Google은 AI 기술을 사용하여 콘텐츠를 사용자의 기본 언어로 번역합니다. AI 번역에는 오류가 있을 수 있습니다.

컨텍스트 세트 개요

컨텍스트 세트는 QueryData와 같은 도구가 높은 정확도로 쿼리를 생성할 수 있도록 지원하는 데이터베이스별 정보 모음입니다. 컨텍스트 세트에는 QueryData가 데이터베이스 스키마와 애플리케이션의 비즈니스 로직을 이해하는 데 도움이 되는 템플릿, 패싯, 값 검색이 포함될 수 있습니다.

다음 데이터베이스가 지원됩니다.

PostgreSQL용 AlloyDB
MySQL용 Cloud SQL
PostgreSQL용 Cloud SQL
Spanner
MongoDB 호환성을 갖춘 Firestore

컨텍스트 세트란 무엇인가요?

효과적인 에이전트 애플리케이션을 빌드하려면 QueryData와 같은 도구가 데이터 구성 및 비즈니스 로직을 이해해야 합니다. 이 정보는 컨텍스트 세트 형식으로 제공됩니다.

각 컨텍스트 유형의 JSON 객체가 포함된 파일에서 컨텍스트를 정의합니다. 컨텍스트 엔지니어링 에이전트를 사용하여 이러한 컨텍스트 파일을 작성할 수 있습니다. 그런 다음 Google Cloud 콘솔에서 만든 컨텍스트 세트에 컨텍스트 파일을 업로드합니다. 이 프로세스를 통해 QueryData와 같은 도구가 데이터베이스의 특정 스키마와 애플리케이션의 비즈니스 로직을 학습할 수 있습니다.

컨텍스트 파일은 다음과 유사합니다.

{
  "templates": [
    {
      "nl_query": "Count prague loan accounts",
      "sql": "db.accounts.countDocuments({ \"district.region\": \"Prague\", \"loans\": { $exists: true, $not: { $size: 0 } }});",
      "intent": "How many accounts associated with loans are located in the Prague region?",
      "manifest": "How many accounts associated with loans are located in a given city?",
      "parameterized": {
        "parameterized_intent": "How many accounts associated with loans are located in $1",
        "parameterized_sql": "db.accounts.countDocuments({ \"district.region\": $1, \"loans\": { $exists: true, $not: { $size: 0 } }});",
      }
    }
  ],
  "facets": [
    {
      "sql_snippet": "\"district.average_salary\": { $gt: 6000, $lt: 10000 }",
      "intent": "Average salary between 6000 and 10000",
      "manifest": "Average salary between a given number and a given number",
      "parameterized": {
         "parameterized_intent": "Average salary between $1 and $2",
         "parameterized_sql_snippet": "\"district.average_salary\": { $gt: $1, $lt: $2 }"
      }
    }
  ],
  "value_searches": [
    {
      "query": "db.airports.aggregate([{ '$match': { 'iata': $value } }, { '$project': { 'value': '$iata', 'columns': 'airports.iata', 'concept_type': 'Airport IATA Code', 'distance': 0, 'context': '', '_id': 0 } }, { '$limit': 1 }])",
      "concept_type": "Airport IATA Code",
      "description": "Exact match (standard MQL) for 3-letter airport codes"
    },
    {
      "query": "db.airports.aggregate([{ '$match': { 'name': { '$regex': $value, '$options': 'i' } } }, { '$project': { 'value': '$name', 'columns': 'airports.name', 'concept_type': 'Airport Name', 'distance': 0, 'context': '', '_id': 0 } }, { '$limit': 1 }])",
      "concept_type": "Airport Name",
      "description": "Regex match for partial airport names"
    },
    {
      "query": "db.products.aggregate([{ '$match': { '$text': { '$search': $value } } }, { '$project': { 'value': '$name', 'columns': 'airports.name', 'concept_type': 'Airport Name', 'distance': { '$meta': 'textScore' }, 'context': '', '_id': 0 } }, { '$sort': { 'distance': -1 } }, { '$limit': 1 }])",
      "concept_type": "Airport Name",
      "description": "Full-text search for airport names"
    }
  ]
}

컨텍스트 세트 파일 형식

컨텍스트 세트 파일은 자연어 질문을 특정 데이터베이스의 쿼리로 변환하는 데 QueryData와 같은 도구를 안내하는 JSON 형식의 템플릿, 패싯, 값 검색의 선별된 집합으로 구성됩니다. 컨텍스트를 정의하면 일반적인 쿼리 패턴에 대해 정확도가 높은 MongoDB 호환 쿼리 언어 (MQL) 생성이 보장됩니다.

정확도를 극대화하려면 컨텍스트 세트가 정확하고 예상되는 애플리케이션 쿼리를 포괄적으로 다루는지 확인하세요.

컨텍스트 세트는 us-central1, us-east1, europe-west4, asia-southeast1 리전에서 만들 수 있습니다.

쿼리 템플릿

쿼리 템플릿은 해당 MQL 쿼리가 포함된 대표적인 자연어 질문의 선별된 집합입니다. 또한 자연어-MQL 생성에 사용되는 선언적 근거를 제공하는 설명도 포함되어 있습니다.

쿼리 템플릿 객체는 다음과 유사합니다.

{
  "templates": [
    {
      "nl_query": "Count prague loan accounts",
      "sql": "db.accounts.countDocuments({ \"district.region\": \"Prague\", \"loans\": { $exists: true, $not: { $size: 0 } }});",
      "intent": "How many accounts associated with loans are located in the Prague region?",
      "manifest": "How many accounts associated with loans are located in a given city?",
      "parameterized": {
        "parameterized_intent": "How many accounts associated with loans are located in $1",
        "parameterized_sql": "db.accounts.countDocuments({ \"district.region\": $1, \"loans\": { $exists: true, $not: { $size: 0 } }});"
      }
    }
  ],
  ...
}

쿼리 템플릿 JSON 객체의 주요 구성요소는 다음과 같습니다.

nl_query: QueryData와 같은 도구가 처리하는 자연어 쿼리의 예입니다.
sql: 자연어 쿼리의 MQL 쿼리입니다. sql 키의 이름에도 불구하고 MQL이 포함되어 있습니다.
intent: 자연어 쿼리의 목표 또는 목적입니다. 설정되지 않은 경우 이 값은 기본적으로 자연어 쿼리로 설정됩니다.
manifest: 일반화된 자동 생성된 인텐트 형식입니다.
parameterized_intent: 매개변수로 대체된 항목 값이 있는 템플릿화된 자동 생성된 인텐트 형식입니다.
parameterized_sql: 매개변수화된 인텐트에 해당하는 템플릿화된 자동 생성된 MQL 쿼리 형식입니다. parameterized_sql 키의 이름에도 불구하고 MQL이 포함되어 있습니다.

쿼리 패싯은 해당 MQL 술어가 포함된 대표적인 자연어 조건의 선별된 집합입니다. 패싯은 필터링 및 조건을 관리하므로 쿼리 템플릿이 패싯 검색을 실행할 수 있습니다.

쿼리 패싯 객체는 다음과 유사합니다.

{
  ...
  "facets": [
    {
      "sql_snippet": "\"district.average_salary\": { $gt: 6000, $lt: 10000 }",
      "intent": "Average salary between 6000 and 10000",
      "manifest": "Average salary between a given number and a given number",
      "parameterized": {
         "parameterized_intent": "Average salary between $1 and $2",
         "parameterized_sql_snippet": "\"district.average_salary\": { $gt: $1, $lt: $2 }"
      }
    }
  ]
}

패싯 JSON 객체의 주요 구성요소는 다음과 같습니다.

sql_snippet: MQL 스니펫입니다. sql_snippet 키의 이름에도 불구하고 MQL이 포함되어 있습니다. 모호성을 방지하려면 문서 이름으로 필드 이름을 한정하세요 (예: doc_name.field_name).
intent: MQL 술어에 대한 설명입니다.
manifest: 일반화된 자동 생성된 인텐트 형식입니다.
parameterized_intent: 매개변수로 대체된 항목 값이 있는 템플릿화된 자동 생성된 인텐트 형식입니다.
parameterized_sql_snippet: 매개변수화된 인텐트에 해당하는 템플릿화된 자동 생성된 sql_snippet 형식입니다. parameterized_sql_snippet 키의 이름에도 불구하고 MQL이 포함되어 있습니다.

값 검색 쿼리

값 검색 쿼리 는 일치 함수를 사용하여 데이터베이스 내에서 값과 컨텍스트를 찾는 개발자 정의 쿼리입니다. 값 연결은 이러한 쿼리의 결과를 사용하여 일치하는 값이 포함된 테이블과 열을 식별하고 값의 개념 유형을 이해하며 오타를 수정합니다.

QueryData API는 값 연결을 사용하여 자연어를 MQL로 더 정확하게 변환합니다. 값 검색 쿼리를 사용하면 API가 데이터베이스 값을 기반으로 오타를 수정하고 값 유형을 확인할 수 있으므로 변환 정확도가 향상됩니다.

값 연결은 자연어-MQL 변환 정확도를 개선합니다. 예를 들어 사용자가 '히스로에서 출발하는 항공편이 있나요?'라고 질문하면 데이터베이스에 공항 이름이 '런던 히스로'로 저장될 수 있습니다. 값 연결이 없으면 생성된 MQL이 { "name": "Heathrow" } 로 필터링되고 결과가 반환되지 않을 수 있습니다. 값 검색 쿼리는 에이전트가 '히스로'를 올바른 데이터베이스 값 '런던 히스로' 및 스키마 위치 (airports.name)에 매핑하도록 안내하여 생성된 MQL이 정확하도록 합니다.

값 검색 쿼리의 예는 다음과 같습니다.

{
  ...
  "value_searches": [
    {
      "query": "db.airports.aggregate([{ '$match': { 'iata': $value } }, { '$project': { 'value': '$iata', 'columns': 'airports.iata', 'concept_type': 'Airport IATA Code', 'distance': 0, 'context': '', '_id': 0 } }, { '$limit': 1 }])",
      "concept_type": "Airport IATA Code",
      "description": "Exact match (standard MQL) for 3-letter airport codes"
    },
    {
      "query": "db.airports.aggregate([{ '$match': { 'name': { '$regex': $value, '$options': 'i' } } }, { '$project': { 'value': '$name', 'columns': 'airports.name', 'concept_type': 'Airport Name', 'distance': 0, 'context': '', '_id': 0 } }, { '$limit': 1 }])",
      "concept_type": "Airport Name",
      "description": "Regex match for partial airport names"
    },
    {
      "query": "db.products.aggregate([{ '$match': { '$text': { '$search': $value } } }, { '$project': { 'value': '$name', 'columns': 'airports.name', 'concept_type': 'Airport Name', 'distance': { '$meta': 'textScore' }, 'context': '', '_id': 0 } }, { '$sort': { 'distance': -1 } }, { '$limit': 1 }])",
      "concept_type": "Airport Name",
      "description": "Full-text search for airport names"

    }
  ]
}

값 검색 JSON 객체의 주요 구성요소는 다음과 같습니다.

query: 데이터베이스에 저장된 값과 값 구문을 일치시키는 로직을 정의하는 매개변수화된 MQL 문입니다. 결과 집합은 일반적으로 일치하는 값, 스키마 위치, 개념 유형, 정규화된 거리 측정항목 (0~1)을 프로젝션합니다.
concept_type: 값에 할당된 시맨틱 라벨입니다(예: district 또는 loan_status). 이 라벨은 값 연결과 궁극적으로 QueryData API와 같은 도구가 스키마에서 값 구문의 역할을 이해하는 데 도움이 됩니다. 또한 값의 개념을 타겟팅하는 MQL 문과 값 구문이 표시되는 테이블 및 열을 생성하는 데도 도움이 됩니다.
description: 검색 로직에 대한 설명입니다.

제한사항

컨텍스트 세트에는 다음과 같은 제한사항이 있습니다.

데이터베이스의 컨텍스트 세트는 템플릿, 패싯, 값 검색만 지원합니다.
데이터베이스의 컨텍스트 세트는 대화형 분석 API의 QueryData 엔드포인트에서만 사용됩니다.

다음 단계

컨텍스트 엔지니어링 에이전트를 사용하여 컨텍스트 세트를 빌드하는 방법을 알아보세요.