Criar agentes de dados

Neste documento, descrevemos como criar, editar, gerenciar e excluir agentes de dados no BigQuery.

No BigQuery, é possível ter conversas com agentes de dados para fazer perguntas sobre dados do BigQuery usando linguagem natural. Os agentes de dados contêm metadados de tabelas e instruções de processamento de consultas específicas para casos de uso que definem a melhor maneira de responder às perguntas dos usuários sobre um conjunto de fontes de conhecimento, como tabelas, visualizações ou funções definidas pelo usuário (UDFs) que você seleciona.

Antes de começar

  1. Verifique se o faturamento está ativado para o projeto do Google Cloud .

  2. Ative as APIs BigQuery, Gemini Data Analytics e Gemini para Google Cloud .

    Funções necessárias para ativar APIs

    Para ativar as APIs, é necessário ter o papel do IAM de administrador de uso do serviço (roles/serviceusage.serviceUsageAdmin), que contém a permissão serviceusage.services.enable. Saiba como conceder papéis.

    Ativar as APIs

Funções exigidas

Para trabalhar com agentes de dados, você precisa ter um dos seguintes papéis Identity and Access Management da API Conversational Analytics:

  • Criar, editar, compartilhar e excluir todos os agentes de dados no projeto: proprietário do agente de dados do Gemini Data Analytics (roles/geminidataanalytics.dataAgentOwner) no projeto.
  • Crie, edite, compartilhe e exclua seus próprios agentes de dados no projeto: Criador do agente de dados do Gemini Data Analytics (roles/geminidataanalytics.dataAgentCreator) no projeto. Essa função concede automaticamente o papel de proprietário do agente de dados do Gemini Data Analytics nos agentes de dados que você cria.
  • Ver e editar todos os agentes de dados no projeto: Editor do agente de dados do Gemini Data Analytics (roles/geminidataanalytics.dataAgentEditor) no nível do projeto.
  • Confira todos os agentes de dados no projeto: Leitor do agente de dados do Gemini Data Analytics (roles/geminidataanalytics.dataAgentViewer).

Além disso, você precisa ter os seguintes papéis para criar ou editar um agente de dados:

Para trabalhar com recursos do BigQuery, como ver tabelas ou executar consultas, consulte Funções do BigQuery.

Práticas recomendadas

As análises de conversação executam consultas automaticamente em seu nome para responder às suas perguntas. Considere os seguintes fatores que podem aumentar o custo da consulta:

  • Tamanhos de tabela grandes
  • Uso de junções de dados em consultas
  • Chamadas frequentes para funções de IA em consultas

Gerar insights

Você também pode gerar insights de dados no Knowledge Catalog para qualquer tabela que queira usar como fonte de conhecimento.

Os insights gerados fornecem metadados de tabelas que o agente de dados pode usar para ajudar a gerar respostas às suas perguntas.

Se você não gerar insights antecipadamente, o sistema vai fazer isso automaticamente quando você selecionar uma tabela como fonte de conhecimento ao criar um agente de dados.

Trabalhar com o agente de dados de amostra

Se você não sabe como configurar agentes para análises de conversação, pode conferir o agente de amostra predefinido gerado para cada projeto doGoogle Cloud . Você pode conversar com ele e ver os parâmetros para saber como ele foi criado, mas não pode modificar.

Para conferir o agente de amostra, faça o seguinte:

  1. No console Google Cloud , acesse a página Agentes do BigQuery.

    Acessar "Agentes"

  2. Selecione a guia Catálogo de agentes.

  3. Na seção Exemplos de agentes do Google, clique no card do agente de exemplo.

Criar um agente de dados

As seções a seguir descrevem como criar um agente de dados.

Depois de criar um agente, é possível editar as configurações dele.

Primeiros passos

  1. No console Google Cloud , acesse a página Agentes do BigQuery.

    Acessar "Agentes"

  2. Selecione a guia Catálogo de agentes.

  3. Clique em New agent. A página Novo agente é aberta.

  4. Na seção Editor, no campo Nome do agente, digite um nome descritivo para o agente de dados, por exemplo, Q4 sales data ou User activity logs.

  5. No campo Descrição do agente, digite uma descrição do agente de dados. Uma boa descrição explica o que o agente faz, quais dados ele usa e ajuda você a saber quando esse é o agente de dados certo para conversar. Por exemplo, Ask questions about customer orders and revenue.

  6. Na seção Fontes de conhecimento, clique em Adicionar fonte. A página Adicionar fonte de conhecimento é aberta.

  7. Na seção Recentes, selecione as tabelas, visualizações ou UDFs que você quer usar como fontes de conhecimento. As UDFs têm o prefixo "fx" no consoleGoogle Cloud .

  8. Para ver mais fontes de conhecimento, selecione Mostrar mais.

  9. Opcional: adicione uma fonte de conhecimento que não esteja listada na seção Recentes:

    1. Na seção Pesquisar, digite o nome da fonte no campo Pesquisar tabelas e pressione Enter. O nome da origem não precisa ser exato.

    2. Na seção Resultados da pesquisa, selecione uma ou mais fontes.

  10. Clique em Adicionar. A página do novo agente é reaberta.

Personalizar descrições de tabelas e campos

Para melhorar a precisão do agente de dados, você pode fornecer metadados adicionais da tabela. Somente o agente de dados usa esses metadados, e eles não afetam a tabela de origem.

Siga estas práticas recomendadas ao criar uma tabela e descrições de campos:

  • Use essas descrições como um guia para entender como o agente de dados entende o esquema. Se as descrições sugeridas pelo agente estiverem corretas, aceite-as.

  • Se o agente de dados não mostrar compreensão do esquema depois que você configurar essas descrições, ajuste-as manualmente para fornecer as informações corretas.

Siga estas etapas para configurar descrições de tabelas e campos:

  1. Na seção Fontes de conhecimento, clique no link Personalizar de uma tabela.

  2. Crie uma descrição da tabela. Você pode digitar uma descrição no campo Descrição da tabela ou aceitar a sugestão do Gemini.

  3. Na seção Campos, revise as descrições de campo sugeridas pelo Gemini.

  4. Selecione as descrições de campo que você quer aceitar e clique em Aceitar sugestões. Selecione as descrições que você quer rejeitar e clique em Rejeitar sugestões.

  5. Para editar manualmente a descrição de um campo, clique em Editar ao lado dele. O painel Editar campo é aberto.

    1. No campo Descrição, digite uma descrição.
    2. Para salvar a descrição do campo, clique em Atualizar.

  6. Para salvar a descrição e as atualizações de campo, clique em Atualizar. A página do novo agente é reaberta.

  7. Repita essas etapas para cada tabela que precisa de personalização.

Criar instruções para o agente

O agente precisa entender o contexto das perguntas do usuário sem precisar de instruções personalizadas. Crie instruções personalizadas para o agente somente se precisar mudar o comportamento dele ou melhorar o contexto de maneiras que não são compatíveis com outros recursos de contexto, como metadados personalizados de tabela e campo ou consultas verificadas.

Na seção Instruções, digite as instruções para o agente de dados no campo Instruções do agente. Como o agente de dados usa essas instruções para entender o contexto das perguntas dos usuários e fornecer respostas, deixe as instruções o mais claras possível.

Se você não receber uma resposta satisfatória do agente, adicione contexto estruturado, como descrições, exemplos ou termos do glossário. Se você ainda não receber uma resposta satisfatória, adicione instruções personalizadas, como os exemplos na tabela a seguir.

Para mais exemplos de instruções, clique em Mostrar exemplos.

Tipo de informação Descrição Exemplos
Campos-chave Os campos mais importantes para análise. "Os campos mais importantes nesta tabela são: ID do cliente, ID do produto e data do pedido."
Como filtrar e agrupar Campos que o agente deve usar para filtrar e agrupar dados. "Quando uma pergunta for sobre uma linha do tempo ou 'ao longo do tempo', use sempre a coluna order_created_date." Quando alguém diz 'por produto', agrupe pela coluna product_category.
Filtragem padrão Campos para filtrar por padrão. "A menos que seja indicado o contrário, sempre filtre os dados em order_status = 'Complete'."
Sinônimos e termos comerciais Termos alternativos para campos-chave. "Se alguém perguntar sobre 'Receita' ou 'Vendas', use a coluna total_sale_amount." "Consideramos clientes 'fiéis' aqueles com purchase_count > 5."
Campos excluídos Campos que o agente de dados deve evitar usar. "Nunca use estes campos: Data da transação derivada, Cidade derivada."
Mesclar relações Como duas ou mais tabelas estão relacionadas e quais colunas são usadas para uni-las. O agente precisa usar JOINs SQL padrão em pares de colunas para combinar dados. Consulte a coluna de exemplo. Atividade do cliente
  • order_items.user_id = users.id
    (para vincular vendas a clientes)
  • events.user_id = users.id
    (para vincular a atividade do site a clientes conectados)

Criar consultas verificadas

Um agente usa consultas verificadas de duas maneiras:

  • Se um agente puder usar uma consulta verificada para responder a uma pergunta que você fizer, ele vai invocar a consulta exatamente como foi escrita para garantir uma resposta confiável.
  • Se o agente não puder usar a consulta verificada para responder a uma pergunta, ele ainda vai usar a consulta como referência para entender os dados e as práticas recomendadas para consultá-los.

Você pode selecionar consultas verificadas em uma lista gerada pelo sistema ou criar as suas.

Para criar uma consulta verificada para o agente de dados, antes conhecida como consulta de ouro, faça o seguinte:

  1. Selecione uma ou mais consultas verificadas sugeridas pelo Gemini:

    1. Na seção Consultas verificadas, clique em Revisar sugestões. A página Analisar as consultas verificadas sugeridas é aberta.
    2. Analise as consultas verificadas sugeridas. Selecione as opções que se aplicam ao seu caso de uso.
    3. Clique em Adicionar. A página do novo agente é reaberta.

  2. Para criar sua própria consulta verificada, clique em Adicionar consulta. A página Adicionar consulta verificada é aberta.

    1. No campo Pergunta, digite a pergunta do usuário que a consulta verificada responde.
    2. Clique em Gerar SQL para que o Gemini gere uma consulta verificada que corresponda à pergunta do usuário especificada.
    3. Modifique a consulta verificada, se quiser.
    4. Clique em Executar e verifique se a consulta retorna os resultados esperados.
    5. Clique em Adicionar. A página do novo agente é reaberta.

  3. Repita essas etapas conforme necessário para criar outras consultas verificadas.

Criar consultas parametrizadas verificadas

As consultas parametrizadas verificadas extraem valores da pergunta de um usuário para o agente de análise de conversas e fornecem resultados personalizados.

Analistas e criadores podem criar modelos SQL reutilizáveis que contêm marcadores de posição para esses valores. Os modelos substituem parâmetros dinamicamente no tempo de execução para responder a uma variedade maior de perguntas dos usuários do que as consultas verificadas regulares.

Quando um usuário faz uma pergunta que corresponde ao padrão do modelo, o agente de análises de conversação extrai valores de parâmetro da pergunta, por exemplo, nome do produto, região e data. Em seguida, ele injeta esses valores na consulta SQL parametrizada. As respostas correspondentes do modelo de consulta aparecem como verificadas.

As consultas verificadas parametrizadas aumentam significativamente o poder e a flexibilidade das consultas verificadas. Elas garantem respostas consistentes e confiáveis em várias entradas e reduzem o número de consultas individuais a serem mantidas. Para ver mais informações, consulte os seguintes tópicos:

Como funciona

Um especialista, como um analista de dados, define uma consulta verificada usando uma pergunta de modelo, por exemplo, "Quais foram as vendas de @product em @region?" Em seguida, o especialista cria ou modifica a consulta verificada usando parâmetros SQL, como mostra o exemplo a seguir:

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

Depois que a consulta verificada é salva, um usuário pode fazer uma pergunta ao agente de análise de dados de conversação em linguagem natural, por exemplo, "Quais foram as vendas de laptops na América do Norte?"

Para responder à pergunta do usuário, o agente de conversa realiza as seguintes etapas:

  1. Corresponde à pergunta ao padrão associado à consulta parametrizada verificada. O agente usa o processamento de linguagem natural (PLN) para identificar e extrair os valores de @region (América do Norte) e @product (notebooks) da pergunta do usuário.
  2. Substitui os valores extraídos nos marcadores de posição @region e @product no modelo SQL.
  3. Executa a consulta SQL completa. Por exemplo, SELECT * FROM sales WHERE region = 'North America' AND product = 'Laptops'.
  4. Retorna os resultados para o usuário. As correspondências são sempre marcadas como verificadas.

Dicas para criar consultas parametrizadas eficazes

  • Use nomes de parâmetros claros. Use nomes descritivos para parâmetros, por exemplo, @start_date em vez de @d1.
  • Crie descrições detalhadas de parâmetros. O modelo de linguagem grande (LLM) para análise de dados de conversas usa descrições de parâmetros para identificar os parâmetros e os valores deles nas perguntas dos usuários. Por exemplo, num_enrollments é um nome de parâmetro eficaz, mas number of student enrollments from ages 5-14 é uma descrição que oferece mais contexto sobre a consulta.
  • Garanta a consistência da tipagem de dados. Verifique se os tipos de dados esperados pela consulta SQL correspondem aos tipos de dados que provavelmente serão extraídos da pergunta do usuário.
  • Defina bem o escopo. Crie modelos para padrões de perguntas comuns e importantes em que a construção da consulta é complexa ou a lógica não é intuitiva. Isso ajuda o LLM a retornar os melhores resultados.
  • Teste tudo. Teste com várias frases em linguagem natural para garantir que os parâmetros sejam extraídos corretamente.

Criar uma consulta parametrizada verificada

Você pode selecionar consultas verificadas em uma lista gerada pelo sistema ou criar as suas próprias.

Antes de criar ou modificar uma consulta, escreva um rascunho considerando o padrão de linguagem natural e sua pergunta. Por exemplo, se você perguntar "Sabemos o estoque total de bananas orgânicas no armazém US-EAST?", poderá reescrever a pergunta como a consulta verificada parametrizada "Qual é o estoque total de @product no armazém @region?". O agente de análise de conversação transforma essa pergunta em uma consulta SQL que você atualiza com valores padrão.

Para criar uma consulta verificada parametrizada para um agente de dados, é possível criar uma consulta ao criar um agente ou editar uma consulta verificada para um agente novo ou atual.

As instruções a seguir usam uma consulta verificada de exemplo para configurar com parâmetros.

Selecione uma consulta verificada sugerida pelo Gemini
  1. Na seção Consultas verificadas de um agente novo ou atual, clique em Revisar sugestões. A página Analisar as consultas verificadas sugeridas é aberta.
  2. Marque a caixa de seleção ao lado de uma consulta verificada sugerida.
  3. Na janela de consulta, clique em Mostrar mais para expandir a descrição da consulta.
  4. Para abrir a consulta, clique em Editar.
  5. Para concluir a configuração da consulta, consulte Configurar os parâmetros da consulta verificada.
Criar um agente e uma consulta verificada
  1. Consulte Etapas iniciais e continue com as outras etapas de configuração para Consultas verificadas.
  2. No console do Google Cloud , na seção Consultas verificadas do novo agente, clique em Adicionar consulta. A página Adicionar consulta verificada é aberta.
  3. Para concluir a configuração da consulta, consulte Configurar os parâmetros da consulta verificada.
Configurar os parâmetros da consulta verificada
  1. No campo Pergunta, digite a pergunta do usuário respondida pela consulta verificada.
  2. Para especificar parâmetros, use o símbolo @ seguido de um nome de parâmetro. Essa sintaxe identifica um marcador de posição que ingere um valor da pergunta do usuário. Use uma pergunta em linguagem natural que mostre como os parâmetros serão usados nas perguntas dos usuários. Por exemplo: "Qual é o estoque total de @product no armazém @region?"

  3. Clique em Gerar SQL. O SQL tem a seguinte aparência:

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

  4. Para adicionar valores padrão aos marcadores de posição na consulta, clique em Gerenciar parâmetros de consulta e em Adicionar parâmetro de consulta.

  5. Para o primeiro parâmetro, quatro campos aparecem para Nome, Tipo, Valor e Descrição.

    • Em Nome, copie @product da sua pergunta e cole nesse campo.
    • Em Tipo, selecione STRING.
    • Em Valor, insira organic bananas.
    • Em Descrição, insira uma descrição o mais específica possível. Por exemplo, um produto localizado em um depósito regional.

  6. Para o segundo parâmetro, clique em Adicionar parâmetro de consulta.

    • Em Nome, copie @region da sua pergunta e cole nesse campo.
    • Em Tipo, selecione STRING.
    • Em Valor, insira US-EAST.
    • Em Descrição, insira uma descrição o mais específica possível. Por exemplo, a regional warehouse where products are located..

  7. Depois de preencher os campos dos dois parâmetros, clique em Salvar.

Testar a consulta parametrizada verificada
  1. Clique em Executar e verifique se a consulta retorna os resultados esperados.
  2. Para testar a consulta de usuários em uma tela posterior, copie todo o campo de pergunta.
  3. Clique em Salvar para sair da tela Adicionar consulta e voltar à página Editar do agente.
  4. Na página Editar do agente, cole o campo de pergunta que você copiou anteriormente na janela Prévia.
    1. Substitua a variável @product por organic bananas.
    2. Substitua a variável @region por US-EAST.
  5. Pressione Enter. Verifique o resultado. Nesse caso, uma resposta válida é o número total de estoque das bananas na região US-EAST, por exemplo,1.000.
  6. Para criar ou editar outras consultas verificadas, repita essas etapas conforme necessário.

Agora que você salvou a consulta, um usuário pode fazer a pergunta "Sabemos o estoque total de bananas orgânicas no depósito US-EAST?" Em seguida, a Análise de conversação faz o seguinte:

  1. Corresponde a pergunta ao padrão.
  2. Extrai o parâmetro @product como @product = "bananas orgânicas" e o parâmetro @region = "US-EAST" da pergunta.
  3. Executa a consulta: SELECT SUM(stock) AS total_stock FROM inventory WHERE product_id = 'organic bananas' AND region = 'US-EAST';
  4. Retorna o total_stock calculado.

Criar ou revisar termos do glossário

É possível criar termos de glossário personalizados do BigQuery locais para um agente ou revisar os termos do glossário empresarial importados do Knowledge Catalog que se aplicam às fontes de conhecimento selecionadas para um agente.

  • Como os termos do glossário empresarial do Knowledge Catalog se aplicam globalmente aos recursos do BigQuery, se você usa o Knowledge Catalog, crie e gerencie os termos do glossário empresarial no Knowledge Catalog em vez de agentes individuais.
  • Se você precisar modificar os termos do glossário empresarial importados do Knowledge Catalog, edite-os no Knowledge Catalog e volte à Análises de conversação para conferir as mudanças.
  • Os termos do glossário personalizado do BigQuery permanecem no BigQuery. Eles não aparecem no catálogo de conhecimento.
  • Se você não estiver usando o Knowledge Catalog, crie termos personalizados do glossário do BigQuery para termos que precisam ser definidos para um agente específico.

Siga estas etapas para criar termos personalizados do glossário para um agente:

  1. Na seção Glossário da página Editor do agente, clique em Adicionar termo.
  2. Na seção Termos personalizados, é possível editar ou excluir termos personalizados.
  3. Para criar um ou mais termos, clique em Criar termo.
    1. Insira um termo, uma definição e um ou mais sinônimos separados por vírgula.
    2. Para criar o termo, clique em Adicionar.
    3. Se quiser excluir o novo termo, clique em Excluir.
  4. Para criar mais termos personalizados, repita essas etapas.

Siga estas etapas para conferir os termos do glossário empresarial importados do Knowledge Catalog:

  1. Na seção Glossário da página Editor do agente, clique em Adicionar termo.
  2. Navegue até a seção da página chamada Importado do catálogo de conhecimento.
  3. Para modificar os termos importados no Knowledge Catalog, clique no link "Acessar os glossários do Knowledge Catalog".
  4. Depois de modificar os termos no Knowledge Catalog, você pode voltar à página do Editor do agente para conferir os termos modificados.

Definir configurações

Na seção Configurações, é possível definir as seguintes configurações opcionais:

  1. Crie rótulos para ajudar a organizar seus recursos do Google Cloud . Rótulos são pares de chave-valor que permitem agrupar objetos relacionados entre si ou com outros recursos Google Cloud .

    1. Na seção Configurações, clique em Gerenciar marcadores.
    2. Clique em Adicionar rótulo.
    3. Nos campos chave e valor, insira o par de chave-valor do rótulo.
    4. Se quiser adicionar mais rótulos, clique em Adicionar rótulo novamente.
    5. Para excluir um marcador, clique em Excluir.
    6. Quando terminar, clique em Adicionar. A página do novo agente é reaberta.

  2. Opcional: defina um limite de tamanho para as consultas processadas pelo agente de dados. Na seção Configurações, digite um valor no campo Máximo de bytes faturados. Defina esse limite como 10485760 ou mais. Caso contrário, você vai receber a seguinte mensagem de erro:

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.

Se você não especificar um valor, maximum bytes billed vai usar a cota de uso de consultas por dia do projeto. A cota de uso por dia é ilimitada, a menos que você tenha especificado uma cota personalizada.

Continue para a próxima seção para colocar o agente no modo de rascunho ou publicar o agente.

Visualizar e publicar o agente

  1. Na seção Prévia, digite um exemplo de pergunta do usuário no campo Faça uma pergunta e pressione Enter. Para verificar se o agente de dados retorna as informações esperadas, analise a resposta dele. Se a resposta não for o que você espera, mude as configurações na seção Editor para refinar a configuração do agente de dados até receber respostas satisfatórias. Você pode continuar testando e modificando o agente para refinar os resultados dele.

  2. Clique em Salvar.

  3. Para colocar o agente de dados no modo de rascunho, que pode ser editado novamente mais tarde, clique em Voltar para retornar à página Catálogo de agentes. Como o agente está no modo de rascunho, ele aparece na seção Meus agentes de rascunho da guia Catálogo de agentes.

    Para publicar o agente, permaneça na página de criação e siga para a próxima etapa.

  4. Clique em Publicar para publicar o agente de dados e disponibilizá-lo para uso no projeto. É possível criar conversas com o agente de dados usando o BigQuery Studio ou o Data Studio. Também é possível criar sua própria interface para conversar com o agente de dados usando a API Análises de conversação.

  5. Opcional: na caixa de diálogo Seu agente foi publicado, clique em Compartilhar para compartilhar o agente de dados com outros usuários.

    1. No painel Permissões de compartilhamento, clique em Adicionar principal.

    2. No campo Novos principais, insira um ou mais principais.

    3. Clique na lista Selecionar um papel.

    4. Na lista Papel, selecione um dos seguintes papéis:

      • Usuário do agente de dados do Gemini Data Analytics (roles/geminidataanalytics.dataAgentUser): concede permissão para conversar com o agente de dados.
      • Editor do agente de dados do Gemini Data Analytics (roles/geminidataanalytics.dataAgentEditor): concede permissão para editar o agente de dados.
      • Leitor do agente de dados do Gemini Data Analytics (roles/geminidataanalytics.dataAgentViewer): concede permissão para visualizar o agente de dados.

  6. Clique em Salvar.

  7. Para voltar à página do novo agente, clique em Fechar. Imediatamente após salvar ou publicar o agente, ele vai aparecer no Catálogo de agentes.

Gerenciar agentes de dados

Você pode encontrar os agentes na guia Catálogo de agentes, que consiste em três seções:

  • Meus agentes: uma lista de todos os agentes que você cria e publica. Você pode modificar e compartilhar agentes publicados com outras pessoas.
  • Meus rascunhos de agentes: agentes que você ainda não publicou. Não é possível compartilhar agentes em rascunho.
  • Compartilhados por outras pessoas na sua organização: agentes criados e compartilhados com você por outras pessoas. Se outras pessoas concederem permissões, você poderá editar esses agentes compartilhados.

Editar um agente de dados

Siga estas etapas para editar um agente de dados:

  1. Acesse a página Agentes do BigQuery.

    Acessar "Agentes"

  2. Selecione a guia Catálogo de agentes.

  3. Localize o card do agente de dados que você quer modificar.

  4. Para abrir o agente de dados no editor de agentes, clique em Abrir ações > clique em Editar no card do agente.

  5. Edite a configuração do agente de dados conforme necessário.

  6. Para salvar as mudanças sem publicar, clique em Salvar.

  7. Para publicar as mudanças, clique em Publicar . Na caixa de diálogo Compartilhar, você pode compartilhar o agente com outras pessoas ou clicar em Cancelar.

  8. Para voltar ao painel Agentes, clique em Voltar.

    Ícone "Voltar" para retornar à página "Agentes" na página de edição do agente.

Compartilhar um agente de dados

Siga estas etapas para compartilhar um agente de dados publicado. Não é possível compartilhar agentes em rascunho.

  1. Acesse a página Agentes do BigQuery.

    Acessar "Agentes"

  2. Selecione a guia Catálogo de agentes.

  3. Localize o card do agente de dados que você quer modificar.

  4. Para abrir o agente de dados no editor de agentes, clique em Abrir ações > clique em Editar no card do agente.

  5. Para compartilhar o agente de dados com outros usuários, clique em Compartilhar.

  6. No painel Permissões de compartilhamento, clique em Adicionar principal.

  7. No campo Novos principais, insira um ou mais principais.

  8. Clique na lista Selecionar um papel.

  9. Na lista Papel, selecione um dos seguintes papéis:

    • Usuário do agente de dados do Gemini Data Analytics (roles/geminidataanalytics.dataAgentUser): permite conversar com o agente de dados.
    • Editor do agente de dados do Gemini Data Analytics (roles/geminidataanalytics.dataAgentEditor): concede permissão para editar o agente de dados.
    • Leitor do agente de dados do Gemini Data Analytics (roles/geminidataanalytics.dataAgentViewer): concede permissão para visualizar o agente de dados.

  10. Clique em Salvar.

  11. Para voltar à página de edição do agente, clique em Fechar.

  12. Para voltar ao painel Agentes, clique em Voltar.

    Ícone "Voltar" para retornar à página "Agentes" na página de edição do agente.

Excluir um agente de dados

  1. Acesse a página Agentes do BigQuery.

    Acessar "Agentes"

  2. Selecione a guia Catálogo de agentes.

  3. Na seção Meus agentes ou Meus agentes em rascunho da guia Catálogo de agentes, localize o card do agente de dados que você quer excluir.

  4. Clique em Abrir ações > Excluir.

  5. Na caixa de diálogo Excluir agente?, clique em Excluir.

Locais

A análise de dados de conversação opera globalmente. Não é possível escolher qual região usar.

A seguir