Kontexte mit der Gemini-Befehlszeile erstellen

In diesem Dokument wird beschrieben, wie Sie mit der Gemini CLI und der MCP-Toolbox Agent-Kontextdateien erstellen. Diese Dateien enthalten Vorlagen und Facetten, die Kontext für das Generieren von SQL-Abfragen aus natürlicher Sprache liefern. Sie verwenden auch den DB Context Enrichment MCP-Server.

Weitere Informationen zu Daten-Agents finden Sie unter Daten-Agents – Übersicht.

So erstellen Sie den Agent-Kontext:

  • Umgebung vorbereiten
  • Gezielte Vorlagen generieren
  • Gezielte Facetten generieren
  • Optional. Bulk-Vorlagen generieren

Hinweise

Erfüllen Sie die folgenden Voraussetzungen, bevor Sie einen Agent erstellen.

Cloud SQL-Instanz vorbereiten

  • Achten Sie darauf, dass Sie Zugriff auf eine vorhandene Cloud SQL-Instanz haben, oder erstellen Sie eine neue. Weitere Informationen finden Sie unter Instanzen für Cloud SQL erstellen.
  • Füllen Sie die Datenbank mit den Daten und dem Schema, auf die der Endnutzer zugreifen möchte.

Erforderliche Rollen und Berechtigungen

executesql-Berechtigung für Cloud SQL-Instanz gewähren

Führen Sie den folgenden Befehl aus, um der Cloud SQL-Instanz die Berechtigung executesql zu gewähren und die Cloud SQL Data API zu aktivieren: 
gcloud beta sql instances patch INSTANCE_ID --data-api-access=ALLOW_DATA_API
Ersetzen Sie INSTANCE_ID durch die ID Ihrer Cloud SQL-Instanz.

Umgebung vorbereiten

Sie können Agent-Kontextdateien in jeder lokalen Entwicklungsumgebung oder IDE erstellen. So bereiten Sie die Umgebung vor:

  • Gemini CLI installieren
  • MCP-Toolbox installieren und einrichten
  • DB Context Enrichment MCP-Server installieren und einrichten

Gemini CLI installieren

Informationen zum Installieren der Gemini CLI finden Sie unter Erste Schritte mit der Gemini CLI. Achten Sie darauf, dass Sie die Gemini CLI in einem separaten Verzeichnis installieren, in dem auch die MCP-Toolbox und der MCP-Server für die DB-Kontextanreicherung installiert werden.

MCP-Toolbox installieren und einrichten

  1. Installieren Sie die MCP-Toolbox-Gemini CLI-Erweiterung im selben Verzeichnis, in dem Sie die Gemini CLI installiert haben:

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

  2. Erstellen Sie im selben Verzeichnis, in dem Sie die MCP-Toolbox installiert haben, eine tools.yaml-Konfigurationsdatei, um die Datenbankverbindung zu konfigurieren:

      sources:
    my-cloud-sql-pg-source:
      kind: cloud-sql-postgres
      project: PROJECT_ID
      region: REGION_ID
      instance: INSTANCE_ID
      database: DATABASE_ID
      user: USER_NAME
      password: PASSWORD

    Ersetzen Sie Folgendes:

    • PROJECT_ID: Ihre Google Cloud Projekt-ID
    • REGION_ID: Die Region Ihrer Cloud SQL-Instanz (z.B. us-central1).
    • INSTANCE_ID: Die ID Ihrer Cloud SQL-Instanz.
    • DATABASE_ID: Der Name der Datenbank, zu der eine Verbindung hergestellt werden soll.
    • USER_NAME: Der Datenbanknutzer. Weitere Informationen zum Festlegen dieses Werts finden Sie unter Quellen in der MCP-Toolbox.
    • PASSWORD: Das Passwort für den Datenbanknutzer. Weitere Informationen zum Festlegen dieses Werts finden Sie unter Quellen in der MCP-Toolbox.

  3. Prüfen Sie, ob die Datei tools.yaml richtig konfiguriert ist:

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

MCP-Server für die Kontextanreicherung der Datenbank installieren

Der DB Context Enrichment MCP-Server bietet einen geführten, interaktiven Workflow zum Generieren strukturierter NL2SQL-Vorlagen aus Ihren Datenbankschemas. Sie basiert auf der MCP-Toolbox-Erweiterung für die Datenbankverbindung. Weitere Informationen zur Installation des MCP-Servers für die DB-Kontextanreicherung finden Sie unter MCP-Server für die DB-Kontextanreicherung.

So installieren Sie den DB Context Enrichment MCP-Server:

  1. Installieren Sie im selben Verzeichnis, in dem Sie die Gemini CLI installiert haben, das uv-Python-Paketinstallationsprogramm.

      pip install --user pipx
  pipx ensurepath
  pipx install uv

  2. Installieren Sie den MCP-Server für die Kontextanreicherung der Datenbank.

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

Der Server verwendet die Gemini API für die Generierung. Exportieren Sie den API-Schlüssel als Umgebungsvariable. Weitere Informationen zum Abrufen Ihres API-Schlüssels finden Sie unter Gemini API-Schlüssel verwenden.

Führen Sie den folgenden Befehl aus, um den Gemini API-Schlüssel zu exportieren:

export GEMINI_API_KEY="YOUR_API_KEY"

Ersetzen Sie YOUR_API_KEY durch Ihren Gemini API-Schlüssel.

Gezielte Vorlagen generieren

Wenn Sie ein bestimmtes Frage-Antwort-Paar als Abfragevorlage zum Agentenkontext hinzufügen möchten, können Sie den Befehl /generate_targeted_templates verwenden. Weitere Informationen zu Vorlagen finden Sie unter Data Agents – Übersicht.

So fügen Sie dem Agent-Kontext eine Abfragevorlage hinzu:

  1. Starten Sie Gemini im selben Verzeichnis, in dem Sie die Gemini CLI installiert haben:

    gemini

  2. Schließen Sie die Einrichtung der Gemini CLI-Authentifizierung ab.

  3. Prüfen Sie, ob die MCP-Toolbox und die Erweiterung zur Datenbankanreicherung einsatzbereit sind:

    /mcp list

  4. Führen Sie den Befehl /generate_targeted_templates aus:

    /generate_targeted_templates

  5. Geben Sie die Abfrage in natürlicher Sprache ein, die Sie der Abfragevorlage hinzufügen möchten.

  6. Geben Sie die entsprechende SQL-Abfrage in die Abfragevorlage ein.

  7. Sehen Sie sich die generierte Abfragevorlage an. Sie können die Abfragevorlage entweder als Agent-Kontextdatei speichern oder an eine vorhandene Kontextdatei anhängen.

Die Agent-Kontextdatei, die my-cluster-psc-primary_postgres_templates_20251104111122.json ähnelt, wird in dem Verzeichnis gespeichert, in dem Sie die Befehle ausgeführt haben.

Weitere Informationen zur Kontextdatei und zur Abfragevorlage finden Sie unter Agent-Kontext.

Gezielte Facetten generieren

Wenn Sie ein bestimmtes Frage-Antwort-Paar als Facette in die Kontextdatei des Agents einfügen möchten, können Sie den Befehl /generate_targeted_fragments verwenden. Weitere Informationen zu Facetten finden Sie unter Data Agents – Übersicht.

So fügen Sie dem Agentenkontext eine Facette hinzu:

  1. Führen Sie den Befehl /generate_targeted_fragments aus:

    /generate_targeted_fragments

  2. Geben Sie die Abfrage in natürlicher Sprache ein, die Sie der Abfragevorlage hinzufügen möchten.

  3. Geben Sie die entsprechende SQL-Abfrage in die Abfragevorlage ein.

  4. Sehen Sie sich die generierte Facette an. Sie können die Facette entweder in einer Kontextdatei für den Agenten speichern oder an eine vorhandene Kontextdatei anhängen.

Die Agent-Kontextdatei, die my-cluster-psc-primary_postgres_templates_20251104111122.json ähnelt, wird in dem Verzeichnis gespeichert, in dem Sie die Befehle ausgeführt haben.

Weitere Informationen zur Kontextdatei und zu Facetten finden Sie unter Agentenkontext.

Optional: Bulk-Vorlagen generieren

Wenn Sie die Kontextdatei des KI-Agents automatisch auf Grundlage Ihres Datenbankschemas und Ihrer Daten generieren möchten, können Sie den Befehl /generate_bulk_templates verwenden.

So generieren Sie Bulk-Vorlagen automatisch:

  1. Führen Sie den Befehl /generate_bulk_templates aus:

    /generate_bulk_templates

  2. Bei der vorlagenbasierten SQL-Generierung werden Sie anhand Ihres Datenbankschemas durch eine Reihe von Fragen geführt, in denen Sie die Datenbankinformationen bestätigen und Berechtigungen für den Zugriff auf das Datenbankschema erteilen müssen.

  3. Sehen Sie sich die generierte Abfragevorlage an. Sie können die Vorlage entweder genehmigen oder ein Frage-Antwort-Paar aktualisieren, das Sie überarbeiten möchten.

  4. Geben Sie die Abfrage in natürlicher Sprache ein, die Sie der Abfragevorlage hinzufügen möchten.

  5. Geben Sie die entsprechende SQL-Abfrage in die Abfragevorlage ein.

  6. Sehen Sie sich die generierte Abfragevorlage an. Sie können die Abfragevorlage entweder als Agent-Kontextdatei speichern oder an eine vorhandene Kontextdatei anhängen.

  7. Nachdem Sie die Abfragevorlage genehmigt haben, können Sie entweder eine neue Vorlagendatei erstellen oder die Abfragepaare an eine vorhandene Vorlagendatei anhängen. Die Abfragevorlage wird als JSON-Datei in Ihrem lokalen Verzeichnis gespeichert.

Die Agent-Kontextdatei, die my-cluster-psc-primary_postgres_templates_20251104111122.json ähnelt, wird in dem Verzeichnis gespeichert, in dem Sie die Befehle ausgeführt haben.

Weitere Informationen zur Agent-Kontextdatei finden Sie unter Agent-Kontext.

Nächste Schritte