Ce guide d'utilisation vous explique comment activer la fonctionnalité Virtual Agent Assist en appelant directement l'API. L'assistant Virtual Agent Assist suit la conversation et utilise un agent virtuel Dialogflowpour fournir une assistance de workflow aux agents humains et détecter les intents pour l'analyse des données.
Si vous préférez, vous pouvez utiliser la console Agent Assist pour entraîner un modèle et tester ses performances à l'aide du simulateur. Pour obtenir des instructions, consultez le tutoriel sur la console Virtual Agent Assist.
Avant de commencer
Avant de pouvoir activer Virtual Agent Assist, vous devez avoir déjà implémenté une ou plusieurs fonctionnalités Agent Assist à utiliser avec l'agent virtuel. Réponse suggérée, FAQ Assist, Suggestion d'article et Rédaction intelligente peuvent être utilisées seules avec Virtual Agent Assist ou dans n'importe quelle combinaison. Les liens suivants vous redirigent vers la documentation pertinente pour obtenir des informations sur l'implémentation.
Créer une conversation
Lorsqu'un dialogue commence entre un utilisateur final et un agent humain ou virtuel, vous créez une conversation. Pour afficher les suggestions, vous devez également créer un participant utilisateur final et un participant d'agent humain, puis les ajouter à la conversation. Les sections suivantes vous guident tout au long de ce processus.
Vous devez d'abord créer une conversation :
REST
Pour créer une conversation, appelez la méthodecreate sur la
Conversation
ressource.
Avant d'utiliser les données de requête, effectuez les remplacements suivants :
- PROJECT_ID : ID de votre projet Cloud
- LOCATION_ID : ID de votre emplacement
- CONVERSATION_PROFILE_ID : ID obtenu lors de la création du profil de conversation
Méthode HTTP et URL :
POST https://dialogflow.googleapis.com/v2/projects/PROJECT_ID/locations/LOCATION_ID/conversations
Corps JSON de la requête :
{
"conversationProfile": "projects/PROJECT_ID/locations/LOCATION_ID/conversationProfiles/CONVERSATION_PROFILE_ID",
}
Pour envoyer votre requête, développez l'une des options suivantes :
Vous devriez recevoir une réponse JSON de ce type :
{
"name": "projects/PROJECT_ID/locations/LOCATION_ID/conversations/CONVERSATION_ID",
"lifecycleState": "IN_PROGRESS",
"conversationProfile": "projects/PROJECT_ID/locations/LOCATION_ID/conversationProfiles/CONVERSATION_PROFILE_ID",
"startTime": "2018-11-05T21:05:45.622Z"
}
Le segment de chemin d'accès après conversations contient le nouvel ID de la conversation.
Python
Pour vous authentifier auprès d'Agent Assist, configurez le service Identifiants par défaut de l'application. Pour en savoir plus, consultez Configurer l'authentification pour un environnement de développement local.
Créer un participant d'utilisateur final
Vous devez ajouter à la conversation des participants à la fois à l'utilisateur final et à l'agent humain pour voir les suggestions. Commencez par ajouter le participant de l'utilisateur final à la conversation :
REST
Pour créer un participant d'utilisateur final,
appelez la méthode create sur la
Participant
ressource.
Avant d'utiliser les données de requête, effectuez les remplacements suivants :
- PROJECT_ID : ID de votre projet Cloud
- LOCATION_ID : ID de votre emplacement
- CONVERSATION_ID: ID de votre conversation
Méthode HTTP et URL :
POST https://dialogflow.googleapis.com/v2/projects/PROJECT_ID/locations/LOCATION_ID/conversations/CONVERSATION_ID/participants
Corps JSON de la requête :
{
"role": "END_USER",
}
Pour envoyer votre requête, développez l'une des options suivantes :
Vous devriez recevoir une réponse JSON de ce type :
{
"name": "projects/PROJECT_ID/locations/LOCATION_ID/conversations/CONVERSATION_ID/participants/PARTICIPANT_ID",
"role": "END_USER"
}
Le segment de chemin d'accès indiqué après participants contient le nouvel ID de participant de l'utilisateur final.
Python
Pour vous authentifier auprès d'Agent Assist, configurez le service Identifiants par défaut de l'application. Pour en savoir plus, consultez Configurer l'authentification pour un environnement de développement local.
Créer un participant d'agent humain
Pour ajouter un participant d'agent humain à la conversation :
REST
Pour créer un participant d'agent humain,
appelez la méthode create sur la
Participant
ressource.
Avant d'utiliser les données de requête, effectuez les remplacements suivants :
- PROJECT_ID : ID de votre projet Cloud
- LOCATION_ID : ID de votre emplacement
- CONVERSATION_ID: ID de votre conversation
Méthode HTTP et URL :
POST https://dialogflow.googleapis.com/v2/projects/PROJECT_ID/locations/LOCATION_ID/conversations/CONVERSATION_ID/participants
Corps JSON de la requête :
{
"role": "HUMAN_AGENT",
}
Pour envoyer votre requête, développez l'une des options suivantes :
Vous devriez recevoir une réponse JSON de ce type :
{
"name": "projects/PROJECT_ID/locations/LOCATION_ID/conversations/CONVERSATION_ID/participants/PARTICIPANT_ID",
"role": "HUMAN_AGENT"
}
Le segment de chemin d'accès indiqué après participants contient l'ID du nouveau participant de votre agent humain.
Python
Pour vous authentifier auprès d'Agent Assist, configurez le service Identifiants par défaut de l'application. Pour en savoir plus, consultez Configurer l'authentification pour un environnement de développement local.
Ajouter un message de l'utilisateur final et recevoir des suggestions
Pour ajouter et analyser un message d'utilisateur final pour la conversation, appelez la
analyzeContent
méthode sur la
Participant
ressource. La réponse inclut un champ dialogflowAssistAnswers contenant les données suivantes :
fulfillmentText: contient une réponse suggérée. Vous pouvez configurer votre système pour présenter cette suggestion à l'agent humain.answer record: ID unique de la suggestion.
Sélectionner la suggestion
Lorsqu'un agent humain reçoit une suggestion, il peut l'accepter telle quelle ou la modifier avant de la transmettre à l'utilisateur final. Pour sélectionner une suggestion, appelez
analyzeContent
à nouveau à l'aide du participant de l'agent humain. Définissez le champ suggestionInput sur les paramètres sélectionnés et fournissez l'answer record que vous avez reçu précédemment. Le champ text override doit contenir le texte réel envoyé à l'utilisateur final. Voici un exemple de configuration du champ suggestionInput :
{
"answerRecord": "answer-record",
"textOverride": {
"text" : "Yes, there will be ponies.",
"languageCode": "en-US"
}
}
Terminer la conversation
À la fin de la conversation, utilisez l'API pour la terminer.
REST
Pour terminer la conversation, appelez la méthodecomplete sur la
conversations
ressource.
Avant d'utiliser les données de requête, effectuez les remplacements suivants :
- PROJECT_ID : ID du projet GCP
- CONVERSATION_ID: ID obtenu lors de la création de la conversation
Méthode HTTP et URL :
POST https://dialogflow.googleapis.com/v2/projects/PROJECT_ID/conversations/CONVERSATION_ID:complete
Pour envoyer votre requête, développez l'une des options suivantes :
Vous devriez recevoir une réponse JSON de ce type :
{
"name": "projects/PROJECT_ID/conversations/CONVERSATION_ID",
"lifecycleState": "COMPLETED",
"conversationProfile": "projects/PROJECT_ID/conversationProfiles/CONVERSATION_PROFILE_ID",
"startTime": "2018-11-05T21:05:45.622Z",
"endTime": "2018-11-06T03:50:26.930Z"
}
Python
Pour vous authentifier auprès d'Agent Assist, configurez le service Identifiants par défaut de l'application. Pour en savoir plus, consultez Configurer l'authentification pour un environnement de développement local.