Integrare un insieme di contesti con un'applicazione

Questo tutorial descrive come configurare e utilizzare i set di contesto in Cloud SQL per PostgreSQL utilizzando la console Google Cloud e come integrarli con la tua applicazione. Scopri come creare il file del set di contesto, creare un set di contesto che utilizza il file del set di contesto, utilizzare MCP Toolbox per chiamare l'API QueryData per generare query SQL per domande in linguaggio naturale e integrarlo con la tua applicazione.

Per saperne di più, consulta Panoramica dei set di contesti.

Obiettivi

  • Crea tabelle di database e compilale con i dati.
  • Crea un file di set di contesto con Gemini CLI e MCP Toolbox.
  • Crea un insieme di contesti e carica il file dell'insieme di contesti.
  • Testa il set di contesto e genera query SQL in Studio.
  • Integra il set di contesto con la tua applicazione utilizzando lo strumento QueryData di Gemini Data Analytics in MCP Toolbox.
  • Aggiungi informazioni di base alle risposte LLM utilizzando query di ricerca di valori.

Costi

In questo documento vengono utilizzati i seguenti componenti fatturabili di Google Cloud:

Per generare una stima dei costi in base all'utilizzo previsto, utilizza il calcolatore prezzi.

I nuovi utenti di Google Cloud potrebbero avere diritto a una prova senza costi.

Per evitare l'addebito di ulteriori costi, elimina le risorse che hai creato al termine delle attività descritte in questo documento. Per ulteriori informazioni, consulta Esegui la pulizia.

Prima di iniziare

Completa i seguenti prerequisiti prima di creare un insieme di contesto.

Attivare i servizi richiesti

Attiva i seguenti servizi per il tuo progetto:

Prepara un'istanza Cloud SQL

Assicurati di avere accesso a un'istanza Cloud SQL esistente o creane una nuova. Per saperne di più, consulta Creare istanze per Cloud SQL.

Questo tutorial richiede un database nell'istanza Cloud SQL. Per ulteriori informazioni, vedi Creare un database sull'istanza Cloud SQL.

Ruoli e autorizzazioni richiesti

Concedi l'autorizzazione executesql all'istanza Cloud SQL

Per concedere l'autorizzazione executesql all'istanza Cloud SQL e abilitare l'API Cloud SQL Data, esegui questo comando: 
gcloud config set project PROJECT_ID
gcloud components update
gcloud beta sql instances patch INSTANCE_ID --data-api-access=ALLOW_DATA_API
Sostituisci quanto segue:
  • PROJECT_ID: l'ID del tuo Google Cloud progetto.
  • INSTANCE_ID: l'ID dell'istanza Cloud SQL.
Per eseguire i passaggi di questo tutorial, accedi a Google Cloud, quindi autenticati al database utilizzando l'autenticazione IAM.

Crea lo schema e le tabelle flights e airports

In questa sezione creerai le tabelle di database flights e airports per questo tutorial.

  1. Nella console Google Cloud , vai alla pagina Cloud SQL.

    Vai a Cloud SQL

  2. Seleziona un'istanza dall'elenco.

  3. Nel menu di navigazione, fai clic su Cloud SQL Studio.

  4. Accedi a Studio utilizzando l'autenticazione Identity and Access Management.

  5. Fai clic su Authenticate (Autentica). Il riquadro Explorer mostra un elenco degli oggetti nel database.

  6. Fai clic su Nuova scheda dell'editor SQL o Nuova scheda per aprire una nuova scheda.

  7. Per creare la tabella e lo schema airports, esegui la seguente istruzione SQL:

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

  8. Crea la tabella e lo schema 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)
);

Compila le tabelle flights e airports

In questa sezione, devi compilare le tabelle flights e airports utilizzando gli script SQL forniti.

  1. Compila la tabella airports.

  2. Compila la tabella flights.

  3. Esegui la seguente query per verificare che le tabelle siano popolate:

    SELECT * FROM "public"."flights" LIMIT 10;
SELECT * FROM "public"."airports" LIMIT 10;

Creare un insieme di contesto in Studio

In questa sezione, crea un insieme di contesti denominato flights-assistant. Questo insieme di contesti non include alcun file di insieme di contesti caricato.

  1. Nella console Google Cloud , vai alla pagina Cloud SQL.

    Vai a Cloud SQL

  2. Seleziona un'istanza dall'elenco.

  3. Nel menu di navigazione, fai clic su Cloud SQL Studio.

  4. Accedi a Studio utilizzando l'autenticazione IAM.

  5. Nel riquadro Explorer, accanto a Set di contesti, fai clic su Visualizza azioni.

  6. Fai clic su Crea set di contesti.

  7. In Nome set di contesto, inserisci flights-assistant.

  8. Fai clic su Crea.

Testare il contesto impostato in Studio

In questa sezione, chiedi al contesto flights-assistant di porre una domanda in linguaggio naturale per generare una query SQL. Poiché il set di contesto non ha alcun file di contesto caricato, anche dopo aver posto una domanda con un contesto come nighttime traffic, QueryData genera una query non ottimale.

  1. Nel riquadro Explorer, accanto al set di contesto, fai clic su Visualizza azioni.
  2. Fai clic su Testa set di contesto.
  3. Nell'editor di query, fai clic su Genera SQL utilizzando QueryData con: flights-assistant.

  4. Inserisci la seguente domanda in linguaggio naturale per generare una query SQL e fai clic su Genera.

    Find flights from SFO to JFK.

    Esamina la query SQL. Tieni presente che QueryData genera l'SQL corretto per questa domanda univoca.

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

  5. Nella finestra Genera SQL utilizzando QueryData con: flights-assistant, fai clic su Modifica.

  6. Inserisci la seguente domanda in linguaggio naturale per generare una query SQL e fai clic su Aggiorna.

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

    Il database non riconosce il termine traffico nighttime. Ciò potrebbe impedire la generazione di una query SQL o causare la generazione di una query che ignora il termine, come mostrato nella query seguente.

    -- 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;

  7. Nella finestra Genera SQL utilizzando QueryData con: flights-assistant, fai clic su Modifica.

  8. Inserisci la seguente domanda in linguaggio naturale per generare una query SQL e fai clic su Aggiorna.

    flight to disney world

    La logica del contesto impostato genera una query per trovare un aeroporto con "disney world" nel nome. Poiché nel database non esiste un aeroporto o una città di questo tipo, la query non restituirà righe.

    SELECT
  "flights"."id",
  "flights"."airline",
  "flights"."flight_number",
  "flights"."departure_airport",
  "flights"."arrival_airport",
  "flights"."departure_time",
  "flights"."arrival_time",
  "flights"."departure_gate",
  "flights"."arrival_gate"
FROM
  "flights"
INNER JOIN
  "airports" ON "flights"."arrival_airport" = "airports"."iata"
WHERE
  "airports"."name" ILIKE '%Disney World%';

Genera il contesto per il set di contesto

In questa sezione, crei un file di contesto che contribuisce a migliorare le funzionalità di query del set di contesto.

Configura l'ambiente

Prima di poter iniziare a generare il contesto, devi preparare l'ambiente.

Per configurare l'ambiente:

  1. Installa Gemini CLI. Per saperne di più, consulta la guida rapida di Gemini CLI.
  2. Installa gcloud CLI.

  3. Configura le Credenziali predefinite dell'applicazione (ADC). Esegui questi comandi nel terminale per autenticarti e selezionare il tuo progetto:

    gcloud auth application-default login

  4. Installa l'estensione DB Context Enrichment, che include i workflow per la generazione del contesto.

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

    Assicurati che la versione sia 0.4.2 o successiva. Per aggiornare l'estensione DB Context Enrichment, esegui questo comando:

    gemini extensions update mcp-db-context-enrichment

  5. Per aggiornare l'estensione DB Context Enrichment o per sostituire GEMINI_API_KEY, esegui questo comando:

    gemini extensions config mcp-db-context-enrichment GEMINI_API_KEY

    Sostituisci GEMINI_API_KEY con la tua chiave API Gemini.

  6. Nel terminale, avvia Gemini CLI.

    gemini

  7. Completa la configurazione dell'autenticazione Gemini CLI.

  8. Configura la connessione al database. L'estensione richiede una connessione al database per la generazione del contesto, supportata da MCP Toolbox e definita nel file di configurazione tools.yaml.

    Per creare il file di configurazione tools.yaml nella directory corrente, inserisci un prompt come Help me set up the database connection e segui le istruzioni fornite dalla competenza. Per ulteriori informazioni sul file tools.yaml, consulta la documentazione di MCP Toolbox.

  9. Per ricaricare la configurazione dopo aver creato il file tools.yaml, esegui questo comando nella Gemini CLI:

    /mcp reload

  10. Verifica che la cassetta degli attrezzi MCP e l'estensione per l'arricchimento del database siano connesse e pronte all'uso.

    /mcp list

Genera il contesto del modello

In questa sezione, per risolvere il problema della sezione precedente in cui QueryData non riconosceva il termine nighttime traffic, definisci il termine nel file di set di contesto come traffico che si verifica tra 5:00 PM e 7:00 PM.

Per generare il contesto del modello:

  1. Esegui il comando /generate_targeted_templates e segui il flusso di lavoro:

    /generate_targeted_templates

  2. Fornisci la query in linguaggio naturale che vuoi aggiungere al modello di query nel terminale.

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

  3. Fornisci una query SQL corrispondente che vuoi aggiungere al modello di query. Questo modello di query definisce il termine nighttime come compreso tra 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;

  4. Premi Invio. Gemini converte l'input in un formato specifico che migliora il rendimento del contesto impostato in un'ampia gamma di query utente. Per saperne di più, consulta Panoramica dei set di contesti.

    Se vuoi, esegui il workflow /generate_bulk_templates per consentire a Gemini CLI di generare più contesto analizzando lo schema del database e suggerendo un contesto correlato.

  5. Esamina il modello di query generato. Puoi salvare il modello di query come nuovo file di contesto dell'agente o aggiungerlo a un file di contesto dell'agente esistente.

  6. Seleziona l'opzione per creare un nuovo file di contesto dell'agente. Gemini crea un file denominato INSTANCE_ID_DATABASE_ID_context_set_TIMESTAMP.json nella stessa directory, con il seguente contenuto:

    {
  "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 ?"
      }
    }
  ]
}

Genera il contesto di ricerca dei valori

In questa sezione, generi il contesto di ricerca dei valori per aiutare la logica di impostazione del contesto a mappare le frasi dei valori su valori specifici memorizzati nelle colonne del database. Ad esempio, se un utente chiede "Voli per Disney World", la ricerca di valori può mappare questa richiesta a Disney World nella città di "Orlando" in base al tipo di concetto correlato alla colonna airports.city del database.

Per generare il contesto di ricerca del valore:

  1. Esegui il comando /generate_targeted_value_searches:

    /generate_targeted_value_searches

  2. Inserisci postgresql per selezionare Cloud SQL come motore del database.

  3. Inserisci la configurazione di ricerca dei valori nel seguente modo:

    Table: airports
Column: city
Concept: Airport City
Match Function: SEMANTIC_SIMILARITY_MATCH

  4. Conferma se vuoi generare la definizione di ricerca dei valori.

  5. Esamina la definizione di ricerca dei valori generata. Puoi salvare la definizione di ricerca dei valori come nuovo file di set di contesto o aggiungerla a un file di set di contesto esistente.

  6. Seleziona l'opzione per aggiungere un file a un insieme di contesti esistente. In questo modo, la definizione di ricerca del valore viene aggiunta al file di contesto creato nella sezione precedente.

  7. Inserisci l'istanza del database e il nome del database per cui è stato generato il file del set di contesti.

    Il file di contesto esistente viene aggiornato con la definizione di ricerca del valore. Gemini crea un file denominato INSTANCE_ID_DATABASE_ID_context_set_TIMESTAMP.json nella stessa directory, con il seguente contenuto:

      {
    "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 = $1 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 $1"
        }
      }
    ],
    "value_searches": [
      {
          "query": "/* Requires extensions: vector, google_ml_integration */ WITH SemanticMetrics AS (    SELECT T.city AS original_value, (        (google_ml.embedding('gemini-embedding-001', $value)::vector <=>          google_ml.embedding('gemini-embedding-001', T.city)::vector) / 2.0    ) AS normalized_dist     FROM airports T     WHERE T.city IS NOT NULL) SELECT original_value AS value, 'airports.city' AS columns, 'Airport City' AS concept_type, normalized_dist AS distance, ''::text AS context FROM SemanticMetrics",
          "concept_type": "Airport City",
          "description": "Semantic search for airport city name"
      }
  ]
  }

Carica il file del set di contesto in QueryData

In questa sezione, carichi il file del set di contesto in QueryData, in modo che migliori le funzionalità di generazione SQL di QueryData sul tuo database.

Per caricare il contesto, segui questi passaggi:

  1. Nella console Google Cloud , vai alla pagina Cloud SQL.

    Vai a Cloud SQL

  2. Seleziona un'istanza dall'elenco.

  3. Nel menu di navigazione, fai clic su Cloud SQL Studio.

  4. Accedi a Studio utilizzando l'autenticazione Identity and Access Management.

  5. Nel riquadro Explorer, accanto a Set di contesti, fai clic sull'icona Azioni ().

  6. Fai clic su Modifica insieme di contesti.

  7. (Facoltativo) Modifica la descrizione del set di contesto.

  8. Fai clic su Sfoglia nella sezione Carica file del set di contesto e seleziona il file del set di contesto generato in precedenza.

  9. Fai clic su Salva.

Genera query SQL utilizzando il set di contesto

In questa sezione utilizzerai il file di contesto che hai caricato per porre domande in linguaggio naturale. In questo modo puoi verificare che QueryData comprenda e applichi correttamente le definizioni di termini come nighttime traffic e altre frasi correlate e che la ricerca di valori mappi le frasi di valori a valori specifici memorizzati nelle colonne del database (ad esempio, la mappatura di "Disney World" a "Orlando")

Per generare query SQL, segui questi passaggi:

  1. Nel riquadro Explorer, accanto al set di contesto, fai clic su Visualizza azioni.
  2. Fai clic su Testa set di contesto.
  3. Nell'editor di query, fai clic su Genera SQL utilizzando QueryData con: assistente per i voli.

  4. Inserisci la seguente domanda in linguaggio naturale per generare una query SQL e fai clic su Genera.

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

    La query SQL generata è simile alla seguente:

    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;

    Si tratta della stessa domanda che hai aggiunto al contesto di QueryData. Tieni presente che QueryData ora può interpretare con precisione il termine nighttime traffic.

    Sebbene il contesto provenga da una domanda specifica, QueryData lo utilizza per migliorare la generazione di SQL per un'ampia gamma di domande simili.

  5. Nella finestra Genera SQL utilizzando QueryData con: flights-assistant, fai clic su Modifica.

  6. Inserisci la seguente domanda simile per generare una query SQL e fai clic su Aggiorna.

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

    Poiché la domanda sostituisce il termine nighttime traffic con un termine simile, evening traffic, QueryData fornisce una risposta coerente a questa domanda applicando la stessa interpretazione.

    La query SQL generata è simile alla seguente:

    -- 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;

  7. Nella finestra Genera SQL utilizzando QueryData con: flights-assistant, fai clic su Modifica.

  8. Inserisci la seguente domanda per generare una query SQL e fai clic su Aggiorna.

    flights to disney world

    La query SQL generata è simile alla seguente:

    SELECT
  "flights"."id",
  "flights"."airline",
  "flights"."flight_number",
  "flights"."departure_airport",
  "flights"."arrival_airport",
  "flights"."departure_time",
  "flights"."arrival_time",
  "flights"."departure_gate",
  "flights"."arrival_gate"
FROM
  "flights"
JOIN
  "airports" ON "flights"."arrival_airport" = "airports"."iata"
WHERE
  "airports"."city" = 'Orlando';

    Nota che QueryData ora può interpretare con precisione che "disney world" si riferisce alla città di "Orlando".

Integra il contesto impostato con la tua applicazione

In questa sezione, creerai un agente QueryData per un'applicazione di ricerca voli. Questo agente QueryData fornisce un'interfaccia conversazionale alla tabella flights e airports che hai creato in precedenza. Spiega anche come creare e integrare questo agente QueryData nella tua applicazione utilizzando Agent Development Kit (ADK), lo strumento MCP QueryData di Gemini Data Analytics e il contesto impostato per migliorare la qualità delle risposte.

  1. Scarica MCP Toolbox versione 0.31.0 o successive. MCP Toolbox espone l'agente QueryData come strumento a cui le applicazioni possono connettersi. La toolbox MCP è diversa dall'estensione Gemini CLI della toolbox MCP che hai installato in precedenza, che genera il contesto.

  2. Configura le credenziali predefinite dell'applicazione (ADC).

    gcloud auth application-default login

  3. Trova l'ID del set di contesti. Per saperne di più su come trovare l'ID insieme di contesti, vedi Trovare l'ID insieme di contesti.

  4. Crea la configurazione tools.yaml per connetterti all'agente QueryData utilizzando MCP Toolbox. Per saperne di più, consulta Origine Gemini Data Analytics e lo strumento QueryData di Gemini Data Analytics.

    kind: source
name: gda-api-source
type: cloud-gemini-data-analytics
projectId: "PROJECT_ID"
---
kind: tool
name: cloud_gda_query_tool
type: 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: "POSTGRESQL"
        projectId: "PROJECT_ID"
        region: "REGION_ID"
        instanceId: "INSTANCE_ID"
        databaseId: "DATABASE_ID"
      agentContextReference:
        contextSetId: "CONTEXT_SET_ID"
generationOptions:
  generateQueryResult: true
  generateNaturalLanguageAnswer: true
  generateExplanation: true
  generateDisambiguationQuestion: true

    Sostituisci quanto segue:

    • PROJECT_ID: l'ID progetto Google Cloud .
    • REGION_ID: la regione dell'istanza Cloud SQL (ad es. us-central1).
    • INSTANCE_ID: l'ID dell'istanza Cloud SQL.
    • DATABASE_ID: il nome del database a cui connettersi.
    • CONTEXT_SET_ID: l'ID del set di contesto. Per saperne di più su come trovare l'ID insieme di contesti, vedi Trovare l'ID insieme di contesti.

  5. Esegui il server MCP Toolbox con il file tools.yaml.

    ./toolbox --config "tools.yaml"

  6. Crea un'applicazione ADK che richiama lo strumento QueryData di Gemini Data Analytics utilizzando l'SDK Python di MCP Toolbox. Per saperne di più su come utilizzare l'SDK Python di MCP Toolbox, consulta la guida rapida per Toolbox e per Python ADK, consulta la guida rapida per ADK.

    1. Crea una directory per archiviare l'applicazione, ad esempio flight-assistant-app.

    2. Passa alla directory flight-assistant-app.

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

    3. Esegui questi comandi nella directory flight-assistant-app per creare un ambiente virtuale e installare i componenti richiesti.

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

    4. Configura un agente ADK.

      1. Crea un agente ADK.

        adk create my_agent

      2. Seleziona il modello gemini-2.5-flash.

      3. Seleziona Google AI e inserisci la chiave API Gemini. Per saperne di più su come trovare la chiave API, consulta Utilizzo delle chiavi API Gemini.

    5. Sostituisci i contenuti del file agent.py con il seguente codice dell'applicazione di esempio Flight Data Assistant.

      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]),
)

  7. Esegui i seguenti comandi nella directory flight-assistant-app per avviare l'applicazione e accedere al server web ADK all'indirizzo http://127.0.0.1:8000.

    adk web --port 8000

  8. Inserisci un testo qualsiasi, ad esempio hello, per iniziare a interagire con l'agente.

    L'agente ADK risponde a domande generali e chiama gli strumenti MCP richiesti.

  9. Inserisci la seguente domanda relativa al volo.

    How many flights depart from the west side?

    Lo strumento MCP viene chiamato per rispondere a questa domanda. Tuttavia, poiché il termine the west è ambiguo e non specifica alcun aeroporto, lo strumento MCP restituisce una domanda di disambiguazione che l'agente utilizza per costruire una risposta.

    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?

  10. Inserisci una domanda simile a quella nel modello di query generato per l'agente.

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

    In base al contesto QueryData aggiunto in precedenza, lo strumento MCP comprende che evening traffic si verifica tra le 17:00 e le 19:00. Lo strumento MCP restituisce i dati associati che l'agente può utilizzare per costruire la sua risposta.

    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

  11. Inserisci una domanda in base al tipo di concetto che hai aggiunto nel contesto dell'agente QueryData.

    Get me flights to disney world

    In base al contesto di ricerca dei valori aggiunto in precedenza, l'agente QueryData comprende che disney world si riferisce alla città Orlando e restituisce i dati associati che l'agente QueryData può utilizzare per costruire la sua risposta.

    Here are the flights heading to Orlando, which is the location of Disney World:

* Flight UA 1249 departs from SFO and arrives at MCO on 2025-01-02 at 18:15:00Z.
* Flight UA 698 departs from SFO and arrives at MCO on 2025-01-02 at 22:33:00Z.
* Flight UA 292 departs from SFO and arrives at MCO on 2025-01-03 at 06:37:00Z.

Migliorare le prestazioni dell'agente

L'interfaccia utente web dell'ADK ti consente di esaminare la richiesta e la risposta dello strumento MCP QueryData di Gemini Data Analytics. Puoi utilizzare questa risposta per osservare le risposte dello strumento, ad esempio la query SQL generata, il set di risultati, la spiegazione dell'intent, la domanda di disambiguazione e la risposta in linguaggio naturale, per verificare la correttezza delle risposte dell'agente.

Ad esempio, per il testo di input How many flights depart from the west side? inserito in precedenza, fai clic sul fumetto dell'agente. Nella scheda Evento nel pannello di navigazione a sinistra, espandi functionResponse per visualizzare la seguente risposta.

"{"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?"]}"

Migliorare l'accuratezza delle risposte

Puoi perfezionare continuamente l'accuratezza delle risposte dello strumento QueryData di Gemini Data Analytics aggiungendo ulteriore contesto. Utilizza Gemini CLI per generare il contesto, quindi carica il file del set di contesto aggiornato nell'agente QueryData flights-assistant esistente. Per maggiori informazioni, consulta la sezione Creare contesti utilizzando Gemini CLI. La console acquisisce immediatamente il nuovo contesto dopo il caricamento, consentendoti di migliorare l'accuratezza dell'agente senza tempi di inattività dell'applicazione.

Più agenti

Nell'ambiente di sviluppo, puoi eseguire test A/B su più contesti dell'agente QueryData assegnando nomi distinti agli strumenti nel file tools.yaml. Ad esempio, puoi creare configurazioni tools.yaml uniche definendo due strumenti cloud-gemini-data-analytics-query con nomi diversi, ad esempio cloud_gda_query_tool_v1 e cloud_gda_query_tool_v2. Questa configurazione ti consente di implementare la logica dell'applicazione che seleziona a livello di programmazione la versione del contesto richiesta scegliendo il nome dello strumento corrispondente.

L'esempio tools.yaml seguente mostra come configurare più agenti QueryData per un'origine database:

kind: source
name: gda-api-source
type: cloud-gemini-data-analytics
projectId: <var>PROJECT_ID</var>
---
kind: tool
name: cloud_gda_query_tool_v1
type: cloud-gemini-data-analytics-query
source: gda-api-source
context:
  datasourceReferences:
    <var>DB_SOURCE</var>:
      databaseReference: ...
      agentContextReference:
        contextSetId: "V1_YOUR_CONTEXT_SET_ID"
generationOptions: ...
---
kind: tool
name: cloud_gda_query_tool_v2
type: cloud-gemini-data-analytics-query
source: gda-api-source
context:
  datasourceReferences:
    <var>DB_SOURCE</var>:
      databaseReference: ...
      agentContextReference:
        contextSetId: "V2_YOUR_CONTEXT_SET_ID"
generationOptions: ...

Sostituisci quanto segue:

  • PROJECT_ID: l'ID progetto Google Cloud .
  • V1_YOUR_CONTEXT_SET_ID: l'ID del set di contesto per la versione 1.
  • V2_YOUR_CONTEXT_SET_ID: L'ID del set di contesto per la versione 2

Esegui la pulizia

Le sezioni seguenti descrivono come eliminare queste risorse e questi oggetti.

Eliminare il set di contesti

Prima di eliminare l'istanza, elimina il set di contesto che hai creato.

  1. Nella console Google Cloud , vai alla pagina Cloud SQL.

    Vai a Cloud SQL

  2. Seleziona un'istanza dall'elenco.

  3. Nel menu di navigazione, fai clic su Cloud SQL Studio.

  4. Accedi a Studio utilizzando l'autenticazione Identity and Access Management.

  5. Nel riquadro Explorer, accanto al set di contesto, fai clic su Visualizza azioni.

  6. Nella finestra Elimina set di contesto, inserisci flight-assistant nella casella di conferma.

  7. Fai clic su Conferma.

Elimina l'istanza

Quando elimini l'istanza che hai creato nella sezione Prima di iniziare, vengono eliminati anche tutti gli oggetti che hai creato.

  1. Nella console Google Cloud , vai alla pagina Cloud SQL.

    Vai a Cloud SQL

  2. Seleziona un'istanza dall'elenco.

  3. Fai clic su Elimina.

  4. Conferma di voler eliminare l'istanza inserendo il nome dell'istanza e facendo clic su Elimina.

Passaggi successivi