Ringkasan QueryData

QueryData memungkinkan Anda berinteraksi dengan data menggunakan bahasa percakapan dan agen data yang Anda buat untuk membantu Anda membuat kueri data. Agen data adalah asisten dan aplikasi yang didukung AI yang dapat memahami niat pengguna, mengkueri data operasional Anda, dan memberikan jawaban yang akurat dan beralasan. QueryData menghasilkan kueri untuk database Anda menggunakan set konteks, yang merupakan kumpulan blueprint, logika bisnis, dan informasi skema yang diseleksi. Konteks ini memungkinkan QueryData menerjemahkan pertanyaan natural language menjadi kueri yang akurat untuk kasus penggunaan target Anda.

Kapan menggunakan QueryData

QueryData ideal untuk aplikasi seperti:

  • Otomatisasi layanan pelanggan: Menangani pertanyaan dalam jumlah besar seperti "Di mana pesanan saya?" atau "Berapa saldo saya saat ini?".
  • Asisten belanja e-commerce: Membantu pengguna menjelajahi katalog produk yang besar dengan kueri bahasa alami seperti "Tunjukkan sepatu lari di bawah $100".
  • Alat operasi lapangan: Memungkinkan karyawan yang memiliki mobilitas tinggi untuk mengkueri tingkat inventaris, ketersediaan suku cadang, atau detail tiket servis secara real-time.

Konsep inti

Untuk menerjemahkan pertanyaan percakapan menjadi kueri database secara andal, QueryData mengandalkan konsep utama berikut:

QueryData dan Conversational Analytics API

Endpoint QueryData di Conversational Analytics API adalah alat agentic yang memungkinkan pembuatan kueri bahasa alami ke SQL secara terprogram untuk database Anda. Dalam aplikasi percakapan atau alur kerja multi-agen, endpoint QueryData menangani interpretasi skema dan sintesis kueri. Infrastruktur pengelola agen Anda (seperti Antigravity, Agent Development Kit (ADK), atau LangChain) mengelola histori percakapan, status pengguna, dan orkestrasi alat untuk mengontekstualisasikan input pengguna sebelum mengirimkan permintaan bahasa alami ke endpoint QueryData.

Set data konteks

Set konteks adalah kumpulan pengetahuan khusus database, pola kueri yang diseleksi, dan aturan bisnis yang terkait dengan instance database Anda. Alih-alih hanya mengandalkan pengetahuan LLM umum atau skema tabel mentah, QueryData menggunakan set konteks untuk memahami nuansa model data dan terminologi khusus organisasi Anda.

Set konteks berisi tiga elemen penyusun utama:

  • Blueprint kueri: Pasangan pertanyaan bahasa alami representatif yang telah dikurasi dan kueri SQL yang sesuai dan telah divalidasi sebelumnya. Blueprint memberikan contoh kanonis yang menentukan cara intent bisnis tertentu dipetakan ke pernyataan SQL.
  • Aspek kueri: Predikat SQL modular dan kondisi filter (seperti rentang tanggal, penghitungan nilai minimum, atau tanda bisnis). Facet memungkinkan QueryData menggabungkan beberapa kriteria pemfilteran secara dinamis ke dalam kueri tanpa memerlukan blueprint terpisah untuk setiap kombinasi.
  • Penelusuran nilai: Kueri semantik dan pencocokan string yang mengaitkan frasa informal dengan nilai persis yang disimpan dalam kolom database. Penelusuran nilai membantu mengatasi ambiguitas (misalnya, memetakan "Bay Area" ke San Francisco, atau "Heathrow" ke London Heathrow Airport) menggunakan pencocokan persis, kemiripan string trigram, atau embedding vektor semantik.

Tampilan aman yang diberi parameter

Untuk membantu memastikan bahwa kueri yang dihasilkan AI mematuhi keamanan tingkat baris dan isolasi multi-tenant, Anda dapat menggunakan tampilan aman berparameter, yang membatasi SQL yang dihasilkan agar hanya mengakses baris data yang diizinkan untuk dilihat oleh pengguna aplikasi yang diautentikasi. Untuk mengetahui informasi selengkapnya, lihat Mengamankan dan mengontrol akses ke data aplikasi menggunakan tampilan aman berparameter.

Cara kerja QueryData

Saat agen atau aplikasi Anda mengirimkan permintaan bahasa alami (seperti pertanyaan pengguna yang telah dikontekstualisasikan oleh agen dengan histori percakapan atau status pengguna), QueryData akan melakukan langkah-langkah berikut:

  1. Resolusi nilai: QueryData menjalankan kueri penelusuran nilai terhadap database untuk memetakan entity dalam perintah (seperti nama, kota, atau kategori) ke nilai kolom database tertentu.
  2. Pencocokan dan disambiguasi maksud (intent): QueryData mencocokkan permintaan yang dikontekstualisasi dengan cetak biru kueri dan faset pilihan yang Anda tentukan dalam set konteks. Jika permintaan kurang spesifik atau ambigu, QueryData dapat menampilkan pertanyaan disambiguasi sehingga agen atau aplikasi Anda dapat meminta klarifikasi kepada pengguna.
  3. Sintesis kueri: Dengan menggunakan struktur blueprint yang cocok, faset yang diterapkan, dan nilai yang di-resolve, QueryData menyintesis kueri SQL lengkap untuk mesin database Anda.
  4. Eksekusi kueri: Kueri yang dihasilkan dijalankan terhadap database untuk menampilkan hasil.

Membuat dan mengelola set data konteks

Untuk menulis dan mengelola set konteks, lakukan hal berikut:

  1. Konteks penulis: Tentukan blueprint kueri, faset, dan penelusuran nilai untuk database Anda. Untuk mengetahui informasi selengkapnya, lihat Ringkasan set konteks. Anda juga dapat menggunakan agen rekayasa konteks untuk mengotomatiskan pembuatan konteks.
  2. Kelola di konsol Google Cloud : Buat dan kelola set konteks di Cloud SQL Studio agar tersedia untuk pembuatan kueri.
  3. Berintegrasi dengan aplikasi Anda: Hubungkan aplikasi atau agen AI Anda ke QueryData menggunakan MCP Toolbox atau panggilan API langsung.

Harga

Anda akan dikenai biaya sesuai harga komputasi Cloud SQL untuk PostgreSQL untuk kueri yang berjalan saat Anda membuat set konteks dan menggunakan QueryData dengan agen data atau sumber data database Anda. Tidak ada biaya tambahan untuk membuat dan menggunakan set konteks dan QueryData selama periode Pratinjau. Untuk mengetahui informasi selengkapnya, lihat Harga Data Cloud Agent.

Langkah berikutnya