Pour vous aider à créer et à évaluer des agents de données avec l'API Conversational Analytics, cette page fournit des liens vers des tutoriels guidés, des démonstrations interactives, des exemples d'applications et des outils de développement.
Tutoriels interactifs
Cette section contient des liens vers des ateliers de programmation, des notebooks Colaboratory interactifs et des articles de blog qui fournissent des instructions détaillées pour vous aider à comprendre les concepts de base de l'API.
| Ressource | Description | Format |
|---|---|---|
| Présentation de l'API Conversational Analytics | Suivez un tutoriel pas à pas pour découvrir comment utiliser le SDK Python avec une source de données BigQuery, comment créer un agent à l'aide de l'API Conversational Analytics, comment créer et gérer des conversations, et comment envoyer et diffuser des réponses à partir de l'API. | Codelab |
| Créer une application de chat avec l'API Conversational Analytics pour Looker et BigQuery | Découvrez comment utiliser l'API Conversational Analytics avec Looker et BigQuery pour créer une application de chat, y compris comment configurer l'application de démarrage rapide Streamlit, et découvrez les avantages de Looker pour la modélisation sémantique. | Codelab |
| Notebook Colaboratory HTTP | Découvrez un guide interactif pas à pas pour configurer votre environnement, créer un agent de données et effectuer des appels d'API à l'aide de requêtes HTTP. | Notebook |
| Notebook Colaboratory pour le SDK Python | Découvrez un guide interactif pas à pas pour configurer votre environnement, créer un agent de données et effectuer des appels d'API à l'aide du SDK Python. | Notebook |
| Blog : Créer un agent conversationnel dans BigQuery à l'aide de l'API Conversational Analytics | Découvrez comment créer un agent conversationnel BigQuery à l'aide du SDK Python, avec des conseils sur la configuration, les conversations avec état et la diffusion de réponses. | Blog |
Exemples d'applications et démonstrations
Cette section contient des liens vers des exemples d'applications et des démonstrations vidéo qui présentent les fonctionnalités de l'API.
Exemples d'applications et vidéos
Les ressources suivantes montrent comment intégrer l'API Conversational Analytics dans différents environnements et fournissent des présentations des fonctionnalités de l'API :
- Application de démarrage rapide Streamlit : découvrez comment intégrer l'API Conversational Analytics dans un environnement de test local.
- Démonstrations et outils Conversational Analytics : consultez des démonstrations et des outils qui présentent les fonctionnalités de l'API Conversational Analytics et fournissent des modèles d'intégration pratiques.
- YouTube : API Conversational Analytics : découvrez l'API Conversational Analytics, y compris comment l'API traite les questions en langage naturel, se connecte à des sources de données telles que BigQuery et Looker, et renvoie des résultats sous forme de texte ou de visualisations.
- YouTube : Intégrez des expériences d'analyse dans vos applications à l'aide de l'API Conversational Analytics : découvrez l'API Conversational Analytics et comment créer un agent d'API Conversational Analytics à l'aide d'Agent Development Kit (ADK).
SDK et outils de développement
Cette section fournit des liens vers des bibliothèques clientes, Agent Development Kit (ADK), MCP Toolbox et d'autres outils permettant de créer, de gérer et d'évaluer des agents de données.
Bibliothèques clientes
Des instructions d'installation et une documentation de référence sont disponibles pour les bibliothèques clientes de l'API Conversational Analytics suivantes :
Agent Development Kit (ADK)
Le Agent Development Kit (ADK) inclut des outils permettant de créer et de gérer des agents de données de l'API Conversational Analytics :
ask_data_agent: posez des questions en langage naturel à un agent de données préconfiguré en référençant l'ID de l'agent.ask_data_insights: générez des insights de données en langage naturel à partir de sources telles que BigQuery avec un appel d'API sans état qui ne nécessite pas d'agent de données.
MCP Toolbox for Databases
Le MCP Toolbox for Databases est un serveur MCP Open Source qui connecte des agents d'IA, des IDE et des applications à des sources de données. Il encapsule l'API Conversational Analytics en tant qu'outils compatibles avec MCP qui permettent d'interagir avec des services tels que BigQuery et Looker.
La boîte à outils inclut des outils compatibles avec MCP pour les services suivants :
- Outil BigQuery Conversational Analytics (
bigquery-conversational-analytics) - Outil Looker Conversational Analytics (
looker-conversational-analytics)
Autres outils de développement
L'outil suivant peut vous aider à effectuer d'autres tâches de développement, telles que l'évaluation des agents :
- Prism : utilisez cette application Open Source pour surveiller et évaluer les performances des agents d'IA, exécuter des suites de tests et capturer des traces.