데이터 에이전트 만들기

이 문서에서는 BigQuery에서 데이터 에이전트를 만들고, 수정하고, 관리하고, 삭제하는 방법을 설명합니다.

BigQuery에서는 데이터 에이전트와 대화하여 자연어를 사용하여 BigQuery 데이터에 대해 질문할 수 있습니다. 데이터 에이전트에는 테이블 메타데이터와 사용 사례별 쿼리 처리 지침이 포함되어 있으며, 이러한 지침은 사용자가 선택한 테이블, 뷰, 사용자 정의 함수(UDF)와 같은 지식 소스 집합에 관한 사용자 질문에 가장 적절하게 답변하는 방법을 정의합니다.

시작하기 전에

Google Cloud 프로젝트에 결제가 사용 설정되어 있는지 확인합니다.
BigQuery, Gemini 데이터 분석, Gemini for Google Cloud API를 사용 설정합니다.
API 사용 설정에 필요한 역할
API를 사용 설정하려면 serviceusage.services.enable 권한이 포함된 서비스 사용량 관리자 IAM 역할(roles/serviceusage.serviceUsageAdmin)이 필요합니다. 역할 부여 방법 알아보기
API 사용 설정

필요한 역할

데이터 에이전트를 사용하려면 다음 대화형 분석 API Identity and Access Management 역할 중 하나가 있어야 합니다.

프로젝트의 모든 데이터 에이전트 생성, 수정, 공유, 삭제: 프로젝트의 Gemini 데이터 분석 데이터 에이전트 소유자 (roles/geminidataanalytics.dataAgentOwner)
프로젝트에서 자체 데이터 에이전트 생성, 수정, 공유, 삭제: 프로젝트에 대한 Gemini 데이터 분석 데이터 에이전트 생성자(roles/geminidataanalytics.dataAgentCreator) 이 역할은 사용자가 만든 데이터 에이전트에 대한 Gemini 데이터 분석 데이터 에이전트 소유자 역할을 자동으로 부여합니다.
프로젝트의 모든 데이터 에이전트 보기 및 수정: 프로젝트 수준의 Gemini 데이터 분석 데이터 에이전트 편집자 (roles/geminidataanalytics.dataAgentEditor)
프로젝트의 모든 데이터 에이전트 보기: Gemini 데이터 분석 데이터 에이전트 뷰어(roles/geminidataanalytics.dataAgentViewer)

또한 데이터 에이전트를 만들거나 수정하려면 다음 역할이 있어야 합니다.

Gemini 데이터 분석 스테이트리스(Stateless) 채팅 사용자(roles/geminidataanalytics.dataAgentStatelessUser)
데이터 에이전트가 지식 소스로 사용하는 테이블에 대한 BigQuery 데이터 뷰어 (roles/bigquery.dataViewer)
프로젝트의 Data Catalog 뷰어 ( roles/datacatalog.catalogViewer)
데이터 테이블에서 열 수준 액세스 제어를 사용하는 경우 적절한 정책 태그에 대한 세분화된 리더(roles/datacatalog.categoryFineGrainedReader) 자세한 내용은 열 수준 액세스 제어에 사용되는 역할을 참고하세요.
데이터 테이블에서 행 수준 액세스 제어를 사용하는 경우 해당 테이블에 대한 행 수준 액세스 정책이 있어야 합니다. 자세한 내용은 행 수준 액세스 정책 만들기 또는 업데이트하기를 참고하세요.
데이터 테이블에서 데이터 마스킹을 사용하는 경우 적절한 데이터 정책에 대해 마스킹된 리더(roles/bigquerydatapolicy.maskedReader) 자세한 내용은 마스킹된 데이터를 쿼리하는 역할을 참고하세요.

테이블을 보거나 쿼리를 실행하는 등 BigQuery 리소스를 사용하려면 BigQuery 역할을 참고하세요.

권장사항

대화형 분석은 질문에 답변하기 위해 사용자를 대신하여 자동으로 쿼리를 실행합니다. 쿼리 비용을 증가시킬 수 있는 다음 요소를 고려하세요.

큰 테이블 크기
쿼리에서 데이터 조인 사용
쿼리 내에서 AI 함수를 자주 호출

통계 생성

원하는 경우 지식 소스로 사용할 테이블에 대해 Knowledge Catalog에서 데이터 통계를 생성할 수 있습니다.

생성된 인사이트는 데이터 에이전트가 질문에 대한 대답을 생성하는 데 사용할 수 있는 표 메타데이터를 제공합니다.

인사이트를 미리 생성하지 않으면 데이터 에이전트를 만드는 동안 테이블을 지식 소스로 선택할 때 시스템에서 자동으로 생성합니다.

샘플 데이터 에이전트 사용

대화형 분석용 에이전트 구성에 익숙하지 않은 경우 모든Google Cloud 프로젝트에 대해 생성된 사전 정의된 샘플 에이전트를 선택적으로 볼 수 있습니다. 이 AI와 채팅하고 매개변수를 확인하여 생성 방식을 확인할 수는 있지만 수정할 수는 없습니다.

샘플 에이전트를 보려면 다음을 실행하세요.

Google Cloud 콘솔에서 BigQuery 에이전트 페이지로 이동합니다.

에이전트로 이동
상담사 카탈로그 탭을 선택합니다.
Google의 샘플 에이전트 섹션에서 샘플 에이전트 카드를 클릭합니다.

데이터 에이전트 만들기

다음 섹션에서는 데이터 에이전트를 만드는 방법을 설명합니다.

에이전트를 만든 후에는 설정을 수정할 수 있습니다.

초기 단계

Google Cloud 콘솔에서 BigQuery 에이전트 페이지로 이동합니다.

에이전트로 이동
상담사 카탈로그 탭을 선택합니다.
새 에이전트를 클릭합니다. 새 상담사 페이지가 열립니다.
편집기 섹션의 에이전트 이름 필드에 데이터 에이전트의 설명이 포함된 이름을 입력합니다(예: Q4 sales data 또는 User activity logs).
에이전트 설명 필드에 데이터 에이전트의 설명을 입력합니다. 좋은 설명은 에이전트가 하는 일, 사용하는 데이터를 설명하고, 이 에이전트가 채팅하기에 적합한 데이터 에이전트인지 알 수 있도록 도와줍니다(예: Ask questions about customer orders and revenue).
지식 소스 섹션에서 소스 추가를 클릭합니다. 지식 소스 추가 페이지가 열립니다.
최근 항목 섹션에서 지식 소스로 사용할 테이블, 뷰 또는 UDF를 선택합니다. UDF에는Google Cloud 콘솔에 'fx' 표시기가 접두사로 붙습니다.
추가 지식 소스를 보려면 더보기를 선택합니다.
선택사항: 최근 항목 섹션에 나열되지 않은 지식 소스를 추가합니다.
1. 검색 섹션의 테이블 검색 필드에 소스 이름을 입력한 후 Enter 키를 누릅니다. 소스 이름은 정확하지 않아도 됩니다.
2. 검색 결과 섹션에서 하나 이상의 소스를 선택합니다.
추가를 클릭합니다. 새 에이전트 페이지가 다시 열립니다.

표 및 필드 설명 맞춤설정

데이터 에이전트 정확도를 개선하기 위해 추가 표 메타데이터를 제공할 수도 있습니다. 데이터 에이전트만 이 메타데이터를 사용하며 소스 테이블에는 영향을 미치지 않습니다.

표 및 필드 설명을 만들 때는 다음 권장사항을 따르세요.

이 설명을 가이드로 사용하여 데이터 에이전트가 스키마를 이해하는 방식을 파악하세요. 상담사가 제안한 설명이 올바르면 수락할 수 있습니다.
이러한 설명을 구성한 후 데이터 에이전트가 스키마를 이해하지 못하는 경우 설명을 수동으로 조정하여 올바른 정보를 제공하세요.

다음 단계에 따라 테이블 및 필드 설명을 구성하세요.

지식 소스 섹션에서 표의 맞춤설정 링크를 클릭합니다.
표 설명을 만듭니다. 표 설명 필드에 설명을 입력하거나 Gemini의 제안을 수락할 수 있습니다.
필드 섹션에서 Gemini가 제안한 필드 설명을 검토합니다.
수락할 필드 설명을 선택하고 추천 수락을 클릭합니다. 거부할 설명을 선택하고 추천 거부를 클릭합니다.
필드 옆에 있는 수정을 클릭하여 필드 설명을 수동으로 수정합니다. 필드 수정 창이 열립니다.
1. 설명 필드에 필드 설명을 입력합니다.
2. 필드 설명을 저장하려면 업데이트를 클릭합니다.
설명 및 필드 업데이트를 저장하려면 업데이트를 클릭합니다. 새 상담사 페이지가 다시 열립니다.
맞춤설정이 필요한 각 표에 대해 이 단계를 반복합니다.

에이전트 요청 사항 만들기

상담사는 맞춤 안내 없이도 사용자 질문의 맥락을 이해해야 합니다. 상담사의 동작을 변경하거나 다른 컨텍스트 기능(예: 맞춤 표 및 필드 메타데이터, 확인된 질문)에서 아직 지원하지 않는 방식으로 컨텍스트를 개선해야 하는 경우에만 상담사를 위한 맞춤 안내를 만드세요.

안내 섹션의 에이전트 안내 필드에 데이터 에이전트에 대한 안내를 입력합니다. 데이터 에이전트는 이러한 요청 사항을 사용하여 사용자 질문의 컨텍스트를 이해하고 답변을 제공하므로 요청 사항을 최대한 명확하게 작성하세요.

상담사로부터 만족스러운 답변을 받지 못한 경우 설명, 예시, 용어집 용어와 같은 구조화된 컨텍스트를 추가하세요. 그래도 만족스러운 답변을 받지 못하면 다음 표의 예와 같은 맞춤 요청 사항을 추가하세요.

더 많은 안내 예시를 보려면 예시 표시를 클릭하세요.

정보 유형	설명	예시
주요 필드	분석에 가장 중요한 필드입니다.	'이 표에서 가장 중요한 필드는 고객 ID, 제품 ID, 주문 날짜입니다.'
필터링 및 그룹화	에이전트가 데이터를 필터링하고 그룹화하는 데 사용할 필드입니다.	'질문이 타임라인 또는 '시간 경과'에 관한 경우 항상 order_created_date 열을 사용하세요.' '누군가 '제품별'이라고 말하면 product_category 열을 기준으로 그룹화해'
기본 필터링	기본적으로 필터링할 필드입니다.	'별도로 명시되지 않는 한 항상 order_status = 'Complete'로 데이터를 필터링하세요.'
동의어 및 비즈니스 용어	주요 필드의 대체 용어입니다.	'누군가 '수익' 또는 '매출'에 대해 묻는 경우 total_sale_amount 열을 사용해' '구매 횟수가 5회를 초과하는 고객을 '충성도' 고객으로 간주합니다.'
제외된 필드	데이터 에이전트가 사용하지 않아야 하는 필드입니다.	'파생된 거래 날짜, 파생된 도시 필드는 사용하지 마세요.'
조인 관계	둘 이상의 테이블이 서로 관련되는 방식과 테이블을 조인하는 데 사용되는 열입니다. 에이전트는 열 쌍에 표준 SQL JOIN을 사용하여 데이터를 결합해야 합니다. 예시 열을 참고하세요.	고객 활동 `order_items.user_id` = `users.id` (판매를 고객에게 연결) `events.user_id` = `users.id` (웹사이트 활동을 로그인한 고객에게 연결)

확인된 쿼리 만들기

상담사는 다음과 같은 두 가지 방법으로 확인된 질문을 사용합니다.

에이전트가 인증된 질문을 사용하여 사용자가 질문한 내용에 답변할 수 있는 경우 신뢰할 수 있는 답변을 제공하기 위해 에이전트는 질문을 있는 그대로 호출합니다.
상담사가 인증된 질문을 사용하여 질문에 답변할 수 없는 경우에도 질문을 참조하여 데이터를 이해하고 질문하는 데 가장 적합한 방법을 파악합니다.

시스템에서 생성한 목록에서 인증된 질문을 선택하거나 직접 만들 수 있습니다.

데이터 에이전트의 검증된 질문(이전 명칭: 골든 질문)을 만들려면 다음 단계를 따르세요.

Gemini에서 추천하는 인증된 질문을 하나 이상 선택합니다.
1. 인증된 쿼리 섹션에서 추천 검토를 클릭합니다. 확인된 추천 쿼리 검토 페이지가 열립니다.
2. 확인된 추천 쿼리를 검토합니다. 사용 사례에 해당하는 항목을 선택하세요.
3. 추가를 클릭합니다. 새 에이전트 페이지가 다시 열립니다.
인증된 쿼리를 직접 만들려면 쿼리 추가를 클릭합니다. 확인된 쿼리 추가 페이지가 열립니다.
1. 질문 필드에 확인된 질문이 답변하는 사용자 질문을 입력합니다.
2. SQL 생성을 클릭하여 Gemini가 지정한 사용자 질문에 해당하는 검증된 쿼리를 생성하도록 합니다.
3. 원하는 경우 확인된 쿼리를 수정합니다.
4. 실행을 클릭하고 쿼리에서 예상한 결과가 반환되는지 확인합니다.
5. 추가를 클릭합니다. 새 에이전트 페이지가 다시 열립니다.
필요에 따라 이 단계를 반복하여 인증된 쿼리를 추가로 만듭니다.

매개변수화된 확인된 쿼리 만들기

매개변수화된 검증된 질문은 대화형 분석 에이전트를 위해 사용자의 질문에서 값을 추출하고 맞춤 결과를 제공합니다.

분석가와 빌더는 이러한 값의 자리표시자가 포함된 재사용 가능한 SQL 템플릿을 만들 수 있습니다. 템플릿은 런타임에 매개변수를 동적으로 대체하여 일반적인 인증된 질문보다 더 광범위한 사용자 질문에 답변합니다.

사용자가 템플릿의 패턴과 일치하는 질문을 하면 대화형 분석 에이전트가 질문에서 매개변수 값(예: 제품 이름, 지역, 날짜)을 추출합니다. 그런 다음 이러한 값을 파라미터화된 SQL 쿼리에 삽입합니다. 쿼리 템플릿의 일치하는 응답은 확인됨으로 표시됩니다.

매개변수화된 확인된 쿼리는 확인된 쿼리의 강력함과 유연성을 크게 향상합니다. 다양한 입력에 걸쳐 일관되고 신뢰할 수 있는 답변을 제공하고 유지관리해야 하는 개별 질문 수를 줄입니다. 자세한 내용은 다음을 참조하세요.

파라미터화된 확인된 쿼리를 만들려면 파라미터화된 확인된 쿼리 만들기를 참고하세요.
일반적인 매개변수화된 쿼리에 대해 알아보려면 매개변수화된 쿼리 실행을 참고하세요.

작동 방식

데이터 분석가와 같은 전문가가 템플릿 질문('@region의 @product 매출은 얼마였어?')을 사용하여 검증된 질문을 정의합니다. 그런 다음 전문가는 다음 예와 같이 SQL 매개변수를 사용하여 검증된 질문을 만들거나 수정합니다.

SELECT * FROM sales WHERE region = @region AND product = @product

인증된 쿼리가 저장되면 사용자는 대화형 분석 에이전트에게 자연어로 질문할 수 있습니다. 예를 들어 '북미 지역의 노트북 매출은 얼마였어?'와 같은 질문을 할 수 있습니다.

사용자의 질문에 답하기 위해 대화형 에이전트는 다음 단계를 실행합니다.

질문을 매개변수화된 검증된 질문과 연결된 패턴과 일치시킵니다. 상담사는 자연어 이해(NLU)를 사용하여 사용자의 질문에서 @region (북미) 및 @product(노트북) 값을 식별하고 추출합니다.
추출된 값을 SQL 템플릿의 @region 및 @product 자리표시자에 대체합니다.
전체 SQL 쿼리를 실행합니다(예: SELECT * FROM sales WHERE region = 'North America' AND product = 'Laptops').
결과를 사용자에게 반환합니다. 경기는 항상 인증됨으로 표시됩니다.

효과적인 매개변수화된 쿼리를 만들기 위한 도움말

명확한 매개변수 이름 사용 매개변수에 설명이 포함된 이름을 사용합니다(예: @d1 대신 @start_date).
자세한 매개변수 설명 만들기 대화형 분석의 대규모 언어 모델 (LLM)은 파라미터 설명을 사용하여 사용자 질문에서 파라미터와 값을 식별합니다. 예를 들어 num_enrollments은 효과적인 매개변수 이름이지만 number of student enrollments from ages 5-14은 쿼리에 관한 더 많은 컨텍스트를 제공하는 매개변수 설명입니다.
일관된 데이터 유형 지정 SQL 쿼리에서 예상하는 데이터 유형이 사용자의 질문에서 추출될 가능성이 있는 데이터 유형과 일치하는지 확인합니다.
잘 정의된 범위 제공 질문 구성이 복잡하거나 논리가 직관적이지 않은 일반적이고 중요한 질문 패턴의 템플릿을 만듭니다. 이렇게 하면 LLM이 최적의 결과를 반환하는 데 도움이 됩니다.
철저히 테스트하세요. 다양한 자연어 표현으로 테스트하여 매개변수가 올바르게 추출되는지 확인합니다.

매개변수화된 확인된 쿼리 만들기

시스템에서 생성된 목록에서 인증된 질문을 선택하거나 직접 만들 수 있습니다.

쿼리를 만들거나 수정하기 전에 자연어 패턴과 질문을 고려하여 쿼리를 작성합니다. 예를 들어 '미국 동부 창고의 유기농 바나나 총 재고를 알고 있나요?'라고 묻는 경우 질문을 매개변수화된 검증된 질문인 '@region 창고의 @product 총 재고는 얼마인가요?'로 다시 작성할 수 있습니다. 대화형 분석 에이전트는 이 질문을 SQL 쿼리로 변환하며, 사용자는 기본값으로 업데이트합니다.

데이터 에이전트의 매개변수화된 확인된 쿼리를 만들려면 새 에이전트를 만들 때 새 쿼리를 만들거나 새 에이전트 또는 기존 에이전트의 기존 확인된 쿼리를 수정하면 됩니다.

다음 안내에서는 샘플 확인된 쿼리를 사용하여 매개변수로 구성합니다.

기존의 Gemini 추천 확인된 질문 선택

새 에이전트 또는 기존 에이전트의 인증된 질문 섹션에서 추천 검토를 클릭합니다. 확인된 추천 쿼리 검토 페이지가 열립니다.
추천된 인증된 질문 옆에 있는 체크박스를 선택합니다.
쿼리 창에서 자세히 보기를 클릭하여 쿼리 설명을 펼칩니다.
기존 쿼리를 열려면 수정을 클릭합니다.
쿼리 구성을 완료하려면 확인된 쿼리의 매개변수 구성을 참고하세요.

에이전트를 만든 다음 인증된 질문 만들기

초기 단계를 참고하고 나머지 구성 단계를 확인된 쿼리까지 계속 진행합니다.
Google Cloud 콘솔의 새 에이전트에서 확인된 질문 섹션에서 질문 추가를 클릭합니다. 확인된 쿼리 추가 페이지가 열립니다.
쿼리 구성을 완료하려면 확인된 쿼리의 매개변수 구성을 참고하세요.

확인된 쿼리의 매개변수 구성

질문 필드에 인증된 질문으로 답변한 사용자 질문을 입력합니다.
매개변수를 지정하려면 @ 기호 뒤에 매개변수 이름을 사용합니다. 이 구문은 사용자 질문에서 값을 가져오는 자리표시자를 식별합니다. 사용자 질문에서 매개변수가 사용되는 방식을 보여주는 자연어 질문을 사용합니다. 예: '@region 창고에 있는 @product의 총 재고는 얼마야?'

SQL 생성을 클릭합니다. SQL은 다음 예와 같습니다.

   SELECT
       SUM(stock) AS total_stock
   FROM
       inventory
   WHERE
       product_id = @product
       AND region = @region;

쿼리의 자리표시자에 기본값을 추가하려면 쿼리 매개변수 관리를 클릭한 다음 쿼리 매개변수 추가를 클릭합니다.
첫 번째 매개변수에는 이름, 유형, 값, 설명의 네 가지 필드가 표시됩니다.
- 이름에 질문에서 @product을 복사하여 이 필드에 붙여넣습니다.
- 유형에서 STRING을 선택합니다.
- 값에 organic bananas를 입력합니다.
- 설명에 최대한 구체적인 설명을 입력합니다. 예를 들어 지역 창고에 있는 제품입니다.
두 번째 매개변수의 경우 쿼리 매개변수 추가를 클릭합니다.
- 이름에 질문에서 @region을 복사하여 이 필드에 붙여넣습니다.
- 유형에서 STRING을 선택합니다.
- 값에 US-EAST를 입력합니다.
- 설명에 최대한 구체적인 설명을 입력합니다(예: a regional warehouse where products are located.).
두 매개변수의 필드를 모두 작성한 후 저장을 클릭합니다.

매개변수화된 확인된 쿼리 테스트

실행을 클릭하고 쿼리에서 예상한 결과가 반환되는지 확인합니다.
나중에 표시되는 화면에서 사용자에 대한 질문을 테스트하려면 전체 질문 필드를 복사합니다.
저장을 클릭하여 질문 추가 화면을 종료하고 에이전트 수정 페이지로 돌아갑니다.
에이전트 수정 페이지에서 이전에 복사한 질문 필드를 미리보기 창에 붙여넣습니다.
1. @product 변수를 organic bananas로 바꿉니다.
2. @region 변수를 US-EAST로 바꿉니다.
Enter 키를 누릅니다. 결과를 확인합니다. 이 경우 유효한 답변은 US-EAST 지역의 바나나 총 재고 수입니다(예: 1,000).
인증된 추가 질문을 만들거나 수정하려면 필요에 따라 이 단계를 반복하세요.

이제 쿼리를 저장했으므로 사용자는 '미국 동부 창고의 유기농 바나나 총 재고를 알고 있나요?'라는 질문을 할 수 있습니다. 그러면 대화형 분석에서 다음을 수행합니다.

이 질문을 패턴과 일치시킵니다.
질문에서 @product 매개변수를 @product = '유기농 바나나'로, @region 매개변수를 @region = 'US-EAST'로 추출합니다.
쿼리를 실행합니다. SELECT SUM(stock) AS total_stock FROM inventory WHERE product_id = 'organic bananas' AND region = 'US-EAST';
계산된 total_stock을 반환합니다.

용어집 용어 만들기 또는 검토하기

상담사에게 로컬인 BigQuery 맞춤 용어집 용어를 만들거나, Knowledge Catalog에서 가져온 비즈니스 용어집 용어를 검토하여 상담사에 대해 선택한 지식 소스에 적용할 수 있습니다.

Knowledge Catalog의 비즈니스 용어집 용어는 BigQuery 리소스에 전역으로 적용되므로 Knowledge Catalog를 사용하는 경우 개별 에이전트가 아닌 Knowledge Catalog에서 비즈니스 용어집 용어를 만들고 관리하세요.
Knowledge Catalog에서 가져온 비즈니스 용어집 용어를 수정해야 하는 경우 Knowledge Catalog에서 수정하고 대화형 분석으로 돌아가서 확인해야 합니다.
BigQuery 맞춤 용어집 용어는 BigQuery에 유지됩니다. Knowledge Catalog에는 표시되지 않습니다.
Knowledge Catalog를 사용하지 않는 경우 특정 에이전트에 대해 정의해야 하는 용어에 대해 BigQuery 맞춤 용어집 용어를 만들 수 있습니다.

다음 단계에 따라 에이전트의 맞춤 용어집 용어를 만드세요.

에이전트 편집기 페이지의 용어집 섹션에서 용어 추가를 클릭합니다.
맞춤 용어 섹션에서 기존 맞춤 용어를 수정하거나 삭제할 수 있습니다.
새 용어를 하나 이상 만들려면 용어 만들기를 클릭합니다.
1. 용어, 정의, 하나 이상의 동의어를 쉼표로 구분하여 입력합니다.
2. 용어를 만들려면 추가를 클릭합니다.
3. 새 용어를 삭제하려면 삭제를 클릭합니다.
맞춤 용어를 더 만들려면 이 단계를 반복합니다.

Knowledge Catalog에서 가져온 비즈니스 용어집 용어를 보려면 다음 단계를 따르세요.

에이전트 편집기 페이지의 용어집 섹션에서 용어 추가를 클릭합니다.
Knowledge Catalog에서 가져옴이라는 페이지 섹션으로 이동합니다.
Knowledge Catalog에서 가져온 용어를 수정하려면 'Knowledge Catalog 용어집으로 이동' 링크를 클릭해야 합니다.
지식 카탈로그에서 용어를 수정한 후 에이전트 편집기 페이지로 돌아가 수정된 용어를 확인할 수 있습니다.

설정 구성

설정 섹션에서 다음 선택사항을 구성할 수 있습니다.

Google Cloud 리소스를 정리하는 데 도움이 되는 라벨을 만듭니다. 라벨은 관련 객체를 함께 그룹화하거나 다른 Google Cloud 리소스와 그룹화할 수 있게 해주는 키-값 쌍입니다.
1. 설정 섹션에서 라벨 관리를 클릭합니다.
2. 라벨 추가를 클릭합니다.
3. 키 및 값 필드에 라벨의 키-값 쌍을 입력합니다.
4. 라벨을 더 추가하려면 라벨 추가를 다시 클릭합니다.
5. 라벨을 삭제하려면 삭제를 클릭합니다.
6. 완료되면 추가를 클릭합니다. 새 에이전트 페이지가 다시 열립니다.
선택사항: 데이터 에이전트에서 처리하는 쿼리의 크기 제한을 설정합니다. 설정 섹션의 청구 가능한 최대 바이트 필드에 값을 입력합니다. 이 한도를 10485760 이상으로 설정해야 합니다. 그렇지 않으면 다음과 같은 오류 메시지가 표시됩니다.

Value error. In BigQuery on-demand pricing charges are
rounded up to the nearest MB, with a minimum of 10 MB of data processed
per query. So, max bytes billed must be set to greater or equal to
10485760.

값을 지정하지 않으면 maximum bytes billed은 프로젝트의 일별 쿼리 사용량 할당량으로 기본 설정됩니다. 맞춤 할당량을 지정하지 않은 경우 일일 사용량 할당량은 무제한입니다.

다음 섹션으로 계속하여 에이전트를 초안 모드로 설정하거나 에이전트를 게시합니다.

에이전트 미리보기 및 게시

미리보기 섹션의 질문하기 필드에 예시 사용자 질문을 입력한 다음 Enter를 누릅니다. 데이터 에이전트가 예상한 데이터를 반환하는지 확인하려면 에이전트의 응답을 검토하세요. 대답이 예상과 다른 경우 편집기 섹션에서 설정을 변경하여 만족스러운 대답을 얻을 때까지 데이터 에이전트 구성을 수정합니다. 에이전트의 결과를 개선하기 위해 에이전트를 계속 테스트하고 수정할 수 있습니다.
저장을 클릭합니다.
나중에 다시 수정할 수 있는 초안 모드로 데이터 에이전트를 배치하려면 돌아가기를 클릭하여 에이전트 카탈로그 페이지로 돌아갑니다. 이제 에이전트가 초안 모드이므로 에이전트 카탈로그 탭의 내 초안 에이전트 섹션에 표시됩니다.

에이전트를 게시하려면 에이전트 생성 페이지에 머물러 다음 단계로 진행합니다.
게시를 클릭하여 데이터 에이전트를 게시하고 프로젝트에서 사용할 수 있도록 합니다. BigQuery Studio 또는 데이터 스튜디오를 사용하여 데이터 에이전트와 대화를 만들 수 있습니다. Conversational Analytics API를 사용하여 데이터 에이전트와 채팅할 수 있는 자체 인터페이스를 빌드할 수도 있습니다.
선택사항: 에이전트가 게시됨 대화상자에서 공유를 클릭하여 다른 사용자와 데이터 에이전트를 공유합니다.
1. 권한 공유 창에서 주 구성원 추가를 클릭합니다.
2. 새 주 구성원 필드에 주 구성원을 하나 이상 입력합니다.
3. 역할 선택 목록을 클릭합니다.
4. 역할 목록에서 다음 역할 중 하나를 선택합니다.
  - Gemini 데이터 분석 데이터 에이전트 사용자(roles/geminidataanalytics.dataAgentUser): 데이터 에이전트와 채팅할 수 있는 권한을 부여합니다.
  - Gemini 데이터 분석 데이터 에이전트 편집자(roles/geminidataanalytics.dataAgentEditor): 데이터 에이전트를 수정할 권한을 부여합니다.
  - Gemini 데이터 분석 데이터 에이전트 뷰어(roles/geminidataanalytics.dataAgentViewer): 데이터 에이전트를 볼 수 있는 권한을 부여합니다.
저장을 클릭합니다.
새 에이전트 페이지로 돌아가려면 닫기를 클릭합니다. 에이전트를 저장하거나 게시한 직후 에이전트 카탈로그에서 에이전트를 확인할 수 있습니다.

데이터 에이전트 관리

기존 에이전트는 에이전트 카탈로그 탭에서 확인할 수 있으며, 이 탭은 다음 세 섹션으로 구성됩니다.

내 에이전트: 내가 만들고 게시한 모든 에이전트의 목록입니다. 게시된 에이전트를 수정하고 다른 사용자와 공유할 수 있습니다.
내 초안 에이전트: 아직 게시하지 않은 에이전트입니다. 초안 에이전트는 공유할 수 없습니다.
조직의 다른 사용자가 공유한 에이전트: 다른 사용자가 만들어 나와 공유한 에이전트입니다. 다른 사용자가 권한을 부여하면 이러한 공유 상담사를 수정할 수 있습니다.

데이터 에이전트 수정

데이터 에이전트를 수정하려면 다음 단계를 따르세요.

BigQuery 에이전트 페이지로 이동합니다.

에이전트로 이동
에이전트 카탈로그 탭을 선택합니다.
수정할 데이터 에이전트의 에이전트 카드를 찾습니다.
에이전트 편집기에서 데이터 에이전트를 열려면 작업 열기를 클릭하고 > 에이전트 카드에서 수정을 클릭합니다.
필요에 따라 데이터 에이전트의 구성을 수정합니다.
게시하지 않고 변경사항을 저장하려면 저장을 클릭합니다.
변경사항을 게시하려면 게시를 클릭합니다 . 공유 대화상자에서 에이전트를 다른 사용자와 공유하거나 취소를 클릭할 수 있습니다.
에이전트 창으로 돌아가려면 뒤로를 클릭합니다.

게시된 데이터 에이전트를 공유하려면 다음 단계를 따르세요. 초안 에이전트는 공유할 수 없습니다.

BigQuery 에이전트 페이지로 이동합니다.

에이전트로 이동
에이전트 카탈로그 탭을 선택합니다.
수정할 데이터 에이전트의 에이전트 카드를 찾습니다.
에이전트 편집기에서 데이터 에이전트를 열려면 작업 열기를 클릭하고 > 에이전트 카드에서 수정을 클릭합니다.
다른 사용자와 데이터 에이전트를 공유하려면 공유를 클릭합니다.
권한 공유 창에서 주 구성원 추가를 클릭합니다.
새 주 구성원 필드에 주 구성원을 하나 이상 입력합니다.
역할 선택 목록을 클릭합니다.
역할 목록에서 다음 역할 중 하나를 선택합니다.
- Gemini 데이터 분석 데이터 에이전트 사용자(roles/geminidataanalytics.dataAgentUser): 데이터 에이전트와 채팅할 수 있는 권한을 부여합니다.
- Gemini 데이터 분석 데이터 에이전트 편집자(roles/geminidataanalytics.dataAgentEditor): 데이터 에이전트를 수정할 수 있는 권한을 부여합니다.
- Gemini 데이터 분석 데이터 에이전트 뷰어(roles/geminidataanalytics.dataAgentViewer): 데이터 에이전트를 볼 수 있는 권한을 부여합니다.
저장을 클릭합니다.
에이전트 편집 페이지로 돌아가려면 닫기를 클릭합니다.
에이전트 창으로 돌아가려면 뒤로를 클릭합니다.

데이터 에이전트 삭제

BigQuery 에이전트 페이지로 이동합니다.

에이전트로 이동
에이전트 카탈로그 탭을 선택합니다.
에이전트 카탈로그 탭의 내 에이전트 또는 내 초안 에이전트 섹션에서 삭제할 데이터 에이전트의 에이전트 카드를 찾습니다.
작업 열기 > 삭제를 클릭합니다.
에이전트를 삭제하시겠어요? 대화상자에서 삭제를 클릭합니다.

위치

대화형 분석은 전역적으로 작동하므로 사용할 리전을 선택할 수 없습니다.

다음 단계

BigQuery의 대화형 분석에 대해 자세히 알아보세요.
대화형 분석 API에 대해 자세히 알아보세요.
대화로 데이터 분석
Gemini 데이터 분석 데이터 에이전트 뷰어(roles/geminidataanalytics.dataAgentViewer) 역할이 데이터 에이전트를 볼 수 있는 권한을 부여하는 방법을 자세히 알아보세요.

데이터 에이전트 만들기

시작하기 전에

필요한 역할

권장사항

통계 생성

샘플 데이터 에이전트 사용

데이터 에이전트 만들기

초기 단계

표 및 필드 설명 맞춤설정

에이전트 요청 사항 만들기

확인된 쿼리 만들기

매개변수화된 확인된 쿼리 만들기

작동 방식

효과적인 매개변수화된 쿼리를 만들기 위한 도움말

매개변수화된 확인된 쿼리 만들기

기존의 Gemini 추천 확인된 질문 선택

에이전트를 만든 다음 인증된 질문 만들기

확인된 쿼리의 매개변수 구성

매개변수화된 확인된 쿼리 테스트

용어집 용어 만들기 또는 검토하기

설정 구성

에이전트 미리보기 및 게시

데이터 에이전트 관리

데이터 에이전트 수정

데이터 에이전트 공유

데이터 에이전트 삭제

위치

다음 단계