Conversational Analytics API 튜토리얼, 데모, 도구

Conversational Analytics API를 사용하여 데이터 에이전트를 빌드하고 평가하는 데 도움이 되도록 이 페이지에서는 가이드 튜토리얼, 대화형 데모, 샘플 애플리케이션, 개발 도구에 대한 링크를 제공합니다.

대화형 가이드

이 섹션에서는 핵심 API 개념을 학습하는 데 도움이 되는 단계별 안내를 제공하는 Codelab, 대화형 Colaboratory 노트북, 블로그 게시물에 연결합니다.

리소스	설명	형식
Conversational Analytics API 소개	단계별 튜토리얼을 따라 BigQuery 데이터 소스와 함께 Python SDK를 사용하는 방법, Conversational Analytics API를 사용하여 새 에이전트를 만드는 방법, 대화를 만들고 관리하는 방법, API에서 응답을 전송하고 스트리밍하는 방법을 알아봅니다.	Codelab
Looker 및 BigQuery용 Conversational Analytics API로 채팅 앱 빌드	Streamlit 빠른 시작 앱을 설정하는 방법을 비롯하여 Looker 및 BigQuery와 함께 Conversational Analytics API를 사용하여 채팅 애플리케이션을 빌드하는 방법을 알아보고 시맨틱 모델링을 위한 Looker의 이점을 알아봅니다.	Codelab
HTTP Colaboratory 노트북	HTTP 요청을 사용하여 환경을 설정하고 데이터 에이전트를 빌드하고 API를 호출하는 대화형 단계별 안내를 살펴봅니다.	노트북
Python SDK Colaboratory 노트북	Python SDK를 사용하여 환경을 설정하고 데이터 에이전트를 빌드하고 API를 호출하는 대화형 단계별 안내를 살펴봅니다.	노트북
블로그: Conversational Analytics API를 사용하여 BigQuery에서 대화형 에이전트 빌드	설정, 상태 저장 대화, 스트리밍 응답에 관한 안내와 함께 Python SDK를 사용하여 BigQuery 대화형 에이전트를 빌드하는 방법을 알아봅니다.	블로그

이 섹션에서는 API의 기능을 보여주는 샘플 애플리케이션 및 동영상 데모에 연결합니다.

다음 리소스는 다양한 환경에서 Conversational Analytics API를 통합하는 방법을 보여주고 API 기능의 개요를 제공합니다.

Streamlit 빠른 시작 앱: 로컬 테스트 환경에서 Conversational Analytics API와 통합하는 방법을 알아봅니다.
대화형 분석 데모 및 도구: 대화형 분석 API 기능을 보여주고 실용적인 통합 패턴을 제공하는 데모 및 도구를 검토합니다.
YouTube: Conversational Analytics API: API가 자연어 질문을 처리하고 BigQuery 및 Looker와 같은 데이터 소스에 연결하고 결과를 텍스트 또는 시각화로 반환하는 방법을 비롯하여 Conversational Analytics API에 관해 알아봅니다.
YouTube: Conversational Analytics API를 사용하여 애플리케이션에 분석 환경 삽입: Conversational Analytics API 및 에이전트 개발 키트 (ADK)를 사용하여 Conversational Analytics API 에이전트를 빌드하는 방법을 알아봅니다.

이 섹션에서는 데이터 에이전트를 빌드, 관리, 평가하기 위한 클라이언트 라이브러리, 에이전트 개발 키트 (ADK), MCP 도구 상자, 기타 도구에 대한 링크를 제공합니다.

다음 대화형 분석 API 클라이언트 라이브러리에 대한 설치 안내와 참고 문서가 제공됩니다.

에이전트 개발 키트 (ADK)에는 Conversational Analytics API 데이터 에이전트를 빌드하고 관리하기 위한 다음 도구가 포함되어 있습니다.

데이터베이스용 MCP 도구 상자는 Conversational Analytics API를 사용하여 자연어로 데이터베이스 데이터 소스를 쿼리하는 도구를 제공합니다.

다음 도구는 에이전트 평가와 같은 기타 개발 작업을 지원할 수 있습니다.