluster AlloyDB, ad esempio us-central1.
    • CLUSTER_ID: l'ID del tuo cluster AlloyDB.
    • INSTANCE_ID: l'ID della tua istanza principale di AlloyDB.
    • DATABASE_ID: il nome del database a cui connettersi.
    • DATA_AGENT_CONTEXT_SET_ID: l'ID del set di contesti dell'agente dati.

  6. Esegui il server MCP Toolbox con il file tools.yaml.

    ./toolbox --tools-file "tools.yaml"

  7. Crea un'applicazione ADK che richiama lo strumento QueryData di Gemini Data Analytics utilizzando l'SDK Python di MCP Toolbox. Per saperne di più su come utilizzare l'SDK Python di MCP Toolbox, consulta la guida rapida per Toolbox e per Python ADK, consulta la guida rapida per ADK.

    1. Crea una directory per archiviare l'applicazione, ad esempio flight-assistant-app.

    2. Passa alla directory flight-assistant-app.

      mkdir flight-assistant-app
cd flight-assistant-app

    3. Esegui questi comandi nella directory flight-assistant-app per creare un ambiente virtuale e installare i componenti richiesti.

      python3 -m venv .venv
source .venv/bin/activate
pip install toolbox-core
pip install google-genai
pip install google-adk

    4. Configura un agente ADK.

      1. Crea un agente ADK.

        adk create my_agent

      2. Seleziona il modello gemini-2.5-flash.

      3. Seleziona Google AI e inserisci la chiave API Gemini. Per saperne di più su come trovare la chiave API, consulta Utilizzo delle chiavi API Gemini.

    5. Sostituisci i contenuti del file agent.py con il seguente codice dell'applicazione di esempio Flight Data Assistant.

      from typing import cast

from google.adk.agents.llm_agent import Agent
from google.adk.agents.llm_agent import ToolUnion

from toolbox_core import ToolboxSyncClient

TOOLBOX_URL = "http://127.0.0.1:5000"

INSTRUCTION = """
# ROLE
You are a friendly and factual flight data assistant. Your goal is to help users find the best flights for their needs by providing accurate information with a helpful, professional tone.
- use the Query Data Tool to answer the user's question, if the tool fails to generate a valid query, ask the user to clarify their question.

# OPERATIONAL CONSTRAINTS
- TOOL LIMITATION: You only have access to the Query Data Tool. Do not claim to have capabilities beyond what this tool provides.
- TRANSPARENCY POLICY: Maintain a seamless user experience. Never mention that you are using a tool, querying a database, or generating SQL. Frame all responses as your own direct assistance.
- SCOPE MANAGEMENT: If a user asks for something beyond your capabilities, politely state that you cannot perform that specific task. Guide the user towards what you can help with.

# COMMUNICATION STYLE
- Be concise and scannable when listing answers.
- Maintain a helpful, professional persona.

=====

# QUERY DATA TOOL

Inputs:
1. query: A natural language formulation of a database query.

Outputs: (all optional)
1. disambiguation_question: Clarification questions or comments where the tool needs the users' input.
2. generated_query: The generated query for the user query.
3. intent_explanation: An explanation for why the tool produced `generated_query`.
4. query_result: The result of executing `generated_query`.
5. natural_language_answer: The natural language answer that summarizes the `query` and `query_result`.

Usage guidance:
1. If `disambiguation_question` is produced, then solicit the needed inputs from the user and try the tool with a new `query` that has the needed clarification.
2. If `natural_language_answer` is produced, use `intent_explanation` and `generated_query` to see if you need to clarify any assumptions for the user.
3. If the tool output indicates failure or empty results, explain that clearly using the provided reasoning.
"""

client = ToolboxSyncClient(TOOLBOX_URL)

mcp_tool = client.load_tool("cloud_gda_query_tool")

root_agent = Agent(
    model="gemini-2.5-flash",
    name="root_agent",
    instruction=INSTRUCTION,
    tools=cast(list[ToolUnion], [mcp_tool]),
)

  8. Esegui i seguenti comandi nella directory flight-assistant-app per avviare l'applicazione e accedere al server web ADK all'indirizzo http://127.0.0.1:8000.

    adk web --port 8000

  9. Inserisci un testo qualsiasi, ad esempio hello, per iniziare a interagire con l'agente.

    L'agente ADK risponde a domande generali e chiama gli strumenti MCP richiesti.

  10. Inserisci la seguente domanda relativa al volo.

    How many flights depart from the west side?

    Lo strumento MCP viene chiamato per rispondere a questa domanda. Tuttavia, poiché il termine the west è ambiguo e non specifica alcun aeroporto, lo strumento MCP restituisce una domanda di disambiguazione che l'agente utilizza per costruire una risposta.

    I cannot determine how many flights depart from the 'west side' as the database does not contain information about which airports are considered to be on the 'west side'. However, I can help you with questions like:

1. How many flights depart from a specific airport?

2. What are the departure airports for all flights?

3. How many flights depart from each airport? Would you like to rephrase your question based on these options?

  11. Inserisci una domanda simile a quella nel modello di query generato per l'agente.

    Help me find flights from San Francisco that avoid the evening rush hour.

    In base al contesto dell'agente aggiunto in precedenza, lo strumento MCP comprende che evening traffic si verifica tra le 17:00 e le 19:00. Lo strumento MCP restituisce i dati associati che l'agente può utilizzare per costruire la sua risposta.

    Here are the flights departing from San Francisco that avoid the evening rush hour (defined as 5 PM to 7 PM):

* UA 1532 departing at 05:50:00
* UA 1158 departing at 05:57:00
* CY 922 departing at 06:38:00
* OO 5441 departing at 07:08:00
* UA 616 departing at 07:14:00
* AA 24 departing at 07:14:00
* B6 434 departing at 08:00:00
* AA 242 departing at 08:18:00
* UA 1739 departing at 08:22:00
* OO 6336 departing at 08:32:00
* US 1784 departing at 08:47:00
* DL 1631 departing at 09:00:00
* DL 1106 departing at 09:06:00
* OO 5427 departing at 09:06:00
* CY 352 departing at 09:25:00

Migliorare il rendimento dell'agente

La UI web dell'ADK ti consente di esaminare la richiesta e la risposta dello strumento MCP QueryData di Gemini Data Analytics. Puoi utilizzare questa risposta per osservare le risposte dello strumento, ad esempio la query SQL generata, il set di risultati, la spiegazione dell'intent, la domanda di disambiguazione e la risposta in linguaggio naturale, per verificare la correttezza delle risposte dell'agente.

Ad esempio, per il testo di input How many flights depart from the west side? inserito in precedenza, fai clic sul fumetto dell'agente. Nella scheda Evento nel pannello di navigazione a sinistra, espandi functionResponse per visualizzare la seguente risposta.

"{"disambiguationQuestion": ["[NOT_ENOUGH_INFO] The database schema does not
contain information about which airports are on the 'west side'. Therefore, I
cannot determine how many flights depart from the west side.Possible alternative
questions: 1. How many flights depart from a specific airport? 2. What are the
departure airports for all flights? 3. How many flights depart from each
airport?"]}"

Migliorare l'accuratezza delle risposte

Puoi perfezionare continuamente l'accuratezza delle risposte dello strumento QueryData di Gemini Data Analytics aggiungendo ulteriore contesto. Utilizza Gemini CLI per generare il contesto, quindi carica il contesto dell'agente aggiornato nell'agente flights-assistant esistente. Per saperne di più, consulta Creare contesti utilizzando l'interfaccia a riga di comando di Gemini. La console acquisisce immediatamente il nuovo contesto dopo il caricamento, consentendoti di migliorare l'accuratezza dell'agente senza tempi di inattività dell'applicazione.

Più agenti

Nel tuo ambiente di sviluppo, puoi eseguire test A/B su più contesti di agenti assegnando nomi distinti agli strumenti nel file tools.yaml. Ad esempio, puoi creare configurazioni tools.yaml uniche definendo due strumenti cloud-gemini-data-analytics-query con nomi diversi, ad esempio cloud_gda_query_tool_v1 e cloud_gda_query_tool_v2. Questa configurazione ti consente di implementare la logica dell'applicazione che seleziona in modo programmatico la versione del contesto dell'agente richiesta scegliendo il nome dello strumento corrispondente.

Il seguente esempio tools.yaml mostra come configurare più agenti per un'origine database:

sources:
  gda-api-source:
    kind: cloud-gemini-data-analytics
    projectId: "<var>PROJECT_ID</var>"
tools:
  cloud_gda_query_tool_v1:
    kind: cloud-gemini-data-analytics-query
    source: gda-api-source
    context:
      datasourceReferences:
        <var>DB_SOURCE</var>:
          databaseReference: ...
          agentContextReference:
            contextSetId: "V1_YOUR_DATA_AGENT_CONTEXT_SET_ID"
    generationOptions: ...
  cloud_gda_query_tool_v2:
    kind: cloud-gemini-data-analytics-query
    source: gda-api-source
    context:
      datasourceReferences:
        <var>DB_SOURCE</var>:
          databaseReference: ...
          agentContextReference:
            contextSetId: "V2_YOUR_DATA_AGENT_CONTEXT_SET_ID"
    generationOptions: ...

Sostituisci quanto segue:

  • PROJECT_ID: l'ID progetto Google Cloud .
  • V1_YOUR_DATA_AGENT_CONTEXT_SET_ID: l'ID del set di contesto dell'agente dati per la versione 1.
  • V2_YOUR_DATA_AGENT_CONTEXT_SET_ID: l'ID del set di contesto dell'agente dati per la versione 2.

Esegui la pulizia

Le sezioni seguenti descrivono come eliminare queste risorse e questi oggetti.

Eliminare l'agente

Prima di eliminare il cluster, elimina l'agente che hai creato.

  1. Nella console Google Cloud , vai alla pagina AlloyDB.

    Vai ad AlloyDB

  2. Seleziona un cluster dall'elenco.

  3. Nel menu di navigazione, fai clic su AlloyDB Studio.

  4. Accedi a Studio utilizzando l'autenticazione Identity and Access Management (IAM).

  5. Nel riquadro Explorer, fai clic su Visualizza azioni accanto all'agente dati.

  6. Nella finestra Elimina agente, inserisci flight-assistant nella casella di conferma.

  7. Fai clic su Conferma.

Elimina il cluster

Quando elimini il cluster che hai creato nella sezione Prima di iniziare, vengono eliminati anche tutti gli oggetti che hai creato.

  1. Nella console Google Cloud , vai alla pagina AlloyDB.

    Vai ad AlloyDB

  2. Seleziona un cluster dall'elenco.

  3. Fai clic su Elimina cluster.

  4. In Elimina cluster, inserisci il nome del cluster per confermare che vuoi eliminarlo.

Passaggi successivi