כדי לעזור לכם לבנות ולהעריך סוכני נתונים באמצעות Conversational Analytics API, בדף הזה יש קישורים למדריכים מפורטים, להדגמות אינטראקטיביות, לאפליקציות לדוגמה ולכלי פיתוח.
הדרכות אינטראקטיביות
בקטע הזה יש קישורים ל-Codelabs, למחברות אינטראקטיביות של Colaboratory ולפוסטים בבלוג שמספקים הדרכה מפורטת שתעזור לכם ללמוד על מושגי ליבה של API.
| משאב | תיאור | פורמט |
|---|---|---|
| מבוא ל-Conversational Analytics API | במדריך הזה מוסבר איך להשתמש ב-Python SDK עם מקור נתונים של BigQuery, איך ליצור סוכן חדש באמצעות Conversational Analytics API, איך ליצור שיחות ולנהל אותן ואיך לשלוח תגובות מה-API ולהזרים אותן. | Codelab |
| יצירת אפליקציית צ'אט באמצעות Conversational Analytics API ל-Looker ול-BigQuery | במאמר הזה נסביר איך להשתמש ב-Conversational Analytics API עם Looker ו-BigQuery כדי ליצור אפליקציית צ'אט, כולל איך להגדיר את אפליקציית Streamlit Quickstart. בנוסף, נסביר על היתרונות של Looker ליצירת מודלים סמנטיים. | Codelab |
| מחברת HTTP Colaboratory | במדריך האינטראקטיבי הזה מוסבר שלב אחר שלב איך להגדיר את הסביבה, ליצור סוכן נתונים ולבצע קריאות ל-API באמצעות בקשות HTTP. | Notebook |
| מחברת Colaboratory של Python SDK | במדריך האינטראקטיבי הזה נסביר איך להגדיר את הסביבה, ליצור סוכן נתונים ולבצע קריאות ל-API באמצעות Python SDK. | Notebook |
| בלוג: יצירת סוכן שיחות ב-BigQuery באמצעות Conversational Analytics API | במאמר הזה נלמד איך ליצור סוכן שיחות ב-BigQuery באמצעות Python SDK, עם הנחיות להגדרה, לשיחות עם שמירת מצב ולתגובות בסטרימינג. | בלוג |
אפליקציות לדוגמה והדגמות
בקטע הזה יש קישורים לאפליקציות לדוגמה ולסרטונים שמדגימים את היכולות של ה-API.
דגימת אפליקציות וסרטונים
במשאבים הבאים אנחנו מדגימים איך לשלב את Conversational Analytics API בסביבות שונות, ומספקים סקירות כלליות של תכונות ה-API:
- אפליקציית התחלה מהירה של Streamlit: איך לשלב את Conversational Analytics API בסביבת בדיקה מקומית.
- הדגמות וכלים של Conversational Analytics: אפשר לעיין בהדגמות ובכלים שמציגים את היכולות של Conversational Analytics API ומספקים דפוסי שילוב מעשיים.
- YouTube: Conversational Analytics API: מידע על Conversational Analytics API, כולל איך ה-API מעבד שאלות בשפה טבעית, מתחבר למקורות נתונים כמו BigQuery ו-Looker ומחזיר תוצאות כטקסט או כתרשימים להמחשה.
- YouTube: הטמעת חוויות ניתוח נתונים באפליקציות באמצעות Conversational Analytics API: כאן מוסבר על Conversational Analytics API ואיך ליצור סוכן Conversational Analytics API באמצעות Agent Development Kit (ADK).
ערכות SDK וכלים לפיתוח
בקטע הזה יש קישורים לספריות לקוח, לערכה לפיתוח סוכנים (ADK), ל-MCP Toolbox ולכלים אחרים ליצירה, לניהול ולהערכה של סוכני נתונים.
ספריות לקוח
הוראות התקנה ומסמכי עזר זמינים לספריות לקוח API הבאות של Conversational Analytics:
- .NET (גרסת בטא 1)
- Go (גרסת בטא 1)
- Node.js
- PHP (גרסת בטא 1)
- Python (v1beta)
- Ruby (גרסת בטא)
- Java
ערכה לפיתוח סוכנים (ADK)
הערכה לפיתוח סוכנים (ADK) כוללת כלים ליצירה ולניהול של סוכני נתונים של Conversational Analytics API:
-
ask_data_agent: שואלים שאלות בשפה טבעית סוכן נתונים שהוגדר מראש, על ידי ציון המזהה של הסוכן. -
ask_data_insights: יצירת תובנות מנתונים בשפה טבעית ממקורות כמו BigQuery באמצעות קריאה ל-API בלי שמירת מצב, שלא דורשת סוכן נתונים.
MCP Toolbox for Databases
MCP Toolbox for Databases הוא שרת MCP בקוד פתוח שמקשר בין סוכני AI, סביבות פיתוח משולבות (IDE) ואפליקציות לבין מקורות נתונים. הוא עוטף את Conversational Analytics API ככלים שתואמים ל-MCP ומאפשרים אינטראקציה עם שירותים כמו BigQuery ו-Looker.
ארגז הכלים כולל כלים שתואמים ל-MCP בשירותים הבאים:
- כלי BigQuery Conversational Analytics (
bigquery-conversational-analytics) - כלי ניתוח שיחות ב-Looker (
looker-conversational-analytics)
כלי פיתוח אחרים
הכלי הבא יכול לעזור במשימות פיתוח אחרות, כמו הערכת נציגים:
- Prism: אפשר להשתמש באפליקציית הקוד הפתוח הזו כדי לנטר ולהעריך את הביצועים של סוכני AI, להריץ חבילות בדיקה ולתעד עקבות.