Présentation de l'analyse conversationnelle pour Cloud SQL pour MySQL

L'analyse conversationnelle dans Cloud SQL pour MySQL vous permet de discuter avec des agents de vos données de base de données en langage naturel. Pour obtenir des réponses sur vos données, vous devez :

  • Créer des agents de données pour un ensemble de sources de connaissances, telles que des tables et des vues, que vous sélectionnez.
  • [Facultatif] Créer un contexte et des instructions pour un agent afin de configurer l'agent de données pour qu'il réponde efficacement aux questions pour des cas d'utilisation spécifiques.

Avant de personnaliser un agent, nous vous recommandons de commencer par utiliser le contexte et les instructions créés par l'agent.

L'analyse conversationnelle fournit les types de contexte suivants :

  • Guidé : vous créez ce contexte dans la Google Cloud console. Cette option est idéale pour les utilisateurs qui ne souhaitent pas écrire de code directement.
  • Avancé : vous créez ce contexte dans la CLI Gemini ou dans votre IDE. Nous recommandons cette approche aux utilisateurs qui souhaitent mieux contrôler la qualité de l'agent. Ce contexte réutilise le contexte de la méthode QueryData.

Une fois les agents de données créés, vous pouvez discuter avec eux pour poser des questions sur les données Cloud SQL pour MySQL en langage naturel.

L'analyse conversationnelle est optimisée par Gemini pour Google Cloud.

Découvrez comment et quand Gemini pour Google Cloud utilise vos données.

Cette technologie étant à un stade précoce, il se peut que les produits Gemini pour Google Cloud génèrent des résultats qui semblent plausibles, mais qui sont en fait incorrects. Nous vous recommandons de vérifier tous les résultats des produits Gemini pour Google Cloud avant de les utiliser. Pour en savoir plus, consultez la page Gemini pouret l'IA responsable. Google Cloud

Agents de données

Les agents de données se composent d'une ou de plusieurs sources de connaissances et d'un ensemble d'instructions spécifiques à un cas d'utilisation pour le traitement de ces données de base de données. Lorsque vous créez un agent de données, vous pouvez le configurer à l'aide des options suivantes :

  • Utilisez des sources de connaissances telles que des tables et des vues avec un agent de données.
  • Fournissez des métadonnées personnalisées sur les tables et les champs pour décrire les données de base de données de la manière la plus appropriée pour le cas d'utilisation donné.
  • Fournissez des instructions pour interpréter et interroger les données, par exemple en définissant les éléments suivants :
    • Synonymes et termes commerciaux pour les noms de champs
    • Champs les plus importants et valeurs par défaut pour le filtrage et le regroupement
  • À l'aide de la génération de contexte guidée ou avancée, fournissez des contextes structurés que l'agent de données peut utiliser pour définir la structure de réponse d'un agent et apprendre la logique métier utilisée par votre organisation.

Gérer les agents de données

Vous pouvez créer, gérer et utiliser les types d'agents de données suivants dans l'onglet Agent de la Google Cloud console :

  • Un exemple d'agent prédéfini pour chaque Google Cloud projet.
  • Une liste de vos agents créés, publiés et en brouillon.
  • Une liste des agents créés et partagés avec vous par d'autres personnes.

Pour en savoir plus, consultez la page Créer des agents de données.

D'autres services du projet compatibles avec les agents de données, tels que l' API Conversational Analytics, peuvent accéder aux agents de données que vous créez dans Cloud SQL pour MySQL . Vous pouvez également accéder à un agent créé dans la Google Cloud console en l'appelant à l'aide de l' API Conversational Analytics.

Conversations

Les conversations sont des chats persistants avec un agent de données ou une source de données de base de données. Vous pouvez poser aux agents de données des questions en plusieurs parties qui utilisent des termes courants tels que "ventes" ou "les plus populaires", sans avoir à spécifier les noms de champs de table ni à définir de conditions pour filtrer les données de base de données.

La réponse du chat qui vous est renvoyée fournit les fonctionnalités suivantes :

  • La réponse à votre question sous forme de texte, de code ou de graphiques (le cas échéant)
  • Le raisonnement de l'agent derrière les résultats.
  • Les métadonnées sur la conversation, telles que l'agent et les sources de données de base de données utilisés.

Lorsque vous créez une conversation directe avec une source de données de base de données, l' API Conversational Analytics interprète votre question sans le contexte ni les instructions de traitement qu'un agent de données propose. Par conséquent, les résultats de la conversation directe peuvent être moins précis. Utilisez des agents de données pour les cas qui nécessitent une plus grande précision.

Vous pouvez créer et gérer des conversations dans Cloud SQL pour MySQL à l'aide de la Google Cloud console. Pour en savoir plus, consultez la page Analyser les données avec des conversations.

Sécurité

Vous pouvez gérer l'accès à l'analyse conversationnelle dans Cloud SQL pour MySQL à l'aide des rôles et autorisations IAM de l'API Conversational Analytics. Pour en savoir plus sur les rôles nécessaires pour des opérations spécifiques, consultez les rôles requis pour les agents de données et les rôles requis pour les conversations.

Emplacements

Lorsque vous utilisez l'analyse conversationnelle pour créer un agent, le plan de contrôle, qui planifie, gère le workflow et appelle des outils (orchestration), n'utilise qu'un point de terminaison mondial. Le plan de données, qui extrait, récupère et traite les enregistrements de base de données et les documents vectoriels réels, utilise un point de terminaison régional.

Tarifs

Vous êtes facturé au tarif de calcul Cloud SQL pour MySQL pour les requêtes exécutées lorsque vous créez des agents de données et que vous discutez avec des agents de données ou des sources de données de base de données. La création et l'utilisation d'agents de données et de conversations pendant la période de preview n'entraînent aucun frais supplémentaire.

Quota partagé dynamique

Le quota partagé dynamique (DSQ, Dynamic Shared Quota) dans Vertex AI gère la capacité du modèle Gemini. Contrairement aux quotas classiques, le DSQ vous permet d'accéder à un grand pool partagé de ressources sans limite fixe par projet pour le débit du modèle.

Les performances, telles que la latence, peuvent varier en fonction de la charge globale du système. En période de forte demande dans le pool partagé, vous pouvez parfois rencontrer des erreurs temporaires 429 Resource Exhausted. Ces erreurs indiquent que la capacité du pool partagé est momentanément limitée, mais pas que vous avez atteint une limite de quota spécifique pour votre projet. Pour vérifier la capacité, réessayez la requête après un court délai.

Étape suivante