Membuat agen data

Dokumen ini menjelaskan cara membuat, mengedit, mengelola, dan menghapus agen data di BigQuery.

Di BigQuery, Anda dapat melakukan percakapan dengan agen data untuk mengajukan pertanyaan tentang data BigQuery menggunakan bahasa alami. Agen data berisi metadata tabel dan petunjuk pemrosesan kueri khusus kasus penggunaan yang menentukan cara terbaik untuk menjawab pertanyaan pengguna tentang sekumpulan sumber informasi, seperti tabel, tampilan, atau fungsi yang ditentukan pengguna (UDF) yang Anda pilih.

Sebelum memulai

1. Pastikan penagihan diaktifkan untuk project Google Cloud Anda.

2. Aktifkan API BigQuery, Gemini Data Analytics, Gemini for Google Cloud, dan Knowledge Catalog, jika belum diaktifkan.

   Peran yang diperlukan untuk mengaktifkan API

   Untuk mengaktifkan API, Anda memerlukan izin serviceusage.services.enable. Jika Anda membuat project, kemungkinan Anda sudah memiliki izin ini melalui peran Pemilik (roles/owner). Jika tidak, Anda bisa mendapatkan izin ini melalui peran Service Usage Admin (roles/serviceusage.serviceUsageAdmin). Pelajari cara memberikan peran.

   Aktifkan API

Peran yang diperlukan

Untuk menggunakan agen data, Anda harus memiliki izin Identity and Access Management (IAM) yang sesuai dengan kasus penggunaan Anda. Bagian berikut mencantumkan peran yang diperlukan berdasarkan apakah Anda membuat dan memublikasikan agen, menyediakan agen di Gemini Enterprise, atau menemukan dan menggunakan agen di berbagai platform. Untuk mengetahui informasi selengkapnya, lihat Peran IAM Conversational Analytics API.

• Membuat, mengedit, memublikasikan, membagikan, dan menghapus agen:
  • Untuk membuat agen data dalam project: Gemini Data Analytics Data Agent Creator (roles/geminidataanalytics.dataAgentCreator) pada project. Peran ini secara otomatis memberi Anda peran Pemilik Agen Data Gemini Analisis Data di agen data yang Anda buat.
  • Untuk mengedit, membagikan, atau menghapus agen data: Pemilik Agen Data Gemini Data Analytics (roles/geminidataanalytics.dataAgentOwner) di agen atau project.
  • Untuk mengedit agen data dalam project: Gemini Data Analytics Data Agent Editor (roles/geminidataanalytics.dataAgentEditor) di project.
  • Untuk melihat agen data dalam project: Pelihat Agen Analisis Data Gemini (roles/geminidataanalytics.dataAgentViewer) di project.
• Menyediakan agen di Gemini Enterprise:
  • Agar agen yang dipublikasikan tersedia bagi pengguna di Gemini Enterprise, Anda memerlukan izin untuk mendaftarkan dan mengelola agen kustom serta mengonfigurasi Agent Gateway di konsol administrasi Gemini Enterprise.
• Menemukan dan menggunakan agen:
  • Untuk memulai percakapan dengan agen data: Pengguna Agen Data Analisis Data Gemini (roles/geminidataanalytics.dataAgentUser).
  • Untuk melihat semua agen data dalam project: Gemini Data Analytics Data Agent Viewer (roles/geminidataanalytics.dataAgentViewer).
  • Untuk berinteraksi dengan antarmuka chat yang didukung Gemini di Data Studio: BigQuery Studio User (roles/bigquery.studioUser) atau Gemini untuk Google Cloud User (roles/cloudaicompanion.user), yang masing-masing memberikan izin cloudaicompanion.topics.create. Berikan peran ini di tingkat project. Pengguna juga memerlukan peran Pelihat Aset Data Studio (roles/datastudio.viewer).
• Menambahkan sumber pengetahuan ke agen:
  • Viewer Data Catalog (roles/datacatalog.viewer) di project.

Untuk melakukan percakapan, lihat peran yang diperlukan untuk percakapan.

Agen bertindak atas nama Anda dan menggunakan izin Anda. Agen hanya dapat mengakses data dan resource yang izin aksesnya Anda miliki.

Praktik terbaik

Analisis percakapan otomatis menjalankan kueri atas nama Anda untuk menjawab pertanyaan Anda. Pertimbangkan faktor berikut yang dapat meningkatkan biaya kueri:

• Ukuran tabel yang besar
• Penggunaan gabungan data dalam kueri
• Panggilan yang sering ke fungsi AI dalam kueri

Menghasilkan insight

Anda dapat membuat insight data di Knowledge Catalog untuk tabel apa pun yang ingin Anda gunakan sebagai sumber pengetahuan.

Insight yang dihasilkan memberikan metadata tabel yang dapat digunakan agen data untuk membantu menghasilkan respons atas pertanyaan Anda.

Jika Anda tidak membuat insight terlebih dahulu, sistem akan otomatis membuatnya saat Anda memilih tabel sebagai sumber pengetahuan saat membuat agen data.

Menggunakan agen data sampel

Jika Anda belum memahami cara mengonfigurasi agen untuk analisis percakapan, Anda dapat melihat contoh agen yang telah ditentukan dan dibuat untuk setiap projectGoogle Cloud . Anda dapat melakukan percakapan dengan model tersebut dan melihat parameternya untuk mengetahui cara pembuatannya, tetapi Anda tidak dapat mengubahnya.

Untuk melihat agen contoh, lakukan hal berikut:

1. Di konsol Google Cloud , buka halaman Agents BigQuery.

   Buka Agen

2. Pilih tab Agent catalog.

3. Di bagian Contoh agen dari Google, klik kartu contoh agen.

Membuat agen data

Bagian berikut menjelaskan cara membuat agen data.

Setelah membuat agen, Anda dapat mengedit setelannya.

Catatan: Jika Anda sedang melakukan percakapan dengan sumber data, Anda juga dapat membuat agen dari percakapan tersebut.

Langkah awal

1. Di konsol Google Cloud , buka halaman Agen BigQuery.

   Buka Agen

2. Pilih tab Agent catalog.

3. Klik New agent. Halaman New agent akan terbuka.

4. Di bagian Editor, di kolom Agent name, ketik nama deskriptif untuk agen data—misalnya, Q4 sales data atau User activity logs.

5. Di kolom Agent description, ketik deskripsi agen data. Deskripsi yang baik menjelaskan apa yang dilakukan agen, data apa yang digunakannya, dan membantu Anda mengetahui kapan agen data ini tepat untuk diajak berinteraksi—misalnya, Ask questions about customer orders and revenue.

6. Di bagian Knowledge sources, klik Add source. Halaman Add knowledge source akan terbuka.

7. Di bagian Terbaru, pilih tabel, tampilan, grafik, atau UDF yang ingin Anda gunakan sebagai sumber pengetahuan. UDF diawali dengan indikator 'fx' di konsol Google Cloud .

8. Untuk melihat sumber informasi tambahan, pilih Tampilkan lebih banyak.

9. Opsional: Tambahkan sumber informasi yang tidak tercantum di bagian Terbaru:

   1. Di bagian Search, ketik nama sumber di kolom Search for tables, lalu tekan Enter. Nama sumber tidak perlu sama persis.

   2. Di bagian Hasil penelusuran, pilih satu atau beberapa sumber.

10. Klik Tambahkan. Halaman agen baru akan terbuka kembali.

Menyesuaikan deskripsi tabel dan kolom

Untuk meningkatkan akurasi agen data, Anda dapat memberikan metadata tabel tambahan. Hanya agen data yang menggunakan metadata ini, dan tidak memengaruhi tabel sumber.

Ikuti praktik terbaik berikut saat Anda membuat deskripsi tabel dan kolom:

• Gunakan deskripsi ini sebagai panduan untuk memahami cara agen data memahami skema. Jika deskripsi yang disarankan oleh agen sudah benar, Anda dapat menyetujuinya.

• Jika agen data tidak menunjukkan pemahaman tentang skema setelah Anda mengonfigurasi deskripsi ini, sesuaikan deskripsi secara manual untuk memberikan informasi yang benar.

Ikuti langkah-langkah berikut untuk mengonfigurasi deskripsi tabel dan kolom:

1. Di bagian Sumber pengetahuan, klik link Sesuaikan untuk tabel.

2. Buat deskripsi tabel. Anda dapat mengetik deskripsi di kolom Table Description atau menerima saran dari Gemini.

3. Di bagian Fields, tinjau deskripsi kolom yang disarankan Gemini.

4. Pilih deskripsi kolom yang ingin Anda terima, lalu klik Accept suggestions. Pilih deskripsi yang ingin Anda tolak, lalu klik Tolak saran.

5. Edit deskripsi kolom secara manual dengan mengklik Edit di samping kolom. Panel Edit kolom akan terbuka.

   1. Di kolom Deskripsi, ketik deskripsi kolom.
   2. Untuk menyimpan deskripsi kolom, klik Update.

6. Untuk menyimpan pembaruan deskripsi dan kolom, klik Update. Halaman agen baru akan terbuka kembali.

7. Ulangi langkah-langkah ini untuk setiap tabel yang perlu disesuaikan.

Catatan: Jika perubahan pada deskripsi tidak tercermin di Google Cloud konsol, Anda dapat menggunakan metode list untuk memverifikasi atau metode patch untuk memperbarui deskripsi.

Membuat petunjuk agen

Agen harus memahami konteks pertanyaan pengguna tanpa memerlukan petunjuk kustom. Buat petunjuk kustom untuk agen hanya jika Anda perlu mengubah perilaku agen atau meningkatkan konteks dengan cara yang belum didukung oleh fitur konteks lainnya—misalnya, metadata tabel dan kolom kustom, atau kueri terverifikasi.

Di bagian Instructions, ketik petunjuk untuk agen data di kolom Agent instructions. Karena agen data menggunakan petunjuk ini untuk memahami konteks pertanyaan pengguna dan memberikan jawaban, buat petunjuk sejelas mungkin.

Jika Anda tidak mendapatkan jawaban yang memuaskan dari agen, tambahkan konteks terstruktur seperti deskripsi, contoh, atau istilah glosarium. Jika Anda masih belum mendapatkan jawaban yang memuaskan, tambahkan petunjuk khusus seperti contoh dalam tabel berikut.

Untuk melihat contoh petunjuk lainnya, klik Tampilkan contoh.

Jenis informasi	Deskripsi	Contoh
Kolom utama	Kolom terpenting untuk analisis.	"Kolom yang paling penting dalam tabel ini adalah: ID Pelanggan, ID Produk, Tanggal Pesanan."
Pemfilteran dan pengelompokan	Kolom yang harus digunakan agen untuk memfilter dan mengelompokkan data.	"Jika pertanyaan berkaitan dengan linimasa atau 'seiring waktu', selalu gunakan kolom order_created_date." "Jika seseorang mengatakan 'menurut produk', kelompokkan menurut kolom product_category."
Pemfilteran default	Kolom yang akan difilter secara default.	"Kecuali dinyatakan lain, selalu filter data pada order_status = 'Complete'."
Sinonim dan istilah bisnis	Istilah alternatif untuk kolom utama.	"Jika seseorang bertanya tentang 'Pendapatan' atau 'Penjualan', gunakan kolom total_sale_amount." "Kami menganggap pelanggan 'loyal' adalah pelanggan yang memiliki purchase_count > 5."
Kolom yang dikecualikan	Kolom yang harus dihindari oleh agen data.	"Jangan pernah menggunakan kolom ini: Tanggal Transaksi yang Dihasilkan, Kota Asal."
Menggabungkan hubungan	Cara dua tabel atau lebih saling terkait, dan kolom mana yang digunakan untuk menggabungkannya. Agen harus menggunakan JOIN SQL standar pada pasangan kolom untuk menggabungkan data. Lihat kolom contoh.	Aktivitas Pelanggan order_items.user_id = users.id (untuk menautkan penjualan ke pelanggan) events.user_id = users.id (untuk menautkan aktivitas situs ke pelanggan yang login)

Membuat kueri terverifikasi

Agen menggunakan kueri terverifikasi dengan dua cara:

• Jika agen dapat menggunakan kueri terverifikasi untuk menjawab pertanyaan yang Anda ajukan, untuk memastikan jawaban yang tepercaya, agen akan memanggil kueri persis seperti yang tertulis.
• Jika agen tidak dapat menggunakan kueri terverifikasi untuk menjawab pertanyaan, agen tetap menggunakan kueri sebagai referensi untuk memahami data dan praktik terbaik untuk mengajukan kueri.

Anda dapat memilih kueri terverifikasi dari daftar yang dibuat oleh sistem, atau membuat kueri Anda sendiri.

Catatan: Untuk membuat kueri terverifikasi berparameter, lihat Membuat kueri terverifikasi berparameter.

Untuk membuat kueri terverifikasi untuk agen data, yang sebelumnya dikenal sebagai kueri emas, lakukan langkah berikut:

1. Pilih satu atau beberapa kueri terverifikasi yang disarankan Gemini:

   1. Di bagian Kueri Terverifikasi, klik Tinjau saran. Halaman Tinjau kueri terverifikasi yang disarankan akan terbuka.
   2. Tinjau kueri terverifikasi yang disarankan. Pilih salah satu yang sesuai dengan kasus penggunaan Anda.
   3. Klik Tambahkan. Halaman agen baru akan terbuka kembali.

2. Untuk membuat kueri terverifikasi Anda sendiri, klik Tambahkan kueri. Halaman Add verified query akan terbuka.

   1. Di kolom Pertanyaan, ketik pertanyaan pengguna yang dijawab oleh kueri terverifikasi.
   2. Klik Buat SQL agar Gemini membuat kueri terverifikasi yang sesuai dengan pertanyaan pengguna yang Anda tentukan.
   3. Ubah kueri terverifikasi jika Anda mau.
   4. Klik Run dan pastikan kueri menampilkan hasil yang Anda harapkan.
   5. Klik Tambahkan. Halaman agen baru akan dibuka kembali.

3. Ulangi langkah-langkah ini sesuai kebutuhan untuk membuat kueri terverifikasi tambahan.

Membuat kueri terverifikasi berparameter

Kueri terverifikasi berparameter mengekstrak nilai dari pertanyaan pengguna untuk agen analisis percakapan dan memberikan hasil yang disesuaikan.

Analis dan builder dapat membuat template SQL yang dapat digunakan kembali dan berisi placeholder untuk nilai ini. Template ini secara dinamis mengganti parameter saat runtime untuk menjawab lebih banyak pertanyaan pengguna daripada kueri terverifikasi biasa.

Saat pengguna mengajukan pertanyaan yang cocok dengan pola template, agen analisis percakapan akan mengekstrak parameter value dari pertanyaan—misalnya, nama produk, wilayah, dan tanggal. Kemudian, library ini memasukkan nilai tersebut ke dalam kueri berparameter. Respons yang cocok dari template kueri akan muncul sebagai terverifikasi.

Kueri terverifikasi berparameter meningkatkan kekuatan dan fleksibilitas kueri terverifikasi secara signifikan. Hal ini memastikan jawaban yang konsisten dan tepercaya di berbagai input dan mengurangi jumlah kueri individual yang harus dipertahankan.

Cara kerjanya

Pakar, seperti analis data, menentukan kueri terverifikasi menggunakan pertanyaan template—misalnya, "Berapa penjualan untuk @product pada tahun @region?" Kemudian, pakar membuat atau mengubah kueri terverifikasi menggunakan parameter SQL, seperti yang ditunjukkan contoh berikut:

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

Setelah kueri terverifikasi disimpan, pengguna dapat mengajukan pertanyaan dalam bahasa alami kepada agen analisis percakapan; misalnya, "Berapa penjualan laptop di Amerika Utara?"

Untuk menjawab pertanyaan pengguna, agen melakukan langkah-langkah berikut:

1. Mencocokkan pertanyaan dengan pola yang terkait dengan kueri terverifikasi berparameter. Agen menggunakan natural language understanding (NLU) untuk mengidentifikasi dan mengekstrak nilai untuk @region (Amerika Utara) dan @product (laptop) dari pertanyaan pengguna.
2. Mengganti nilai yang diekstrak ke dalam placeholder @region dan @product dalam template SQL.
3. Menjalankan kueri SQL lengkap; misalnya, SELECT * FROM sales WHERE region = 'North America' AND product = 'Laptops'.
4. Mengembalikan hasil kepada pengguna. Kecocokan selalu ditandai sebagai terverifikasi.

Tips untuk membuat kueri berparameter yang efektif

• Gunakan nama parameter yang jelas. Gunakan nama deskriptif untuk parameter—misalnya, @start_date, bukan @d1.
• Buat deskripsi parameter yang mendetail. Model bahasa besar (LLM) untuk analisis percakapan menggunakan deskripsi parameter untuk mengidentifikasi parameter dan nilainya dari pertanyaan pengguna. Misalnya, num_enrollments adalah nama parameter yang efektif, tetapi number of student enrollments from ages 5-14 adalah deskripsi parameter yang memberikan lebih banyak konteks tentang kueri.
• Pastikan pengetikan data konsisten. Pastikan jenis data yang diharapkan oleh kueri SQL cocok dengan jenis data yang mungkin akan diekstrak dari pertanyaan pengguna.
• Berikan cakupan yang jelas. Buat template untuk pola pertanyaan umum dan penting yang konstruksi kuerinya kompleks, atau logikanya tidak intuitif. Tindakan ini akan membantu LLM memberikan hasil yang optimal.
• Lakukan pengujian secara menyeluruh. Lakukan pengujian dengan berbagai frasa bahasa alami untuk memastikan bahwa parameter diekstrak dengan benar.

Membuat kueri terverifikasi berparameter

Anda dapat memilih kueri terverifikasi dari daftar yang dibuat oleh sistem, atau Anda dapat membuat kueri sendiri.

Sebelum membuat atau mengubah kueri, buat draf kueri dengan mempertimbangkan pola bahasa alami dan pertanyaan Anda. Misalnya, jika Anda bertanya "Apakah kita tahu total stok pisang organik di gudang US-EAST?", Anda dapat menulis ulang pertanyaan tersebut sebagai kueri terverifikasi berparameter seperti "Berapa total stok untuk @product di gudang @region?" Agen akan mengubah pertanyaan ini menjadi kueri SQL yang Anda perbarui dengan nilai default.

Untuk membuat kueri terverifikasi berparameter untuk agen data, Anda dapat membuat kueri baru saat membuat agen baru, atau mengedit kueri terverifikasi yang ada untuk agen baru atau yang sudah ada.

Petunjuk berikut menggunakan contoh kueri terverifikasi untuk mengonfigurasi dengan parameter.

Memilih kueri terverifikasi yang disarankan Gemini yang sudah ada

1. Di bagian Verified Queries pada agen baru atau yang sudah ada, klik Review suggestions. Halaman Tinjau kueri terverifikasi yang disarankan akan terbuka.
2. Centang kotak di samping kueri terverifikasi yang disarankan.
3. Di jendela kueri, klik Show more untuk meluaskan deskripsi kueri.
4. Untuk membuka kueri yang ada, klik Edit.
5. Untuk menyelesaikan konfigurasi kueri, lihat Mengonfigurasi parameter untuk kueri terverifikasi.

Membuat agen, lalu membuat kueri terverifikasi

1. Lihat Langkah-langkah awal dan lanjutkan langkah-langkah konfigurasi lainnya ke Kueri terverifikasi.
2. Di konsol Google Cloud , di bagian Verified queries pada agen baru, klik Add query. Halaman Tambahkan kueri terverifikasi akan terbuka.
3. Untuk menyelesaikan konfigurasi kueri, lihat Mengonfigurasi parameter untuk kueri terverifikasi.

Mengonfigurasi parameter untuk kueri terverifikasi

1. Di kolom Pertanyaan, ketik pertanyaan pengguna yang dijawab oleh kueri terverifikasi.
2. Untuk menentukan parameter, gunakan simbol @ yang diikuti dengan nama parameter. Sintaksis ini mengidentifikasi placeholder yang menyerap nilai dari pertanyaan pengguna. Gunakan pertanyaan natural language yang menunjukkan cara parameter akan digunakan dalam pertanyaan pengguna. Misalnya: "Berapa total stok untuk @produk di gudang @wilayah?"

3. Klik Generate SQL. SQL akan terlihat seperti contoh berikut:

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

4. Untuk menambahkan nilai default ke placeholder dalam kueri, klik Kelola parameter kueri, lalu klik Tambahkan parameter kueri.

5. Untuk parameter pertama, empat kolom akan muncul untuk Name, Type, Value, dan Description.

   • Untuk Name, salin @product dari pertanyaan Anda dan tempelkan ke kolom ini.
   • Untuk Jenis, pilih STRING.
   • Untuk Value, masukkan organic bananas.
   • Untuk Deskripsi, masukkan deskripsi sespesifik mungkin. Misalnya, produk yang berada di gudang regional.

6. Untuk parameter kedua, klik Tambahkan parameter kueri.

   • Untuk Name, salin @region dari pertanyaan Anda dan tempelkan ke kolom ini.
   • Untuk Jenis, pilih STRING.
   • Untuk Nilai, masukkan US-EAST.
   • Untuk Deskripsi, masukkan deskripsi yang spesifik mungkin—misalnya, a regional warehouse where products are located.

7. Setelah Anda mengisi kolom untuk kedua parameter, klik Simpan.

Menguji kueri terverifikasi berparameter

1. Klik Run dan pastikan kueri menampilkan hasil yang Anda harapkan.
2. Untuk menguji kueri bagi pengguna di layar berikutnya, salin seluruh kolom pertanyaan.
3. Klik Save untuk keluar dari layar Add query dan kembali ke halaman Edit agen.
4. Di halaman Edit agen, tempel kolom pertanyaan yang Anda salin sebelumnya ke jendela Preview.
   1. Ganti variabel@product dengan organic bananas.
   2. Ganti variabel @region dengan US-EAST.
5. Tekan enter. Periksa hasilnya. Dalam hal ini, jawaban yang valid adalah jumlah total stok pisang di region US-EAST—misalnya, 1.000.
6. Untuk membuat atau mengedit kueri terverifikasi tambahan, ulangi langkah-langkah ini sesuai kebutuhan.

Setelah Anda menyimpan kueri, pengguna dapat mengajukan pertanyaan "Apakah kita tahu total stok pisang organik di gudang US-EAST?" Kemudian, analisis percakapan akan melakukan hal berikut:

1. Mencocokkan pertanyaan ini dengan pola.
2. Mengekstrak parameter @product sebagai @product = "organic bananas" dan parameter @region = "US-EAST" dari pertanyaan.
3. Menjalankan kueri: SELECT SUM(stock) AS total_stock FROM inventory WHERE product_id = 'organic bananas' AND region = 'US-EAST';
4. Menampilkan total_stock yang dihitung.

Membuat atau meninjau istilah glosarium

Anda dapat membuat istilah glosarium kustom BigQuery yang bersifat lokal untuk agen, atau meninjau istilah glosarium bisnis yang diimpor dari Knowledge Catalog yang berlaku untuk sumber pengetahuan yang Anda pilih untuk agen.

• Karena istilah glosarium bisnis dari Knowledge Catalog berlaku secara global untuk resource BigQuery, jika Anda menggunakan Knowledge Catalog, sebaiknya buat dan kelola istilah glosarium bisnis di Knowledge Catalog, bukan untuk setiap agen.
• Jika Anda perlu mengubah istilah glosarium bisnis yang diimpor dari Knowledge Catalog, Anda harus mengeditnya di Knowledge Catalog dan kembali ke BigQuery untuk melihatnya.
• Istilah glosarium kustom BigQuery tetap berada di BigQuery. Set data tersebut tidak muncul di Knowledge Catalog.
• Jika tidak menggunakan Knowledge Catalog, Anda dapat membuat istilah glosarium kustom BigQuery untuk istilah yang perlu Anda tentukan untuk agen tertentu.

Ikuti langkah-langkah berikut untuk membuat istilah glosarium kustom untuk agen:

1. Di bagian Glosarium pada halaman Editor agen, klik Tambahkan istilah.
2. Di bagian Persyaratan kustom, Anda dapat mengedit atau menghapus persyaratan kustom yang ada.
3. Untuk membuat satu atau beberapa istilah baru, klik Buat istilah.
   1. Masukkan Istilah, Definisi, dan satu atau beberapa Sinonim yang dipisahkan dengan koma.
   2. Untuk membuat istilah, klik Tambahkan.
   3. Jika Anda ingin menghapus istilah baru, klik Hapus.
4. Untuk membuat lebih banyak istilah khusus, ulangi langkah-langkah ini.

Ikuti langkah-langkah berikut untuk melihat istilah glosarium bisnis yang diimpor dari Knowledge Catalog:

1. Di bagian Glosarium pada halaman Editor agen, klik Tambahkan istilah.
2. Buka bagian halaman yang disebut Diimpor dari Dataplex.
3. Untuk mengubah istilah yang diimpor di Knowledge Catalog, klik Go to Dataplex glossaries.
4. Setelah mengubah istilah di Knowledge Catalog, Anda dapat kembali ke halaman Editor agen untuk melihat istilah yang diubah.

Mengonfigurasi setelan

Di bagian Settings, Anda dapat mengonfigurasi setelan opsional berikut:

1. Di bagian Model, pilih jenis model yang tersedia untuk pengguna dalam percakapan dengan agen. Model Pratinjau dan Tersedia Secara Umum tersedia secara default. Model yang dalam status Pratinjau dapat menggunakan endpoint global.

2. Buat label untuk membantu Anda mengatur resourceGoogle Cloud . Label adalah key-value pair yang dapat Anda gunakan untuk mengelompokkan objek terkait secara bersamaan atau dengan resource Google Cloud lainnya.

   1. Di bagian Setelan, klik Kelola label.
   2. Klik Tambahkan label.
   3. Di kolom key dan value, masukkan pasangan nilai kunci untuk label.
   4. Jika Anda ingin menambahkan label lainnya, klik Tambahkan label lagi.
   5. Untuk menghapus label, klik Hapus.
   6. Setelah selesai, klik Tambahkan. Halaman agen baru akan dibuka kembali.

3. Tetapkan batas ukuran untuk kueri yang diproses oleh agen data. Di bagian Settings, ketik nilai di kolom Maximum bytes billed. Anda harus menetapkan batas ini ke 10485760 atau lebih tinggi, jika tidak, Anda akan menerima pesan error berikut:

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.

Jika Anda tidak menentukan nilai, maximum bytes billed secara default akan ditetapkan ke kuota penggunaan kueri per hari project. Kuota penggunaan per hari tidak terbatas, kecuali jika Anda telah menentukan kuota kustom.

Lanjutkan ke bagian berikutnya untuk menempatkan agen dalam mode draf atau memublikasikan agen.

Melihat pratinjau dan memublikasikan agen

1. Di bagian Preview, ketik contoh pertanyaan pengguna di kolom Ask a question, lalu tekan Enter. Untuk memverifikasi bahwa agen data menampilkan data yang Anda harapkan, tinjau respons agen. Jika responsnya tidak sesuai harapan, ubah setelan di bagian Editor untuk menyaring konfigurasi agen data hingga Anda mendapatkan respons yang memuaskan. Anda dapat terus menguji dan mengubah agen untuk memperbaiki hasil agen.

2. Klik Simpan.

3. Untuk menempatkan agen data dalam mode draf, yang dapat Anda edit ulang nanti, klik Kembali untuk kembali ke halaman Katalog Agen. Karena agen Anda sekarang dalam mode draf, agen tersebut akan muncul di bagian Agen draf saya di tab Katalog Agen.

   Untuk memublikasikan agen, tetap berada di halaman pembuatan agen dan lanjutkan ke langkah berikutnya.

4. Klik Publish untuk membuka panel Publishing channels dan memublikasikan agen data, sehingga tersedia untuk digunakan dalam project.

5. Opsional: Di dialog Agen Anda telah dipublikasikan, klik Bagikan untuk membagikan agen data kepada pengguna lain.

   1. Di panel Share permissions, klik Add principal.

   2. Di kolom New principals, masukkan satu atau beberapa akun utama.

   3. Klik daftar Select a role.

   4. Di daftar Role, pilih salah satu peran berikut:

      • Gemini Data Analytics Data Agent User (roles/geminidataanalytics.dataAgentUser): memberikan izin untuk melakukan chat dengan agen data.
      • Gemini Data Analytics Data Agent Editor (roles/geminidataanalytics.dataAgentEditor): memberikan izin untuk mengedit agen data.
      • Gemini Data Analytics Data Agent Viewer (roles/geminidataanalytics.dataAgentViewer): memberikan izin untuk melihat agen data.

6. Klik Simpan.

7. Untuk kembali ke halaman agen baru, klik Tutup. Segera setelah menyimpan atau memublikasikan agen, Anda dapat melihatnya di Katalog Agen.

Anda dapat membuat percakapan dengan agen data menggunakan BigQuery Studio atau Data Studio. Anda juga dapat membangun antarmuka Anda sendiri untuk melakukan chat dengan agen data menggunakan Conversational Analytics API. Untuk mengetahui informasi tentang memublikasikan ke Data Studio, lihat Memublikasikan agen data di Data Studio. Untuk mengetahui informasi tentang memublikasikan ke Gemini Enterprise, lihat Memublikasikan agen data di Gemini Enterprise.

Mengelola agen data

Anda dapat menemukan agen yang ada di tab Agent Catalog, yang terdiri dari tiga bagian:

• Agen saya: daftar semua agen yang Anda buat dan publikasikan. Anda dapat mengubah dan membagikan agen yang dipublikasikan kepada orang lain.
• Agen draf saya: agen yang belum Anda publikasikan. Anda tidak dapat membagikan agen draf.
• Dibagikan oleh orang lain dalam organisasi Anda: Agen yang dibuat dan dibagikan orang lain kepada Anda. Jika orang lain memberi Anda izin, Anda dapat mengedit agen bersama ini.

Mengedit agen data

Ikuti langkah-langkah berikut untuk mengedit agen data:

1. Buka halaman Agents BigQuery.

   Buka Agen

2. Pilih tab Agent Catalog.

3. Temukan kartu agen dari agen data yang ingin Anda ubah.

4. Untuk membuka agen data di editor agen, klik Open actions > klik Edit di kartu agen.

5. Edit konfigurasi agen data sesuai kebutuhan.

6. Untuk menyimpan perubahan tanpa memublikasikan, klik Simpan.

7. Untuk memublikasikan perubahan, klik Publikasikan . Dalam dialog Share, Anda dapat membagikan agen kepada orang lain, atau mengklik Cancel.

8. Untuk kembali ke panel Agen, klik Kembali.

   

Membagikan agen data

Ikuti langkah-langkah berikut untuk membagikan agen data yang dipublikasikan. Anda tidak dapat membagikan draf agen.

1. Buka halaman Agen BigQuery.

   Buka Agen

2. Pilih tab Agent Catalog.

3. Temukan kartu agen dari agen data yang ingin Anda ubah.

4. Untuk membuka agen data di editor agen, klik Open actions > klik Edit di kartu agen.

5. Untuk membagikan agen data kepada pengguna lain, klik Bagikan.

6. Di panel Share permissions, klik Add principal.

7. Di kolom New principals, masukkan satu atau beberapa akun utama.

8. Klik daftar Select a role.

9. Di daftar Role, pilih salah satu peran berikut:

   • Pengguna Agen Data Analisis Data Gemini (roles/geminidataanalytics.dataAgentUser): memberikan izin untuk melakukan chat dengan agen data.
   • Editor Agen Data Gemini Data Analytics (roles/geminidataanalytics.dataAgentEditor): memberikan izin untuk mengedit agen data.
   • Gemini Data Analytics Data Agent Viewer (roles/geminidataanalytics.dataAgentViewer): memberikan izin untuk melihat agen data.

10. Klik Simpan.

11. Untuk kembali ke halaman pengeditan agen, klik Close.

12. Untuk kembali ke panel Agen, klik Kembali.

    

Menghapus agen data

1. Buka halaman Agen BigQuery.

   Buka Agen

2. Pilih tab Katalog Agen.

3. Di bagian Agen saya atau Agen draf saya pada tab Katalog Agen, temukan kartu agen dari agen data yang ingin Anda hapus.

4. Klik Open actions > Delete.

5. Pada dialog Delete agent?, klik Delete.

Memublikasikan agen data di Data Studio

Saat Anda memublikasikan agen dan membagikannya kepada pengguna Data Studio, agen tersebut akan otomatis muncul bagi pengguna tersebut untuk melakukan chat di halaman Chat dengan data Anda di Data Studio.

Membuat dan memublikasikan agen ke Data Studio

Sebagai analis data, Anda dapat membuat, mengedit, dan memublikasikan agen ke Data Studio dengan menyelesaikan langkah-langkah berikut:

1. Buat atau edit agen data Anda di BigQuery.
2. Publikasikan agen. Saat Anda memublikasikan agen, pilih Data Studio sebagai opsi publikasi.
3. Ikuti petunjuk untuk membagikan agen, dengan memberikan peran Identity and Access Management yang sesuai kepada pengguna Data Studio Anda.

Membagikan agen Anda kepada pengguna Data Studio

Anda dapat membagikan agen kepada pengguna Data Studio secara langsung dengan menyalin link yang membuka percakapan dengan agen di Data Studio atau Anda dapat mengirim email untuk memberi tahu pengguna bahwa ia memiliki akses ke agen.

Untuk membagikan link langsung ke agen, Anda dapat menyalin URL khusus agen dengan cara berikut:

• Dari katalog agen: Pilih Buka tindakan > pilih Salin link > pilih Data Studio.
• Dari tampilan detail agen: Pilih Salin link agen > pilih Data Studio.
• Dari menu tambahan Bagikan: Pilih Salin link ke agen di Data Studio.
• Setelah mengklik Simpan dari panel Izin berbagi: Pilih Salin link.

Untuk mengirim notifikasi email yang memberi tahu penerima tentang akses mereka ke agen, pilih Kirim email dari panel Bagikan izin. Notifikasi email hanya dikirim ke pengguna atau grup yang baru saja Anda beri akses ke agen dalam sesi pengeditan tersebut. Semua anggota grup menerima notifikasi email, meskipun pengguna tertentu sudah memiliki izin tingkat agen untuk agen tersebut. Email tersebut menyertakan nama pengguna yang membagikan agen, nama agen, dan link untuk membuka agen di Data Studio.

Catatan: Jika Anda mengirim email ke Google Grup yang memiliki setelan Siapa yang Dapat Memposting yang ditetapkan ke Khusus Anggota Grup, Pemilik atau Pengelola Grup harus memperbarui setelan grup ke Seluruh Organisasi agar pengiriman dapat dilakukan.

Memublikasikan agen data di Gemini Enterprise

Anda dapat memublikasikan agen data BigQuery di Gemini Enterprise sehingga pengguna bisnis dapat membuat kueri dan menganalisis data menggunakan bahasa alami langsung di dalam Gemini Enterprise. Proses ini biasanya melibatkan kolaborasi antara analis data, administrator Gemini Enterprise, dan pengguna bisnis. Untuk mengetahui informasi selengkapnya tentang peran yang diperlukan bagi pengguna ini, lihat Peran yang diperlukan.

Untuk memublikasikan agen data di Gemini Enterprise, selesaikan langkah-langkah berikut:

1. Tinjau prasyarat.
2. Membuat dan memublikasikan agen data di BigQuery.
3. Sediakan agen di Gemini Enterprise.
4. Temukan dan chat dengan agen.

Meninjau prasyarat

Cara yang direkomendasikan untuk memublikasikan agen analisis percakapan BigQuery adalah dengan menggunakan Agent Registry. Ikuti prasyarat di bagian ini untuk memastikan bahwa agen dapat ditemukan di Gemini Enterprise.

Atau, Anda dapat memublikasikan agen menggunakan JSON kartu A2A. Jika Anda menggunakan metode ini, lihat Membuat dan memublikasikan agen data di BigQuery.

Untuk menggunakan Agent Registry, Anda harus mengonfigurasi Agent Gateway dengan pemetaan region yang sesuai terlebih dahulu. Region penyimpanan untuk agen data BigQuery dan binding registry Agent Gateway di Gemini Enterprise harus sama.

Anda mengonfigurasi region penyimpanan untuk agen di bagian Region pada editor agen di UI web BigQuery. Anda tidak dapat mengubah region setelah agen disimpan.

Gambar berikut menunjukkan opsi region yang tersedia di Agent Gateway:

Sebagai administrator Gemini Enterprise, konfigurasikan Agent Gateway untuk aplikasi Gemini Enterprise Anda dengan menyelesaikan langkah-langkah berikut:

1. Siapkan Agent Gateway yang menyertakan binding Agent Registry yang cocok dengan region agen data Anda. Opsi mencakup Amerika Serikat, Uni Eropa, atau Global.
2. Di Gemini Enterprise, buka aplikasi Anda, buka Security > Configuration, lalu masukkan nama resource gateway di bagian Agent Gateway configuration. Untuk mengetahui petunjuk mendetail, lihat Merutekan traffic Gemini Enterprise melalui Agent Gateway.

Membuat dan memublikasikan agen data di BigQuery

Sebagai analis data, Anda membuat, mengonfigurasi, dan memublikasikan agen di BigQuery dengan menyelesaikan langkah-langkah berikut:

1. Di BigQuery, buat atau edit agen data Anda.
2. Di bagian Region, pastikan region penyimpanan cocok dengan sumber data dan konfigurasi Agent Gateway Anda. Opsinya mencakup Amerika Serikat, Uni Eropa, atau Global.
3. Klik Publish, atau Publish updates jika agen telah dipublikasikan sebelumnya.
4. Di panel Saluran publikasi, di bagian Saluran tambahan, pilih metode publikasi Anda:
   • Jika BigQuery dan Gemini Enterprise Anda berada dalam project yang sama, di bagian Agent Registry, centang kotak Register this agent.
     • Jika Anda ingin menghapus agen dari pendaftaran, klik Batalkan pendaftaran.
   • Jika BigQuery dan Gemini Enterprise Anda berada di project yang berbeda, di bagian Integrate via A2A (Agent2Agent), klik Copy JSON untuk menyalin data JSON endpoint A2A, lalu bagikan data JSON tersebut kepada administrator Gemini Enterprise Anda. Data JSON ini digunakan saat Anda menyediakan agen di bagian Gemini Enterprise.
5. Klik Publikasikan atau Publikasikan perubahan.
6. Bagikan agen kepada pengguna dan grup yang memerlukan akses, dengan memberi mereka peran Gemini Data Analytics Data Agent User (roles/geminidataanalytics.dataAgentUser).

Menyediakan agen di Gemini Enterprise

Sebagai administrator Gemini Enterprise, sediakan agen data untuk pengguna di aplikasi Anda menggunakan salah satu metode berikut:

Opsi 1: Impor dari Agent Registry

Ikuti langkah-langkah berikut untuk mengimpor agen terdaftar:

1. Jika Gemini Enterprise berada di project yang berbeda dengan project BigQuery, selesaikan langkah-langkah berikut untuk mendaftarkan agen secara manual di Agent Registry. Jika tidak, lewati langkah ini:
   1. Di konsol Google Cloud , buka Agent Registry di project yang sama dengan Gemini Enterprise, pilih tab Agents, lalu klik Add agent.
   2. Di panel Agent details, untuk Type, pilih A2A.
   3. Untuk Region, pilih region yang cocok dengan konfigurasi agen data dan Agent Gateway Anda.
   4. Pilih Paste JSON, tempel data JSON endpoint A2A dari BigQuery, lalu klik Save.
2. Di Gemini Enterprise, klik nama aplikasi tempat Anda ingin menambahkan agen.
3. Di menu navigasi, klik Agents > klik Add agent.
4. Di panel Choose an agent type, cari Agents from Agent Registry lalu klik Add.
5. Di panel Tambahkan agen, telusuri agen berdasarkan nama, ID Pendaftaran Agen, jenis, produser, atau kasus penggunaan, atau temukan kartu agen dalam daftar.
6. Di kartu agen, klik Add agent.
7. Pada langkah Review agent details, tinjau metadata agen yang diisi dari kartu A2A agen, termasuk nama, deskripsi, URL agen, kemampuan, dan keterampilan, lalu klik Next.
8. Pada langkah Autentikasi agen, pilih cara Gemini Enterprise melakukan autentikasi terhadap penyedia agen:
   • Kredensial default yang dikelola Google: Google mengelola kredensial OAuth secara otomatis. Anda tidak perlu mengonfigurasi atau memasukkan kredensial klien secara manual.
   • OAuth Kustom: Pilih opsi ini hanya jika organisasi Anda memerlukan kredensial klien OAuth kustom, lalu masukkan client ID, Rahasia klien, URL Otorisasi, dan URL Token.
9. Klik Selesai.
10. Agen akan muncul di tabel Agen dengan status Diaktifkan dan jenis agen A2A (Kustom).
11. Bagikan agen kepada pengguna atau grup yang memerlukan akses.

Opsi 2: Mengimpor menggunakan JSON kartu A2A

Pratinjau

Fitur ini tunduk pada "Persyaratan Penawaran Pra-GA" di bagian Persyaratan Layanan Umum dari Persyaratan Khusus Layanan. Fitur pra-GA tersedia "sebagaimana adanya" dan mungkin memiliki dukungan terbatas. Untuk mengetahui informasi selengkapnya, lihat deskripsi tahap peluncuran.

Jika BigQuery dan Gemini Enterprise berada di project yang berbeda, ikuti langkah-langkah berikut untuk mengimpor agen menggunakan JSON kartu A2A:

1. Di Gemini Enterprise, klik nama aplikasi tempat Anda ingin menambahkan agen.
2. Di menu navigasi, klik Agents > klik Add agent.
3. Di panel Choose an agent type, cari Custom agent via A2A, lalu klik Add.
4. Di kolom Agent card JSON, masukkan JSON kartu agen yang diterima dari analis data.
5. Klik Preview agent details > klik Next.
6. Pada langkah Agent authorization, pilih metode autentikasi Anda:
   • Kredensial yang dikelola Google secara default: Google mengelola kredensial OAuth secara otomatis tanpa mengharuskan Anda memasukkan atau membuat client ID dan rahasia klien secara manual.
   • OAuth Kustom: Pilih opsi ini jika Anda ingin memberikan kredensial OAuth kustom secara manual, dengan mengikuti langkah-langkah di Mendaftarkan dan mengelola agen A2A.
7. Pada langkah Tool authorizations, klik Finish.
8. Agen akan muncul di tabel Agen dengan status Aktif dan jenis agen A2A (Kustom).
9. Bagikan agen kepada pengguna atau grup yang memerlukan akses.

Menemukan dan menggunakan agen

Anda dapat menemukan dan menggunakan agen data di Gemini Enterprise menggunakan salah satu metode berikut:

• Penemuan manual: Temukan agen data di Galeri Agen dan gunakan dengan salah satu metode berikut:
  • Jelajahi galeri: Pilih agen dan mulai chat khusus.
  • Link langsung: Gunakan URL khusus agen untuk membuka Gemini Enterprise langsung ke sesi dengan agen data BigQuery tertentu.
  • Niat terarah: Panggil agen dengan @mention (misalnya, @sales_pipeline_agent) dalam percakapan inti Gemini Enterprise.
  • Orkestrasi yang lancar: Ajukan pertanyaan analisis umum (misalnya, "Bagaimana tren pipeline penjualan kita dalam 3 bulan terakhir?") dan Gemini Enterprise akan otomatis mengarahkan kueri ke agen data yang relevan.

Setelah menemukan agen, Anda dapat berinteraksi dengannya dengan melakukan langkah-langkah berikut:

• Autentikasi: Selesaikan login OAuth satu kali untuk melakukan autentikasi dengan aman ke BigQuery.
• Chat: Ajukan pertanyaan dalam bahasa alami kepada agen. Permintaan diproses oleh agen, dan respons di-streaming kembali ke Gemini Enterprise sebagai teks, Markdown, diagram, atau tabel.
• Melihat histori percakapan: Percakapan disimpan secara otomatis di panel histori.

Memantau agen dan percakapan

Pratinjau

Fitur ini tunduk pada "Persyaratan Penawaran Pra-GA" di bagian Persyaratan Layanan Umum dari Persyaratan Khusus Layanan. Fitur pra-GA tersedia "sebagaimana adanya" dan mungkin memiliki dukungan terbatas. Untuk mengetahui informasi selengkapnya, lihat deskripsi tahap peluncuran.

Catatan: Untuk memberikan masukan atau meminta dukungan terkait fitur ini, kirim email ke [e-mail].

Anda dapat memantau performa, adopsi, latensi, dan biaya agen data Anda serta percakapannya menggunakan Google Cloud Observability di BigQuery. Saat mengaktifkan observabilitas agen, Anda dapat melihat metrik seperti berikut:

• Jumlah agen yang digunakan dalam percakapan
• Jumlah pengguna yang telah mengajukan pertanyaan
• Jumlah percakapan yang dibuat
• Agen yang telah menjawab paling banyak pertanyaan
• Sumber pengetahuan yang paling umum digunakan
• Engagement pengguna
• Proyeksi penggunaan token
• Latensi jawaban per jam

Sebelum memulai

Aktifkan Cloud Trace, Cloud Monitoring, dan Cloud Logging API, jika ada yang belum diaktifkan.

Peran yang diperlukan untuk mengaktifkan API

Untuk mengaktifkan API, Anda memerlukan izin serviceusage.services.enable. Jika Anda membuat project, kemungkinan Anda sudah memiliki izin ini melalui peran Pemilik (roles/owner). Jika tidak, Anda bisa mendapatkan izin ini melalui peran Admin Penggunaan Layanan (roles/serviceusage.serviceUsageAdmin). Pelajari cara memberikan peran.

Aktifkan API

Peran dan izin yang diperlukan

Untuk mengaktifkan observabilitas agen, Anda harus memiliki izin berikut di project Anda:

• cloudaicompanion.gibqObservabilitySettings.create
• cloudaicompanion.gibqObservabilitySettings.list
• cloudaicompanion.gibqObservabilitySettings.update
• cloudaicompanion.settingBindings.gibqObservabilitySettingsCreate
• cloudaicompanion.settingBindings.gibqObservabilitySettingsList
• cloudaicompanion.settingBindings.gibqObservabilitySettingsUse
• geminidataanalytics.dataAgents.create
• geminidataanalytics.operations.get
• observability.traceScopes.create
• resourcemanager.projects.update
• serviceusage.services.enable
• serviceusage.values.test

Untuk mendapatkan izin yang Anda perlukan untuk memantau agen menggunakan metrik, trace, dan log, minta administrator untuk memberi Anda peran IAM berikut pada project Anda:

• Melihat data dan konfigurasi pemantauan: Monitoring Viewer (roles/monitoring.viewer)
• Melihat rekaman aktivitas: Pengguna Cloud Trace (roles/cloudtrace.user)
• Melihat log: Logs Viewer (roles/logging.viewer)
• Melihat set data dan kontennya: BigQuery Data Viewer (roles/bigquery.dataViewer)
• Melihat setelan administrator: Pengguna Gemini untuk Google Cloud (roles/cloudaicompanion.user)

Untuk mengetahui informasi selengkapnya tentang pemberian peran, lihat Mengelola akses ke project, folder, dan organisasi.

Anda mungkin juga bisa mendapatkan izin yang diperlukan melalui peran khusus atau peran bawaan lainnya.

Mengaktifkan kemampuan observasi

Observabilitas agen dinonaktifkan secara default. Administrator dapat mengaktifkannya untuk project atau organisasi Anda. Untuk mengaktifkan kemampuan pengamatan bagi agen Anda, pilih salah satu opsi berikut:

Konsol

1. Di konsol Google Cloud , buka halaman Agents BigQuery.

   Buka Agen

2. Pilih tab Monitoring.

3. Jika kemampuan observasi dinonaktifkan, ikuti petunjuk untuk mengaktifkannya.

Google Cloud CLI

1. Buat setelan kemampuan observasi:

   gcloud gemini gibq-observability-settings create SETTING_NAME \
     --conversational-analytics-setting-metrics-enabled \
     --conversational-analytics-setting-traces-enabled \
     --project=PROJECT_ID \
     --location=global

   Ganti kode berikut:

   • SETTING_NAME: Nama untuk setelan kemampuan pengamatan.
   • PROJECT_ID: Project ID Anda.

2. Ikat setelan kemampuan observasi ke project Anda:

   gcloud gemini gibq-observability-settings setting-bindings create BINDING_NAME \
     --gibq-observability-setting=SETTING_NAME \
     --target=projects/PROJECT_ID \
     --location=global \
     --project=PROJECT_ID

   Ganti BINDING_NAME dengan nama untuk binding setelan. Sebaiknya gunakan binding-PROJECT_ID untuk nama binding Anda.

API

1. Buat setelan kemampuan observasi:

   curl -X POST \
       -H "Authorization: Bearer $(gcloud auth print-access-token)" \
       -H "Content-Type: application/json; charset=utf-8" \
       -d '{
             "conversational_analytics_setting": {
               "metrics_enabled": true
             }
           }' \
       "https://cloudaicompanion.googleapis.com/v1/projects/PROJECT_ID/locations/global/gibqObservabilitySettings?gibq_observability_setting_id=SETTING_NAME"

   Ganti kode berikut:

   • SETTING_NAME: Nama untuk setelan kemampuan pengamatan.
   • PROJECT_ID: Project ID Anda.

2. Ikat setelan kemampuan observasi ke project Anda:

   curl -X POST \
       -H "Authorization: Bearer $(gcloud auth print-access-token)" \
       -H "Content-Type: application/json; charset=utf-8" \
       -d '{
             "target": "projects/PROJECT_ID",
             "product": "GEMINI_IN_BIGQUERY"
           }' \
       "https://cloudaicompanion.googleapis.com/v1/projects/PROJECT_ID/locations/global/gibqObservabilitySettings/SETTING_NAME/settingBindings?setting_binding_id=BINDING_NAME"

   Ganti BINDING_NAME dengan nama untuk binding setelan. Sebaiknya gunakan binding-PROJECT_ID untuk nama binding Anda.

Lihat metrik

Metrik dikumpulkan setelah Anda mengaktifkan kemampuan observasi. Data tidak diisi ulang. Untuk melihat metrik agen, pilih salah satu opsi berikut:

BigQuery

1. Di konsol Google Cloud , buka halaman Agents BigQuery.

   Buka Agen

2. Pilih tab Monitoring.

Cloud Monitoring

1. Di konsol Google Cloud , buka halaman Dasbor Cloud Monitoring.

   Buka Dasbor

2. Di panel My Dashboards, telusuri dasbor bernama BigQuery Conversational Analytics.

3. Untuk membuka dasbor, klik namanya.

4. Opsional: Buat dasbor kustom.

5. Opsional: Untuk melihat metrik satu per satu, buka halaman Metrics Explorer.

   Buka Metrics explorer

   Metrik agen mencakup penggunaan agen, panggilan model, penggunaan alat, kondisi, latensi, dan penggunaan token.

Men-debug panggilan model

Anda dapat memvisualisasikan urutan operasi dalam giliran percakapan, seperti panggilan model dan panggilan alat, untuk membantu Anda memecahkan masalah error dan latensi.

1. Di konsol Google Cloud , buka halaman Trace Explorer Cloud Monitoring.

   Buka Trace Explorer

2. Klik span untuk memeriksanya.

3. Tinjau informasi di panel Details.

4. Opsional: Buat dasbor trace kustom.

Mempertahankan rekaman aktivitas

Data Cloud Trace Anda disimpan dalam set data kemampuan observasi selama 30 hari. Untuk menyimpan data trace lebih lama, pindahkan data trace ke set data BigQuery.

Peran yang diperlukan

Untuk mendapatkan izin yang Anda perlukan guna mengekspos rekaman aktivitas langsung ke BigQuery dengan membuat set data tertaut, minta administrator Anda untuk memberi Anda peran IAM berikut pada project Anda:

• Admin Cloud Trace (roles/cloudtrace.admin)
• Observability Editor (roles/observability.editor)
• Pengguna BigQuery (roles/bigquery.user)

Untuk mengetahui informasi selengkapnya tentang pemberian peran, lihat Mengelola akses ke project, folder, dan organisasi.

Anda mungkin juga bisa mendapatkan izin yang diperlukan melalui peran khusus atau peran bawaan lainnya.

Memindahkan data trace ke BigQuery

Untuk mempertahankan data trace, lakukan hal berikut:

1. Buka Cloud Shell.

2. Temukan lokasi bucket _Trace Anda:

   gcloud beta observability buckets list --location=-

   Catat lokasi bucket _Trace Anda untuk langkah berikutnya.

3. Buat set data tertaut di project BigQuery Anda yang mengarah ke bucket _Trace Anda:

   gcloud beta observability buckets datasets links create \
       projects/PROJECT_ID/locations/LOCATION/buckets/_Trace/datasets/Spans/links/LINK_NAME \
       --dataset=Spans \
       --bucket=_Trace \
       --location=LOCATION \
       --project=PROJECT_ID

   Ganti kode berikut:

   • PROJECT_ID: project ID Anda
   • LOCATION: lokasi bucket _Trace Anda dari langkah sebelumnya
   • LINK_NAME: nama untuk set data tertaut

4. Buat set data standar untuk menyimpan trace historis Anda. Perintah berikut menetapkan masa berlaku partisi default menjadi 90 hari (7.776.000 detik):

   bq --location=LOCATION mk \
       --dataset \
       --default_partition_expiration=7776000 \
       --description="Archive storage for historical traces" \
       PROJECT_ID:STORAGE_DATASET

   Ganti STORAGE_DATASET dengan nama untuk set data.

5. Buat tabel berpartisi kosong di set data penyimpanan Anda dengan skema yang sama seperti set data tertaut. Membuat partisi berdasarkan tanggal membantu Anda mengelola retensi data dan biaya kueri. Untuk membuat tabel, jalankan kueri berikut di editor SQL:

   CREATE TABLE `PROJECT_ID.STORAGE_DATASET.TABLE_NAME`
   PARTITION BY DATE(start_time)
   AS
   SELECT *
   FROM `PROJECT_ID.LINK_NAME._AllSpans`
   WHERE FALSE;

   Ganti TABLE_NAME dengan nama untuk tabel.

6. Buat kueri terjadwal untuk menyalin data trace harian dari set data tertaut ke tabel arsip Anda. Kueri berikut menyalin data dari hari sebelumnya:

   INSERT INTO `PROJECT_ID.STORAGE_DATASET.TABLE_NAME`
   SELECT *
   FROM `PROJECT_ID.LINK_NAME._AllSpans`
   WHERE start_time >=
     TIMESTAMP_SUB(TIMESTAMP_TRUNC(CURRENT_TIMESTAMP(), DAY), INTERVAL 1 DAY)
     AND start_time < TIMESTAMP_TRUNC(CURRENT_TIMESTAMP(), DAY);

Untuk mengetahui informasi selengkapnya, baca cara menemukan dan menjelajahi trace.

Menonaktifkan kemampuan observasi

Untuk menonaktifkan kemampuan pengamatan untuk agen data Anda, perbarui setelan kemampuan pengamatan Anda:

gcloud gemini gibq-observability-settings update SETTING_NAME \
    --no-conversational-analytics-setting-metrics-enabled \
    --no-conversational-analytics-setting-traces-enabled \
    --project=PROJECT_ID \
    --location=global

Ganti kode berikut:

• SETTING_NAME: Nama setelan kemampuan observasi yang Anda buat untuk mengaktifkan kemampuan observasi. Jika Anda mengaktifkan kemampuan observasi menggunakan konsol Google Cloud , nama setelannya adalah default.
• PROJECT_ID: Project ID Anda.

Langkah berikutnya

• Pelajari lebih lanjut analisis percakapan di BigQuery.
• Pelajari lebih lanjut Conversational Analytics API.
• Menganalisis data dengan percakapan.
• Pelajari lebih lanjut cara peran Gemini Data Analytics Data Agent Viewer (roles/geminidataanalytics.dataAgentViewer) memberikan izin untuk melihat agen data.