Mendapatkan insight dengan agen Insight Data

Agen Insight Data adalah agen yang Dibuat oleh Google. Fitur ini memberi Anda insight data dari data BigQuery Anda. Dengan agen Insight Data, Anda tidak memerlukan pengetahuan SQL sebelumnya. Dengan begitu, Anda dapat membuat keputusan bisnis berbasis data yang tepat dan analis data dapat berfokus pada tugas yang lebih kompleks.

Halaman ini menjelaskan cara administrator project Google Cloud dapat memberi otorisasi, membuat, dan men-deploy agen Insight Data menggunakan konsolGoogle Cloud dan REST API. Halaman ini juga menunjukkan cara pengguna akhir dapat menggunakan agen.

Ringkasan

Agen Insight Data dirancang untuk melakukan hal berikut:

  • Memahami maksud pengguna: Menganalisis konteks sumber data yang terhubung dan kueri bahasa alami pengguna untuk memahami sasaran pengguna
  • Buat SQL: Berdasarkan pemahaman ini, pertanyaan pengguna dikonversi menjadi kueri SQL yang benar secara sintaksis dan semantik.
  • Mengambil data: Kemudian, menjalankan SQL yang dihasilkan untuk mengambil data yang relevan langsung dari sumber data yang terhubung, yaitu set data BigQuery.
  • Memberikan insight: Menampilkan data yang diambil sebagai visualisasi, seperti diagram dan tabel, atau sebagai ringkasan berbasis teks untuk menjawab kueri pengguna.

Contoh kueri yang dapat Anda ajukan kepada agen Insight Data

Berikut beberapa contoh kueri yang dapat Anda ajukan ke agen Insight Data:

  • Agregasi dan visualisasi data:
    • "Bagaimana perbandingan penjualan pada Kuartal 2 di wilayah Amerika Latin tahun ini dengan Kuartal 2 tahun lalu?"
    • "Buat diagram batang yang menampilkan perbandingan untuk masing-masing 5 negara teratas di wilayah tersebut."
  • Analisis tren:
    • "Bagaimana variasi volume panggilan keluar selama 6 bulan terakhir, yang dikelompokkan berdasarkan lokasi?"
    • "Analisis pola pemesanan untuk hotel di Lisbon yang diberi rating lebih tinggi dari 3 bintang"
  • Data mining:
    • "Faktor apa saja yang berkorelasi dengan total nilai penjualan saat pelanggan membeli sesuatu? Berikan peta panas yang menunjukkan hubungan."
  • Analisis dan pelaporan:
    • "Ringkas tabel peluang dan akun, lalu buat laporan singkat yang menyoroti tren utama."

Sebelum memulai

Untuk mulai menggunakan agen Insight Data di Gemini Enterprise, ikuti langkah-langkah berikut:

Memberikan akses ke data BigQuery

Untuk mengizinkan agen Insight Data melihat dan membuat kueri data BigQuery, berikan peran Identity and Access Management (IAM) kepada pengguna agen:

Alur kerja

Alur kerja keseluruhan untuk menyiapkan dan menggunakan agen Insight Data adalah sebagai berikut:

Mendapatkan detail otorisasi

Ikuti langkah-langkah berikut untuk menyiapkan otorisasi. Detail yang Anda peroleh diperlukan untuk mengizinkan agen Insight Data terhubung ke data BigQuery.

  1. Di konsol Google Cloud , buka halaman Credentials di APIs & Services.

    Buka Kredensial

  2. Pilih project Google Cloud yang berisi set data BigQuery yang ingin Anda kueri oleh agen.

  3. Klik Buat kredensial, lalu pilih ID klien OAuth.

  4. Di Application type, pilih Web application.

  5. Di bagian URI pengalihan yang diberi otorisasi, tambahkan URI berikut:

    • https://vertexaisearch.cloud.google.com/oauth-redirect
    • https://vertexaisearch.cloud.google.com/static/oauth/oauth.html

  6. Klik Create.

  7. Di panel OAuth client created, klik Download JSON.

    JSON yang didownload mencakup detail berikut untuk project yang dipilih.Google Cloud Anda memerlukan detail berikut untuk membuat resource otorisasi:

    • Client ID: CLIENT_ID
    • URI otorisasi:

    Untuk mengizinkan aplikasi Anda, Anda harus membuat URI Otorisasi tertentu menggunakan detail dari file JSON kredensial OAuth Anda. Salin template berikut, lalu ganti placeholder dengan nilai spesifik Anda.

    Template URI Otorisasi

    https://accounts.google.com/o/oauth2/v2/auth?client_id=YOUR_CLIENT_ID&redirect_uri=https%3A%2F%2Fvertexaisearch.cloud.google.com%2Fstatic%2Foauth%2Foauth.html&scope=YOUR_CUSTOM_SCOPES&include_granted_scopes=true&response_type=code&access_type=offline&prompt=consent

    Pengelompokan Parameter

    Untuk membantu memastikan URI berfungsi dengan benar, verifikasi kolom berikut:

    Parameter Nilai atau tindakan
    client_id Ganti dengan client_id yang ada di JSON yang Anda download.
    redirect_uri Jangan ubah. Harus berupa https://vertexaisearch.cloud.google.com/static/oauth/oauth.html.
    scope Tindakan diperlukan: Cantumkan cakupan Google API yang dibutuhkan aplikasi Anda, seperti, https://www.googleapis.com/auth/bigquery. Jika Anda menggunakan beberapa cakupan, pisahkan dengan spasi, yang menjadi %20 di URL.
    include_granted_scopes Harus berupa true.
    response_type Harus code untuk menerima kode otorisasi.
    access_type Setel ke offline untuk membantu memastikan bahwa Anda menerima token refresh.
    prompt Setel ke consent untuk membantu memastikan bahwa pengguna selalu melihat layar izin.
    • URI Token: https://oauth2.googleapis.com/token
    • Client secret: CLIENT_SECRET

Menyiapkan agen menggunakan konsol Google Cloud

Bagian ini menunjukkan cara memberi otorisasi, membuat, dan men-deploy instance agen Insight Data menggunakan konsol Google Cloud . Anda juga dapat menambahkan izin pengguna yang menentukan siapa yang dapat mengakses agen yang dibuat.

Memberi otorisasi dan membuat instance agen

Izinkan dan buat instance agen Insight Data menggunakan langkah-langkah berikut:

  1. Di konsol Google Cloud , buka Gemini Enterprise.

    Buka Gemini Enterprise

  2. Pilih aplikasi tempat Anda ingin membuat agen.

  3. Di menu, klik Agents.

    Halaman Agen menampilkan agen yang ada.

    click-agent
    Agen klik

  4. Klik Tambahkan agen.

    add-agent
    Klik tambahkan agen

  5. Di panel Create agent, pilih Google agents, lalu klik Add.

    google-agent
    Pilih agen Google

  6. Klik Buat di kartu agen data.

    create-agent
    Buat agen data

  7. Di Authorizations, klik Add authorization, lalu masukkan detail otorisasi. Untuk mengetahui informasi selengkapnya, lihat Mendapatkan otorisasi.

    otorisasi
    Masukkan detail otorisasi

  8. Klik Done.

  9. Klik Berikutnya.

  10. Konfigurasi agen Anda sebagai berikut:

    1. Masukkan nama dan deskripsi agen Anda.

    2. Di BigQuery dataset, klik Browse dan lakukan salah satu hal berikut:

      • Pilih set data yang tersedia, lalu klik Pilih.
      • Masukkan jalur ke set data BigQuery yang diperlukan, klik Search, pilih, lalu pilih Select.

    3. Opsional: Klik Tampilkan lebih banyak untuk opsi lanjutan.

    4. Pilih opsi akses tabel yang benar. Jika Anda ingin menerapkan daftar yang diizinkan

      atau daftar yang tidak diizinkan, tentukan jalur ke tabel yang dibatasi.

    5. Opsional: Tentukan konfigurasi kueri bahasa alami untuk menyesuaikan terjemahan bahasa alami ke SQL. Untuk meningkatkan kualitas output agen, Anda dapat memberikan contoh kueri bahasa alami, output SQL yang diharapkan, dan respons yang diharapkan.

      • Deskripsi skema: string dalam bahasa alami yang menjelaskan skema set data BigQuery.
      • Perintah kueri bahasa alami ke SQL: kueri dalam bahasa alami yang diubah menjadi perintah SQL.

    6. Opsional: Tambahkan contoh kueri bahasa alami yang diubah menjadi kueri SQL:

      • Kueri: contoh kueri alami yang harus dikonversi menjadi kueri SQL. Misalnya, "Apa nama dan alamat email pelanggan yang berbasis di California"
      • SQL yang Diharapkan: string yang menggambarkan contoh kueri SQL yang sesuai dengan kueri bahasa alami. Misalnya, Anda memiliki tabel BigQuery bernama customers. Kemudian, kueri SQL yang diharapkan dapat berupa SELECT customer_name, email FROM customers WHERE state = 'California'.
      • Respons yang diharapkan: string yang memberikan jawaban yang diharapkan untuk kueri dengan mengeksekusi kueri SQL yang diharapkan.

      Contoh:

      Here are the names and email addresses of your customers in California: \
* Customer name: Lara B, Email address: 222larabrown@gmail.com \
* Customer name: Alex A, Email address: baklavainthebalkans@gmail.com \
* Customer name: Bola C, Email address: cloudysanfrancisco@gmail.com \

  11. Klik Create.

    Instance agen Insight Data akan muncul di daftar Agen.
    Untuk mulai menggunakan agen, tunggu hingga kolom Status agen menampilkan Diaktifkan untuk instance Anda.

Menyiapkan agen menggunakan REST API

Bagian ini menjelaskan cara mengotorisasi, membuat, dan men-deploy instance agen Insight Data menggunakan REST API.

Memberi otorisasi agen

Sebagai administrator, buat resource otorisasi di Gemini Enterprise. Hal ini memungkinkan agen Insight Data mengakses data BigQuery.

  1. Buat resource otorisasi.

    REST

    Contoh berikut menunjukkan cara membuat resource otorisasi menggunakan metode authorizations.create.

    curl -X POST \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
 -H "Content-Type: application/json" \
 -H "X-Goog-User-Project: PROJECT_NUMBER" \
 "https://discoveryengine.googleapis.com/v1alpha/projects/PROJECT_NUMBER/locations/LOCATION/authorizations?authorizationId=AUTHORIZATION_ID" \
 -d '{
   "name": projects/PROJECT_NUMBER/locations/LOCATION/authorizations/AUTHORIZATION_ID",
   "serverSideOauth2": {
     "clientId": "CLIENT_ID",
     "clientSecret": "CLIENT_SECRET",
     "authorizationUri": "AUTHORIZATION_URI",
     "tokenUri": "https://oauth2.googleapis.com/token"
}
}'

    Ganti kode berikut:

    • PROJECT_NUMBER: jumlah Google Cloud project Anda.
    • LOCATION: lokasi Google Cloud project Anda.
    • AUTHORIZATION_ID: ID yang harus Anda berikan untuk mengidentifikasi resource otorisasi.
    • CLIENT_ID: ID klien yang Anda peroleh pada langkah sebelumnya.
    • CLIENT_SECRET: secret klien yang Anda peroleh pada langkah sebelumnya.
    • AUTHORIZATION_URI: URI Otorisasi yang Anda peroleh pada langkah sebelumnya.

Membuat instance agen

Sebagai Google Cloud administrator project, Anda dapat membuat instance agen Insight Data. Tindakan ini memerlukan ID project dan ID set data BigQuery yang ingin Anda kueri menggunakan agen Anda.

REST

Contoh berikut menunjukkan cara membuat instance agen Insight Data menggunakan metode agents.create. Untuk mempelajari kolom lanjutan yang dapat Anda tambahkan ke sampel ini, lihat Menambahkan konfigurasi lanjutan untuk agen.

curl -X POST \
  -H "Authorization: Bearer $(gcloud auth print-access-token)" \
  -H "Content-Type: application/json" \
  -H "X-Goog-User-Project: PROJECT_NUMBER" \
  "https://discoveryengine.googleapis.com/v1alpha/projects/PROJECT_NUMBER/locations/LOCATION/collections/default_collection/engines/APP_ID/assistants/default_assistant/agents" \
  -d '{
    "displayName": "AGENT_DISPLAY_NAME",
    "description": "AGENT_DESCRIPTION",
    "icon": {
       "uri": "AGENT_ICON_URI"
     },
    "managed_agent_definition": {
      "tool_settings": {
        "tool_description": "AGENT_DESCRIPTION"
      },
      "data_science_agent_config": {
        "bq_project_id": "BIGQUERY_PROJECT_ID",
        "bq_dataset_id": "BIGQUERY_DATASET_ID"
      }
    },
    "authorization_config": {
      "tool_authorizations" : [
        "AUTHORIZATION_RESOURCE_NAME"
      ]
    }
  }'

Ganti kode berikut:

  • PROJECT_NUMBER: jumlah Google Cloud project Anda.
  • LOCATION: lokasi aplikasi Gemini Enterprise Anda.
  • APP_ID: ID aplikasi.
  • AGENT_DISPLAY_NAME: nama instance agen Data Insights Anda.
  • AGENT_ICON_URI: kolom opsional untuk memberikan URI untuk ikon agen.
  • AGENT_DESCRIPTION: deskripsi instance agen Insight Data Anda yang menunjukkan tujuan agen atau detail sumber data BigQuery-nya.
  • BIGQUERY_PROJECT_ID: project ID projectGoogle Cloud yang berisi set data BigQuery.
  • BIGQUERY_DATASET_ID: ID set data BigQuery yang berisi data yang akan dikueri.
  • AUTHORIZATION_RESOURCE_NAME: nama resource otorisasi yang Anda peroleh di bagian sebelumnya.

Menambahkan konfigurasi lanjutan untuk agen

Anda dapat menentukan kolom nlQueryConfig secara opsional untuk memberikan penyesuaian khusus untuk terjemahan bahasa alami ke SQL. Anda juga dapat memberikan contoh SQL menggunakan kueri bahasa alami, output SQL yang diharapkan, dan respons yang diharapkan. Hal ini meningkatkan kualitas output agen. Cuplikan kode berikut menunjukkan cara mengonfigurasi kolom lanjutan ini:

"dataScienceAgentConfig": {
  "nlQueryConfig": {
    "nl2sqlPrompt": "NL_TO_SQL_INSTRUCTIONS",
    "nl2sqlExample": {
      "query": "EXAMPLE_NL_QUERY",
      "expectedSql": "EXPECTED_SQL_QUERY",
      "expectedResponse": "EXPECTED_SQL_RESPONSE"
    },
    "schemaDescription": "NL_DESCRIPTION_OF_BQ_DATASET"
  }
}

Ganti kode berikut:

  • NL_TO_SQL_INSTRUCTIONS: kueri dalam bahasa natural yang diubah menjadi instruksi SQL.

  • EXAMPLE_NL_QUERY: contoh kueri bahasa natural yang harus dikonversi menjadi kueri SQL. Misalnya, "Apa nama dan alamat email pelanggan yang berada di California"

  • EXPECTED_SQL_QUERY: string yang menggambarkan contoh kueri SQL yang sesuai dengan kueri natural. Misalnya, Anda memiliki tabel BigQuery bernama customers. Kemudian, kueri SQL yang diharapkan dapat berupa "SELECT customer_name, email FROM customers WHERE state = 'California'".

  • EXPECTED_SQL_RESPONSE: string yang memberikan jawaban yang diharapkan untuk kueri dan kueri SQL yang diharapkan. Contoh:

    
Here are the names and email addresses of your customers in California: \
* Customer name: Lara B, Email address: 222larabrown@gmail.com \
* Customer name: Alex A, Email address: baklavainthebalkans@gmail.com \
* Customer name: Bola C, Email address: cloudysanfrancisco@gmail.com \

  • NL_DESCRIPTION_OF_BQ_DATASET: string dalam bahasa alami yang menjelaskan skema set data BigQuery.

Men-deploy instance

Setelah membuat instance agen Insight Data, sebagai administrator, Anda dapat men-deploy-nya agar dapat digunakan oleh pengguna akhir.

REST

  1. Deploy agen. Contoh berikut menunjukkan cara men-deploy agen yang dibuat menggunakan metode agents.deploy. Men-deploy agen adalah operasi yang berjalan lama (LRO).

    curl -X POST \
 -H "Authorization: Bearer $(gcloud auth print-access-token)" \
 -H "Content-Type: application/json" \
 -H "X-Goog-User-Project: PROJECT_NUMBER" \
 "https://discoveryengine.googleapis.com/v1alpha/AGENT_RESOURCE_NAME:deploy" \
 -d '{
   "name":"AGENT_RESOURCE_NAME"
 }'

    Ganti kode berikut:

    • PROJECT_NUMBER: jumlah Google Cloud project Anda.
    • AGENT_RESOURCE_NAME: nama resource agen yang Anda peroleh di bagian sebelumnya saat Anda membuat agen.

  2. Mendapatkan status operasi deployment. Contoh berikut menunjukkan cara mendapatkan status operasi deployment operations.get metode.

    curl -X GET \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
"https://discoveryengine.googleapis.com/v1alpha/DEPLOY_OPERATION_NAME"

    Ganti DEPLOY_OPERATION_NAME dengan nama LRO yang Anda dapatkan di langkah sebelumnya saat Anda men-deploy agen.

    Dalam respons, jika nilai kolom done adalah true, deployment telah selesai. Jika nilai kolom done adalah false, deployment sedang berlangsung.

Mendapatkan spesifikasi agen

Anda dapat mengambil konfigurasi dan spesifikasi untuk agen Insight Data, seperti daftar yang diizinkan dan daftar yang diblokir untuk tabel BigQuery, menggunakan API. Untuk mendapatkan spesifikasi agen, kirim permintaan GET:

REST 

curl -X GET \
  -H "Authorization: Bearer $(gcloud auth print-access-token)" \
  -H "X-Goog-User-Project: PROJECT_ID" \
  "https://discoveryengine.googleapis.com/v1alpha/projects/PROJECT_ID/locations/LOCATION/collections/default_collection/engines/APP_ID/assistants/default_assistant/agents/AGENT_ID"

Ganti kode berikut:

  • PROJECT_ID: ID project Anda.
  • APP_ID: ID aplikasi.
  • LOCATION: Lokasi aplikasi Gemini Enterprise Anda.
  • AGENT_ID: ID agen.

Contoh respons

Permintaan yang berhasil akan menampilkan respons JSON yang mirip dengan berikut:

{
  "name": "projects/12345/locations/global/collections/default_collection/engines/my-app/assistants/default_assistant/agents/my-agent",
  "displayName": "Data Science Agent",
  "description": "An agent that helps query BigQuery data.",
  "managedAgentDefinition": {
    "dataScienceAgentConfig": {
      "bqProjectId": "my-bq-project",
      "bqDatasetId": "my-bq-dataset",
      "allowlistTables": [
        "sales_data_2024",
        "inventory_levels"
      ],
      "blocklistTables": [
        "employee_salaries",
        "pii_users"
      ]
    }
  },
  "authorizationConfig": {
    "toolAuthorizations": [
      "projects/12345/locations/global/authorizations/test-authorization"
    ]
  },
  "state": "ENABLED",
  "createTime": "2024-05-20T10:00:00Z",
  "updateTime": "2024-05-20T10:05:00Z"
}

Menambahkan atau mengubah pengguna dan izin mereka

Tambahkan atau ubah prinsipal ke instance agen Data Insights Anda dan tetapkan peran Identity and Access Management (IAM) tertentu kepada mereka, menggunakan langkah-langkah berikut:

Konsol

  1. Di konsol Google Cloud , buka Gemini Enterprise.

    Buka Gemini Enterprise

  2. Pilih aplikasi yang berisi instance agen Data Insights Anda.

  3. Di menu, klik Agents.

    Halaman Agen menampilkan agen yang ada.

  4. Klik agen yang ingin Anda tambahi atau ubah penggunanya. Misalnya, klik instance Data insights agent.

    Secara default, agen yang baru dibuat tidak memiliki pengguna.

    data-insights-agent
    Klik instance Agen insight data

  5. Klik Izin pengguna.

  6. Di tabel Pengguna yang diberi izin, klik Tambahkan pengguna.

    add-user
    Buka untuk menambahkan pengguna

  7. Pilih Jenis anggota dari daftar yang tersedia:

    • Untuk Pengguna atau Grup, masukkan alamat email sebagai string anggota dan pilih peran.

    • Untuk Workforce identity pool, masukkan principal yang valid sebagai string anggota dan pilih peran.

    • Untuk Semua pengguna, pilih peran.

    member-type
    Pilih jenis anggota

  8. Klik Simpan.

    Kebijakan IAM diperbarui, dan pengguna ditambahkan ke daftar pengguna yang diberi izin.

  9. Untuk menghapus izin yang ditetapkan, klik di kolom Tindakan lalu Hapus.

    delete
    Menghapus peran

Mengubah status kerja instance

Setelah Anda membuat instance agen Insight Data, agen akan diaktifkan secara default. Anda dapat mengubah status kerjanya menjadi Pratinjau, Nonaktifkan, Tunda, atau Hapus menggunakan langkah-langkah berikut:

Konsol

  1. Di konsol Google Cloud , buka Gemini Enterprise.

    Buka Gemini Enterprise

  2. Pilih aplikasi yang berisi instance agen Data Insights Anda.

  3. Di menu, klik Agents.

    Halaman Agen menampilkan agen yang ada.

    add-user
    Buka untuk menambahkan pengguna

  4. Klik di kolom Tindakan untuk agen Anda, lalu pilih salah satu opsi berikut:

    • Pratinjau: untuk membuka agen di tab baru.
    • Nonaktifkan: agar agen tidak tersedia untuk semua pengguna kecuali pengguna yang membuatnya.
    • Tangguhkan: membuat agen tidak tersedia untuk digunakan sementara. Namun, pengguna dengan tingkat izin apa pun ke agen akses masih dapat melihat agen tersebut.
    • Hapus: untuk menghapus instance agen.
    tindakan
    Pilih salah satu tindakan untuk agen Anda.

Menggunakan agen

Bagian ini menjelaskan cara pengguna akhir dapat berinteraksi dengan agen Insight Data untuk mendapatkan insight dari data BigQuery mereka. Anda dapat menggunakan agen dari aplikasi Gemini Enterprise atau secara terprogram menggunakan API.

Menggunakan agen dari aplikasi

Ikuti langkah-langkah berikut untuk mendapatkan insight data menggunakan agen Anda:

Aplikasi

  1. Di menu navigasi aplikasi, klik Agen.

  2. Klik Lihat semua agen.

    view-all-agent
    Lihat semua agen

  3. Pilih agen Anda dari daftar agen yang ditampilkan atau dari daftar terbaru.

    data-insights-agent
    Pilih instance agen Anda

  4. Jika agen Anda memerlukan otorisasi tambahan, klik Authorize, lalu berikan detail otorisasi.

  5. Di kotak penelusuran, lakukan hal berikut:

    • Klik ikon untuk menambahkan file sebagai sumber data tambahan yang akan digunakan agen.

    • Klik ikon untuk mengelola data Anda.

  6. Masukkan pertanyaan atau perintah Anda, lalu tekan Enter.

Anda juga dapat berinteraksi dengan agen Insight Data secara terprogram menggunakan API.

Menggunakan agen Insight Data menggunakan API

Agen Insight Data tersedia menggunakan API untuk pengguna yang diizinkan. Untuk berinteraksi dengan agen secara terprogram, kirim permintaan POST ke metode streamAssist.

curl 

curl -X POST \
  -H "Authorization: Bearer $(gcloud auth print-access-token)" \
  -H "Content-Type: application/json" \
  -H "X-Goog-User-Project: PROJECT_ID" \
  "https://discoveryengine.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/collections/default_collection/engines/APP_ID/assistants/default_assistant:streamAssist" \
  -d '{
    "query": {
      "text": "QUERY"
    },
    "agentsSpec": {
      "agentSpecs": {
        "agentId": "AGENT_ID"
      }
    }
  }'

Ganti kode berikut:

  • PROJECT_ID: ID project Anda.
  • LOCATION: Lokasi aplikasi Gemini Enterprise Anda (misalnya, global).
  • APP_ID: ID aplikasi.
  • QUERY: Kueri bahasa alami (misalnya, "Buat daftar 10 pelanggan teratas berdasarkan pembelanjaan dan buat diagram dengan item yang paling sering dibeli").
  • AGENT_ID: ID agen.

Contoh respons

Metode streamAssist menampilkan daftar objek AssistAnswer. Contoh berikut menunjukkan aliran respons, yang mencakup penalaran internal agen dan jawaban akhir. Jika permintaan Anda berhasil, Anda akan menerima respons JSON yang mirip dengan respons yang dipangkas berikut.

  [
    {
      "answer": {
        "state": "IN_PROGRESS",
        "replies": [
          {
            "groundedContent": {
              "content": {
                "role": "model",
                "text": "",
                "thought": true
              }
            }
          }
        ]
      },
      "assistToken": "M8gKCwiBkYrMBhDUqLFcEiQ2OTgyNWVlMS0wMDAwLTJjMzUtYjVmOS1mNDAzMDQzYmFjNmM"
    },
    {
      "answer": {
        "state": "IN_PROGRESS",
        "replies": [
          {
            "groundedContent": {
              "content": {
                "role": "model",
                "text": "I am an expert data analyst with access to the `spark-assistant-test.bikestores` dataset...",
                "thought": true
              }
            }
          }
        ]
      },
      "assistToken": "M8gKCwiBkYrMBhDUqLFcEiQ2OTgyNWVlMS0wMDAwLTJjMzUtYjVmOS1mNDAzMDQzYmFjNmM"
    },
    {
      "answer": {
        "name": "projects/12345/locations/global/collections/default_collection/engines/APP_ID/sessions/SESSION_ID/assistAnswers/ANSWER_ID",
        "state": "SUCCEEDED",
            "groundedContent": {
              "content": {
                "role": "model",
                "text": "I am an expert data analyst with access to the `spark-assistant-test.bikestores` dataset..."
              }
            }
          }
        ]
      },
      "sessionInfo": {
        "session": "projects/PROJECT_ID/locations/LOCATION/collections/default_collection/engines/APP_ID/sessions/SESSION_ID"
      }
    }
  ]

Definisi kolom respons

Kolom Deskripsi
answer.state Status pembuatan jawaban. Menampilkan IN_PROGRESS saat agen membuat dan SUCCEEDED saat selesai.
answer.replies Daftar yang berisi elemen konten yang dihasilkan.
replies.groundedContent.content.text Konten teks yang dihasilkan oleh agen.
replies.groundedContent.content.thought Jika true, menunjukkan bahwa teks adalah proses penalaran internal agen (seperti formulasi SQL) dan bukan respons akhir.
sessionInfo.session ID unik untuk sesi. Nama resource ini dapat digunakan dalam panggilan API berikutnya untuk mempertahankan histori percakapan.