Ringkasan QueryData

QueryData memungkinkan Anda berinteraksi dengan data menggunakan bahasa percakapan dan agen data yang Anda buat untuk membantu Anda membuat kueri data. Agen data adalah asisten dan aplikasi yang didukung AI yang dapat memahami niat pengguna, membuat kueri data operasional Anda, dan menampilkan jawaban yang akurat dan berdasar. QueryData membuat kueri untuk database Anda menggunakan set konteks, yang merupakan kumpulan cetak biru yang dikurasi, logika bisnis, dan informasi skema. Konteks ini memungkinkan QueryData menerjemahkan pertanyaan bahasa alami menjadi kueri yang akurat untuk kasus penggunaan target Anda.

Kapan menggunakan QueryData

QueryData ideal untuk aplikasi seperti:

  • Otomatisasi layanan pelanggan: Menangani pertanyaan bervolume tinggi seperti "Di mana pesanan saya?" atau "Berapa saldo saya saat ini?".
  • Asisten belanja e-commerce: Membantu pengguna menavigasi katalog produk besar dengan kueri bahasa alami seperti "Tampilkan sepatu lari di bawah $100."
  • Alat operasi lapangan: Memungkinkan karyawan seluler membuat kueri tingkat inventaris, ketersediaan suku cadang, atau detail tiket layanan secara real-time.

Konsep inti

Untuk menerjemahkan pertanyaan percakapan ke dalam kueri database dengan andal, QueryData mengandalkan konsep utama berikut:

QueryData dan Conversational Analytics API

Endpoint QueryData di Conversational Analytics API adalah alat agentic yang memungkinkan pembuatan kueri bahasa alami terprogram ke kueri Bahasa Kueri (MQL) yang kompatibel dengan MongoDB untuk database Anda. Dalam aplikasi percakapan atau alur kerja multi-agen, endpoint QueryData menangani interpretasi skema dan sintesis kueri. Infrastruktur pengelola agen Anda (seperti Antigravity, Agent Development Kit (ADK), atau LangChain) mengelola histori percakapan, status pengguna, dan orkestrasi alat untuk mengontekstualisasikan input pengguna sebelum mengirimkan permintaan bahasa alami ke endpoint QueryData.

Set konteks

Set konteks adalah kumpulan pengetahuan khusus database, pola kueri yang dikurasi, dan aturan bisnis yang terkait dengan instance database Anda. Daripada hanya mengandalkan pengetahuan LLM umum atau skema tabel mentah, QueryData menggunakan set konteks untuk memahami nuansa model data dan terminologi khusus organisasi Anda.

Set konteks berisi tiga blok penyusun utama:

  • Cetak biru kueri: Pasangan pertanyaan bahasa alami representatif yang dikurasi dan kueri MQL yang sesuai dan telah divalidasi sebelumnya. Cetak biru memberikan contoh kanonis yang menentukan cara intent bisnis tertentu dipetakan ke pernyataan MQL.
  • Faset kueri: Predikat MQL modular dan kondisi filter (seperti rentang tanggal, perhitungan nilai minimum, atau flag bisnis). Faset memungkinkan QueryData menggabungkan beberapa kriteria pemfilteran secara dinamis ke dalam kueri tanpa memerlukan cetak biru terpisah untuk setiap kombinasi.
  • Penelusuran nilai: Kueri pencocokan string dan semantik yang mendasarkan frasa informal ke nilai persis yang disimpan di kolom database. Penelusuran nilai membantu mengatasi ambiguitas (misalnya, memetakan "Bay Area" ke San Francisco, atau "Heathrow" ke London Heathrow Airport) menggunakan kecocokan persis, kemiripan string trigram, atau embedding vektor semantik.

Cara kerja QueryData

Saat agen atau aplikasi Anda mengirimkan permintaan bahasa alami (seperti pertanyaan pengguna yang telah dikontekstualisasikan oleh agen dengan histori percakapan atau status pengguna), QueryData akan melakukan langkah-langkah berikut:

  1. Resolusi nilai: QueryData menjalankan kueri penelusuran nilai terhadap database untuk memetakan entity dalam perintah (seperti nama, kota, atau kategori) ke kolom dan nilai dokumen database tertentu.
  2. Pencocokan dan disambiguasi intent: QueryData mencocokkan permintaan yang dikontekstualisasikan dengan cetak biru dan faset kueri yang dikurasi yang Anda tentukan dalam set konteks. Jika permintaan tidak ditentukan atau ambigu, QueryData dapat menampilkan pertanyaan disambiguasi sehingga agen atau aplikasi Anda dapat meminta klarifikasi kepada pengguna.
  3. Sintesis kueri: Menggunakan struktur cetak biru yang cocok, faset yang diterapkan, dan nilai yang diselesaikan, QueryData mensintesis kueri MQL lengkap untuk mesin database Anda.
  4. Eksekusi kueri: Kueri yang dihasilkan dijalankan terhadap database untuk menampilkan hasil.

Membuat dan mengelola set konteks

Untuk membuat dan mengelola set konteks, lakukan hal berikut:

  1. Konteks penulis: Tentukan cetak biru kueri, faset, dan penelusuran nilai untuk database Anda. Untuk mengetahui informasi selengkapnya, lihat Ringkasan set konteks. Anda juga dapat menggunakan agen rekayasa konteks untuk mengotomatiskan pembuatan konteks.
  2. Mengelola di Google Cloud konsol: Buat dan kelola set konteks di Firestore Studio agar tersedia untuk pembuatan kueri generation.
  3. Mengintegrasikan dengan aplikasi Anda: Hubungkan aplikasi atau agen AI Anda ke QueryData menggunakan MCP Toolbox atau panggilan API langsung.

Harga

Anda akan dikenai biaya untuk kueri yang berjalan saat Anda membuat set konteks dan menggunakan QueryData dengan agen data atau sumber data database. Tidak ada biaya tambahan untuk membuat dan menggunakan set konteks dan QueryData selama periode Pratinjau. Untuk mengetahui informasi selengkapnya, lihat Harga Agen Data Cloud.

Langkah berikutnya