Spanner용 대화형 분석 개요

Spanner의 대화형 분석을 사용하면 자연어를 사용하여 에이전트와 데이터베이스 데이터에 대해 채팅할 수 있습니다. 데이터에 관한 답변을 얻으려면 다음 단계를 따르세요.

  • 선택한 테이블, 뷰와 같은 지식 소스 집합의 데이터 에이전트를 만듭니다.
  • [선택사항] 에이전트가 특정 사용 사례에 대한 질문에 효과적으로 답변하도록 데이터 에이전트를 구성하기 위한 컨텍스트와 요청 사항을 만듭니다.

에이전트를 맞춤설정하기 전에 에이전트가 생성하는 컨텍스트와 명령어를 먼저 사용하는 것이 좋습니다.

대화형 분석은 다음 유형의 컨텍스트를 제공합니다.

  • 안내됨: Google Cloud 콘솔에서 이 컨텍스트를 만듭니다. 이 옵션은 코드를 직접 작성하고 싶지 않은 사용자에게 적합합니다.
  • 고급: Gemini CLI 또는 IDE에서 이 컨텍스트를 만듭니다. 에이전트 품질을 더 세부적으로 관리하려는 사용자에게 이 방법을 권장합니다. 이 컨텍스트는 QueryData 메서드의 컨텍스트를 재사용합니다.

데이터 에이전트를 만든 후 자연어를 사용하여 Spanner 데이터에 관해 질문하는 대화를 나눌 수 있습니다.

대화형 분석은 Google Cloud을 위한 Gemini를 기반으로 작동합니다.

Google Cloud 를 위한 Gemini에서 사용자 데이터를 사용하는 방법과 시점을 알아보세요.

Google Cloud 를 위한 Gemini는 아직 초기 단계의 기술로, 그럴듯해 보이지만 실제로는 잘못된 출력을 생성할 수 있습니다. Google Cloud 용 Gemini 제품의 모든 출력을 사용 전에 미리 검사하는 것이 좋습니다. 자세한 내용은 Google Cloud 를 위한 Gemini 및 책임감 있는 AI를 참고하세요.

데이터 에이전트

데이터 에이전트는 하나 이상의 지식 소스와 데이터베이스 데이터를 처리하기 위한 사용 사례별 명령어 집합으로 구성됩니다. 데이터 에이전트를 만들 때 다음 옵션을 사용하여 구성할 수 있습니다.

  • 데이터 에이전트와 함께 테이블, 뷰와 같은 지식 소스를 사용합니다.
  • 맞춤 테이블 및 필드 메타데이터를 제공하여 지정된 사용 사례에 가장 적합한 방식으로 데이터베이스 데이터를 설명합니다.
  • 다음과 같이 데이터를 해석하고 쿼리하는 방법을 설명합니다.
    • 필드 이름의 동의어 및 비즈니스 용어
    • 필터링 및 그룹화에 가장 중요한 필드와 기본값
  • 안내형 또는 고급 컨텍스트 생성 기능을 사용하여 데이터 에이전트가 에이전트의 응답 구조를 구성하고 조직에서 사용하는 비즈니스 로직을 학습하는 데 사용할 수 있는 구조화된 컨텍스트를 제공합니다.

데이터 에이전트 관리

Google Cloud 콘솔의 에이전트 탭에서 다음 유형의 데이터 에이전트를 만들고, 관리하고, 사용할 수 있습니다.

  • 각 Google Cloud 프로젝트의 사전 정의된 샘플 에이전트
  • 작성, 생성, 게시된 에이전트 목록입니다.
  • 다른 사용자가 만들어 나와 공유한 상담사 목록입니다.

자세한 내용은 데이터 에이전트 만들기를 참고하세요.

Conversational Analytics API와 같이 데이터 에이전트를 지원하는 프로젝트의 다른 서비스는 Spanner에서 만든 데이터 에이전트에 액세스할 수 있습니다. 대화형 분석 API를 사용하여 호출하면 Google Cloud 콘솔에서 생성된 에이전트에 액세스할 수도 있습니다.

대화

대화는 데이터 에이전트 또는 데이터베이스 데이터 소스와의 지속적인 채팅입니다. 테이블 필드 이름을 지정하거나 데이터베이스 데이터를 필터링하는 조건을 정의하지 않고도 '매출' 또는 '가장 인기 있는'과 같은 일반적인 용어를 사용하는 다중 질문을 데이터 에이전트에게 할 수 있습니다.

채팅 응답은 다음과 같은 기능을 제공합니다.

  • 질문에 대한 답변(텍스트, 코드 또는 차트)(적절한 경우)
  • 결과에 대한 상담사의 추론입니다.
  • 사용된 에이전트 및 데이터베이스 데이터 소스와 같은 대화에 관한 메타데이터입니다.

데이터베이스 데이터 소스와 직접 대화를 만들면 Conversational Analytics API가 데이터 에이전트가 제공하는 컨텍스트와 처리 안내 없이 질문을 해석합니다. 이로 인해 직접 대화 결과의 정확도가 떨어질 수 있습니다. 정확성이 더 필요한 케이스에는 데이터 에이전트를 사용하세요.

Google Cloud 콘솔을 사용하여 Spanner에서 대화를 만들고 관리할 수 있습니다. 자세한 내용은 대화로 데이터 분석하기를 참고하세요.

보안

Conversational Analytics API IAM 역할 및 권한을 사용하여 Spanner에서 대화형 분석에 대한 액세스를 관리할 수 있습니다. 특정 작업에 필요한 역할에 대한 자세한 내용은 데이터 에이전트에 필요한 역할 및 대화에 필요한 역할을 참고하세요.

위치

대화형 분석을 사용하여 에이전트를 만들면 계획을 세우고, 워크플로를 관리하고, 도구를 호출하는 제어 영역 (오케스트레이션)에서 글로벌 엔드포인트만 사용합니다. 실제 데이터베이스 레코드와 벡터 문서를 가져오고, 검색하고, 처리하는 데이터 플레인은 리전 엔드포인트를 사용합니다.

가격 책정

데이터 에이전트를 만들고 데이터 에이전트 또는 데이터베이스 데이터 소스와 대화할 때 실행되는 쿼리에 대해서는 Spanner 컴퓨팅 가격에 따라 요금이 청구됩니다. 미리보기 기간에는 데이터 에이전트 및 대화를 만들고 사용하는 데 추가 요금이 부과되지 않습니다.

동적 공유 할당량

Vertex AI의 동적 공유 할당량 (DSQ)은 Gemini 모델의 용량을 관리합니다. 기존 할당량과 달리 DSQ를 사용하면 모델 처리량에 대한 고정된 프로젝트별 한도 없이 대규모 공유 리소스 풀에 액세스할 수 있습니다.

지연 시간과 같은 성능은 전체 시스템 부하에 따라 달라질 수 있습니다. 공유 풀의 수요가 많은 시간대에는 일시적으로 429 Resource Exhausted 오류가 발생할 수 있습니다. 이러한 오류는 공유 풀 용량이 일시적으로 제한되었음을 나타내며, 프로젝트의 특정 할당량 한도에 도달했음을 나타내지는 않습니다. 용량을 확인하려면 잠시 후에 요청을 다시 시도하세요.

다음 단계