Google utiliza tecnología de IA para traducir contenido a tu idioma preferido. Las traducciones realizadas con IA pueden contener errores.

Define el contexto del agente de datos para las fuentes de datos de bases de datos

En esta página, se describe cómo proporcionar contexto creado para los agentes de datos que usan fuentes de datos de bases de datos.

El contexto creado es una guía que los propietarios de agentes de datos pueden proporcionar para definir el comportamiento de un agente de datos y refinar las respuestas de la API. El contexto creado eficaz proporciona a tus agentes de datos de la API de Conversational Analytics un contexto útil para responder preguntas sobre tus fuentes de datos.

En el caso de las fuentes de datos de bases de datos, como AlloyDB, GoogleSQL para Spanner, Cloud SQL para MySQL y Cloud SQL para PostgreSQL, primero debes definir y almacenar el contexto en la base de datos, y, luego, hacer referencia a él en la referencia de la fuente de datos para proporcionar el contexto creado. En los ejemplos de esta página, se usa el método QueryData.

Proporcionar contexto de alta precisión permite que la API genere respuestas y consultas en SQL más precisas y pertinentes.

Antes de comenzar

Necesitarás un agente de datos con su contexto de agente subido para la base de datos que deseas consultar. Para obtener más información, consulta la documentación del agente de datos para AlloyDB, Spanner, Cloud SQL para MySQL y Cloud SQL para PostgreSQL.
Habilita la API de Cloud SQL Data para tu instancia de la siguiente manera:
```
  gcloud beta sql instances patch INSTANCE_ID --data-api-access=ALLOW_DATA_API
```
Reemplaza INSTANCE_ID por el ID de tu instancia de Cloud SQL para MySQL o Cloud SQL para PostgreSQL.

También debes otorgar privilegios de base de datos a un usuario o una cuenta de servicio de IAM. Para obtener más información, consulta Cómo otorgar privilegios de base de datos a un usuario o una cuenta de servicio de IAM individuales en Cloud SQL para MySQL y Cómo otorgar privilegios de base de datos a un usuario o una cuenta de servicio de IAM individuales en Cloud SQL para PostgreSQL.

Proporciona contexto con `QueryData`

Cuando llamas al método QueryData, proporcionas la fuente de datos y la información de contexto dentro del campo QueryDataRequest.context.datasourceReferences. En el caso de las fuentes de datos de bases de datos, debes usar una de las siguientes opciones:

alloydb para AlloyDB para PostgreSQL
spanner_reference para GoogleSQL en Spanner
cloud_sql_reference para Cloud SQL para MySQL y Cloud SQL para PostgreSQL

Dentro de estas referencias, debes especificar la base de datos y las tablas con el campo databaseReference. Para incluir contexto creado, también debes proporcionar un agentContextReference que apunte a un context_set_id.

Ejemplo de solicitud de `QueryData` con contexto creado

En el siguiente ejemplo, se muestra una solicitud QueryData que usa alloydb. El campo agent_context_reference.context_set_id se usa para vincularse al contexto previamente creado y almacenado en la base de datos.

AlloyDB

{
 "parent": "projects/data-agents-project/locations/us-central1",
 "prompt": "How many accounts who have region in Prague are eligible for loans? A3 contains the data of region.",
 "context": {
   "datasource_references": [
     {
       "alloydb": {
         "database_reference": {
           "project_id": "data-agents-project",
           "region": "us-central1",
           "cluster_id": "sqlgen-magic",
           "instance_id": "data-agents-primary",
           "database_id": "financial"
         },
         "agent_context_reference": {
           "context_set_id": "projects/data-agents-project/locations/us-east1/contextSets/bdf_pg_all_templates"
         }
       }
     }
   ]
 },
 "generation_options": {
   "generate_query_result": true,
   "generate_natural_language_answer": true,
   "generate_disambiguation_question": true,
   "generate_explanation": true
 }
}

GoogleSQL para Spanner

{
 "parent": "projects/data-agents-project/locations/us-central1",
 "prompt": "How many accounts who have region in Prague are eligible for loans? A3 contains the data of region.",
 "context": {
   "datasource_references": [
     {
       "spanner_reference" {
         "database_reference" {
           "engine": "GOOGLE_SQL"
           "project_id": "data-agents-project"
           "instance_id": "evalbench"
           "database_id": "financial"
         },
         "agent_context_reference": {
           "context_set_id": "projects/data-agents-project/locations/us-east1/contextSets/bdf_pg_all_templates"
         }
       }
     }
   ]
 },
 "generation_options": {
   "generate_query_result": true,
   "generate_natural_language_answer": true,
   "generate_disambiguation_question": true,
   "generate_explanation": true
 }
}

Cloud SQL para MySQL

{
 "parent": "projects/data-agents-project/locations/us-central1",
 "prompt": "How many accounts who have region in Prague are eligible for loans? A3 contains the data of region.",
 "context": {
   "datasource_references": [
     {
       "cloud_sql_reference": {
         "database_reference": {
           "engine": "MYSQL"
           "project_id": "data-agents-project",
           "region": "us-central1",
           "instance_id": "data-agents-primary",
           "database_id": "financial"
         },
         "agent_context_reference": {
           "context_set_id": "projects/data-agents-project/locations/us-east1/contextSets/bdf_pg_all_templates"
         }
       }
     }
   ]
 },
 "generation_options": {
   "generate_query_result": true,
   "generate_natural_language_answer": true,
   "generate_disambiguation_question": true,
   "generate_explanation": true
 }
}

Cloud SQL para PostgreSQL

{
 "parent": "projects/data-agents-project/locations/us-central1",
 "prompt": "How many accounts who have region in Prague are eligible for loans? A3 contains the data of region.",
 "context": {
   "datasource_references": [
     {
       "cloud_sql_reference": {
         "database_reference": {
           "engine": "POSTGRES"
           "project_id": "data-agents-project",
           "region": "us-central1",
           "instance_id": "data-agents-primary",
           "database_id": "financial"
         },
         "agent_context_reference": {
           "context_set_id": "projects/data-agents-project/locations/us-east1/contextSets/bdf_pg_all_templates"
         }
       }
     }
   ]
 },
 "generation_options": {
   "generate_query_result": true,
   "generate_natural_language_answer": true,
   "generate_disambiguation_question": true,
   "generate_explanation": true
 }
}

El cuerpo de la solicitud contiene los siguientes campos:

prompt: Pregunta en lenguaje natural del usuario final.
context: Contiene información sobre las fuentes de datos.
- datasource_references: Especifica el tipo de fuente de datos.
  - alloydb: Se requiere cuando se consulta la base de datos. Este campo cambia según la base de datos que consultes.
    - database_reference: Especifica información relacionada con tu instancia de base de datos.
      - engine: Es el motor de base de datos o el dialecto de SQL. Es opcional para AlloyDB. En el caso de las bases de datos de Spanner, se establece en GOOGLE_SQL. En el caso de las instancias de Cloud SQL para MySQL, se establece en MYSQL. En el caso de las instancias de Cloud SQL para PostgreSQL, se establece en POSTGRESQL.
      - project_id: Es el ID del proyecto de la instancia de la base de datos.
      - region: Es la región de la instancia de base de datos.
      - cluster_id: Es el ID del clúster de la instancia de la base de datos.
      - instance_id: Es el ID de la instancia de la base de datos.
      - database_id: Es el ID de la base de datos.
    - agent_context_reference: Son vínculos al contexto creado en la base de datos.
      - context_set_id: Es el ID del contexto del agente almacenado en la base de datos. Para obtener más información sobre cómo encontrar el ID del conjunto de contexto, consulta la documentación de AlloyDB, Spanner, Cloud SQL para MySQL y Cloud SQL para PostgreSQL.
generationOptions: Configura el tipo de salida que se generará.
- generate_query_result: Se establece en verdadero para generar y devolver los resultados de la búsqueda.
- generate_natural_language_answer: Opcional Si se establece en verdadero, se genera una respuesta en lenguaje natural.
- generate_explanation: Opcional Si se configura como verdadero, se genera una explicación de la consulta en SQL.
- generate_disambiguation_question: Opcional Si se establece como verdadero, se generan preguntas de desambiguación si la búsqueda es ambigua.

Ejemplo de respuesta de `QueryData`

Este es un ejemplo de una respuesta correcta de una llamada QueryData:

{
 "generated_query": "-- Count the number of accounts in Prague that are eligible for loans\nSELECT\n  COUNT(DISTINCT \"loans\".\"account_id\")\nFROM \"loans\"\nJOIN \"district\" -- Join based on district ID\n  ON \"loans\".\"district_id\" = \"district\".\"district_id\"\nWHERE\n  \"district\".\"A3\" = 'Prague'; -- Filter for the Prague region",
 "intent_explanation": "The question asks for the number of accounts eligible for loans in the Prague region. I need to join the `district` table with the `loans` table to filter by region and count the distinct accounts. The `A3` column in the `district` table contains the region information, and I'll filter for 'Prague'. The `loans` table contains information about loans, including the `account_id` and `district_id`. I will join these two tables on their respective district IDs.",
 "query_result": {
   "columns": [
     {
       "name": "count"
     }
   ],
   "rows": [
     {
       "values": [
         {
           "value": "2"
         }
       ]
     }
   ],
   "total_row_count": 1
 },
 "natural_language_answer": "There are 2 accounts in Prague that are eligible for loans."
}

Define el contexto del agente de datos para las fuentes de datos de bases de datos Organiza tus páginas con colecciones Guarda y categoriza el contenido según tus preferencias.