Mit der konversationellen Analyse-API können Sie das Unterhaltungs-Logging für einen Daten-Agenten aktivieren oder deaktivieren und die BigQuery-Tabelle auswählen, in der die Logs gespeichert werden. Wenn Sie die Fragen der Nutzer und die Antworten des KI-Agenten prüfen möchten, fragen Sie diese Tabelle ab.
Hinweis
Führen Sie die folgenden Aufgaben aus, bevor Sie das Gesprächs-Logging für einen KI-Datenagenten konfigurieren:
- Aktivieren Sie in Ihrem Google Cloud -Projekt die erforderlichen APIs für die API für konversationelle Analyse und BigQuery.
- Prüfen Sie, ob Sie die erforderlichen IAM-Rollen (Identity and Access Management) haben.
- Sie benötigen einen KI-Datenagenten, dessen Datenquellen auf BigQuery-Tabellen verweisen. Informationen zu Agent-Konfigurationen, die nicht protokolliert werden, finden Sie unter Einschränkungen.
- Planen Sie ein BigQuery-Dataset im Projekt des KI-Datenagenten, das nur die Logs enthält. Alle Daten-Agents im Projekt verwenden einen gemeinsamen Dienst-Agenten. Ein dediziertes Dataset beschränkt den Schreibzugriff auf Ihre Logs.
- Legen Sie fest, wer die Logs lesen darf. Die Logs enthalten die vollständigen Fragen Ihrer Nutzer und die Antworten des KI-Agenten. Wenn Nutzer über Ihre eigene Anwendung mit dem Agenten chatten, sind Sie für alle Benachrichtigungen, Offenlegungen oder Einwilligungen verantwortlich, die für die protokollierten Unterhaltungen gelten. Weitere Informationen finden Sie unter Datenschutz, Data Governance und Sicherheit.
Erforderliche Rollen
Bitten Sie Ihren Administrator, Ihnen die folgenden IAM-Rollen zuzuweisen, um die Berechtigungen zu erhalten, die Sie zum Konfigurieren des Gesprächs-Loggings für einen KI-Datenagenten und zum Abfragen der Logs benötigen:
-
Log-Dataset erstellen: BigQuery-Nutzer (
roles/bigquery.user) für Ihr Projekt -
Gewähren Sie dem Dienst-Agent Zugriff auf das Log-Dataset:
BigQuery Data Owner (
roles/bigquery.dataOwner) für das Log-Dataset -
Einstellungen für das Unterhaltungs-Logging eines Daten-Agents ändern:
Gemini Data Analytics Data Agent Editor (
roles/geminidataanalytics.dataAgentEditor) für den Daten-Agent oder Ihr Projekt -
Fragen Sie die Logs ab:
- BigQuery Data Viewer (
roles/bigquery.dataViewer) für das Log-Dataset - BigQuery-Jobnutzer (
roles/bigquery.jobUser) für Ihr Projekt
- BigQuery Data Viewer (
Weitere Informationen zum Zuweisen von Rollen finden Sie unter Zugriff auf Projekte, Ordner und Organisationen verwalten.
Sie können die erforderlichen Berechtigungen auch über benutzerdefinierte Rollen oder andere vordefinierte Rollen erhalten.
Wenn Sie das Log-Dataset erstellen, wird Ihnen automatisch die Rolle „BigQuery-Dateninhaber“ zugewiesen. Wenn Sie den KI-Datenagenten erstellt haben, wird Ihnen automatisch die Rolle „Gemini Data Analytics Data Agent Owner“ (roles/geminidataanalytics.dataAgentOwner) zugewiesen. Diese Rolle umfasst die Berechtigung, die Einstellungen für das Unterhaltungsprotokoll zu ändern.
Nutzer, die mit dem KI-Datenagenten chatten, benötigen keine zusätzlichen Rollen für das Logging von Unterhaltungen. Wenn Unterhaltungen für einige Nutzer nicht protokolliert werden, lesen Sie den Hilfeartikel Fehlerbehebung bei der Protokollierung von Unterhaltungen.
Dienst-Agent-Rolle
Der Dienst-Agent der konversationellen Analyse API (service-PROJECT_NUMBER@gcp-sa-geminidataanalytics.iam.gserviceaccount.com) schreibt die Logs. Ersetzen Sie PROJECT_NUMBER durch die Nummer des Projekts, das den KI-Datenagenten enthält.
Damit der Dienst-Agent der konversationellen Analyse API die erforderlichen Berechtigungen zum Erstellen der Protokolltabelle und zum Schreiben von Unterhaltungsprotokollen in diese hat, bitten Sie Ihren Administrator, dem Dienst-Agent der konversationellen Analyse API die IAM-Rolle BigQuery Data Editor (roles/bigquery.dataEditor) für das Protokoll-Dataset zuzuweisen.
Ihr Administrator kann dem Dienst-Agent für die konversationelle Analyse API möglicherweise auch die erforderlichen Berechtigungen über benutzerdefinierte Rollen oder andere vordefinierte Rollen erteilen.
Logging von Unterhaltungen aktivieren
Für das Unterhaltungs-Logging ist ein Dataset erforderlich, in das der Dienst-Agent schreiben kann. Erstellen Sie zuerst das Dataset und gewähren Sie Zugriff. Aktivieren Sie dann das Logging für den KI-Datenagenten.
Log-Dataset erstellen
Erstellen Sie im Projekt des KI-Datenagenten ein Dataset, in dem die Logs gespeichert werden sollen. Der Dienst-Agent erstellt die Protokolltabelle in diesem Dataset beim ersten protokollierten Turn. Verwenden Sie zum Erstellen des Datasets den Befehl bq mk --dataset im bq-Befehlszeilentool. Sie können bq-Tool-Befehle in Cloud Shell oder in einem lokalen Terminal ausführen, in dem die Google Cloud CLI installiert ist.
bq --location=LOCATION mk --dataset PROJECT_ID:LOG_DATASET
Ersetzen Sie die Beispielwerte so:
- LOCATION: Der BigQuery-Standort für das Log-Dataset, z. B.
US. - PROJECT_ID: Die ID des Projekts, das den KI-Datenagenten enthält.
- LOG_DATASET: Die ID des zu erstellenden Datasets.
Weitere Möglichkeiten zum Erstellen eines Datasets finden Sie unter Datasets erstellen.
Dienst-Agent Zugriff auf das Dataset gewähren
Weisen Sie dem Dienst-Agent die Rolle „BigQuery-Datenbearbeiter“ (roles/bigquery.dataEditor) nur für das Log-Dataset zu.
Wählen Sie eine der folgenden Optionen aus:
Console
Rufen Sie in der Google Cloud Console die Seite BigQuery auf.
Maximieren Sie im Bereich Explorer Ihr Projekt, klicken Sie auf Datasets und wählen Sie dann das Log-Dataset aus.
Klicken Sie auf Freigeben > Berechtigungen verwalten.
Klicken Sie auf Hauptkonto hinzufügen.
Geben Sie im Feld Neue Hauptkonten die E-Mail-Adresse des Dienst-Agents ein:
service-PROJECT_NUMBER@gcp-sa-geminidataanalytics.iam.gserviceaccount.com.Ersetzen Sie
PROJECT_NUMBERdurch die Nummer des Projekts, das den KI-Datenagenten enthält.Wählen Sie in der Liste Rolle auswählen die Option BigQuery-Datenbearbeiter aus.
Klicken Sie auf Speichern.
SQL
Legen Sie im BigQuery-Abfrageeditor den Abfragespeicherort auf den Speicherort des Log-Datasets fest und führen Sie dann die folgende GRANT-Anweisung aus:
GRANT `roles/bigquery.dataEditor`
ON SCHEMA `PROJECT_ID`.LOG_DATASET
TO "serviceAccount:service-PROJECT_NUMBER@gcp-sa-geminidataanalytics.iam.gserviceaccount.com";
Ersetzen Sie die Beispielwerte so:
- PROJECT_ID: Die ID des Projekts, das den KI-Datenagenten und das Log-Dataset enthält.
- LOG_DATASET: Die ID des Log-Datasets.
- PROJECT_NUMBER: Die Nummer des Projekts, das den KI-Datenagenten enthält.
Weitere Möglichkeiten zum Gewähren des Zugriffs finden Sie unter Zugriff auf ein Dataset gewähren. Wenn die Gewährung fehlschlägt, weil der Dienst-Agent nicht vorhanden ist, lesen Sie den Abschnitt Gewährung des Dataset-Zugriffs schlägt fehl, weil der Dienst-Agent nicht vorhanden ist.
Logging für den Daten-Agenten aktivieren
Wenn Sie das Logging für einen vorhandenen Daten-KI-Agenten aktivieren möchten, legen Sie die Felder bigquery_agent_analytics_enabled und bigquery_agent_analytics_table des KI-Agenten fest (bigqueryAgentAnalyticsEnabled und bigqueryAgentAnalyticsTable in HTTP-Anfragen) und fügen Sie beide Felder in die Aktualisierungsmaske ein. Durch die Aktualisierung werden nur die Felder in der Aktualisierungsmaske geändert. Der Dienst-Agent schreibt Logzeilen nur, wenn Sie das Logging aktivieren und eine Logtabelle festlegen.
Führen Sie die folgenden Beispiele in der Python-Umgebung aus, die Sie unter Einstellungen konfigurieren und Clients initialisieren (Python SDK) oder Erste Einstellungen und Authentifizierung konfigurieren (HTTP) eingerichtet haben, z. B. in einem Colaboratory-Notebook. Für die Python SDK-Beispiele auf dieser Seite ist die google-cloud-geminidataanalytics-Version 0.13.4 oder höher erforderlich.
Python SDK
from google.protobuf import field_mask_pb2
data_agent_id = "DATA_AGENT_ID"
log_dataset = "LOG_DATASET"
log_table = "LOG_TABLE"
data_agent = geminidataanalytics.DataAgent()
data_agent.name = f"projects/{billing_project}/locations/{location}/dataAgents/{data_agent_id}"
data_agent.bigquery_agent_analytics_enabled = True
data_agent.bigquery_agent_analytics_table = geminidataanalytics.BigQueryTableReference(
project_id=billing_project,
dataset_id=log_dataset,
table_id=log_table,
)
update_mask = field_mask_pb2.FieldMask(
paths=["bigquery_agent_analytics_enabled", "bigquery_agent_analytics_table"]
)
request = geminidataanalytics.UpdateDataAgentRequest(
data_agent=data_agent,
update_mask=update_mask,
)
try:
response = data_agent_client.update_data_agent_sync(request=request)
print(response.bigquery_agent_analytics_enabled)
print(response.bigquery_agent_analytics_table)
except Exception as e:
print(f"Error updating data agent: {e}")
Ersetzen Sie die Beispielwerte so:
- DATA_AGENT_ID: Die ID des Daten-Agenten.
- LOG_DATASET: Die ID des Log-Datasets.
- LOG_TABLE: Die ID der Logtabelle, z. B.
agent_events. Wenn die Tabelle nicht vorhanden ist, erstellt der Dienst-Agent sie beim ersten protokollierten Turn.
HTTP
data_agent_id = "DATA_AGENT_ID"
log_dataset = "LOG_DATASET"
log_table = "LOG_TABLE"
data_agent_url = f"{base_url}/v1/projects/{billing_project}/locations/{location}/dataAgents/{data_agent_id}:updateSync"
payload = {
"bigqueryAgentAnalyticsEnabled": True,
"bigqueryAgentAnalyticsTable": {
"projectId": billing_project,
"datasetId": log_dataset,
"tableId": log_table,
},
}
params = {
"updateMask": "bigqueryAgentAnalyticsEnabled,bigqueryAgentAnalyticsTable"
}
data_agent_response = requests.patch(
data_agent_url, headers=headers, params=params, json=payload
)
if data_agent_response.status_code == 200:
body = data_agent_response.json()
if body.get("bigqueryAgentAnalyticsEnabled") and body.get(
"bigqueryAgentAnalyticsTable"
):
print("Conversation logging is turned on.")
else:
print("Logging isn't turned on. Check the returned data agent.")
print(json.dumps(body, indent=2))
else:
print(f"Error updating data agent: {data_agent_response.status_code}")
print(data_agent_response.text)
Ersetzen Sie die Beispielwerte so:
- DATA_AGENT_ID: Die ID des Daten-Agenten.
- LOG_DATASET: Die ID des Log-Datasets.
- LOG_TABLE: Die ID der Logtabelle, z. B.
agent_events. Wenn die Tabelle nicht vorhanden ist, erstellt der Dienst-Agent sie beim ersten protokollierten Turn.
Die Methode gibt den aktualisierten KI-Datenagenten zurück. Prüfen Sie, ob das Logging aktiviert und die Logtabelle festgelegt ist.
Wenn Sie das Logging beim Erstellen eines KI-Datenagenten aktivieren möchten, fügen Sie die gleichen Felder in Ihre Erstellungsanfrage ein. Informationen zur Erstellungsanfrage finden Sie unter „Daten-Agenten erstellen“ (Python SDK oder HTTP). In einem HTTP-Anfragetext sehen die Felder so aus:
"bigqueryAgentAnalyticsEnabled": true,
"bigqueryAgentAnalyticsTable": {
"projectId": "PROJECT_ID",
"datasetId": "LOG_DATASET",
"tableId": "LOG_TABLE"
}
Ersetzen Sie die Beispielwerte so:
- PROJECT_ID: Die ID des Projekts, das den KI-Datenagenten enthält.
- LOG_DATASET: Die ID des Log-Datasets.
- LOG_TABLE: Die ID der Logtabelle.
Prüfen, ob Unterhaltungen protokolliert werden
- Senden Sie eine Chatanfrage an den KI-Datenagenten. Beispiele finden Sie unter „API zum Stellen von Fragen verwenden“ (Python SDK oder HTTP).
Warten Sie etwa 10 Sekunden, nachdem der Agent geantwortet hat. Führen Sie dann in Cloud Shell oder einem Terminal den folgenden
bq query-Befehl aus, um die letzten Fragen und Antworten aufzurufen. Sie können den SQL-Code auch im BigQuery-Abfrageeditor ausführen.bq query --use_legacy_sql=false ' SELECT timestamp, event_type, JSON_VALUE(content, "$.text_summary") AS text FROM `PROJECT_ID.LOG_DATASET.LOG_TABLE` WHERE timestamp >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 1 HOUR) AND event_type IN ("USER_MESSAGE_RECEIVED", "AGENT_RESPONSE") ORDER BY timestamp DESC LIMIT 20'Ersetzen Sie die Beispielwerte so:
- PROJECT_ID: Die ID des Projekts, das den KI-Datenagenten enthält.
- LOG_DATASET: Die ID des Log-Datasets.
- LOG_TABLE: Die ID der Logtabelle.
Wenn die Abfrage Ihre Frage und die Antwort des KI-Agenten zurückgibt, funktioniert das Gesprächs-Logging ordnungsgemäß. Wenn die Tabelle nicht vorhanden oder leer ist, lesen Sie den Abschnitt Fehlerbehebung bei der Unterhaltungsprotokollierung.
Zieltabelle ändern
Wenn Sie Logs in eine andere Tabelle schreiben möchten, aktualisieren Sie das Feld bigquery_agent_analytics_table des KI-Datenagenten (bigqueryAgentAnalyticsTable in HTTP-Anfragen) und fügen Sie das Feld in die Aktualisierungsmaske ein. Die neue Tabelle muss sich im Projekt des KI-Datenagenten befinden und der Dienst-Agent muss die Rolle „BigQuery-Datenbearbeiter“ für das Dataset der neuen Tabelle haben.
Führen Sie das folgende Beispiel in derselben Umgebung wie unter Logging für den KI-Datenagenten aktivieren aus.
Python SDK
from google.protobuf import field_mask_pb2
data_agent_id = "DATA_AGENT_ID"
log_dataset = "NEW_LOG_DATASET"
log_table = "NEW_LOG_TABLE"
data_agent = geminidataanalytics.DataAgent()
data_agent.name = f"projects/{billing_project}/locations/{location}/dataAgents/{data_agent_id}"
data_agent.bigquery_agent_analytics_table = geminidataanalytics.BigQueryTableReference(
project_id=billing_project,
dataset_id=log_dataset,
table_id=log_table,
)
update_mask = field_mask_pb2.FieldMask(paths=["bigquery_agent_analytics_table"])
request = geminidataanalytics.UpdateDataAgentRequest(
data_agent=data_agent,
update_mask=update_mask,
)
try:
response = data_agent_client.update_data_agent_sync(request=request)
print(response.bigquery_agent_analytics_table)
except Exception as e:
print(f"Error updating data agent: {e}")
Ersetzen Sie die Beispielwerte so:
- DATA_AGENT_ID: Die ID des Daten-Agenten.
- NEW_LOG_DATASET: Die ID des neuen Log-Datasets.
- NEW_LOG_TABLE: Die ID der neuen Logtabelle.
HTTP
data_agent_id = "DATA_AGENT_ID"
log_dataset = "NEW_LOG_DATASET"
log_table = "NEW_LOG_TABLE"
data_agent_url = f"{base_url}/v1/projects/{billing_project}/locations/{location}/dataAgents/{data_agent_id}:updateSync"
payload = {
"bigqueryAgentAnalyticsTable": {
"projectId": billing_project,
"datasetId": log_dataset,
"tableId": log_table,
},
}
params = {"updateMask": "bigqueryAgentAnalyticsTable"}
data_agent_response = requests.patch(
data_agent_url, headers=headers, params=params, json=payload
)
if data_agent_response.status_code == 200:
body = data_agent_response.json()
table = body.get("bigqueryAgentAnalyticsTable", {})
if table.get("datasetId") == log_dataset and table.get("tableId") == log_table:
print("Log table updated.")
else:
print("The log table didn't change. Check the returned data agent.")
print(json.dumps(body, indent=2))
else:
print(f"Error updating data agent: {data_agent_response.status_code}")
print(data_agent_response.text)
Ersetzen Sie die Beispielwerte so:
- DATA_AGENT_ID: Die ID des Daten-Agenten.
- NEW_LOG_DATASET: Die ID des neuen Log-Datasets.
- NEW_LOG_TABLE: Die ID der neuen Logtabelle.
Zeilen, die bereits protokolliert wurden, bleiben in der vorherigen Tabelle. Die Änderung wird beim nächsten Zug wirksam.
Logging von Unterhaltungen deaktivieren
Wenn Sie das Logging von Unterhaltungen für einen KI-Datenagenten deaktivieren möchten, setzen Sie das Feld bigquery_agent_analytics_enabled des KI-Agenten (bigqueryAgentAnalyticsEnabled in HTTP-Anfragen) auf false und fügen Sie das Feld in die Aktualisierungsmaske ein.
Führen Sie das folgende Beispiel in derselben Umgebung wie unter Logging für den KI-Datenagenten aktivieren aus.
Python SDK
from google.protobuf import field_mask_pb2
data_agent_id = "DATA_AGENT_ID"
data_agent = geminidataanalytics.DataAgent()
data_agent.name = f"projects/{billing_project}/locations/{location}/dataAgents/{data_agent_id}"
data_agent.bigquery_agent_analytics_enabled = False
update_mask = field_mask_pb2.FieldMask(paths=["bigquery_agent_analytics_enabled"])
request = geminidataanalytics.UpdateDataAgentRequest(
data_agent=data_agent,
update_mask=update_mask,
)
try:
response = data_agent_client.update_data_agent_sync(request=request)
print(response.bigquery_agent_analytics_enabled)
except Exception as e:
print(f"Error updating data agent: {e}")
Ersetzen Sie DATA_AGENT_ID durch die ID des Daten-Agenten.
HTTP
data_agent_id = "DATA_AGENT_ID"
data_agent_url = f"{base_url}/v1/projects/{billing_project}/locations/{location}/dataAgents/{data_agent_id}:updateSync"
payload = {"bigqueryAgentAnalyticsEnabled": False}
params = {"updateMask": "bigqueryAgentAnalyticsEnabled"}
data_agent_response = requests.patch(
data_agent_url, headers=headers, params=params, json=payload
)
if data_agent_response.status_code == 200:
print("Conversation logging is turned off.")
print(json.dumps(data_agent_response.json(), indent=2))
else:
print(f"Error updating data agent: {data_agent_response.status_code}")
print(data_agent_response.text)
Ersetzen Sie DATA_AGENT_ID durch die ID des Daten-Agenten.
Die Änderung wird in der nächsten Runde wirksam. Eine bereits laufende Runde wird mit den Einstellungen beendet, die zu Beginn festgelegt wurden.
Wenn Sie das Logging für alle Daten-Agents beenden möchten, die in ein Log-Dataset schreiben, entziehen Sie dem Dienst-Agent die Rolle „BigQuery Data Editor“ für das Dataset. Das Logging bleibt für jeden Agent aktiviert, aber der Dienst-Agent kann keine Zeilen mehr schreiben.
Wenn Sie die Protokollierung deaktivieren, bleiben die bereits protokollierten Zeilen erhalten. Wenn Sie protokollierte Daten entfernen möchten, löschen Sie Zeilen, Partitionen oder die Protokolltabelle.
Fehlerbehebung beim Logging von Unterhaltungen
Die folgenden Informationen helfen Ihnen, häufige Probleme mit dem Logging von konversationellen Analysen in BigQuery zu beheben. Da Logging-Fehler nie zu einem Abbruch des Gesprächs führen und nicht im Chat, in der API-Antwort oder in Cloud Logging gemeldet werden, ist eine leere oder fehlende Zieltabelle das wichtigste Signal für ein Konfigurations- oder Berechtigungsproblem.
Logtabelle fehlt oder ist leer
Wenn die Zieltabelle nach einer Unterhaltung nicht erstellt wird oder leer bleibt, prüfen Sie die folgenden möglichen Ursachen:
Das Logging von Unterhaltungen ist nicht aktiviert. Prüfen Sie, ob das Logging von Unterhaltungen aktiviert und die Zieltabelle für den Daten-Agenten konfiguriert ist.
Das Ziel-Dataset fehlt oder befindet sich in einem anderen Projekt. Prüfen Sie, ob das Ziel-Dataset bereits im selben Projekt wie der Daten-Agent vorhanden ist. Sie können mit
bq show PROJECT_ID:LOG_DATASETprüfen, ob das Dataset vorhanden ist. Ersetzen SiePROJECT_IDdurch die ID des Projekts, das den KI-Datenagenten enthält, undLOG_DATASETdurch die ID des Ziel-Datasets. Der Dienst-Agent erstellt die Protokolltabelle beim ersten protokollierten Turn, aber nicht das Dataset.Das Ziel-Dataset ist ein schreibgeschütztes Dataset, z. B. ein verknüpftes Dataset. Ein verknüpftes Dataset für die BigQuery-Freigabe oder ein externes Dataset (z. B. ein föderiertes AWS Glue-Dataset) ist schreibgeschützt und kann keine Unterhaltungsprotokolle speichern. Führen Sie
bq show --format=prettyjson PROJECT_ID:LOG_DATASETaus, um den Dataset-Typ zu prüfen, und sehen Sie sich das Feld"type"("LINKED"oder"EXTERNAL") an. Wählen Sie ein beschreibbares Standard-Dataset im selben Projekt wie der KI-Datenagent aus.Fehlende Dienst-Agent- oder CMEK-Berechtigungen. Prüfen Sie, ob der Dienst-Agent der konversationellen Analyse API (
service-PROJECT_NUMBER@gcp-sa-geminidataanalytics.iam.gserviceaccount.com, wobei die Nummer des Agent-Projekts anstelle der Projekt-ID verwendet wird) die Rolle „BigQuery-Datenbearbeiter“ (roles/bigquery.dataEditor) für das Log-Dataset hat. Wenn das Dataset vom Kunden verwaltete Cloud KMS-Schlüssel (CMEK) verwendet, prüfen Sie, ob das BigQuery-Verschlüsselungsdienstkonto (bq-PROJECT_NUMBER@bigquery-encryption.iam.gserviceaccount.com) die Rolleroles/cloudkms.cryptoKeyEncrypterDecrypterfür den Schlüssel hat.VPC Service Controls-Perimeter blockiert Schreibvorgänge. Der Dienst-Agent der konversationellen Analyse API schreibt aus der von Google verwalteten Infrastruktur in die Protokolltabelle. Daher reicht es nicht aus, nur
roles/bigquery.dataEditorzu gewähren, wenn ein Dienstperimeterbigquery.googleapis.comeinschränkt. Im Gegensatz zu anderen Ursachen auf dieser Liste werden bei einer Perimeterblockierung Audit-Logs vom Typ „Policy Denied“ in Cloud Logging im Projekt des Agents aufgezeichnet. Filtern Sie nachlog_id("cloudaudit.googleapis.com/policy")unterbigquery.googleapis.com(für Tabellensuche oder -erstellung) undbigquerystorage.googleapis.com(für Zeilenanhänge), um die Blockierung zu bestätigen. Prüfen Sie, ob sich sowohlgeminidataanalytics.googleapis.comals auchbigquery.googleapis.comim Perimeter befinden, und fügen Sie eine Regel für eingehenden Traffic für den Dienst-Agent inbigquery.googleapis.comhinzu. Eine Beispielregel für eingehenden Traffic finden Sie unter Zugriffssteuerung, Verschlüsselung und Netzwerksicherheit. Eine allgemeine Anleitung zum Einrichten von Perimetern finden Sie unter Perimetersicherheit mit VPC Service Controls konfigurieren.Nicht unterstützte Konversationsplattform oder Agentenkonfiguration. Unterhaltungen im Bereich Vorschau von BigQuery Studio und zustandslose API-Aufrufe ohne Daten-Agent werden nicht protokolliert. Senden Sie zum Testen eine Chatanfrage über die API an den KI-Datenagenten. Agenten, die einen Suchbereich anstelle bestimmter BigQuery-Tabellen verwenden, die nur BigQuery-Property-Graphen (ohne BigQuery-Tabellen) als Wissensquellen konfigurieren oder die keine BigQuery-Tabellen deklarieren, werden nicht protokolliert. Weitere Informationen finden Sie unter Einschränkungen.
Wissensquellentabellen verwenden Zugriffsrichtlinien. Wenn eine Tabelle einer Wissensquelle (eine BigQuery-Tabelle in den Datenquellen des Agenten) Zugriffsrichtlinien auf Zeilenebene, Sicherheit auf Spaltenebene (Richtlinien-Tags) oder dynamische Datenmaskierung verwendet, werden die Runden nicht protokolliert.
Schemakonflikt in einer vorhandenen Zieltabelle. Wenn Sie eine vorhandene Tabelle als Ziel konfiguriert haben und eine Spalte denselben Namen wie eine Spalte im Schema des Unterhaltungsprotokolls hat, aber einen anderen Typ oder Modus, schreibt BigQuery keine Zeilen in diese Tabelle.
Zeilen werden in der Regel innerhalb weniger Sekunden nach Abschluss einer Runde angezeigt. Wenn die Zeilen nach einigen Minuten immer noch nicht angezeigt werden, aktualisieren Sie das Dataset.
Unterhaltungen einiger Nutzer werden nicht protokolliert
Ursache
Vor jeder Runde wird bei der Datenschutzprüfung anhand der Anmeldedaten des Nutzers, der chattet, geprüft, ob die Wissensquellentabellen des KI-Agenten keine Richtlinien für die Sicherheit auf Zeilenebene, die Sicherheit auf Spaltenebene oder die Datenmaskierung enthalten. Wenn ein Nutzer nicht die Berechtigung hat, diese Prüfung auszuführen, werden seine Turns nicht protokolliert.
Lösung
Weisen Sie allen Nutzern, die chatten, die Rolle BigQuery-Datenbetrachter (roles/bigquery.dataViewer) für die Wissensquellentabellen und die Rolle BigQuery-Jobnutzer (roles/bigquery.jobUser) für das Projekt zu, in dem ihre Abfragen ausgeführt werden. Alternativ können Sie eine benutzerdefinierte Rolle mit den Berechtigungen bigquery.tables.get und bigquery.rowAccessPolicies.list für die Wissensquellentabellen zuweisen.
Das Erstellen oder Aktualisieren des KI-Agenten schlägt mit dem Fehler INVALID_ARGUMENT fehl.
Fehlermeldung
The BigQuery Agent Analytics table must be in the same project as the agent (agent project: ..., table project: ...).BigQuery Agent Analytics can only be enabled on agents whose datasource is BigQuery. Remove bigquery_agent_analytics_enabled and bigquery_agent_analytics_table, or point the agent at a BigQuery datasource.
Ursache
Das Ziel-Dataset befindet sich in einem anderen Projekt als der KI-Datenagent oder die Datenquelle des KI-Agenten ist nicht BigQuery.
Lösung
Geben Sie ein vorhandenes Ziel-Dataset im selben Projekt wie der KI-Datenagent an oder konfigurieren Sie den KI-Datenagenten mit einer BigQuery-Datenquelle.
Gewährung des Dataset-Zugriffs schlägt fehl, weil der Dienst-Agent nicht vorhanden ist
Fehlermeldung
Service account service-PROJECT_NUMBER@gcp-sa-geminidataanalytics... does not exist
Ursache
Der Dienst-Agent der konversationellen Analyse API wurde im Projekt noch nicht bereitgestellt.
Lösung
Führen Sie einen der folgenden Schritte aus:
Konfigurieren Sie zuerst das Logziel auf dem Agent und weisen Sie die Rolle dann noch einmal zu.
Stellen Sie die Dienstidentität mit dem folgenden Befehl bereit:
gcloud beta services identity create \ --service=geminidataanalytics.googleapis.com \ --project=PROJECT_ID
Ersetzen Sie
PROJECT_IDdurch die ID des Projekts, das den KI-Datenagenten enthält.
Nächste Schritte
- Schema für Unterhaltungslogs ansehen
- Unterhaltungsprotokolle analysieren
- Sicherheit, Datenschutz, Risiken und Compliance für die konversationelle Analyse API
- Unterhaltungsprotokollierung in BigQuery Studio konfigurieren