Mit dem Data Insights-Agenten Statistiken abrufen

Der Data Insights-Agent ist ein von Google entwickelter Agent. Sie erhalten Datenstatistiken aus Ihren BigQuery-Daten. Für den Data Insights-Agent sind keine SQL-Kenntnisse erforderlich. So können Sie fundierte, datengestützte Geschäftsentscheidungen treffen und Datenanalysten haben mehr Zeit für komplexere Aufgaben.

Auf dieser Seite wird beschrieben, wie ein Google Cloud Projektadministrator den Data Insights-Agent mit der Google Cloud Console und der REST API autorisieren, erstellen und bereitstellen kann. Außerdem wird auf dieser Seite beschrieben, wie ein Endnutzer den Agent verwenden kann.

Übersicht

Der Data Insights-Agent ist für Folgendes konzipiert:

  • Nutzerabsicht erkennen: Der Kontext der verbundenen Datenquellen und die Nutzeranfrage in natürlicher Sprache werden analysiert, um das Ziel des Nutzers zu ermitteln.
  • SQL generieren: Auf Grundlage dieses Verständnisses wird die Frage des Nutzers in eine syntaktisch und semantisch korrekte SQL-Abfrage umgewandelt.
  • Daten abrufen: Anschließend wird der generierte SQL-Code ausgeführt, um die relevanten Daten direkt aus der verbundenen Datenquelle, einem BigQuery-Dataset, abzurufen.
  • Insights liefern: Die abgerufenen Daten werden als Visualisierungen wie Diagramme und Tabellen oder als textbasierte Zusammenfassungen präsentiert, um die Nutzeranfrage zu beantworten.

Beispielabfragen, die Sie dem Data Insights-Agent stellen können

Hier sind einige Beispiele für Fragen, die Sie dem Data Insights-Agent stellen können:

  • Datenaggregation und ‑visualisierung:
    • „Wie haben sich die Umsätze im 2. Quartal dieses Jahres in der Region Lateinamerika im Vergleich zum 2. Quartal des letzten Jahres entwickelt?“
    • „Erstelle ein Balkendiagramm, in dem die Top 5-Länder der Region verglichen werden.“
  • Trendanalyse:
    • „Wie hat sich das Volumen ausgehender Anrufe in den letzten sechs Monaten nach Standort verändert?“
    • „Analysiere die Buchungsmuster für die Hotels in Lissabon, die mit mehr als 3 Sternen bewertet wurden.“
  • Data Mining:
    • „Welche Faktoren korrelieren mit dem Gesamtumsatzwert, wenn ein Kunde etwas kauft? Erstelle eine Heatmap, die die Beziehung zeigt.“
  • Analyse und Berichterstellung:
    • „Fasse die Tabelle mit den Empfehlungen und Konten zusammen und erstelle einen kurzen Bericht mit den wichtigsten Trends.“

Hinweise

So verwenden Sie den Data Insights-Agent in Gemini Enterprise:

Zugriff auf BigQuery-Daten gewähren

Damit der Data Insights-Agent die BigQuery-Daten ansehen und abfragen kann, weisen Sie den Nutzern des Agents die folgenden IAM-Rollen (Identity and Access Management) zu:

Workflow

Der allgemeine Workflow zum Einrichten und Verwenden des Data Insights-Agents sieht so aus:

Details zur Autorisierung abrufen

Folgen Sie dieser Anleitung, um die Autorisierung einzurichten. Die Informationen, die Sie erhalten, sind erforderlich, um den Data Insights-Agenten zu autorisieren, eine Verbindung zu den BigQuery-Daten herzustellen.

  1. Rufen Sie in der Google Cloud Console unter APIs & Dienste die Seite Anmeldedaten auf.

    Zu den Anmeldedaten

  2. Wählen Sie das Google Cloud Projekt aus, das das BigQuery-Dataset enthält, das vom Agenten abgefragt werden soll.

  3. Klicken Sie auf Anmeldedaten erstellen und wählen Sie OAuth-Client-ID aus.

  4. Wählen Sie unter Anwendungstyp die Option Webanwendung aus.

  5. Fügen Sie im Abschnitt Autorisierte Weiterleitungs-URIs die folgenden URIs hinzu:

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

  6. Klicken Sie auf Erstellen.

  7. Klicken Sie im Bereich OAuth-Client erstellt auf JSON herunterladen. Die heruntergeladene JSON-Datei enthält die folgenden Details für das ausgewählteGoogle Cloud -Projekt. Sie benötigen diese Informationen, um eine Autorisierungsressource zu erstellen:

    • Client ID: CLIENT_ID
    • Autorisierungs-URI: 
      https://accounts.google.com/o/oauth2/v2/auth?client_id=CLIENT_ID&redirect_uri=https%3A%2F%2Fvertexaisearch.cloud.google.com%2Fstatic%2Foauth%2Foauth.html&scope=https%3A%2F%2Fwww.googleapis.com%2Fauth%2Fbigquery&include_granted_scopes=true&response_type=code&access_type=offline&prompt=consent
    • Token-URI: TOKEN_URI
    • Client Secret: CLIENT_SECRET

Agent mit der Google Cloud Console einrichten

In diesem Abschnitt wird beschrieben, wie Sie eine Instanz des Data Insights-Agents mit der Google Cloud -Konsole autorisieren, erstellen und bereitstellen. Sie können auch Nutzerberechtigungen hinzufügen, die festlegen, wer auf den erstellten Agent zugreifen kann.

Agent-Instanz autorisieren und erstellen

So autorisieren und erstellen Sie eine Data Insights-Agent-Instanz:

  1. Rufen Sie in der Google Cloud Console Gemini Enterprise auf.

    Zu Gemini Enterprise

  2. Wählen Sie eine App aus, in der Sie den KI-Agenten erstellen möchten.

  3. Klicken Sie im Menü auf Agents.

    Auf der Seite Agents werden die vorhandenen Agents angezeigt.

  4. Klicken Sie auf Agent hinzufügen.

  5. Klicken Sie im Bereich Agent erstellen auf der Karte Data Agent auf Erstellen.

  6. Klicken Sie unter Autorisierungen auf Autorisierung hinzufügen und geben Sie die Autorisierungsdetails ein. Weitere Informationen finden Sie unter Autorisierung erhalten.

  7. Klicken Sie auf Fertig.

  8. Klicken Sie auf Weiter.

  9. Konfigurieren Sie den KI-Agenten so:

    1. Geben Sie den Namen und die Beschreibung Ihres Agents ein.
    2. Klicken Sie unter BigQuery-Dataset auf Durchsuchen und führen Sie einen der folgenden Schritte aus:
      • Wählen Sie ein verfügbares Dataset aus und klicken Sie auf Auswählen.
      • Geben Sie den Pfad zum erforderlichen BigQuery-Dataset ein, klicken Sie auf Suchen, wählen Sie es aus und klicken Sie dann auf Auswählen.

    3. Optional: Klicken Sie auf Mehr anzeigen, um erweiterte Optionen aufzurufen.

    4. Wählen Sie die richtigen Optionen für den Tabellenzugriff aus. Wenn Sie eine Zulassungs- oder Sperrliste festlegen möchten, geben Sie die Pfade zu den eingeschränkten Tabellen an.

    5. Optional: Konfigurieren Sie die Abfrage in natürlicher Sprache, um Anpassungen für eine Übersetzung in natürlicher Sprache in SQL- oder Python-Code vorzunehmen. Sie können auch ein SQL-Beispiel mit einer Anfrage in natürlicher Sprache, der erwarteten SQL-Ausgabe und der erwarteten Antwort angeben. Dadurch wird die Qualität der Ausgaben des Agents verbessert.

      • Schemabeschreibung: Ein String in natürlicher Sprache, der das Schema des BigQuery-Datasets beschreibt.
      • Prompt für Abfrage in natürlicher Sprache zu SQL: Eine Abfrage in natürlicher Sprache, die in eine SQL-Anweisung umgewandelt wird.
      • Prompt für Abfrage in natürlicher Sprache zu Python: Eine Abfrage in natürlicher Sprache, die in eine Python-Anweisung umgewandelt wird.

    6. Optional: Fügen Sie Beispiele für in SQL-Abfragen umgewandelte Abfragen in natürlicher Sprache hinzu:

      • Abfrage: Ein Beispiel für eine natürliche Abfrage, die in eine SQL-Abfrage umgewandelt werden muss. Beispiel: „Wie lauten die Namen und E-Mail-Adressen der Kunden mit Sitz in Kalifornien?“
      • Erwarteter SQL-Code: Ein String, der eine Beispiel-SQL-Abfrage veranschaulicht, die der Abfrage in natürlicher Sprache entspricht. Angenommen, Sie haben eine BigQuery-Tabelle mit dem Namen customers. Die erwartete SQL-Abfrage kann dann SELECT customer_name, email FROM customers WHERE state = 'California' lauten.
      • Erwartete Antwort: Ein String, der die erwartete Antwort auf die Anfrage liefert, indem die erwartete SQL-Abfrage ausgeführt wird. Beispiel:
      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 \

  10. Klicken Sie auf Erstellen.

    Die Data Insights-Agent-Instanz wird in der Liste Agents angezeigt.
    Warten Sie, bis in der Spalte Agentenstatus für Ihre Instanz Aktiviert angezeigt wird, bevor Sie mit dem Agenten arbeiten.

Agent mit der REST API einrichten

In diesem Abschnitt wird beschrieben, wie Sie eine Data Insights-Agent-Instanz mithilfe der REST API autorisieren, erstellen und bereitstellen.

Agent autorisieren

Erstellen Sie als Administrator eine Autorisierungsressource in Gemini Enterprise. So kann der Data Insights-Agent auf die BigQuery-Daten zugreifen.

  1. Erstellen Sie die Autorisierungsressource.

    REST

    Das folgende Beispiel zeigt, wie Sie eine Autorisierungsressource mit der Methode authorizations.create erstellen.

    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": "TOKEN_URI"
}
}'

    Ersetzen Sie Folgendes:

    • PROJECT_NUMBER: Die Nummer Ihres Google Cloud -Projekts
    • LOCATION: Der Standort Ihres Google Cloud -Projekts.
    • AUTHORIZATION_ID: Eine ID, die Sie zur Identifizierung der Autorisierungsressource angeben müssen.
    • CLIENT_ID: die Client-ID, die Sie im vorherigen Schritt erhalten haben.
    • CLIENT_SECRET: der Clientschlüssel, den Sie im vorherigen Schritt erhalten haben.
    • AUTHORIZATION_URI: der Autorisierungs-URI, den Sie im vorherigen Schritt abgerufen haben.
    • TOKEN_URI: Der Token-URI, den Sie im vorherigen Schritt erhalten haben.

Agent-Instanz erstellen

Als Google Cloud Projektadministrator können Sie eine Data Insights-Agent-Instanz erstellen. Dazu benötigen Sie die Projekt-ID und die Dataset-ID der BigQuery-Daten, die Sie mit Ihrem Agent abfragen möchten.

REST

Im folgenden Beispiel wird gezeigt, wie Sie eine Data Insights-Agent-Instanz mit der Methode agents.create erstellen. Informationen zu den erweiterten Feldern, die Sie diesem Beispiel hinzufügen können, finden Sie unter Erweiterte Konfigurationen für den Agent hinzufügen.

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"
      ]
    }
  }'

Ersetzen Sie Folgendes:

  • PROJECT_NUMBER: Die Nummer Ihres Google Cloud -Projekts
  • LOCATION: Der Standort Ihrer Gemini Enterprise-App.
  • APP_ID: Die ID der App.
  • AGENT_DISPLAY_NAME: der Name Ihrer Data Insights-Agent-Instanz.
  • AGENT_ICON_URI: Ein optionales Feld, in dem Sie einen URI für das Symbol des Agents angeben können.
  • AGENT_DESCRIPTION: Eine Beschreibung Ihrer Data Insights-Agent-Instanz, die den Zweck des Agents oder die Details der BigQuery-Datenquelle angibt.
  • BIGQUERY_PROJECT_ID: die Projekt-ID desGoogle Cloud -Projekts, das das BigQuery-Dataset enthält.
  • BIGQUERY_DATASET_ID: die ID des BigQuery-Datasets, das die abzufragenden Daten enthält.
  • AUTHORIZATION_RESOURCE_NAME: Der Name der Autorisierungsressource, die Sie im vorherigen Abschnitt abgerufen haben.

Erweiterte Konfigurationen für den Agent hinzufügen

Optional können Sie das Feld nlQueryConfig definieren, um Anpassungen für die Übersetzung von natürlicher Sprache in SQL- oder Python-Code vorzunehmen. Sie können auch ein SQL-Beispiel mit einer Anfrage in natürlicher Sprache, der erwarteten SQL-Ausgabe und der erwarteten Antwort angeben. Dadurch wird die Qualität der Ausgaben des Agents verbessert. Das folgende Code-Snippet zeigt, wie Sie diese erweiterten Felder konfigurieren können:

"dataScienceAgentConfig": {
  "nlQueryConfig": {
    "nl2sqlPrompt": "NL_TO_SQL_INSTRUCTIONS",
    "nl2pyPrompt": "NL_TO_PYTHON_INSTRUCTIONS",
    "nl2sqlExample": {
      "query": "EXAMPLE_NL_QUERY",
      "expectedSql": "EXPECTED_SQL_QUERY",
      "expectedResponse": "EXPECTED_SQL_RESPONSE"
    },
    "schemaDescription": "NL_DESCRIPTION_OF_BQ_DATASET"
  }
}

Ersetzen Sie Folgendes:

  • NL_TO_SQL_INSTRUCTIONS: Eine Abfrage in natürlicher Sprache, die in einen SQL-Befehl umgewandelt wurde.
  • NL_TO_PYTHON_INSTRUCTIONS: Eine Anfrage in natürlicher Sprache, die in einen Python-Befehl umgewandelt wurde.
  • EXAMPLE_NL_QUERY: Ein Beispiel für eine Anfrage in natürlicher Sprache, die in eine SQL-Abfrage umgewandelt werden muss. Beispiel: „Wie lauten die Namen und E-Mail-Adressen der Kunden mit Sitz in Kalifornien?“
  • EXPECTED_SQL_QUERY: Ein String, der eine Beispiel-SQL-Abfrage veranschaulicht, die der natürlichen Anfrage entspricht. Angenommen, Sie haben eine BigQuery-Tabelle mit dem Namen customers. Die erwartete SQL-Abfrage lautet dann „SELECT customer_name, email FROM customers WHERE state = 'California'“.

  • EXPECTED_SQL_RESPONSE: Ein String, der die erwartete Antwort für die Anfrage und die erwartete SQL-Abfrage enthält. Beispiel:

    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: Ein String in natürlicher Sprache, der das Schema des BigQuery-Datasets beschreibt.

Instanz bereitstellen

Nachdem Sie die Data Insights-Agent-Instanz erstellt haben, können Sie sie als Administrator bereitstellen, damit Endnutzer sie verwenden können.

REST

  1. Stellen Sie den Agent bereit. Im folgenden Beispiel wird gezeigt, wie Sie den erstellten Agenten mit der Methode agents.deploy bereitstellen. Die Bereitstellung des Agents ist ein Vorgang mit langer Ausführungszeit (Long-Running Operation, 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"
 }'

    Ersetzen Sie Folgendes:

    • PROJECT_NUMBER: Die Nummer Ihres Google Cloud -Projekts
    • AGENT_RESOURCE_NAME: Der Ressourcenname des Agents, den Sie im vorherigen Abschnitt beim Erstellen des Agents erhalten haben.

  2. Status des Bereitstellungsvorgangs abrufen Im folgenden Beispiel wird gezeigt, wie der Status des Bereitstellungsvorgangs mit der Methode operations.get abgerufen wird.

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

    Ersetzen Sie DEPLOY_OPERATION_NAME durch den Namen des LRO, den Sie im vorherigen Schritt beim Bereitstellen des Agents erhalten haben.

    Wenn der Wert des Felds done in der Antwort true ist, ist die Bereitstellung abgeschlossen. Wenn der Wert des Felds done false ist, wird die Bereitstellung gerade ausgeführt.

Nutzer und ihre Berechtigungen hinzufügen oder ändern

So fügen Sie Ihrer Data Insights-Agent-Instanz Hauptkonten hinzu oder ändern sie und weisen ihnen bestimmte IAM-Rollen (Identity and Access Management) zu:

Console

  1. Rufen Sie in der Google Cloud Console Gemini Enterprise auf.

    Zu Gemini Enterprise

  2. Wählen Sie eine App aus, die Ihre Data Insights-Agent-Instanz enthält.

  3. Klicken Sie im Menü auf Agents.

    Auf der Seite Agents werden die vorhandenen Agents angezeigt.

  4. Klicken Sie auf den Kundenservicemitarbeiter, für den Sie Nutzer hinzufügen oder ändern möchten.

    Standardmäßig hat ein neu erstellter Agent keine Nutzer.

  5. Klicken Sie in der Tabelle Nutzer mit Berechtigungen auf Nutzer hinzufügen.

  6. Wählen Sie einen Mitgliedstyp aus der verfügbaren Liste aus.

  7. Geben Sie die Identität des Mitglieds entsprechend dem Typ ein und weisen Sie ihm eine oder mehrere Rollen zu.

    • Bei einem Nutzer, einer Gruppe oder einem Dienstkonto ist der Mitgliedsstring eine E‑Mail-Adresse.
    • Bei einer Domain ist der Mitgliedsstring ein gültiger Domainname.
    • Für ein Hauptkonto ist der Mitgliedsstring ein gültiges Hauptkonto. Beispiel: principal://iam.googleapis.com/locations/global/workforcePools/pool-1/subject/subject-1
    • Bei einer Hauptkontogruppe ist der Mitgliedsstring eine gültige Hauptkontogruppe. Beispiel: principalSet://iam.googleapis.com/locations/global/workforcePools/pool-1/group/group-1
    • Für Domains und Hauptkontogruppen werden allen Identitäten und Nutzergruppen innerhalb dieser Domains und Hauptkontogruppen dieselben Rollen zugewiesen. Für einen sicheren Zugriff auf den Agenten wählen Sie einzelne Gruppen und kontrollierte Domains oder Hauptkontosets aus und weisen Sie ihnen Rollen mit dem geringsten erforderlichen Zugriff zu.

  8. Klicken Sie auf Speichern.

    Die IAM-Richtlinie wird aktualisiert und der Nutzer wird der Liste der Nutzer mit Berechtigungen hinzugefügt.

  9. Wenn Sie die zugewiesenen Berechtigungen ändern möchten, klicken Sie auf  Aktionen und wählen Sie Ändern aus. Führen Sie dann einen der folgenden Schritte aus:

    • Ändern Sie die zugewiesenen Rollen.
    • Fügen Sie eine andere Rolle hinzu.
    • Klicken Sie auf  Löschen, um eine Rolle zu entfernen. Sie müssen einem Nutzer mindestens eine Rolle zuweisen.

Arbeitsstatus der Instanz ändern

Nachdem Sie die Data Insights-Agent-Instanz erstellt haben, ist der Agent standardmäßig aktiviert. So ändern Sie den Betriebsstatus in Deaktiviert, Gesperrt, Aktiviert oder Gelöscht:

Console

  1. Rufen Sie in der Google Cloud Console Gemini Enterprise auf.

    Zu Gemini Enterprise

  2. Wählen Sie eine App aus, die Ihre Data Insights-Agent-Instanz enthält.

  3. Klicken Sie im Menü auf Agents.

    Auf der Seite Agents werden die vorhandenen Agents angezeigt.

  4. Klicken Sie für Ihre Kundenservicemitarbeiter auf  Aktionen und wählen Sie eine der folgenden Optionen aus:

    • Gesperrt: Der Agent ist vorübergehend nicht verfügbar. Nutzer mit einer beliebigen Berechtigungsstufe für den Zugriff auf den KI-Agenten können ihn jedoch weiterhin sehen.
    • Deaktiviert: Der Agent ist für alle Nutzer außer dem Nutzer, der ihn erstellt hat, nicht verfügbar.
    • Aktiviert: Der KI-Agent ist für alle Nutzer mit beliebigen Berechtigungen für den Zugriff auf den KI-Agenten verfügbar.
    • Löschen: zum Löschen der Agent-Instanz.

Agent verwenden

So erhalten Sie mit Ihrem Agenten Datenstatistiken:

App

  1. Klicken Sie im App-Navigationsmenü auf Agents.

  2. Klicken Sie auf Alle Kundenservicemitarbeiter ansehen.

  3. Wählen Sie Ihre Data Insights-Agent-Instanz aus.

  4. Wenn Ihr Agent eine zusätzliche Autorisierung erfordert, klicken Sie auf Autorisieren und geben Sie die Autorisierungsdetails an.

  5. Klicken Sie auf  Dateien hinzufügen, um Dateien als zusätzliche Datenquellen für den Agenten hinzuzufügen.

  6. Klicken Sie auf Quellen, um die Quellen auszuwählen, die der Agent einbeziehen muss, um die relevantesten Datenstatistiken zu liefern.

  7. Geben Sie Ihre Fragen oder Prompts ein und drücken Sie die Eingabetaste oder klicken Sie auf Senden.