Untuk membantu Anda membangun dan mengevaluasi agen data dengan Conversational Analytics API, halaman ini menyediakan link ke tutorial terpandu, demo interaktif, aplikasi contoh, dan alat pengembangan.
Tutorial interaktif
Bagian ini menautkan ke codelab, notebook Colaboratory interaktif, dan postingan blog yang memberikan panduan langkah demi langkah untuk membantu Anda mempelajari konsep API inti.
| Resource | Deskripsi | Format |
|---|---|---|
| Pengantar Conversational Analytics API | Ikuti tutorial langkah demi langkah untuk mempelajari cara menggunakan Python SDK dengan sumber data BigQuery, cara membuat agen baru menggunakan Conversational Analytics API, cara membuat dan mengelola percakapan, serta cara mengirim dan melakukan streaming respons dari API. | Codelab |
| Membangun aplikasi chat dengan Conversational Analytics API untuk Looker dan BigQuery | Pelajari cara menggunakan Conversational Analytics API dengan Looker dan BigQuery untuk membangun aplikasi chat, termasuk cara menyiapkan aplikasi Mulai Cepat Streamlit, dan pelajari manfaat Looker untuk pemodelan semantik. | Codelab |
| Notebook Colaboratory HTTP | Jelajahi panduan langkah demi langkah yang interaktif untuk menyiapkan lingkungan, membuat agen data, dan melakukan panggilan API menggunakan permintaan HTTP. | Notebook |
| Notebook Colaboratory Python SDK | Jelajahi panduan langkah demi langkah yang interaktif untuk menyiapkan lingkungan, membangun agen data, dan melakukan panggilan API menggunakan Python SDK. | Notebook |
| Blog: Membangun agen percakapan di BigQuery menggunakan Conversational Analytics API | Pelajari cara membangun agen percakapan BigQuery menggunakan Python SDK, dengan panduan tentang penyiapan, percakapan stateful, dan respons streaming. | Blog |
Aplikasi dan demo contoh
Bagian ini berisi link ke aplikasi contoh dan demonstrasi video yang menunjukkan kemampuan API.
Aplikasi dan video contoh
Referensi berikut menunjukkan cara mengintegrasikan Conversational Analytics API di berbagai lingkungan dan memberikan ringkasan fitur API:
- Aplikasi Panduan Memulai Streamlit: Pelajari cara berintegrasi dengan Conversational Analytics API di lingkungan pengujian lokal.
- Demo dan alat Conversational Analytics: Tinjau demo dan alat yang menunjukkan kemampuan Conversational Analytics API dan memberikan pola integrasi praktis.
- YouTube: Conversational Analytics API: Pelajari Conversational Analytics API, termasuk cara API memproses pertanyaan dalam bahasa alami, terhubung ke sumber data seperti BigQuery dan Looker, serta menampilkan hasil sebagai teks atau visualisasi.
- YouTube: Sematkan pengalaman analisis di aplikasi Anda menggunakan Conversational Analytics API: Pelajari Conversational Analytics API dan cara membuat agen Conversational Analytics API menggunakan Agent Development Kit (ADK).
SDK dan alat pengembangan
Bagian ini menyediakan link ke library klien, Agent Development Kit (ADK), MCP Toolbox, dan alat lainnya untuk membuat, mengelola, dan mengevaluasi agen data.
Library klien
Petunjuk penginstalan dan dokumentasi referensi tersedia untuk library klien Conversational Analytics API berikut:
Agent Development Kit (ADK)
Agent Development Kit (ADK) mencakup alat untuk membangun dan mengelola agen data Conversational Analytics API:
ask_data_agent: Ajukan pertanyaan bahasa alami ke agen data yang telah dikonfigurasi sebelumnya dengan merujuk pada ID agen.ask_data_insights: Buat insight data bahasa alami dari sumber seperti BigQuery dengan panggilan API tanpa status yang tidak memerlukan agen data.
MCP Toolbox for Databases
MCP Toolbox for Databases adalah server MCP open source yang menghubungkan agen AI, IDE, dan aplikasi ke sumber data. Alat ini membungkus Conversational Analytics API sebagai alat yang kompatibel dengan MCP yang memungkinkan interaksi dengan layanan seperti BigQuery dan Looker.
Toolbox ini mencakup alat yang kompatibel dengan MCP untuk layanan berikut:
- Alat Analisis Percakapan BigQuery (
bigquery-conversational-analytics) - Alat Analisis Percakapan Looker (
looker-conversational-analytics)
Alat pengembangan lainnya
Alat berikut dapat membantu tugas pengembangan lainnya, seperti evaluasi agen:
- Prism: Gunakan aplikasi open source ini untuk memantau dan mengevaluasi performa agen AI, menjalankan rangkaian pengujian, dan merekam aktivitas.