Integrar um agente de dados a um aplicativo

Este tutorial descreve como configurar e usar um agente de dados no Cloud SQL para MySQL usando o console Google Cloud e integrá-lo ao seu aplicativo. Você vai aprender a criar o arquivo de contexto do agente, criar um agente de dados que usa o contexto, usar a MCP Toolbox para chamar a API QueryData e gerar consultas SQL para perguntas em linguagem natural e, por fim, integrar tudo ao seu aplicativo.

Para mais informações, consulte Visão geral dos agentes de dados.

Objetivos

  • Criar e preencher tabelas.
  • Criar contexto de agente com a CLI do Gemini e a caixa de ferramentas do MCP.
  • Crie um agente de dados e faça upload do contexto.
  • Inspecione o agente e gere consultas SQL no Studio.
  • Integre o agente ao seu aplicativo usando a ferramenta Gemini Data Analytics QueryData na MCP Toolbox.

Custos

Neste documento, você vai usar os seguintes componentes faturáveis do Google Cloud:

Para gerar uma estimativa de custo baseada na projeção de uso deste tutorial, use a calculadora de preços.

Novos usuários do Google Cloud podem estar qualificados para um teste sem custo financeiro.

Ao concluir as tarefas descritas neste documento, evite o faturamento contínuo excluindo os recursos criados. Para mais informações, consulte Limpeza.

Antes de começar

Conclua os pré-requisitos a seguir antes de criar um agente.

Ativar serviços obrigatórios

Ative os seguintes serviços para seu projeto:

Preparar uma instância do Cloud SQL

Papéis e permissões necessárias

Conceder permissão executesql à instância do Cloud SQL

Para conceder a permissão executesql à instância do Cloud SQL e ativar a API Data do Cloud SQL, execute o seguinte comando: 
gcloud components update
gcloud beta sql instances patch INSTANCE_ID --data-api-access=ALLOW_DATA_API
Substitua INSTANCE_ID pelo ID da instância do Cloud SQL.

Para realizar as etapas deste tutorial, faça login em Google Cloud e autentique o banco de dados usando a autenticação do IAM.

Criar o esquema e as tabelas flights e airports

Nesta seção, você vai criar o banco de dados flights e airports para este tutorial.

  1. No console Google Cloud , acesse a página do Cloud SQL.

    Acessar o Cloud SQL

  2. Selecione uma instância na lista.

  3. No menu de navegação, clique em Cloud SQL Studio.

  4. Faça login no Studio usando a autenticação do Identity and Access Management (IAM).

  5. Clique em Autenticar. O painel "Explorer" mostra uma lista dos objetos no seu banco de dados.

  6. Clique em Nova guia do editor de SQL ou Nova guia para abrir uma nova guia.

  7. Crie a tabela e o esquema airports:

    CREATE TABLE IF NOT EXISTS airports (
  id INT PRIMARY KEY,
  iata TEXT,
  name TEXT,
  city TEXT,
  country TEXT
  );

  8. Crie a tabela e o esquema flights:

    CREATE TABLE IF NOT EXISTS flights (
  id INT PRIMARY KEY,
  airline VARCHAR(10),
  flight_number INT,
  departure_airport VARCHAR(5),
  arrival_airport VARCHAR(5),
  departure_time TIMESTAMP,
  arrival_time TIMESTAMP,
  departure_gate VARCHAR(10),
  arrival_gate VARCHAR(10)
);

Preencher as tabelas flights e airport

Nesta seção, você vai preencher as tabelas flights e airports usando os scripts SQL fornecidos.

  1. Preencha a tabela airports.

  2. Preencha a tabela flights.

  3. Execute a consulta a seguir para verificar se as tabelas estão preenchidas:

    SELECT * FROM flights LIMIT 10;
SELECT * FROM airports LIMIT 10;

Criar um agente de dados

Nesta seção, você vai criar um agente de dados chamado flights-assistant. Esse agente não inclui nenhum contexto enviado a ele.

  1. No painel "Explorer", ao lado de Agentes de dados, clique em Ver ações.
  2. Clique em Criar agente.
  3. Em Nomeie seu agente, insira flights-assistant.
  4. Clique em Criar.

Inspecionar o agente no Studio

Nesta seção, você faz uma pergunta em linguagem natural ao agente flights-assistant, e ele gera uma consulta SQL. Como o agente não tem contexto, mesmo depois de fazer uma pergunta com contexto, como nighttime traffic, ele gera uma consulta abaixo do ideal.

  1. No painel "Explorer", ao lado do seu agente de dados, clique em Ver ações.
  2. Clique em Inspecionar agente.
  3. No editor de consultas, clique em Gerar SQL usando o agente: flights-assistant.

  4. Insira a seguinte pergunta em linguagem natural para gerar uma consulta SQL e clique em Gerar.

    Find flights from SFO to JFK.

    Analise a consulta SQL. O agente gera o SQL correto para essa pergunta sem ambiguidade.

      SELECT
    *
  FROM
    "flights"
  WHERE
    "departure_airport" = 'SFO' AND "arrival_airport" = 'JFK';

  5. Na janela Gerar SQL usando o agente: flights-assistant, clique em Editar.

  6. Insira a seguinte pergunta em linguagem natural para gerar uma consulta SQL e clique em Atualizar.

    Tell me flights that can help me beat nighttime traffic if traveling from New York

    O banco de dados não entende o termo tráfego nighttime. Isso pode impedir que ele gere uma consulta SQL ou fazer com que ele gere uma consulta que ignore o termo, como mostra a consulta a seguir.

    -- The database schema does not contain information about traffic.
-- Returning all flights departing from New York airports.
SELECT
  f.airline,
  f.flight_number,
  a.name AS departure_airport_name,
  f.departure_time,
  b.name AS arrival_airport_name,
  f.arrival_time
FROM
  flights AS f
JOIN
  airports AS a
  ON f.departure_airport = a.iata
JOIN
  airports AS b
  ON f.arrival_airport = b.iata
WHERE
  a.city = 'New York'
ORDER BY
  f.departure_time;

Gerar contexto para o agente

Nesta seção, você vai criar um arquivo de contexto que ajuda a melhorar os recursos de consulta do agente. Para resolver o problema da seção anterior, em que o agente não reconheceu o termo nighttime traffic, defina o termo no contexto do agente como tráfego entre 5:00 PM e 7:00 PM.

Para gerar o contexto do agente, siga estas etapas:

  1. No diretório local, instale a CLI do Gemini. Para mais informações, consulte o Guia de início rápido da CLI do Gemini.
  2. Instale a CLI gcloud e configure as credenciais padrão do aplicativo (ADC).

  3. Instale a extensão MCP Toolbox Gemini CLI, que se conecta ao banco de dados.

    gemini extensions install https://github.com/gemini-cli-extensions/mcp-toolbox

  4. Crie um arquivo de configuração tools.yaml no mesmo diretório em que você instala a caixa de ferramentas do MCP para configurar a conexão do banco de dados:

    sources:
  flight-sql-source:
    kind: cloud-sql-mysql
    project: PROJECT_ID
    region: REGION_ID
    instance: INSTANCE_ID
    database: DATABASE_ID
    user: USER_NAME
    password: PASSWORD

tools:
  # (Optional) Fetches database schemas for context generation in the bulk generation (/generate_bulk_templates) phase.
  list_flight_schemas_tool:
    kind: mysql-list-tables
    source: flight-sql-source
    description: Use this tool to list all tables and their schemas in the flight database.
  # (Optional) Executes generated SQL for validation in the bulk generation (/generate_bulk_templates) phase.
  execute_sql_tool:
    kind: mysql-execute-sql
    source: flight-sql-source
    description: Use this tool to execute SQL against the flight database.

    Substitua:

    • PROJECT_ID: o ID do projeto do Google Cloud .
    • REGION_ID: a região da instância do Cloud SQL (por exemplo, us-central1).
    • INSTANCE_ID: o ID da sua instância do Cloud SQL.
    • DATABASE_ID: o nome do banco de dados a ser conectado.
    • USER_NAME: o usuário do banco de dados. Defina isso como uma variável de ambiente, não como um valor literal. Para mais informações sobre como definir esse valor, consulte Fontes na caixa de ferramentas da MCP.
    • PASSWORD: a senha do usuário do banco de dados. Defina isso como uma variável de ambiente, não como um valor literal. Para mais informações sobre como definir esse valor, consulte Fontes na caixa de ferramentas da MCP.

  5. Instale o instalador de pacotes do Python uv seguindo o guia de instalação oficial e verifique se a instalação foi bem-sucedida executando:

    uv --version

  6. Instale o servidor MCP de enriquecimento de contexto do banco de dados, que inclui fluxos de trabalho para geração de contexto.

    gemini extensions install https://github.com/GoogleCloudPlatform/db-context-enrichment

  7. Exporte a chave de API do Gemini como uma variável de ambiente. Para saber como encontrar a chave de API, consulte Como usar chaves de API do Gemini.

    export GEMINI_API_KEY="YOUR_API_KEY"

    Substitua YOUR_API_KEY pela sua chave de API do Gemini.

  8. No mesmo diretório em que você criou o arquivo tools.yaml, inicie o Gemini:

    gemini

  9. Conclua a configuração de autenticação da CLI do Gemini.

  10. Verifique se a caixa de ferramentas do MCP e a extensão de enriquecimento do banco de dados estão conectadas e prontas para uso.

    /mcp list

  11. Execute o comando /generate_targeted_templates e siga o fluxo de trabalho:

    /generate_targeted_templates

  12. No terminal, forneça a consulta em linguagem natural que você quer adicionar ao modelo.

    Tell me flights that can help me beat nighttime traffic if traveling from New York

  13. Forneça uma consulta SQL correspondente que você quer adicionar ao modelo. Esse modelo de consulta define o termo nighttime como ocorrendo entre 5:00 PM e 7:00 PM.

    SELECT
  f.airline,
  f.flight_number,
  a.name AS airport_name,
  f.departure_time
FROM
  flights f
JOIN
  airports a
  ON f.departure_airport = a.iata
WHERE
  a.city = 'New York'
  AND (
    EXTRACT(HOUR FROM f.departure_time) < 17
    OR EXTRACT(HOUR FROM f.departure_time) >= 19
  )
ORDER BY
  f.departure_time;

  14. Pressione Enter. O Gemini converte sua entrada em um formato específico que refina a performance do agente em uma ampla variedade de consultas do usuário. Para mais informações, consulte Contexto do agente.

    Se quiser, execute o fluxo de trabalho /generate_bulk_templates para permitir que a CLI do Gemini gere mais contexto ao analisar seu esquema de banco de dados e sugerir contexto relacionado. Adicione list_flight_schemas_tool e execute_sql_tool à configuração tools.yaml criada na etapa 4.

  15. Revise o modelo de consulta gerado. É possível salvar o modelo de consulta como um novo arquivo de contexto do agente ou anexá-lo a um arquivo existente.

  16. Selecione a opção para criar um novo arquivo de contexto do agente. O Gemini cria um nome de arquivo INSTANCE_ID_DATABASE_ID_context_set_TIMESTAMP.json no mesmo diretório, com o seguinte conteúdo:

    {
  "templates": [
    {
      "nl_query": "Tell me flights that can help me beat nighttime traffic if traveling from New York",
      "sql": "SELECT f.airline, f.flight_number, a.name AS airport_name, f.departure_time FROM flights f JOIN airports a ON f.departure_airport = a.iata WHERE a.city = 'New York' AND (EXTRACT(HOUR FROM f.departure_time) < 17 OR EXTRACT(HOUR FROM f.departure_time) >= 19) ORDER BY f.departure_time;",
      "intent": "Tell me flights that can help me beat nighttime traffic if traveling from New York",
      "manifest": "Tell me flights that can help me beat nighttime traffic if traveling from a given city",
      "parameterized": {
        "parameterized_sql": "SELECT f.airline, f.flight_number, a.name AS airport_name, f.departure_time FROM flights f JOIN airports a ON f.departure_airport = a.iata WHERE a.city = ? AND (EXTRACT(HOUR FROM f.departure_time) < 17 OR EXTRACT(HOUR FROM f.departure_time) >= 19) ORDER BY f.departure_time;",
        "parameterized_intent": "Tell me flights that can help me beat nighttime traffic if traveling from ?"
      }
    }
  ]
}

Fazer upload do contexto para o agente

Nesta seção, você vai fazer upload do arquivo de contexto do agente para o agente de dados, melhorando os recursos de geração de SQL do agente no seu banco de dados.

Para fazer upload do contexto, siga estas etapas:

  1. No console Google Cloud , acesse a página do Cloud SQL.

    Acessar o Cloud SQL

  2. Selecione uma instância na lista.

  3. No menu de navegação, clique em Cloud SQL Studio.

  4. Faça login no Studio usando a autenticação do Identity and Access Management (IAM).

  5. No painel "Explorer", ao lado de Agentes de dados, clique em Ver ações.

  6. Clique em Editar agente.

  7. Opcional: edite a Descrição do agente.

  8. Clique em Procurar na seção Fazer upload do arquivo de contexto do agente e selecione o arquivo de contexto do agente gerado anteriormente.

  9. Clique em Salvar.

Gerar consulta SQL usando o contexto do agente

Nesta seção, você vai usar o arquivo de contexto do agente que enviou para fazer perguntas em linguagem natural. Assim, você pode verificar se o agente entende e aplica corretamente as definições de termos como nighttime traffic e outras frases relacionadas.

Para gerar consultas SQL, siga estas etapas:

  1. No painel Explorer, ao lado do seu agente de dados, clique em Ver ações.
  2. Clique em Inspecionar agente.
  3. No editor de consultas, clique em Gerar SQL usando o agente: flights-assistant.

  4. Insira a seguinte pergunta em linguagem natural para gerar uma consulta SQL e clique em Gerar.

    Tell me flights that can help me beat nighttime traffic if traveling from New York

    A consulta SQL gerada é semelhante a esta:

    SELECT
  f.airline,
  f.flight_number,
  a.name AS airport_name,
  f.departure_time
FROM
  flights f
JOIN
  airports a ON f.departure_airport = a.iata
WHERE
  a.city = 'New York'
  AND (
    EXTRACT(HOUR FROM f.departure_time) < 17
    OR EXTRACT(HOUR FROM f.departure_time) >= 19
  )
ORDER BY
  f.departure_time;

    Essa é a mesma pergunta que você adicionou ao contexto do agente de dados. O agente agora pode interpretar com precisão o termo nighttime traffic.

    Embora o contexto tenha origem em uma pergunta específica, o agente o usa para melhorar a geração de SQL em uma ampla variedade de perguntas semelhantes.

  5. Na janela Gerar SQL usando o agente: flights-assistant, clique em Editar.

  6. Insira a seguinte pergunta semelhante para gerar uma consulta SQL e clique em Atualizar.

    What are the flights that can help me avoid evening traffic if departing from Boston

    Como a pergunta substitui o termo nighttime traffic por um termo semelhante, evening traffic, o agente dá uma resposta consistente a essa pergunta aplicando a mesma interpretação.

    A consulta SQL gerada é semelhante a esta:

    -- What are the flights that can help me avoid evening traffic if departing from Boston
SELECT
  f.airline,
  f.flight_number,
  a.name AS airport_name,
  f.departure_time
FROM
  flights f
JOIN
  airports a
ON
  f.departure_airport = a.iata
WHERE
  a.city = 'Boston'
  AND (
    EXTRACT(HOUR FROM f.departure_time) < 17
    OR EXTRACT(HOUR FROM f.departure_time) >= 19
  )
ORDER BY
  f.departure_time;

Integrar o agente ao aplicativo

Nesta seção, você vai criar um agente de dados para um aplicativo de pesquisa de voos. Esse agente de dados fornece uma interface de conversa para as tabelas flights e airports que você criou anteriormente. Também explicamos como criar e integrar esse agente ao seu aplicativo usando o Kit de Desenvolvimento de Agente (ADK), a ferramenta Gemini Data Analytics QueryData MCP e o contexto do agente para melhorar a qualidade das respostas.

  1. Baixe a versão 0.24.0 ou mais recente da MCP Toolbox. A MCP Toolbox expõe o agente de dados como uma ferramenta para os aplicativos se conectarem. A caixa de ferramentas do MCP é diferente da extensão da CLI do Gemini que você instalou antes, que gera contexto.

  2. No terminal, defina o projeto que você está usando.

    gcloud config set project [PROJECT_ID]

  3. Configure as Application Default Credentials (ADC).

    gcloud auth application-default login

  4. Encontre o ID do contexto do agente. Para mais informações sobre como encontrar o ID do conjunto de contexto, consulte Encontrar o ID do contexto do agente.

  5. Crie a configuração tools.yaml para se conectar ao agente de dados usando a caixa de ferramentas do MCP. Para mais informações, consulte Origem da análise de dados do Gemini e a ferramenta QueryData da análise de dados do Gemini.

    sources:
  gda-api-source:
    kind: cloud-gemini-data-analytics
    projectId: "PROJECT_ID"

tools:
  cloud_gda_query_tool:
    kind: cloud-gemini-data-analytics-query
    source: gda-api-source
    description: Use this tool to send natural language queries to the Gemini Data Analytics API and receive SQL, natural language answers, and explanations.
    location: "REGION_ID"
    context:
      datasourceReferences:
        cloudSqlReference:
          databaseReference:
            engine: "MYSQL"
            projectId: "PROJECT_ID"
            region: "REGION_ID"
            instanceId: "INSTANCE_ID"
            databaseId: "DATABASE_ID"
          agentContextReference:
            contextSetId: "DATA_AGENT_CONTEXT_SET_ID"
    generationOptions:
      generateQueryResult: true
      generateNaturalLanguageAnswer: true
      generateExplanation: true
      generateDisambiguationQuestion: true

    Substitua:

    • PROJECT_ID: o ID do projeto do Google Cloud .
    • REGION_ID: a região da instância do Cloud SQL (por exemplo, us-central1).
    • INSTANCE_ID: o ID da sua instância do Cloud SQL.
    • DATABASE_ID: o nome do banco de dados a ser conectado.
    • DATA_AGENT_CONTEXT_SET_ID: o ID do conjunto de contexto do agente de dados.

  6. Execute o servidor da caixa de ferramentas do MCP com o arquivo tools.yaml.

    ./toolbox --tools-file "tools.yaml"

  7. Crie um aplicativo ADK que invoque a ferramenta Gemini Data Analytics QueryData usando o SDK do Python da MCP Toolbox. Para mais informações sobre como usar o SDK Python da caixa de ferramentas do MCP, consulte o guia de início rápido da caixa de ferramentas e, para o ADK Python, consulte o guia de início rápido do ADK.

    1. Crie um diretório para armazenar o aplicativo, por exemplo, flight-assistant-app.

    2. Mude o diretório para flight-assistant-app.

      mkdir flight-assistant-app
cd flight-assistant-app

    3. Execute os comandos a seguir no diretório flight-assistant-app para criar um ambiente virtual e instalar os componentes necessários.

      python3 -m venv .venv
source .venv/bin/activate
pip install toolbox-core
pip install google-genai
pip install google-adk

    4. Configure um agente do ADK.

      1. Crie um agente do ADK.

        adk create my_agent

      2. Selecione o modelo gemini-2.5-flash.

      3. Selecione Google AI e insira sua chave da API Gemini. Para mais informações sobre como encontrar sua chave de API, consulte Como usar chaves de API do Gemini.

    5. Substitua o conteúdo do arquivo agent.py pelo seguinte código de exemplo do aplicativo Assistente de dados de voo.

      from typing import cast

from google.adk.agents.llm_agent import Agent
from google.adk.agents.llm_agent import ToolUnion

from toolbox_core import ToolboxSyncClient

TOOLBOX_URL = "http://127.0.0.1:5000"

INSTRUCTION = """
# ROLE
You are a friendly and factual flight data assistant. Your goal is to help users find the best flights for their needs by providing accurate information with a helpful, professional tone.
- use the Query Data Tool to answer the user's question, if the tool fails to generate a valid query, ask the user to clarify their question.

# OPERATIONAL CONSTRAINTS
- TOOL LIMITATION: You only have access to the Query Data Tool. Do not claim to have capabilities beyond what this tool provides.
- TRANSPARENCY POLICY: Maintain a seamless user experience. Never mention that you are using a tool, querying a database, or generating SQL. Frame all responses as your own direct assistance.
- SCOPE MANAGEMENT: If a user asks for something beyond your capabilities, politely state that you cannot perform that specific task. Guide the user towards what you can help with.

# COMMUNICATION STYLE
- Be concise and scannable when listing answers.
- Maintain a helpful, professional persona.

=====

# QUERY DATA TOOL

Inputs:
1. query: A natural language formulation of a database query.

Outputs: (all optional)
1. disambiguation_question: Clarification questions or comments where the tool needs the users' input.
2. generated_query: The generated query for the user query.
3. intent_explanation: An explanation for why the tool produced `generated_query`.
4. query_result: The result of executing `generated_query`.
5. natural_language_answer: The natural language answer that summarizes the `query` and `query_result`.

Usage guidance:
1. If `disambiguation_question` is produced, then solicit the needed inputs from the user and try the tool with a new `query` that has the needed clarification.
2. If `natural_language_answer` is produced, use `intent_explanation` and `generated_query` to see if you need to clarify any assumptions for the user.
3. If the tool output indicates failure or empty results, explain that clearly using the provided reasoning.
"""

client = ToolboxSyncClient(TOOLBOX_URL)

mcp_tool = client.load_tool("cloud_gda_query_tool")

root_agent = Agent(
    model="gemini-2.5-flash",
    name="root_agent",
    instruction=INSTRUCTION,
    tools=cast(list[ToolUnion], [mcp_tool]),
)

  8. Execute os comandos a seguir no diretório flight-assistant-app para iniciar o aplicativo e acessar o servidor da Web do ADK em http://127.0.0.1:8000.

    adk web --port 8000

  9. Digite qualquer texto, como hello, para começar a interagir com o agente.

    O agente do ADK responde a perguntas gerais e chama as ferramentas necessárias do MCP.

  10. Digite a seguinte pergunta relacionada a voos.

    How many flights depart from the west side?

    A ferramenta do MCP é chamada para responder a essa pergunta. No entanto, como o termo the west é ambíguo e não especifica nenhum aeroporto, a ferramenta MCP retorna uma pergunta de desambiguação que o agente usa para construir uma resposta.

    I cannot determine how many flights depart from the 'west side' as the database does not contain information about which airports are considered to be on the 'west side'. However, I can help you with questions like:

1. How many flights depart from a specific airport?

2. What are the departure airports for all flights?

3. How many flights depart from each airport? Would you like to rephrase your question based on these options?

  11. Insira uma pergunta semelhante à do modelo de consulta gerado para o agente.

    Help me find flights from San Francisco that avoid the evening rush hour.

    Com base no contexto do agente adicionado anteriormente, a ferramenta MCP entende que evening traffic ocorre entre 17h e 19h. A ferramenta MCP retorna os dados associados para o agente usar na construção da resposta.

    Here are the flights departing from San Francisco that avoid the evening rush hour (defined as 5 PM to 7 PM):

* UA 1532 departing at 05:50:00
* UA 1158 departing at 05:57:00
* CY 922 departing at 06:38:00
* OO 5441 departing at 07:08:00
* UA 616 departing at 07:14:00
* AA 24 departing at 07:14:00
* B6 434 departing at 08:00:00
* AA 242 departing at 08:18:00
* UA 1739 departing at 08:22:00
* OO 6336 departing at 08:32:00
* US 1784 departing at 08:47:00
* DL 1631 departing at 09:00:00
* DL 1106 departing at 09:06:00
* OO 5427 departing at 09:06:00
* CY 352 departing at 09:25:00

Iterar a performance do agente

A interface da Web do ADK permite inspecionar a solicitação e a resposta da ferramenta QueryData MCP do Gemini Data Analytics. Use essa resposta para observar as respostas da ferramenta, como consulta SQL gerada, conjunto de resultados, explicação da intenção, pergunta de disambiguação e resposta em linguagem natural, para confirmar a correção das respostas do seu agente.

Por exemplo, para o texto de entrada How many flights depart from the west side? que você inseriu antes, clique na bolha do agente. Na guia Evento, no menu de navegação à esquerda, expanda functionResponse para ver a seguinte resposta.

"{"disambiguationQuestion": ["[NOT_ENOUGH_INFO] The database schema does not
contain information about which airports are on the 'west side'. Therefore, I
cannot determine how many flights depart from the west side.Possible alternative
questions: 1. How many flights depart from a specific airport? 2. What are the
departure airports for all flights? 3. How many flights depart from each
airport?"]}"

Melhorar a precisão da resposta

Você pode refinar continuamente a precisão das respostas da ferramenta QueryData do Gemini Data Analytics adicionando mais contexto. Use a CLI do Gemini para gerar contexto e faça upload do contexto do agente atualizado para o agente flights-assistant atual. Para mais informações, consulte Contextos de build usando a CLI Gemini. O console ingere imediatamente o novo contexto depois que você faz upload dele, permitindo melhorar a precisão do agente sem tempo de inatividade do aplicativo.

Vários agentes

No ambiente de desenvolvimento, é possível realizar testes A/B em vários contextos de agente atribuindo nomes distintos às ferramentas no arquivo tools.yaml. Por exemplo, é possível criar configurações exclusivas de tools.yaml definindo duas ferramentas cloud-gemini-data-analytics-query com nomes diferentes, como cloud_gda_query_tool_v1 e cloud_gda_query_tool_v2. Essa configuração permite implementar uma lógica de aplicativo que seleciona programaticamente a versão de contexto do agente necessária escolhendo o nome da ferramenta correspondente.

O exemplo tools.yaml a seguir mostra como configurar vários agentes para uma fonte de banco de dados:

sources:
  gda-api-source:
    kind: cloud-gemini-data-analytics
    projectId: "<var>PROJECT_ID</var>"
tools:
  cloud_gda_query_tool_v1:
    kind: cloud-gemini-data-analytics-query
    source: gda-api-source
    context:
      datasourceReferences:
        <var>DB_SOURCE</var>:
          databaseReference: ...
          agentContextReference:
            contextSetId: "V1_YOUR_DATA_AGENT_CONTEXT_SET_ID"
    generationOptions: ...
  cloud_gda_query_tool_v2:
    kind: cloud-gemini-data-analytics-query
    source: gda-api-source
    context:
      datasourceReferences:
        <var>DB_SOURCE</var>:
          databaseReference: ...
          agentContextReference:
            contextSetId: "V2_YOUR_DATA_AGENT_CONTEXT_SET_ID"
    generationOptions: ...

Substitua:

  • PROJECT_ID: o ID do projeto do Google Cloud .
  • V1_YOUR_DATA_AGENT_CONTEXT_SET_ID: o ID do conjunto de contexto do agente de dados para a versão 1.
  • V2_YOUR_DATA_AGENT_CONTEXT_SET_ID: o ID do conjunto de contexto do agente de dados para a versão 2.

Limpar

As seções a seguir descrevem como excluir esses recursos e objetos.

Excluir o agente

Antes de excluir a instância, exclua o agente que você criou.

  1. No console Google Cloud , acesse a página do Cloud SQL.

    Acessar o Cloud SQL

  2. Selecione uma instância na lista.

  3. No menu de navegação, clique em Cloud SQL Studio.

  4. Faça login no Studio usando a autenticação do Identity and Access Management (IAM).

  5. No painel "Explorer", ao lado do seu agente de dados, clique em Ver ações.

  6. Na janela Excluir agente, insira flight-assistant na caixa de confirmação.

  7. Clique em Confirmar.

Excluir a instância

Quando você exclui a instância criada na seção Antes de começar, todos os objetos criados também são excluídos.

  1. No console Google Cloud , acesse a página do Cloud SQL.

    Acessar o Cloud SQL

  2. Selecione uma instância na lista.

  3. Clique em Excluir.

  4. Confirme que você quer excluir a instância digitando o nome dela e clicando em Excluir.

A seguir