Membuat dan mengelola agen data Explore

Agen data memungkinkan Anda mengelola pengalaman Analisis Percakapan untuk pengguna Anda. Dengan agen, Anda dapat memberikan konteks dan petunjuk kepada Analisis Percakapan agar dapat menjawab pertanyaan secara lebih efektif untuk kasus penggunaan tertentu. Agen memungkinkan analis memetakan istilah bisnis ke kolom tertentu, menentukan kolom terbaik untuk pemfilteran, dan menentukan perhitungan kustom.

Catatan: Halaman ini merujuk ke agen data Eksplorasi — agen data yang membuat kueri Eksplorasi. Untuk mengetahui informasi tentang agen dasbor — agen data yang membuat kueri dasbor, lihat halaman dokumentasi Membuat kueri dasbor dengan agen dasbor.

Halaman ini memandu Anda melalui proses berikut:

• Membuat dan mengedit agen data
• Membagikan agen data kepada pengguna lain
• Memublikasikan agen data ke aplikasi lain
• Menghapus agen data

Pelajari cara dan waktu Gemini for Google Cloud menggunakan data Anda.

Sebelum memulai

Penggunaan Analisis Percakapan dikelola melalui kombinasi akses konten, akses data, dan akses fitur. Anggap agen data sebagai jenis konten Looker lainnya — seperti dasbor, Look, atau folder. Untuk berinteraksi dengan agen data, Anda harus diberi peran Looker yang memiliki izin yang diperlukan untuk model yang mendasari setiap Eksplorasi atau yang akan dikueri oleh agen data. Dalam beberapa kasus, Anda juga memerlukan akses ke agen itu sendiri. Untuk mengetahui informasi selengkapnya tentang izin dan akses yang diperlukan untuk mengelola dan menggunakan agen data, lihat tabel izin di halaman dokumentasi Menyiapkan Analisis Percakapan di Looker.

Membuat dan mengedit agen data

Sebagai teknologi tahap awal, Gemini for Google Cloud produk dapat menghasilkan output yang seolah masuk akal tetapi mengandung fakta yang salah. Sebaiknya validasi semua output dari Gemini for Google Cloud produk sebelum Anda menggunakannya. Untuk mengetahui informasi selengkapnya, lihat Gemini for Google Cloud dan responsible AI.

Untuk membuat agen data baru, ikuti langkah-langkah berikut:

1. Buka halaman Conversations.
2. Di tab Agents, pilih + New agent. Atau, di panel kiri, pilih sparkManage agents, lalu pilih + New agent.

3. Di halaman New agent, berikan informasi berikut tentang agen data Anda.

   • Nama agen: Masukkan nama untuk agen. Nama harus unik dan deskriptif.
   • Deskripsi agen: Jelaskan secara singkat kemampuan agen ini dan data yang digunakannya. Pengguna akan melihat deskripsi ini saat mereka memilih agen untuk memulai percakapan atau saat Anda membagikan agen kepada mereka. Jadi, pastikan deskkripsi menjelaskan dengan jelas tujuan agen dan manfaatnya.
   • Data: Ikuti langkah-langkah berikut untuk menghubungkan hingga lima Eksplorasi Looker yang ada:
     1. Di kolom Data, klik + Select Explores.
     2. Di jendela Search Explores, klik Eksplorasi yang ingin Anda sertakan dalam agen data. Eksplorasi ini akan muncul di panel Selected Explores di jendela.
     3. Untuk menambahkan Eksplorasi yang dipilih ke agen data, klik Save.

4. Instruksi: Berikan konteks untuk membantu Analisis Percakapan memahami cara berinteraksi dengan data Anda dan memberikan respons yang akurat dan relevan. Untuk mengetahui contoh jenis konteks yang dapat Anda berikan, lihat Menulis petunjuk agen.

5. Secara opsional, untuk mengaktifkan Analisis Lanjutan untuk semua percakapan dengan agen Anda, pilih Enable Advanced Analytics.

6. Secara opsional, Anda dapat menguji agen untuk menyempurnakan petunjuk dan setelannya.

7. Untuk menyimpan agen data baru, klik Save.

Setelah menyimpan agen data, Anda dapat membagikan agen kepada pengguna lain dan memulai percakapan dengan agen.

Menulis petunjuk agen

Saat membuat agen data, Anda dapat menambahkan petunjuk bentuk bebas yang menentukan perilaku inti agen data dan memberikan konteks dasar yang perlu dipertimbangkan sebelum memproses perintah pengguna.

Penting: Meskipun kolom Instructions bersifat opsional dan strukturnya terserah Anda, sebaiknya berikan petunjuk yang terstruktur dengan baik agar agen dapat memberikan respons yang lebih akurat dan relevan.

Berikut beberapa contoh jenis konteks yang dapat Anda berikan di kolom Instructions:

• Kolom utama: Kolom terpenting untuk analisis
• Kolom yang dikecualikan: Kolom yang harus dihindari oleh agen data
• Pemfilteran dan pengelompokan: Kolom yang harus digunakan agen untuk memfilter dan mengelompokkan data
• Kueri unggulan: Pasangan pertanyaan natural language dan kueri Eksplorasi yang sesuai
• Persona: Peran atau keahlian, karakter, atau nada yang Anda tetapkan ke agen

Catatan: Jenis konteks yang dibuat yang dapat Anda berikan kepada agen data di Looker sedikit berbeda dengan jenis konteks yang dapat Anda berikan kepada agen yang Anda buat dengan Conversational Analytics API. Beberapa hal yang Anda berikan di kolom Instructions di Looker — seperti kueri unggulan — dapat diberikan kepada agen sebagai konteks terstruktur menggunakan Conversational Analytics API.

Untuk mengetahui tips dan praktik terbaik dalam menulis petunjuk agen, lihat halaman dokumentasi Praktik terbaik untuk mengonfigurasi Analisis Percakapan di Looker.

Menentukan kueri unggulan Looker

Untuk menentukan setiap kueri unggulan Looker untuk Eksplorasi tertentu, berikan nilai untuk kedua kolom berikut:

• natural_language_questions: Pertanyaan natural language yang mungkin diajukan pengguna
• looker_query: Kueri unggulan Looker yang sesuai dengan pertanyaan natural language

Tips untuk menentukan kueri unggulan Looker:

Sertakan berbagai jenis pertanyaan dan kueri yang memiliki beragam filter dan nilai filter.

Meskipun tidak ada batasan jumlah kueri unggulan yang dapat Anda sertakan ke looker_golden_queries, sebaiknya sertakan tidak lebih dari 30-50 pasangan pertanyaan dan kueri.

Untuk kolom natural_language_questions, pertimbangkan pertanyaan yang mungkin diajukan pengguna tentang Eksplorasi tersebut, dan tulis pertanyaan tersebut dalam natural language. Anda dapat menyertakan lebih dari satu pertanyaan dalam nilai kolom ini. Anda dapat memperoleh nilai untuk kolom looker_query dari metadata kueri Eksplorasi.

Kueri unggulan mendukung kolom berikut:

• model (string): Model LookML yang digunakan untuk membuat kueri. Kolom ini wajib diisi.
• explore (string): Eksplorasi yang digunakan untuk membuat kueri. Kolom ini wajib diisi.
• fields[] (string): Kolom yang akan diambil dari Eksplorasi, termasuk dimensi dan ukuran. Kolom ini bersifat opsional.
• filters[] (string): Filter yang akan diterapkan ke Eksplorasi. Kolom ini bersifat opsional.
• sorts[] (string): Pengurutan yang akan diterapkan ke Eksplorasi. Kolom ini bersifat opsional.
• limit (string): Batas baris data yang akan diterapkan ke Eksplorasi. Kolom ini bersifat opsional.

Catatan: Analisis Percakapan tidak mendukung kueri unggulan yang berisi pivots atau kolom kustom.

Anda dapat mengambil metadata kueri Eksplorasi langsung dari Eksplorasi dengan mengikuti langkah-langkah berikut:

1. Di Eksplorasi, pilih menu Explore actions , lalu pilih Get LookML.
2. Pilih tab Dashboard.
3. Salin detail kueri dari LookML. Misalnya, gambar berikut menunjukkan LookML untuk Eksplorasi yang disebut Order Items:

Salin metadata yang dipilih untuk digunakan dalam kueri unggulan Looker Anda:

  model: thelook
  explore: order_items
  fields: [order_items.order_id, orders.status]
  sorts: [orders.status, order_items.order_id]
  limit: 500

Menguji agen

Saat Anda membuat atau mengedit agen, halaman detail agen akan menyertakan panel Preview your agent. Anda dapat menguji setelan dan petunjuk agen dengan memulai percakapan dengan agen.

Anda harus mengklik Update agar perubahan ditampilkan dalam pratinjau. Jika status penyimpanan adalah Not saved, semua update pada setelan tidak akan ditampilkan dalam pratinjau.

Mengedit agen data yang ada

Untuk mengedit agen data yang ada, ikuti langkah-langkah berikut:

1. Di halaman Conversations, pilih sparkManage agents.
2. Di halaman Manage agents, pilih agen data yang ingin Anda edit.
3. Perbarui detail tentang agen sesuai kebutuhan. Anda dapat mengubah detail yang Anda tentukan saat Anda membuat agen, termasuk kolom Agent name, Agent description, Data, dan Instructions. Anda juga dapat memilih untuk mengaktifkan Code Interpreter untuk agen Anda.
4. Untuk menyimpan perubahan, klik Update.

Membagikan agen data

Dengan berbagi, pengguna lain dapat melakukan percakapan dengan agen Anda dan Eksplorasinya. Anda dapat membagikan agen data kepada pengguna lain dengan memberikan akses konten ke agen. Hanya pengguna dengan izin dan akses konten yang sesuai yang dapat membagikan agen. Setelah dibuat, agen mungkin memerlukan waktu beberapa menit agar dapat dibagikan.

Catatan: Memberikan akses konten kepada pengguna ke agen tidak juga memberikan akses kepada pengguna tersebut ke Eksplorasi yang digunakan agen. Saat Anda membagikan agen, pastikan pengguna juga memiliki izin yang mereka perlukan untuk menggunakan Analisis Percakapan dengan model yang menjadi dasar Eksplorasi. Admin Looker Anda mungkin perlu memberikan izin ini.

Untuk membagikan agen data, ikuti langkah-langkah berikut:

1. Di halaman Conversations, pilih sparkManage agents di panel kiri.
2. Buka menu untuk agen yang dipilih dengan mengklik ikon More options, lalu klik Share.
3. Setelah menambahkan individu atau grup ke bagian Who can access this agent, dan memilih tingkat izin yang harus mereka miliki, klik Add untuk menempatkan mereka dalam daftar yang dibagikan.
4. Jika Anda ingin pengguna atau grup baru menerima email notifikasi, centang kotak Email the people you have just added.
5. Setelah semua perubahan dilakukan, klik Save.

Anda juga dapat membagikan agen yang baru saja Anda buat atau yang sedang Anda edit dengan mengklik Share di halaman setelan agen dan mengikuti langkah-langkah yang disebutkan di atas.

Mencabut akses ke agen data

Untuk mencabut akses ke agen, ikuti langkah-langkah berikut:

1. Di halaman Conversations, klik sparkManage agents di panel kiri.
2. Buka menu untuk agen yang dipilih dengan mengklik ikon More options, lalu klik Share.
3. Klik X di samping pengguna atau grup yang aksesnya harus dihapus.
4. Setelah semua perubahan dilakukan, klik Save.

Jika pengguna yang dihapus memiliki percakapan yang sedang berlangsung, mereka akan tetap memiliki akses selama satu atau dua menit saat perubahan diterapkan.

Jika pengguna mencoba mengajukan lebih banyak pertanyaan setelah akses ke agen dihapus, pengguna tersebut akan melihat pesan The agent in this conversation may not be shared with you, or may have been deleted. You can view any past conversations with the agent, but can't ask new questions.

Memublikasikan agen data

Pratinjau

Produk atau fitur ini tunduk pada "Persyaratan Penawaran Pra-GA" di bagian Persyaratan Layanan Umum di Persyaratan Khusus Layanan. Produk dan fitur pra-GA tersedia "sebagaimana adanya" dan mungkin memiliki dukungan terbatas. Untuk mengetahui informasi selengkapnya, lihat deskripsi tahap peluncuran.

Anda dapat memublikasikan agen data di Gemini Enterprise, sehingga konteks dan analisis yang telah ditentukan sebelumnya oleh agen Anda tersedia untuk audiens yang lebih luas, termasuk pengguna yang mungkin tidak terbiasa dengan antarmuka Looker. Gemini Enterprise berfungsi sebagai hub pusat tempat pengguna dapat mengelola agen data yang dibuat di seluruh Google Cloud aplikasi, yang membantu pengguna menemukan agen terbaik untuk kebutuhan analisis mereka.

Catatan: Integrasi Looker – Gemini Enterprise masih dalam pratinjau dengan dukungan terbatas. Sebaiknya bagikan masukan Anda untuk membantu kami meningkatkan kualitasnya. Untuk melaporkan bug atau masalah, kirim email ke [e-mail] dengan detail berikut:

• Deskripsi yang jelas tentang masalah dan perilaku yang diharapkan
• Langkah-langkah untuk merekonstruksi masalah
• Detail relevan lainnya

Sebelum memulai

Prosedur untuk membuat agen data di Looker dan menyediakannya bagi pengguna di Gemini Enterprise melibatkan tugas yang dilakukan di instance Looker, di halaman Gemini Enterprise di Google Cloud konsol, dan di instance Gemini Enterprise.

Pengguna dengan peran berikut harus mengikuti langkah-langkah yang dijelaskan di bagian terkait:

1. Editor agen data (kemampuan Looker): Memublikasikan agen di Looker.
2. Admin Gemini Enterprise (peran IAM): Memberikan akses ke agen di Google Cloud konsol.
3. Pengguna Gemini Enterprise (peran IAM); Pengguna agen data (kemampuan Looker): Melakukan percakapan dengan agen di instance Gemini Enterprise.

Sebelum dapat memublikasikan agen, persyaratan berikut harus dipenuhi:

• Admin Looker harus mengaktifkan setelan Publish to Gemini Enterprise di halaman Gemini in Looker di panel Admin.
• Admin Looker harus memberi Anda peran yang berisi izin publish_agent_externally. Anda juga harus dapat mengedit agen data.
• Akun layanan Looker di Google Cloud project yang menghosting mesin Gemini Enterprise harus diberi peran Identity and Access Management Gemini Enterprise Admin. Pemberian peran ini akan menetapkan lisensi Gemini Enterprise ke akun saat agen data pertama dipublikasikan. Jika tidak ada lisensi Gemini Enterprise yang tersedia untuk ditetapkan ke akun layanan Looker, halaman mesin Gemini Enterprise di Google Cloud konsol akan menampilkan error "Failed to allocate quota for agent creation". Pengguna dengan peran Identity and Access Management Gemini Enterprise Admin kemudian harus menyediakan lisensi Gemini Enterprise baru atau menetapkan ulang lisensi yang ada untuk akun layanan Looker.

Memublikasikan agen data ke Gemini Enterprise

Untuk menyelesaikan langkah-langkah yang dijelaskan di bagian ini, Anda harus memiliki peran Looker yang berisi izin publish_agent_externally serta izin dan akses konten yang sesuai untuk mengedit agen data.

Untuk memublikasikan agen, ikuti langkah-langkah berikut:

1. Edit agen.
2. Pilih Publish settings untuk membuka jendela Agent publish settings.
3. Di jendela Agent publish settings , aktifkan setelan Gemini Enterprise , lalu pilih Update. Mengaktifkan setelan ini akan memublikasikan agen ke instance Gemini Enterprise yang ditampilkan di halaman Gemini in Looker di panel Admin.
4. Setelah memublikasikan agen, Anda dapat memilih Share untuk memberikan akses kepada pengguna Looker lain ke agen data Anda, atau memilih Start conversation untuk membuka percakapan baru dengan agen data.

Memberikan akses kepada pengguna ke agen di Gemini Enterprise

Untuk menyelesaikan langkah-langkah yang dijelaskan di bagian ini, Anda harus memiliki peran Identity and Access Management Gemini Enterprise Admin untuk Google Cloud project yang berisi mesin Gemini Enterprise.

Agar dapat melakukan percakapan dengan agen di Gemini Enterprise, pengguna harus memiliki akses ke instance Gemini Enterprise dan ke setiap agen.

Untuk memberikan akses kepada pengguna ke instance Gemini Enterprise, Admin Gemini Enterprise harus menetapkan peran IAM Pengguna Gemini Enterprise kepada pengguna untuk Google Cloud project yang berisi mesin Gemini Enterprise.

Untuk memberikan akses kepada pengguna ke setiap agen, Admin Gemini Enterprise harus menyelesaikan langkah-langkah berikut di Google Cloud konsol:

1. Buka Google Cloud project yang berisi mesin Gemini Enterprise.
2. Buka halaman produk Gemini Enterprise.
3. Pilih halaman Apps dari navigasi utama, lalu pilih nama instance Gemini Enterprise.
4. Di navigasi utama, pilih Agents.
5. Pilih agen yang ingin Anda beri akses.
6. Pilih tab User permissions.
7. Pilih Add user.
8. Di jendela Add user permissions roles to agent, tambahkan setiap pengguna dan tetapkan peran Agent User kepada mereka.

Melakukan percakapan dengan agen di Gemini Enterprise

Untuk menyelesaikan langkah-langkah yang dijelaskan di bagian ini, Anda harus memiliki peran Identity and Access Management Pengguna Gemini Enterprise untuk Google Cloud project yang berisi mesin Gemini Enterprise. Anda juga harus memiliki izin dan akses konten yang sesuai untuk melakukan percakapan dengan agen di instance Looker.

Untuk melakukan percakapan dengan agen data di instance Gemini Enterprise, ikuti langkah-langkah berikut:

1. Buka instance Gemini Enterprise Anda.
2. Pilih Agents di navigasi utama.
3. Di halaman Agents, pilih agen yang ingin Anda ajak melakukan percakapan. Saat Anda memilih agen, jendela percakapan akan terbuka dan Anda dapat mengajukan pertanyaan tentang data Anda.

Saat pertama kali melakukan percakapan dengan agen, Anda harus mengotorisasi akses agen ke identitas Looker Anda.

Menghapus agen data

Perhatian: Pengguna yang Anda ajak berbagi agen data ini tidak akan dapat mengajukan pertanyaan baru setelah Anda menghapus agen; namun, percakapan yang ada dengan agen data akan dipertahankan.

Jika Anda menghapus agen, Anda juga akan menghapus dan membatalkan publikasi agen di Gemini Enterprise.

Untuk menghapus agen data, ikuti langkah-langkah berikut:

1.Di halaman Conversations, klik sparkManage agents di panel kiri. 1. Buka menu untuk agen yang dipilih dengan mengklik ikon More options, lalu klik Delete. 1. Di jendela Delete agent?, klik Move to trash untuk menghapus agen data.

Agen yang dipindahkan ke sampah akan dihapus secara permanen setelah 30 hari. Anda dapat menghapus agen data secara permanen secara manual, atau Anda dapat memulihkan agen data dari sampah sebelum dihapus secara permanen. Jika Anda tidak melakukan tindakan apa pun, agen akan dihapus secara permanen setelah 30 hari secara otomatis.

Menghapus agen data secara permanen

Untuk menghapus agen data secara permanen, ikuti langkah-langkah berikut:

1. Buka halaman Conversations.
2. Di panel navigasi kiri, luaskan bagian Trash.
3. Untuk membuka menu agen yang dipilih, pilih ikon , lalu klik Delete Permanently.
4. Di jendela Are you sure?, klik Hapus selamanya.

Memulihkan agen data dari sampah

Untuk memulihkan agen data dari sampah, ikuti langkah-langkah berikut:

1. Buka halaman Conversations.
2. Di panel navigasi kiri, luaskan bagian Trash.
3. Untuk membuka menu agen yang dipilih, pilih ikon , lalu klik Restore.

Referensi terkait

• Ringkasan Analisis Percakapan di Looker: Halaman landing untuk Analisis Percakapan dengan daftar link fitur utama ke semua dokumentasi Analisis Percakapan.

• Membuat kueri Eksplorasi dalam natural language: Mulai percakapan dengan Eksplorasi Looker untuk bertanya tentang data Eksplorasi menggunakan natural language.

• Praktik terbaik untuk mengonfigurasi Analisis Percakapan di Looker: Strategi dan praktik terbaik untuk membantu administrator Looker dan developer LookML berhasil mengonfigurasi dan mengoptimalkan Analisis Percakapan.

• Mengaktifkan Analisis Lanjutan: Analisis Lanjutan dalam Analisis Percakapan menerjemahkan pertanyaan natural language Anda menjadi kode Python dan menjalankan kode tersebut. Dibandingkan dengan kueri berbasis SQL standar, penggunaan Python oleh fitur Analisis Lanjutan memungkinkan analisis dan visualisasi yang lebih kompleks.