Présentation de QueryData

QueryData vous permet d'interagir avec vos données à l'aide du langage conversationnel et des agents de données que vous créez pour vous aider à interroger vos données. Les agents de données sont des assistants et des applications optimisés par l'IA qui peuvent comprendre l'intention utilisateur, interroger vos données opérationnelles et renvoyer des réponses précises et ancrées. QueryData génère des requêtes pour votre base de données à l'aide d'ensembles de contexte, qui sont des collections de plans, de logique métier et d'informations sur le schéma. Ce contexte permet à QueryData de traduire les questions en langage naturel en requêtes précises pour vos cas d'utilisation cibles.

Quand utiliser QueryData

QueryData est idéal pour les applications telles que :

  • Automatisation du service client : gérez les demandes à fort volume comme "Où est ma commande ?" ou "Quel est mon solde actuel ?".
  • Assistants d'achat pour l'e-commerce : aidez les utilisateurs à parcourir de grands catalogues de produits avec des requêtes en langage naturel comme "Montre-moi les chaussures de course à moins de 100 €".
  • Outils pour les opérations sur le terrain : permettent aux employés mobiles d'interroger les niveaux d'inventaire, la disponibilité des pièces ou les détails des demandes d'intervention en temps réel.

Concepts fondamentaux

Pour traduire de manière fiable les questions conversationnelles en requêtes de base de données, QueryData s'appuie sur les concepts clés suivants :

QueryData et l'API Conversational Analytics

Le point de terminaison QueryData de l'API Conversational Analytics est un outil agentique qui permet de générer des requêtes en langage naturel vers SQL (NL2SQL) pour vos bases de données de manière programmatique. Dans une application conversationnelle ou un workflow multi-agents, le point de terminaison QueryData gère l'interprétation du schéma et la synthèse des requêtes. Votre harness d'agent (tel qu'Antigravity, Agent Development Kit (ADK) ou LangChain) gère l'historique des conversations, l'état de l'utilisateur et l'orchestration des outils pour contextualiser l'entrée de l'utilisateur avant d'envoyer une requête en langage naturel au point de terminaison QueryData.

Ensembles de contexte

Un ensemble de contexte est un ensemble de connaissances spécifiques à une base de données, de modèles de requêtes sélectionnés et de règles métier associés à votre instance de base de données. Au lieu de s'appuyer uniquement sur les connaissances générales des LLM ou sur les schémas bruts des tableaux, QueryData utilise des ensembles de contexte pour comprendre les nuances de votre modèle de données et la terminologie spécifique à votre organisation.

Un ensemble de contexte contient trois blocs de construction principaux :

  • Plans de requête : paires organisées de questions représentatives en langage naturel et de leurs requêtes SQL prévalidées correspondantes. Les plans fournissent des exemples canoniques qui définissent la façon dont des intentions commerciales spécifiques sont mappées à des instructions SQL.
  • Facettes de requête : prédicats SQL modulaires et conditions de filtrage (telles que des plages de dates, des calculs de seuils ou des indicateurs commerciaux). Les facettes permettent à QueryData de combiner dynamiquement plusieurs critères de filtrage dans une requête sans avoir besoin de plans distincts pour chaque combinaison.
  • Recherches de valeurs : requêtes sémantiques et de correspondance de chaînes qui ancrent des expressions informelles à des valeurs exactes stockées dans les colonnes de la base de données. Les recherches de valeurs permettent de résoudre les ambiguïtés (par exemple, en mappant "Bay Area" sur San Francisco ou "Heathrow" sur London Heathrow Airport) à l'aide de correspondances exactes, de la similarité de chaînes de trigrammes ou d'embeddings vectoriels sémantiques.

Vues sécurisées paramétrées

Pour vous assurer que les requêtes générées par l'IA respectent la sécurité au niveau des lignes et l'isolation multitenant, vous pouvez utiliser des vues sécurisées paramétrées. Elles limitent l'accès du code SQL généré aux lignes de données que l'utilisateur authentifié de l'application est autorisé à consulter. Pour en savoir plus, consultez Sécuriser et contrôler l'accès aux données d'application à l'aide de vues sécurisées paramétrées.

Fonctionnement de QueryData

Lorsque votre agent ou votre application envoie une requête en langage naturel (par exemple, une question d'utilisateur que l'agent a contextualisée avec l'historique des conversations ou l'état de l'utilisateur), QueryData effectue les étapes suivantes :

  1. Résolution des valeurs : QueryData exécute des requêtes de recherche de valeurs dans la base de données pour mapper les entités de la requête (telles que des noms, des villes ou des catégories) à des valeurs de colonnes de base de données spécifiques.
  2. Correspondance et désambiguïsation de l'intention : QueryData fait correspondre la requête contextualisée aux plans de requête et aux facettes que vous avez définis dans l'ensemble de contexte. Si la demande est insuffisamment spécifiée ou ambiguë, QueryData peut renvoyer une question de désambiguïsation afin que votre agent ou application puisse demander des précisions à l'utilisateur.
  3. Synthèse de la requête : à l'aide de la structure du plan correspondant, des facettes appliquées et des valeurs résolues, QueryData synthétise une requête SQL complète pour votre moteur de base de données.
  4. Exécution de la requête : la requête générée est exécutée sur la base de données pour renvoyer des résultats.

Créer et gérer des ensembles de contextes

Pour créer et gérer des ensembles de contexte :

  1. Contexte de l'auteur : définissez les plans de requête, les facettes et les recherches de valeurs pour votre base de données. Pour en savoir plus, consultez Présentation des ensembles de contexte. Vous pouvez également utiliser l'agent d'ingénierie contextuelle pour automatiser la création de contexte.
  2. Gérer dans la console Google Cloud  : créez et gérez des ensembles de contexte dans Cloud SQL Studio pour les rendre disponibles pour la génération de requêtes.
  3. Intégrer à vos applications : connectez vos applications ou agents d'IA à QueryData à l'aide de MCP Toolbox ou d'appels d'API directs.

Étapes suivantes