為協助您使用對話式數據分析 API 建構及評估資料代理程式，本頁面提供導覽式教學課程、互動式示範、範例應用程式和開發工具的連結。
互動式教學課程
本節提供程式碼研究室、互動式 Colaboratory 筆記本和網誌文章的連結，逐步說明如何瞭解核心 API 概念。
| 資源 | 說明 | 格式 |
|---|---|---|
| 對話式數據分析 API 簡介 | 請按照逐步教學課程操作，瞭解如何搭配 BigQuery 資料來源使用 Python SDK、如何使用對話式數據分析 API 建立新代理程式、如何建立及管理對話，以及如何從 API 傳送及逐句顯示回應。 | 程式碼實驗室 |
| 使用 Looker 和 BigQuery 的對話式數據分析 API 建構即時通訊應用程式 | 瞭解如何搭配使用對話式數據分析 API、Looker 和 BigQuery 建構聊天應用程式，包括如何設定 Streamlit 快速入門導覽課程應用程式，以及瞭解 Looker 在語意模型化方面的優勢。 | 程式碼實驗室 |
| HTTP Colaboratory 筆記本 | 透過互動式逐步指南，瞭解如何設定環境、建構資料代理程式，以及使用 HTTP 要求發出 API 呼叫。 | 筆記本 |
| Python SDK Colaboratory 筆記本 | 透過互動式逐步指南，探索如何設定環境、建構資料代理程式，以及使用 Python SDK 發出 API 呼叫。 | 筆記本 |
| 網誌：使用 Conversational Analytics API 在 BigQuery 中建構對話式代理程式 | 瞭解如何使用 Python SDK 建構 BigQuery 對話型代理，並取得設定、有狀態對話和串流回應的相關指引。 | 網誌 |
範例應用程式和示範
本節提供應用程式範例和影片示範的連結，展示 API 的功能。
範例應用程式和影片
下列資源說明如何在各種環境中整合對話式數據分析 API，並提供 API 功能的總覽：
- Streamlit 快速入門導覽課程應用程式：瞭解如何在本地測試環境中整合 Conversational Analytics API。
- 對話式數據分析示範和工具：查看示範和工具，瞭解對話式數據分析 API 功能，以及實用的整合模式。
- YouTube：對話式數據分析 API：瞭解對話式數據分析 API，包括 API 如何處理自然語言問題、連結至 BigQuery 和 Looker 等資料來源，以及以文字或視覺化形式傳回結果。
- YouTube：使用對話式數據分析 API 在應用程式中嵌入數據分析體驗：瞭解對話式數據分析 API，以及如何使用 Agent Development Kit (ADK) 建構對話式數據分析 API 代理程式。
SDK 和開發工具
本節提供用戶端程式庫、Agent Development Kit (ADK)、MCP Toolbox 和其他工具的連結，方便您建構、管理及評估資料代理。
用戶端程式庫
以下對話式數據分析 API 用戶端程式庫提供安裝說明和參考文件：
Agent Development Kit (ADK)
Agent Development Kit (ADK) 內含建構及管理 Conversational Analytics API 資料代理的工具：
ask_data_agent：參考預先設定的資料代理程式 ID，以自然語言提問。ask_data_insights：透過無狀態 API 呼叫，從 BigQuery 等來源生成自然語言資料洞察，不需要資料代理程式。
MCP Toolbox for Databases
MCP Toolbox for Databases 是開放原始碼 MCP 伺服器，可將 AI 代理、IDE 和應用程式連結至資料來源。這項工具會將對話式數據分析 API 包裝成與 MCP 相容的工具，方便您與 BigQuery 和 Looker 等服務互動。
工具箱包含下列服務的 MCP 相容工具：
- BigQuery 對話式數據分析工具 (
bigquery-conversational-analytics) - Looker 對話式數據分析工具 (
looker-conversational-analytics)
其他開發工具
下列工具可協助您執行其他開發工作，例如代理評估：
- Prism：使用這個開放原始碼應用程式監控及評估 AI 代理效能、執行測試套件，以及擷取追蹤記錄。