QueryData mit Cloud SQL Studio testen

In diesem Dokument wird beschrieben, wie Sie QueryData testen und die Kontextsetdatei aktualisieren. Sie können testen, ob QueryData SQL-Abfragen aus Fragen in natürlicher Sprache generieren kann. Wenn eine generierte Abfrage nicht korrekt ist, können Sie die Kontextsetdatei aktualisieren.

Weitere Informationen zu Kontextsets finden Sie in der Übersicht zu Kontextsets.

Hinweis

Ein Kontextset muss bereits erstellt und die Kontextsetdatei in den QueryData-Agenten hochgeladen worden sein. Weitere Informationen finden Sie unter Kontextsets in Cloud SQL Studio verwalten.

QueryData testen

So testen Sie QueryData:

  1. Rufen Sie in der Google Cloud Console die Seite „Cloud SQL“ auf.

    Zu Cloud SQL

  2. Wählen Sie eine Instanz aus der Liste aus.

  3. Klicken Sie im Navigationsmenü auf Cloud SQL Studio.

  4. Melden Sie sich mit der Identity and Access Management-Authentifizierung in Studio an.

  5. Klicken Sie im Bereich Explorer neben dem verwendeten Kontextset auf Aktionen anzeigen.

  6. Klicken Sie auf Kontextset testen.

  7. Klicken Sie im Abfrageeditor auf SQL generieren, um den Bereich Hilfe bei der Programmierung zu öffnen.

  8. Geben Sie im Editor eine Frage in natürlicher Sprache ein, um eine SQL-Abfrage zu generieren, und klicken Sie auf Generieren.

  9. Prüfen Sie, ob die SQL-Abfrage korrekt ist.

Kontextset herunterladen und aktualisieren

Wenn Sie mit der generierten SQL-Abfrage für eine Frage in natürlicher Sprache nicht zufrieden sind, laden Sie die vorhandene Kontextsetdatei herunter. Anschließend können Sie die Abfragevorlage prüfen und aktualisieren und die aktualisierte Kontextdatei wieder in den Agenten hochladen.

So laden Sie ein Kontextset herunter und aktualisieren es:

  1. Klicken Sie im Bereich Explorer auf Aktionen anzeigen.
  2. Klicken Sie auf Kontextdatei herunterladen.
  3. Folgen Sie der Anleitung unter Kontextsets mit dem Kontext-Engineering-Agenten erstellen, um den Kontext mit zusätzlichen Abfragepaaren zu aktualisieren.
  4. Klicken Sie im Bereich Explorer neben dem verwendeten Kontextset auf Aktionen anzeigen.
  5. Klicken Sie auf Kontextset bearbeiten.
  6. Klicken Sie im Bereich Kontextsetdatei hochladen auf Durchsuchen und wählen Sie die aktualisierte Kontextsetdatei aus.
  7. Klicken Sie auf Speichern , um das Kontextset zu aktualisieren.

Wenn Sie mit der Genauigkeit Ihrer Antworten zufrieden sind, können Sie den QueryData-Endpunkt verwenden, um Ihre Anwendung mit dem Kontextset zu verbinden.

Kontextset-ID finden

Um eine Datenanwendung mit dem QueryData-Agenten zu verbinden, benötigen Sie die ID des Kontextsets.

  1. Rufen Sie in der Google Cloud Console die Seite „Cloud SQL“ auf.

    Zu Cloud SQL

  2. Wählen Sie eine Instanz aus der Liste aus.

  3. Klicken Sie im Navigationsmenü auf Cloud SQL Studio.

  4. Melden Sie sich mit der Identity and Access Management-Authentifizierung in Studio an.

  5. Klicken Sie im Bereich Explorer neben dem verwendeten Kontextset auf Aktionen anzeigen.

  6. Klicken Sie auf Kontextset bearbeiten.

  7. Notieren Sie sich die Kontext-ID unter Kontextset-ID. Das Format der Kontextset-ID ähnelt projects/data-agents-project/locations/us-east1/contextSets/bdf_pg_all_templates.

QueryData mit Anwendung verbinden

Legen Sie die Kontextset-ID im QueryData-Methodenaufruf fest, um erstellten Kontext für Datenbankdatenquellen wie AlloyDB, Spanner, Cloud SQL und Cloud SQL for PostgreSQL bereitzustellen. Weitere Informationen finden Sie unter Kontext für KI-Datenagenten für Datenbankdatenquellen definieren.

Nachdem Sie das Kontextset getestet haben, können Sie im QueryData-Aufruf auf die Datenbankdatenquelle verweisen.

Beispiel für eine QueryData-Anfrage mit erstelltem Kontext

Das folgende Beispiel zeigt eine QueryData-Anfrage mit der Datenbankdatenquelle cloud_sql_reference. Das Feld agent_context_reference.context_set_id wird verwendet, um auf in der Datenbank gespeicherten, vorab erstellten Kontext zu verweisen.

{
  "parent": "projects/context-set-project/locations/us-central1",
  "prompt": "How many accounts in the Prague region are eligible for loans? A3 contains the data of region.",
  "context": {
    "datasource_references": [
      {
        "cloud_sql_reference": {
          "database_reference": {
            "engine": "MYSQL"
            "project_id": "context-set-project",
            "region": "us-central1",
            "instance_id": "context-set-primary",
            "database_id": "financial"
          },
          "agent_context_reference": {
            "context_set_id": "projects/context-set-project/locations/us-east1/contextSets/bdf_pg_all_templates"
          }
        }
      }
    ]
  },
  "generation_options": {
    "generate_query_result": true,
    "generate_natural_language_answer": true,
    "generate_disambiguation_question": true,
    "generate_explanation": true
  }
}

Der Anfragetext enthält die folgenden Felder:

  • prompt: Die Frage des Endnutzers in natürlicher Sprache.
  • context: Enthält Informationen zu den Datenquellen.
    • datasource_references: Gibt den Datenquellentyp an.
      • cloud_sql_reference: Erforderlich beim Abfragen der Datenbank. Dieses Feld ändert sich je nach der abgefragten Datenbank.
        • database_reference: Gibt Informationen zur Datenbankinstanz an.
          • engine: Die Datenbank-Engine. Für Cloud SQL-Instanzen auf MYSQL festgelegt.
          • project_id: Die Projekt-ID der Datenbankinstanz.
          • region: Die Region der Cloud SQL-Instanz.
          • instance_id: Die Instanz-ID der Cloud SQL-Instanz.
          • database_id: Die ID der Datenbank.
        • agent_context_reference: Verweist auf erstellten Kontext in der Datenbank.
          • context_set_id: Die vollständige Kontextset-ID des in der Datenbank gespeicherten Kontexts. Beispiel: projects/context-set-project/locations/us-east1/contextSets/bdf_gsql_gemini_all_templates.
  • generationOptions: Konfiguriert den Typ der zu generierenden Ausgabe.
    • generate_query_result: Auf „true“ setzen, um die Abfrageergebnisse zu generieren und zurückzugeben.
    • generate_natural_language_answer: Optional. Wenn auf „true“ gesetzt, wird eine Antwort in natürlicher Sprache generiert.
    • generate_explanation: Optional. Wenn auf „true“ gesetzt, wird eine Erklärung der SQL-Abfrage generiert.
    • generate_disambiguation_question: Optional. Wenn auf „true“ gesetzt, werden bei einer mehrdeutigen Abfrage Fragen zur Klärung generiert.

Beispiel für eine QueryData-Antwort

Hier ist ein Beispiel für eine erfolgreiche Antwort von einem QueryData-Aufruf:

{
  "generated_query": "-- Count the number of accounts in Prague that are eligible for loans\nSELECT\n  COUNT(DISTINCT \"loans\".\"account_id\")\nFROM \"loans\"\nJOIN \"district\" -- Join based on district ID\n  ON \"loans\".\"district_id\" = \"district\".\"district_id\"\nWHERE\n  \"district\".\"A3\" = 'Prague'; -- Filter for the Prague region",
  "intent_explanation": "The question asks for the number of accounts eligible for loans in the Prague region. I need to join the `district` table with the `loans` table to filter by region and count the distinct accounts. The `A3` column in the `district` table contains the region information, and I'll filter for 'Prague'. The `loans` table contains information about loans, including the `account_id` and `district_id`. I will join these two tables on their respective district IDs.",
  "query_result": {
    "columns": [
      {
        "name": "count"
      }
    ],
    "rows": [
      {
        "values": [
          {
            "value": "2"
          }
        ]
      }
    ],
    "total_row_count": 1
  },
  "natural_language_answer": "There are 2 accounts in Prague that are eligible for loans."
}

Nächste Schritte