このページは Cloud Translation API によって翻訳されました。

データエージェントの概要

データエージェントを使用すると、会話形式の言語を使用してデータベース内のデータを操作できます。データベース内のテーブルのセットのコンテキストを定義してデータエージェントを作成できます。これにより、データエージェントは自然言語の質問をターゲットユースケースの正確なクエリに変換できます。

コンテキストは、LLM が高精度でクエリを生成できるようにするデータベース固有の情報です。コンテキストには、エージェントがデータベーススキーマとアプリケーションのビジネスロジックを理解するのに役立つテンプレートとファセット（フラグメント）が含まれます。

サポートされているデータベースは次のとおりです。

AlloyDB for PostgreSQL
Cloud SQL for MySQL
Cloud SQL for PostgreSQL
Spanner

データエージェントを使用するタイミング

データエージェントを使用すると、次のようなユースケースに最適な会話型データアプリケーションを構築できます。

カスタマーサービスの自動化: 「注文はどこにありますか？」や「現在の残高はいくらですか？」などの大量の問い合わせに対応します。
e コマースショッピングアシスタント: 「100 ドル以下のランニングシューズを見せて」などの自然言語のクエリを使用して、ユーザーが大規模な商品カタログをナビゲートできるようにします。
予約システム: ユーザーがチャットインターフェースを通じて空き状況を確認し、予約（予約、フライト、食事など）を行えるようにします。
フィールドオペレーションツール: モバイル従業員が在庫レベル、部品の入手可能性、サービスチケットの詳細をリアルタイムでクエリできるようにします。

データエージェントの仕組み

効果的なエージェントアプリケーションを構築するには、エージェントがデータ組織とビジネスロジックを理解している必要があります。この情報は、エージェントコンテキストの形式で提供します。

エージェントコンテキストは、テンプレートとファセットの JSON オブジェクトを含むファイルで定義します。これらのコンテキストファイルは、Gemini CLI を使用して作成します。次に、コンテキストファイルを Google Cloudコンソールで作成したデータエージェントにアップロードします。このプロセスにより、エージェントはデータベースの特定のスキーマとアプリケーションのビジネスロジックを学習できます。

エージェントコンテキストファイルは次のようになります。

{
  "templates": [
    {
      "nl_query": "Count prague loan accounts",
      "sql": "SELECT COUNT(T1.account_id) FROM bird_dev_financial.account AS T1 INNER JOIN bird_dev_financial.loan AS T2 ON T1.account_id = T2.account_id INNER JOIN bird_dev_financial.district AS T3 ON T1.district_id = T3.district_id WHERE T3.\"A3\" = \"Prague\"",
      "intent": "How many accounts associated with loans are located in the Prague region?",
      "manifest": "How many accounts associated with loans are located in a given city?",
      "parameterized": {
        "parameterized_intent": "How many accounts associated with loans are located in $1",
        "parameterized_sql": "SELECT COUNT(T1.account_id) FROM bird_dev_financial.account AS T1 INNER JOIN bird_dev_financial.loan AS T2 ON T1.account_id = T2.account_id INNER JOIN bird_dev_financial.district AS T3 ON T1.district_id = T3.district_id WHERE T3.\"A3\" = $1"
      }
    }
  ],
  "fragments": [
    {
      "fragment": "T.\"A11\" BETWEEN 6000 AND 10000",
      "intent": "Average salary between 6000 and 10000",
      "manifest": "Average salary between a given number and a given number",
      "parameterized": {
         "parameterized_intent": "Average salary between $1 and $2",
         "parameterized_fragment": "T.\"A11\" BETWEEN $1 AND $2"
      }
    }
  ]
}

エンドユーザーが自然言語で質問すると、エージェントは、コンテキストをキュレートするデベロッパーによって監査されたテンプレートとファセットに質問を照合することを優先します。エージェントは、一致を特定すると、選択したクエリテンプレートとファセットを使用してデータベースクエリを合成します。エージェントは、そのクエリをデータベースに対して実行し、正確な結果を返します。

Conversational Analytics API の QueryData エンドポイントは、アプリケーションとのプログラムによる統合を可能にするエージェントツールです。これにより、自然言語の質問から SQL クエリを生成できます。会話型アプリケーションでは、会話の履歴とコンテキストを管理するフレームワーク内で QueryData エンドポイントを使用する必要があります。

エージェントのコンテキスト

エージェントコンテキストは、自然言語の質問を特定のデータベースのクエリに変換する際にエージェントをガイドする、JSON 形式のテンプレートとファセットの厳選されたセットで構成されます。コンテキストを定義すると、一般的なクエリパターンに対して高精度の SQL 生成が保証されます。

エージェントコンテキストが正確で、想定されるアプリケーションクエリを包括的にカバーしていることを確認して、精度を最大化します。

クエリテンプレート

クエリテンプレートは、代表的な自然言語の質問と、それに対応する SQL クエリをまとめたものです。また、自然言語から SQL への生成の宣言的な根拠を示す説明も含まれています。

クエリテンプレートオブジェクトは次のようになります。

{
  "templates": [
    {
      "nl_query": "Count prague loan accounts",
      "sql": "SELECT COUNT(T1.account_id) FROM bird_dev_financial.account AS T1 INNER JOIN bird_dev_financial.loan AS T2 ON T1.account_id = T2.account_id INNER JOIN bird_dev_financial.district AS T3 ON T1.district_id = T3.district_id WHERE T3.\"A3\" = \"Prague\"",
      "intent": "How many accounts associated with loans are located in the Prague region?",
      "manifest": "How many accounts associated with loans are located in a given city?",
      "parameterized": {
        "parameterized_intent": "How many accounts associated with loans are located in $1",
        "parameterized_sql": "SELECT COUNT(T1.account_id) FROM bird_dev_financial.account AS T1 INNER JOIN bird_dev_financial.loan AS T2 ON T1.account_id = T2.account_id INNER JOIN bird_dev_financial.district AS T3 ON T1.district_id = T3.district_id WHERE T3.\"A3\" = $1"
      }
    }
  ]
},
...

クエリテンプレートの JSON オブジェクトの主なコンポーネントは次のとおりです。

nl_query: データエージェントが処理する自然言語クエリの例。
sql: 自然言語クエリの SQL クエリ。
intent: 自然言語クエリの目標または目的。設定されていない場合、この値はデフォルトで自然言語クエリになります。
manifest: インテントの一般化された自動生成形式。
parameterized_intent: エンティティ値がパラメータに置き換えられた、インテントのテンプレート化された自動生成形式。
parameterized_sql: パラメータ化されたインテントに対応する SQL クエリのテンプレート化された自動生成形式。

クエリファセットは、代表的な自然言語の条件と、対応する SQL 述語をまとめたものです。ファセットはフィルタリングと条件を管理し、クエリテンプレートでファセット検索を実行できるようにします。

クエリファセット（フラグメント）オブジェクトは次のようになります。

{
...
"fragments": [
    {
      "fragment": "T.\"A11\" BETWEEN 6000 AND 10000",
      "intent": "Average salary between 6000 and 10000",
      "manifest": "Average salary between a given number and a given number",
      "parameterized": {
         "parameterized_intent": "Average salary between $1 and $2",
         "parameterized_fragment": "T.\"A11\" BETWEEN $1 AND $2"
      }
    }
  ]
}

フラグメント JSON オブジェクトの主なコンポーネントは次のとおりです。

fragment: SQL 述語。
intent: SQL 述語の説明。
manifest: インテントの一般化された自動生成形式。
parameterized_intent: エンティティ値がパラメータに置き換えられた、インテントのテンプレート化された自動生成形式。
parameterized_fragment: パラメータ化されたインテントに対応する、テンプレート化された自動生成のフラグメント形式。

制限事項

データエージェントには次の制限があります。

データベースのエージェントコンテキストは、テンプレートとファセットのみをサポートします。
データベースのエージェントコンテキストは、Conversational Analytics API の QueryData エンドポイントでのみ使用されます。

次のステップ

Spanner Studio でデータエージェントを作成または削除する方法を学習する。

データ エージェントの概要 コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。

データ エージェントを使用するタイミング

データ エージェントの仕組み