‫Google משתמשת בטכנולוגיית AI כדי לתרגם תוכן לשפה המועדפת עליך. בתרגומים כאלו עשויות להיות שגיאות.

יצירת סוכני נתונים

במאמר הזה מוסבר איך ליצור, לערוך, לנהל ולמחוק סוכני נתונים ב-BigQuery.

ב-BigQuery, אתם יכולים לנהל שיחות עם סוכני נתונים כדי לשאול שאלות על נתוני BigQuery באמצעות שפה טבעית. סוכני נתונים מכילים מטא-נתונים של טבלאות והוראות לעיבוד שאילתות ספציפיות לתרחישי שימוש, שמגדירות את הדרך הטובה ביותר לענות על שאלות של משתמשים לגבי קבוצה של מקורות ידע, כמו טבלאות, תצוגות או פונקציות בהגדרת המשתמש (UDF) שאתם בוחרים.

לפני שמתחילים

מוודאים שהחיוב מופעל בפרויקט ב- Google Cloud .
מפעילים את ממשקי ה-API של BigQuery,‏ Gemini Data Analytics,‏ Gemini for Google Cloudו-Knowledge Catalog, אם הם עדיין לא מופעלים.
התפקידים שנדרשים כדי להפעיל ממשקי API
כדי להפעיל ממשקי API, צריך את ההרשאה serviceusage.services.enable. אם אתם יצרתם את הפרויקט, סביר להניח שכבר יש לכם את ההרשאה הזו דרך התפקיד "בעלים" (roles/owner). אחרת, אתם יכולים לקבל את ההרשאה הזו דרך התפקיד "אדמין בממשק 'שימוש בשירות'" (roles/serviceusage.serviceUsageAdmin). איך מקצים תפקידים?
הפעלת ממשקי ה-API

התפקידים הנדרשים

כדי לעבוד עם סוכני נתונים, אתם צריכים הרשאות לניהול זהויות והרשאות גישה (IAM) שמתאימות לתרחיש לדוגמה שלכם. בקטעים הבאים מפורטים התפקידים הנדרשים בהתאם לפעולה שאתם מבצעים: יצירה ופרסום של סוכנים, הקצאת סוכנים ב-Gemini Enterprise או חיפוש סוכנים ושימוש בהם בפלטפורמות שונות. למידע נוסף, קראו את המאמר תפקידי IAM ב-Conversational Analytics API.

יצירה, עריכה, פרסום, שיתוף ומחיקה של נציגים:
- כדי ליצור סוכני נתונים בפרויקט: Gemini Data Analytics Data Agent Creator (roles/geminidataanalytics.dataAgentCreator) בפרויקט. התפקיד הזה מקצה לכם באופן אוטומטי את התפקיד Data Agent Owner ב-Gemini Data Analytics בסוכני הנתונים שאתם יוצרים.
- כדי לערוך, לשתף או למחוק סוכן נתונים: בעלי סוכן הנתונים ב-Gemini Data Analytics‏ (roles/geminidataanalytics.dataAgentOwner) בסוכן או בפרויקט.
- כדי לערוך סוכן נתונים בפרויקט: Gemini Data Analytics Data Agent Editor (roles/geminidataanalytics.dataAgentEditor) בפרויקט.
- כדי לראות סוכני נתונים בפרויקט: Gemini Data Analytics Data Agent Viewer (roles/geminidataanalytics.dataAgentViewer) בפרויקט.
הקצאת סוכנים ב-Gemini Enterprise:
- כדי שסוכן שפורסם יהיה זמין למשתמשים ב-Gemini Enterprise, אתם צריכים הרשאות לרשום ולנהל סוכנים בהתאמה אישית ולהגדיר Agent Gateway במסוף הניהול של Gemini Enterprise.
איך מוצאים סוכנים ומשתמשים בהם:
- כדי לשוחח בצ'אט עם סוכני נתונים: Gemini Data Analytics Data Agent User (roles/geminidataanalytics.dataAgentUser).
- כדי לראות את כל סוכני הנתונים בפרויקט: Gemini Data Analytics Data Agent Viewer‏ (roles/geminidataanalytics.dataAgentViewer).
- כדי להשתמש בממשק הצ'אט של Gemini ב-Data Studio: משתמש ב-BigQuery Studio‏ (roles/bigquery.studioUser) או משתמש ב-Gemini ל-Google Cloud‏ (roles/cloudaicompanion.user), שניהם מספקים את ההרשאה cloudaicompanion.topics.create. מקצים את התפקידים האלה ברמת הפרויקט. המשתמשים צריכים גם את התפקיד "צפייה בנכסים ב-Data Studio"‏ (roles/datastudio.viewer).
הוספת מקורות ידע לסוכן:
- צפייה ב-Data Catalog‏ (roles/datacatalog.viewer) בפרויקט.
הגדרה וצפייה ביומני השיחות:
- כדי ליצור את מערך הנתונים של היומנים ולתת גישה בפרויקט של הנציג: bigquery.datasets.create, ו-BigQuery Data Owner (roles/bigquery.dataOwner) או BigQuery Admin (roles/bigquery.admin) במערך הנתונים של היומנים.
- כדי לשנות את ההגדרות של תיעוד השיחות של סוכן: geminidataanalytics.dataAgents.update, שכלול בתפקיד Gemini Data Analytics Data Agent Editor (roles/geminidataanalytics.dataAgentEditor).
- לסוכן השירות של Conversational Analytics API‏ (service-PROJECT_NUMBER@gcp-sa-geminidataanalytics.) כדי ליצור את טבלת היומן ולכתוב שורות: BigQuery Data Editor‏ (roles/bigquery.dataEditor) במערך הנתונים של היומן. אם במערך הנתונים של היומן משתמשים במפתחות Cloud KMS בניהול הלקוח (CMEK), צריך להקצות לחשבון השירות של הצפנת BigQuery‏ (bq-PROJECT_NUMBER@bigquery-encryption.) את התפקיד "הצפנה/פענוח של CryptoKey ב-Cloud KMS"‏ (roles/cloudkms.cryptoKeyEncrypterDecrypter) במפתח Cloud KMS.
- למנתחים שמריצים שאילתות על יומני שיחות: התפקיד "צפייה בנתונים ב-BigQuery" (roles/bigquery.dataViewer) במערך הנתונים של היומן, והתפקיד "משתמש במשימות ב-BigQuery" (roles/bigquery.jobUser) בפרויקט להרצת שאילתות.

כדי לנהל שיחות, עיינו בתפקידים הנדרשים לשיחות.

הסוכנים פועלים בשמכם ומשתמשים בהרשאות שלכם. הסוכנים יכולים לגשת רק לנתונים ולמשאבים שיש לכם הרשאה לגשת אליהם.

שיטות מומלצות

הכלי "ניתוח נתונים בשיחה" מריץ שאילתות באופן אוטומטי כדי לענות על השאלות שלכם. כדאי להביא בחשבון את הגורמים הבאים, שעשויים להגדיל את עלות השאילתה:

טבלאות גדולות
שימוש באיחודי נתונים בשאילתות
קריאות תכופות לפונקציות AI בתוך שאילתות

יצירת תובנות

אם רוצים, אפשר ליצור תובנות מנתונים ב-Knowledge Catalog לכל טבלה שרוצים להשתמש בה כמקור ידע.

תובנות שנוצרו על ידי AI מספקות מטא-נתונים של טבלאות, שסוכן הנתונים יכול להשתמש בהם כדי ליצור תשובות לשאלות שלכם.

אם לא תיצרו תובנות שנוצרו על ידי AI מראש, המערכת תיצור אותן באופן אוטומטי כשתבחרו טבלה כמקור ידע בזמן יצירת סוכן הנתונים.

עבודה עם הסוכן של נתונים לדוגמה

אם אתם לא יודעים איך להגדיר סוכנים לניתוח נתוני שיחות, אתם יכולים לראות את הסוכן לדוגמה שמוגדר מראש ונוצר לכל פרויקט ב-Google Cloud . אתם יכולים לשוחח איתו בצ'אט ולראות את הפרמטרים שלו כדי להבין איך הוא נוצר, אבל אתם לא יכולים לשנות אותו.

כדי לראות את הנציג לדוגמה:

במסוף Google Cloud , נכנסים לדף Agents ב-BigQuery.

לדף Agents
לוחצים על הכרטיסייה קטלוג הסוכנים.
בקטע סוכנים לדוגמה של Google, לוחצים על הכרטיס של הסוכן לדוגמה.

יצירת סוכן נתונים

בקטעים הבאים מוסבר איך ליצור סוכן נתונים.

אחרי שיוצרים נציג, אפשר לערוך את ההגדרות שלו.

שלבים ראשונים

במסוף Google Cloud , נכנסים לדף Agents ב-BigQuery.

מעבר אל Agents
לוחצים על הכרטיסייה קטלוג הסוכנים.
לוחצים על סוכן חדש. הדף New agent נפתח.
בקטע Editor, בשדה Agent name, מקלידים שם תיאורי לסוכן הנתונים, לדוגמה Q4 sales data או User activity logs.
בשדה Agent description, מקלידים תיאור של סוכן הנתונים. תיאור טוב מסביר מה הסוכן עושה, באילו נתונים הוא משתמש ועוזר לכם לדעת מתי זה סוכן הנתונים המתאים לדבר איתו – לדוגמה, Ask questions about customer orders and revenue.
בקטע מקורות ידע, לוחצים על הוספת מקור. ייפתח הדף Add knowledge source.
בקטע Recents, בוחרים את הטבלאות, התצוגות, התרשימים או הפונקציות המוגדרות על ידי המשתמש שרוצים להשתמש בהם כמקורות ידע. פונקציות UDF מסומנות ב-fx במסוף Google Cloud .
כדי לראות מקורות ידע נוספים, לוחצים על הצגת פריטים נוספים.
אופציונלי: מוסיפים מקור מידע שלא מופיע בקטע מהזמן האחרון:
1. בקטע Search, מקלידים את שם המקור בשדה Search for tables ולוחצים על Enter. שם המקור לא חייב להיות מדויק.
2. בקטע תוצאות חיפוש, בוחרים מקור אחד או יותר.
לוחצים על הוספה. דף הנציג החדש נפתח מחדש.

התאמה אישית של תיאורי טבלאות ושדות

כדי לשפר את הדיוק של סוכן הנתונים, אתם יכולים לספק מטא-נתונים נוספים של הטבלה. רק סוכן הנתונים משתמש במטא-נתונים האלה, והם לא משפיעים על טבלת המקור.

כדאי לפעול לפי השיטות המומלצות הבאות כשיוצרים תיאורים של טבלאות ושדות:

התיאורים האלה יעזרו לכם להבין איך סוכן הנתונים מפרש את הסכימה. אם התיאורים שהנציג הציע נכונים, אתם יכולים לאשר אותם.
אם סוכן הנתונים לא מבין את הסכימה אחרי שמגדירים את התיאורים האלה, צריך לשנות את התיאורים באופן ידני כדי לספק את המידע הנכון.

כדי להגדיר תיאורים של טבלאות ושדות:

בקטע Knowledge sources, לוחצים על הקישור Customize של הטבלה.
יוצרים תיאור לטבלה. אתם יכולים להקליד תיאור בשדה Table Description או לאשר את ההצעה של Gemini.
בקטע Fields, בודקים את תיאורי השדות ש-Gemini הציע.
בוחרים את תיאורי השדות שרוצים לאשר ולוחצים על Accept suggestions. בוחרים את התיאורים שרוצים לדחות ולוחצים על דחיית ההצעות.
כדי לערוך ידנית תיאור של שדה, לוחצים על Edit ליד השדה. החלונית עריכת שדה נפתחת.
1. בשדה Description, מקלידים תיאור של השדה.
2. כדי לשמור את תיאור השדה, לוחצים על עדכון.
כדי לשמור את השינויים בתיאור ובשדות, לוחצים על עדכון. הדף של הנציג החדש נפתח מחדש.
חוזרים על השלבים האלה לכל טבלה שרוצים להתאים אישית.

יצירת הוראות לסוכן

הסוכן אמור להבין את ההקשר של שאלות המשתמשים בלי צורך בהוראות מיוחדות. כדאי ליצור הוראות מותאמות אישית לנציג רק אם אתם צריכים לשנות את ההתנהגות של הנציג או לשפר את ההקשר בדרכים שלא נתמכות כבר על ידי תכונות הקשר אחרות – לדוגמה, מטא-נתונים של טבלאות ושדות בהתאמה אישית, או שאילתות מאומתות.

בקטע Instructions, מקלידים הוראות לסוכן הנתונים בשדה Agent instructions. סוכן הנתונים משתמש בהוראות האלה כדי להבין את ההקשר של שאלות המשתמשים ולספק תשובות, לכן חשוב שההוראות יהיו ברורות ככל האפשר.

אם לא מקבלים תשובה מספקת מהנציג, מוסיפים הקשר מובנה כמו תיאורים, דוגמאות או מונחים ממילון. אם עדיין לא קיבלתם תשובה מספקת, הוסיפו הוראות מיוחדות כמו בדוגמאות שבטבלה הבאה.

כדי לראות דוגמאות נוספות להוראות, לוחצים על הצגת דוגמאות.

סוג המידע	תיאור	דוגמאות
שדות עיקריים	השדות הכי חשובים לניתוח.	השדות הכי חשובים בטבלה הזו הם מספר לקוח, מזהה מוצר ו-Order Date.
סינון וקיבוץ	שדות שהסוכן צריך להשתמש בהם כדי לסנן ולקבץ את הנתונים.	"כשהשאלה עוסקת בציר זמן או ב 'לאורך זמן', תמיד צריך להשתמש בעמודה order_created_date". "כשמישהו אומר 'לפי מוצר', צריך לקבץ לפי העמודה product_category".
סינון ברירת מחדל	שדות לסינון כברירת מחדל.	"אלא אם צוין אחרת, תמיד צריך לסנן את הנתונים לפי order_status = 'Complete'."
מילים נרדפות ומונחים עסקיים	מונחים חלופיים לשדות עיקריים.	"אם מישהו שואל על "הכנסה" או "מכירות", צריך להשתמש בעמודה total_sale_amount". "אנחנו מחשיבים לקוחות "נאמנים" כלקוחות עם purchase_count > 5".
שדות מוחרגים	שדות שסוכן הנתונים לא צריך להשתמש בהם.	"אף פעם לא להשתמש בשדות האלה: Transaction Date Derived ו-City Derived".
שילוב לפי קשר	איך שתי טבלאות או יותר קשורות זו לזו, ובאילו עמודות משתמשים כדי לאחד אותן. הסוכן צריך להשתמש בפקודות SQL JOIN רגילות על צמדי עמודות כדי לשלב נתונים. ראו את עמודת הדוגמה.	פעילות הלקוחות ‫`order_items.user_id` = `users.id` (כדי לקשר בין המכירות ללקוחות) ‫`events.user_id` = `users.id` (כדי לקשר את הפעילות באתר ללקוחות שמחוברים לחשבון)

יצירת שאילתות מאומתות

הסוכן משתמש בשאילתות מאומתות בשתי דרכים:

אם הסוכן יכול להשתמש בשאילתה מאומתת כדי לענות על שאלה ששאלתם אותו, הוא מפעיל את השאילתה בדיוק כמו שהיא כתובה כדי להבטיח שהתשובה תהיה מהימנה.
אם הנציג לא יכול להשתמש בשאילתה המאומתת כדי לענות על שאלה, הוא עדיין משתמש בשאילתה כהפניה כדי להבין את הנתונים ואת השיטות המומלצות לשליחת שאילתות.

אתם יכולים לבחור שאילתות מאומתות מתוך רשימה שהמערכת יוצרת, או ליצור שאילתות משלכם.

כדי ליצור שאילתה מאומתת לסוכן הנתונים, שנקראה בעבר שאילתה לדוגמה:

בוחרים שאילתה מאומתת אחת או יותר מבין ההצעות של Gemini:
1. בקטע שאילתות מאומתות, לוחצים על בדיקת ההצעות. הדף Review suggested verified queries נפתח.
2. בודקים את ההצעות לשאילתות מאומתות. בוחרים את כל האפשרויות שרלוונטיות לתרחיש לדוגמה.
3. לוחצים על הוספה. דף הנציג החדש נפתח מחדש.
כדי ליצור שאילתה מאומתת משלכם, לוחצים על הוספת שאילתה. נפתח הדף Add verified query.
1. בשדה שאלה, מקלידים את השאלה של המשתמש שהשאילתה המאומתת עונה עליה.
2. לוחצים על Generate SQL כדי ש-Gemini ייצור שאילתה מאומתת שתואמת לשאלה שציינתם.
3. אם רוצים, משנים את השאילתה המאומתת.
4. לוחצים על Run ומוודאים שהשאילתה מחזירה את התוצאות שציפיתם להן.
5. לוחצים על הוספה. דף הנציג החדש נפתח מחדש.
חוזרים על השלבים האלה לפי הצורך כדי ליצור שאילתות מאומתות נוספות.

יצירת שאילתות מאומתות שמכילות פרמטרים

שאילתות מאומתות עם פרמטרים מחלצות ערכים מהשאלה של המשתמש בשביל סוכן ניתוח הנתונים בממשק שיחה, ומספקות תוצאות מותאמות אישית.

מנתחי נתונים ומפתחים יכולים ליצור תבניות SQL לשימוש חוזר שמכילות פלייסהולדרים לערכים האלה. התבניות מחליפות פרמטרים באופן דינמי בזמן הריצה כדי לענות על מגוון רחב יותר של שאלות משתמשים מאשר שאילתות מאומתות רגילות.

כשמשתמש שואל שאלה שתואמת לתבנית, הסוכן לניתוח נתונים בשיחה מחלץ ערכי פרמטרים מהשאלה – לדוגמה, שם המוצר, האזור והתאריך. לאחר מכן, הוא מוסיף את הערכים האלה לשאילתה עם הפרמטרים. תשובות תואמות מתבנית השאילתה מופיעות כמאומתות.

שאילתות מאומתות שמכילות פרמטרים משפרות באופן משמעותי את העוצמה והגמישות של השאילתות המאומתות. הם מבטיחים תשובות עקביות ומהימנות בקלט שונה, ומצמצמים את מספר השאילתות הנפרדות שצריך לתחזק.

איך זה עובד

מומחה, כמו מנתח נתונים, מגדיר שאילתה מאומתת באמצעות תבנית של שאלה – לדוגמה, "מה היו המכירות של @product בשנת @region?". לאחר מכן, המומחה יוצר או משנה את השאילתה המאומתת באמצעות פרמטרים של SQL, כמו בדוגמה הבאה:

SELECT * FROM sales WHERE region = @region AND product = @product

אחרי ששומרים את השאילתה המאומתת, המשתמש יכול לשאול את סוכן הניתוח של השיחה שאלה בשפה טבעית, למשל "מה היו המכירות של מחשבים ניידים בצפון אמריקה?"

כדי לענות על השאלה של המשתמש, הנציג מבצע את הפעולות הבאות:

התאמת השאלה לתבנית שמשויכת לשאילתה המאומתת שמכילה פרמטרים. הנציג משתמש בהבנת שפה טבעית (NLU) כדי לזהות ולחלץ את הערכים של @region (צפון אמריקה) ו-@product (מחשבים ניידים) מהשאלה של המשתמש.
החלפת הערכים שחולצו בפלייסהולדרים @region ו-@product בתבנית ה-SQL.
מריץ את שאילתת ה-SQL המלאה, לדוגמה SELECT * FROM sales WHERE region = 'North America' AND product = 'Laptops'.
התוצאות מוצגות למשתמש. התאמות תמיד מסומנות כמאומתות.

טיפים ליצירת שאילתות יעילות שמכילות פרמטרים

השתמשו בשמות פרמטרים ברורים. השתמשו בשמות תיאוריים לפרמטרים – לדוגמה, @start_date במקום @d1.
ליצור תיאורי פרמטרים מפורטים. מודל השפה הגדול (LLM) לניתוח נתונים בממשק שיחה משתמש בתיאורי הפרמטרים כדי לזהות את הפרמטרים והערכים שלהם מתוך שאלות של משתמשים. לדוגמה, num_enrollments הוא שם פרמטר יעיל, אבל number of student enrollments from ages 5-14 הוא תיאור פרמטר שנותן יותר הקשר לגבי השאילתה.
הקפידו על סוגי נתונים עקביים. חשוב לוודא שסוגי הנתונים שצפויים להתקבל משאילתת ה-SQL תואמים לסוגי הנתונים שסביר להניח שיופקו מהשאלה של המשתמש.
הגדירו היקף ברור. צרו תבניות לתבניות נפוצות וחשובות של שאלות שבהן מבנה השאילתה מורכב או שהלוגיקה לא אינטואיטיבית. כך ה-LLM יכול להחזיר תוצאות אופטימליות.
בדיקה יסודית. כדאי לבדוק ניסוחים שונים בשפה טבעית כדי לוודא שהפרמטרים נשלפים בצורה נכונה.

יצירת שאילתה מאומתת שמכילה פרמטרים

אתם יכולים לבחור שאילתות מאומתות מרשימה שהמערכת יוצרת, או ליצור שאילתות משלכם.

לפני שיוצרים או משנים שאילתה, כדאי לנסח אותה תוך התחשבות בתבנית השפה הטבעית ובשאלה שלכם. לדוגמה, אם שואלים "האם אנחנו יודעים מה המלאי הכולל של בננות אורגניות במחסן US-EAST?", אפשר לנסח מחדש את השאלה כשאילתה מאומתת עם פרמטרים: "מה המלאי הכולל של @product במחסן @region?" הנציג הופך את השאלה הזו לשאילתת SQL שאתם מעדכנים עם ערכי ברירת מחדל.

כדי ליצור שאילתה מאומתת עם פרמטרים לסוכן נתונים, אתם יכולים ליצור שאילתה חדשה כשאתם יוצרים סוכן חדש, או לערוך שאילתה מאומתת קיימת לסוכן חדש או קיים.

בהוראות הבאות נעשה שימוש בשאילתה מאומתת לדוגמה כדי להגדיר פרמטרים.

בוחרים שאילתה מאומתת קיימת שהוצעה על ידי Gemini.

בקטע Verified Queries של נציג חדש או קיים, לוחצים על Review suggestions. הדף בדיקת ההצעות לשאילתה מאומתת נפתח.
מסמנים את התיבה לצד שאילתה מאומתת מוצעת.
בחלון השאילתה, לוחצים על Show more כדי להרחיב את תיאור השאילתה.
כדי לפתוח את השאילתה הקיימת, לוחצים על Edit.
כדי לסיים את הגדרת השאילתה, עיינו בקטע הגדרת הפרמטרים של השאילתה המאומתת.

יצירת נציג ואז יצירת שאילתה מאומתת

עיינו בשלבים הראשונים והמשיכו בשאר שלבי ההגדרה עד שאילתות מאומתות.
במסוף Google Cloud , בקטע Verified queries של הנציג החדש, לוחצים על Add query. הדף הוספת שאילתה מאומתת נפתח.
כדי לסיים את הגדרת השאילתה, עיינו בקטע הגדרת הפרמטרים של השאילתה המאומתת.

מגדירים את הפרמטרים של השאילתה המאומתת

בשדה Question, מקלידים את השאלה של המשתמש שהשאילתה המאומתת עונה עליה.
כדי לציין פרמטרים, משתמשים בסמל @ ואחריו שם הפרמטר. התחביר הזה מזהה פלייסהולדר שמקבל ערך מהשאלה של המשתמש. השתמשו בשאלה בשפה טבעית שמראה איך הפרמטרים ישמשו בשאלות של המשתמשים. לדוגמה: "מה המלאי הכולל של ‎ @product במחסן ב-‎ @region?"

לוחצים על יצירת SQL. ה-SQL נראה כמו בדוגמה הבאה:

   SELECT
       SUM(stock) AS total_stock
   FROM
       inventory
   WHERE
       product_id = @product
       AND region = @region;

כדי להוסיף ערכי ברירת מחדל לפלייסהולדרים בשאילתה, לוחצים על Manage query parameters ואז על Add query parameter.
בפרמטר הראשון מופיעים ארבעה שדות: שם, סוג, ערך ותיאור.
- בשדה שם, מעתיקים את @product מהשאלה ומדביקים אותו בשדה הזה.
- בשדה Type, בוחרים באפשרות STRING.
- בשדה Value, מזינים organic bananas.
- בשדה תיאור, מזינים תיאור ספציפי ככל האפשר. לדוגמה, מוצר שנמצא במחסן אזורי.
כדי להוסיף את הפרמטר השני, לוחצים על הוספת פרמטר של שאילתה.
- בשדה שם, מעתיקים את @region מהשאלה ומדביקים אותו בשדה הזה.
- בשדה Type, בוחרים באפשרות STRING.
- בשדה Value, מזינים US-EAST.
- בשדה Description, מזינים תיאור ספציפי ככל האפשר, לדוגמה a regional warehouse where products are located.
אחרי שממלאים את השדות של שני הפרמטרים, לוחצים על שמירה.

בדיקת השאילתה המאומתת שמכילה פרמטרים

לוחצים על Run ומוודאים שהשאילתה מחזירה את התוצאות שציפיתם להן.
כדי לבדוק את השאילתה למשתמשים במסך מאוחר יותר, מעתיקים את כל שדה השאלה.
לוחצים על Save כדי לצאת מהמסך Add query ולחזור לדף Edit של הנציג.
בדף Edit של הנציג, מדביקים את שדה השאלה שהעתקתם קודם בחלון Preview.
1. מחליפים את המשתנה @product ב-organic bananas.
2. מחליפים את המשתנה @region ב-US-EAST.
מקישים על Enter. בודקים את התוצאה. במקרה כזה, תשובה תקינה היא המספר הכולל של הבננות במלאי באזור US-EAST, למשל 1,000.
כדי ליצור או לערוך שאילתות מאומתות נוספות, חוזרים על השלבים האלה לפי הצורך.

אחרי ששמרתם את השאילתה, המשתמש יכול לשאול את השאלה "Do we know the total stock for organic bananas in the US-EAST warehouse?‎" (האם אנחנו יודעים מה המלאי הכולל של בננות אורגניות במחסן US-EAST?‎). לאחר מכן, ניתוח הנתונים בממשק שיחה מבצע את הפעולות הבאות:

השאלה הזו תואמת לתבנית.
מחלץ מהשאלה את הפרמטר @product בתור @product = "organic bananas" ואת הפרמטר @region בתור "US-EAST".
מריץ את השאילתה: SELECT SUM(stock) AS total_stock FROM inventory WHERE product_id = 'organic bananas' AND region = 'US-EAST';
הפונקציה מחזירה את הערך המחושב של total_stock.

יצירה או בדיקה של מונחים במילון המונחים

אתם יכולים ליצור מונחים במילון המונחים הארגוני של BigQuery שמותאמים אישית לסוכן, או לבדוק מונחים במילון המונחים הארגוני שיובאו מ-Knowledge Catalog ורלוונטיים למקורות הידע שבחרתם לסוכן.

המונחים במילון המונחים הארגוני של Knowledge Catalog חלים באופן גלובלי על משאבים ב-BigQuery. לכן, אם אתם משתמשים ב-Knowledge Catalog, צרו ונהלו את המונחים במילון המונחים הארגוני ב-Knowledge Catalog במקום בסוכנים נפרדים.
אם אתם צריכים לשנות את המונחים במילון המונחים הארגוני שיובאו מ-Knowledge Catalog, אתם צריכים לערוך אותם ב-Knowledge Catalog ולחזור ל-BigQuery כדי לראות אותם.
מונחים ממילון מותאם אישית ב-BigQuery נשארים ב-BigQuery. הם לא מופיעים ב-Knowledge Catalog.
אם אתם לא משתמשים ב-Knowledge Catalog, אתם יכולים ליצור מונחים מותאמים אישית במילון המונחים של BigQuery למונחים שאתם צריכים להגדיר לנציג ספציפי.

כדי ליצור מונחים מותאמים אישית במילון המונחים של הנציג:

בקטע Glossary בדף Editor של הנציג, לוחצים על Add term.
בקטע Custom terms, אתם יכולים לערוך או למחוק את המונחים המותאמים אישית הקיימים.
כדי ליצור מונח חדש אחד או יותר, לוחצים על יצירת מונח.
1. מזינים מונח, הגדרה ומילה נרדפת אחת או יותר, מופרדות בפסיקים.
2. כדי ליצור את המונח, לוחצים על הוספה.
3. אם רוצים למחוק את המונח החדש, לוחצים על מחיקה.
כדי ליצור עוד מונחים בהתאמה אישית, חוזרים על השלבים האלה.

כדי לראות את המונחים במילון המונחים הארגוני שיובאו מ-Knowledge Catalog:

בקטע Glossary בדף Editor של הנציג, לוחצים על Add term.
עוברים לקטע בדף שנקרא Imported from Dataplex.
כדי לשנות את המונחים שיובאו ב-Knowledge Catalog, לוחצים על Go to Dataplex glossaries.
אחרי שמשנים את המונחים ב-Knowledge Catalog, אפשר לחזור לדף Editor של הנציג כדי לראות את המונחים ששונו.

קובעים את ההגדרות

בקטע הגדרות, אפשר לקבוע את ההגדרות האופציונליות הבאות:

בקטע Model, בוחרים אילו סוגי מודלים יהיו זמינים למשתמשים בשיחה עם הנציג. כברירת מחדל, אפשר להשתמש במודלים גם בגרסאות טרום-השקה וגם בגרסאות שזמינות לכלל המשתמשים. מודלים שנמצאים בגרסת טרום-השקה (Preview) עשויים להשתמש בנקודת הקצה הגלובלית.
יוצרים תוויות כדי לארגן את המשאבים ב-Google Cloud . תוויות הן צמדי מפתח/ערך שמאפשרים לקשר בין אובייקטים או ביניהם לבין משאבים אחרים של Google Cloud .
1. בקטע הגדרות, לוחצים על ניהול תוויות.
2. לוחצים על הוספת תווית.
3. בשדות key ו-value, מזינים את צמד המפתח/ערך של התווית.
4. אם רוצים להוסיף עוד תוויות, לוחצים שוב על הוספת תווית.
5. כדי למחוק תווית, לוחצים על מחיקה.
6. כשמסיימים, לוחצים על הוספה. דף הנציג החדש נפתח מחדש.
כדי לכתוב את אירועי השיחה של הנציג בטבלה ב-BigQuery בפרויקט של הנציג לצורך מעקב וניתוח, בקטע Conversation logging מפעילים את האפשרות Enable conversation logging:
1. אם ההגדרות של תיעוד השיחות לא זמינות כשעורכים נציג קיים, צריך להעביר את בורר התצוגה למצב טיוטה ולוודא שטבלאות ספציפיות ב-BigQuery נבחרו כמקורות ידע.
2. בקטע Set a destination for the logs to be stored, בוחרים מערך נתונים קיים של יעד בפרויקט של הנציג ב-Dataset ID. בשדה Table ID, בוחרים טבלה קיימת או לוחצים על Select or create a table > ‎+ New table, מזינים שם לטבלה בקטע Specify new table (לדוגמה, agent_events) ולוחצים על Save.
3. קוראים את ההודעה לגבי רישום נתונים ביומן וגילוי נאות למשתמשים.
4. מחכים שההגדרות יאומתו. אם מערך הנתונים לא קיים, צריך ליצור אותו קודם ב-BigQuery. אם לסוכן השירות של Conversational Analytics API‏ (service-PROJECT_NUMBER@gcp-sa-geminidataanalytics.) אין גישה למערך הנתונים, לוחצים על Grant Access כדי לתת את התפקיד roles/bigquery.dataEditor במערך הנתונים, או מבקשים מהאדמין לתת אותו.
אחרי שמפרסמים את הנציג, שולחים שאלת בדיקה ממסך הצ'אט הראשי של הנציג שפורסם (הקטע Preview לא מתועד ביומן) ומרעננים את מערך הנתונים של היעד ב-BigQuery Studio כדי לוודא שטבלת היומן מופיעה. כדי לעדכן את היעד או להשבית את הרישום ביומן מאוחר יותר, עורכים את הנציג ומפרסמים את השינויים (שורות קיימות לא נמחקות). מידע נוסף זמין במאמר סקירה כללית על רישום שיחות ביומן.
מגדירים מגבלת גודל לשאילתות שסוכן הנתונים מעבד. בקטע Settings, מקלידים ערך בשדה Maximum bytes billed. צריך להגדיר את המגבלה הזו ל-10485760 או יותר, אחרת תופיע הודעת השגיאה הבאה:

Value error. In BigQuery on-demand pricing charges are
rounded up to the nearest MB, with a minimum of 10 MB of data processed
per query. So, max bytes billed must be set to greater or equal to
10485760.

אם לא מציינים ערך, maximum bytes billed מוגדר כברירת מחדל למכסת השימוש בשאילתות ליום של הפרויקט. מכסת השימוש היומית היא בלתי מוגבלת, אלא אם ציינתם מכסה בהתאמה אישית.

בקטע הבא מוסבר איך להעביר את הנציג למצב טיוטה או לפרסם אותו.

תצוגה מקדימה ופרסום של הנציג

בקטע Preview, מקלידים שאלה לדוגמה של משתמש בשדה Ask a question ולוחצים על Enter. כדי לוודא שסוכן הנתונים מחזיר את הנתונים שאתם מצפים לקבל, בודקים את התשובה של הסוכן. אם התשובה לא תואמת לציפיות שלכם, שנו את ההגדרות בקטע Editor כדי לשפר את ההגדרות של סוכן הנתונים עד שתקבלו תשובות מספקות. אתם יכולים להמשיך לבדוק ולשנות את הנציג כדי לשפר את התוצאות שלו.
לוחצים על Save.
כדי להעביר את סוכן הנתונים למצב טיוטה, שבו אפשר לערוך אותו מחדש מאוחר יותר, לוחצים על Go back כדי לחזור לדף Agent Catalog. הסוכן נמצא עכשיו במצב טיוטה, ולכן הוא מופיע בקטע My draft agents בכרטיסייה Agent Catalog.

כדי לפרסם את הנציג, נשארים בדף ליצירת הנציג וממשיכים לשלב הבא.
לוחצים על Publish כדי לפתוח את החלונית Publishing channels ולפרסם את סוכן הנתונים, כדי שיהיה זמין לשימוש בפרויקט.
אופציונלי: בתיבת הדו-שיח Your agent has been published, לוחצים על Share כדי לשתף את סוכן הנתונים עם משתמשים אחרים.
1. בחלונית Share permissions, לוחצים על Add principal.
2. בשדה New principals, מזינים חשבון משתמש אחד או יותר.
3. לוחצים על הרשימה Select a role.
4. ברשימה Role, בוחרים אחד מהתפקידים הבאים:
  - ‫Gemini Data Analytics Data Agent User (roles/geminidataanalytics.dataAgentUser): נותן הרשאה להתכתב בצ'אט עם סוכן הנתונים.
  - ‫Gemini Data Analytics Data Agent Editor (roles/geminidataanalytics.dataAgentEditor): הרשאה לערוך את סוכן הנתונים.
  - ‫Gemini Data Analytics Data Agent Viewer‏ (roles/geminidataanalytics.dataAgentViewer): הרשאה לצפות בסוכן הנתונים.
לוחצים על Save.
כדי לחזור לדף של הסוכן החדש, לוחצים על סגירה. מיד אחרי ששומרים או מפרסמים את הנציג, הוא מופיע בקטלוג הנציגים.

אתם יכולים ליצור שיחות עם סוכן הנתונים באמצעות BigQuery Studio או Data Studio. אתם יכולים גם ליצור ממשק משלכם כדי לשוחח עם סוכן הנתונים באמצעות Conversational Analytics API. במאמר פרסום סוכן נתונים ב-Data Studio מוסבר איך מפרסמים ב-Data Studio. איך מפרסמים סוכן נתונים ב-Gemini Enterprise

ניהול סוכני נתונים

אתם יכולים למצוא סוכנים קיימים בכרטיסייה Agent Catalog, שמורכבת משלושה חלקים:

הסוכנים שלי: רשימה של כל הסוכנים שיצרתם ופרסמתם. אתם יכולים לשנות סוכנים שפורסמו ולשתף אותם עם אחרים.
הסוכנים שלי שבמצב טיוטה: סוכנים שעדיין לא פרסמתם. אי אפשר לשתף סוכנים בטיוטה.
סוכנים שאנשים אחרים בארגון שיתפו: סוכנים שאנשים אחרים יצרו ושיתפו איתכם. אם אנשים אחרים נותנים לכם הרשאות, אתם יכולים לערוך את הסוכנים המשותפים האלה.

עריכת סוכן נתונים

כדי לערוך סוכן נתונים:

נכנסים לדף Agents ב-BigQuery.

מעבר אל Agents
לוחצים על הכרטיסייה קטלוג הסוכנים.
מאתרים את כרטיס הסוכן של סוכן הנתונים שרוצים לשנות.
כדי לפתוח את סוכן הנתונים בכלי לעריכת סוכנים, לוחצים על Open actions > ואז על Edit בכרטיס של הסוכן.
עורכים את ההגדרות של סוכן הנתונים לפי הצורך.
כדי לשמור את השינויים בלי לפרסם, לוחצים על שמירה.
כדי לפרסם את השינויים, לוחצים על פרסום . בתיבת הדו-שיח Share, אפשר לשתף את הנציג עם אחרים או ללחוץ על Cancel.
כדי לחזור לחלונית Agents, לוחצים על Go back.

כדי לשתף סוכן נתונים שפורסם: אי אפשר לשתף סוכנים בטיוטה.

נכנסים לדף Agents ב-BigQuery.

לדף Agents
לוחצים על הכרטיסייה קטלוג הסוכנים.
מאתרים את כרטיס הסוכן של סוכן הנתונים שרוצים לשנות.
כדי לפתוח את סוכן הנתונים בכלי לעריכת סוכנים, לוחצים על Open actions > ואז על Edit בכרטיס של הסוכן.
כדי לשתף את סוכן הנתונים עם משתמשים אחרים, לוחצים על שיתוף.
בחלונית Share permissions, לוחצים על Add principal.
בשדה New principals, מזינים חשבון משתמש אחד או יותר.
לוחצים על הרשימה Select a role.
ברשימה Role, בוחרים אחד מהתפקידים הבאים:
- ‫Gemini Data Analytics Data Agent User‏ (roles/geminidataanalytics.dataAgentUser): נותן הרשאה להתכתב בצ'אט עם סוכן הנתונים.
- ‫Gemini Data Analytics Data Agent Editor‏ (roles/geminidataanalytics.dataAgentEditor): הרשאה לערוך את סוכן הנתונים.
- ‫Gemini Data Analytics Data Agent Viewer‏ (roles/geminidataanalytics.dataAgentViewer): הרשאה לצפות בסוכן הנתונים.
לוחצים על Save.
כדי לחזור לדף העריכה של הנציג, לוחצים על סגירה.
כדי לחזור לחלונית Agents, לוחצים על Go back.

מחיקת סוכן נתונים

נכנסים לדף Agents ב-BigQuery.

לדף Agents
לוחצים על הכרטיסייה קטלוג הסוכנים.
בקטע הסוכנים שלי או טיוטות הסוכנים שלי בכרטיסייה Agent Catalog, מאתרים את כרטיס הסוכן של סוכן הנתונים שרוצים למחוק.
לוחצים על פתיחת הפעולות > מחיקה.
בתיבת הדו-שיח Delete agent?‎ לוחצים על Delete.

כשאתם מפרסמים את הסוכן ומשתפים אותו עם משתמשי Data Studio, הסוכן מופיע באופן אוטומטי בדף צ'אט עם הנתונים שלך ב-Data Studio, והמשתמשים יכולים להתכתב איתו בצ'אט.

יצירה ופרסום של הנציג ב-Data Studio

כמנתחי נתונים, אתם יכולים ליצור, לערוך ולפרסם סוכן ב-Data Studio. לשם כך, בצעו את השלבים הבאים:

יוצרים או עורכים את סוכן הנתונים ב-BigQuery.
מפרסמים את הנציג. כשמפרסמים את הנציג, בוחרים באפשרות Data Studio כאפשרות הפרסום.
פועלים לפי ההוראות כדי לשתף את הנציג, ומקצים את התפקידים המתאימים בניהול זהויות והרשאות גישה (IAM) למשתמשי Data Studio.

אתם יכולים לשתף סוכנים עם משתמשי Data Studio ישירות על ידי העתקת קישור שפותח שיחה עם הסוכן ב-Data Studio, או לשלוח אימייל כדי להודיע למשתמש שיש לו גישה לסוכן.

כדי לשתף קישור ישיר לסוכן, אתם יכולים להעתיק את כתובת ה-URL הייעודית של הסוכן בדרכים הבאות:

בקטלוג הסוכנים: לוחצים על פעולות פתוחות > לוחצים על העתקת הקישור > לוחצים על Data Studio.
בתצוגת פרטי הסוכן: לוחצים על העתקת הקישור לסוכן > בוחרים באפשרות Data Studio.
בתפריט האפשרויות הנוספות שיתוף: לוחצים על העתקת הקישור לסוכן ב-Data Studio.
אחרי שלוחצים על שמירה בחלונית הרשאות שיתוף: לוחצים על העתקת הקישור.

כדי לשלוח התראה באימייל שמודיעה לנמענים על הגישה שלהם לסוכן, בוחרים באפשרות שליחת אימייל בחלונית הרשאות שיתוף. התראות באימייל נשלחות רק למשתמשים או לקבוצות שאיתם שיתפתם את הסוכן בסשן העריכה הזה. כל חברי הקבוצה מקבלים את ההתראה באימייל, גם אם למשתמש מסוים כבר יש הרשאה ברמת הנציג. האימייל כולל את שם המשתמש ששיתף את הסוכן, את שם הסוכן וקישור לפתיחת הסוכן ב-Data Studio.

פרסום סוכן נתונים ב-Gemini Enterprise

אתם יכולים לפרסם סוכן נתונים של BigQuery ב-Gemini Enterprise, כדי שמשתמשים עסקיים יוכלו לשלוח שאילתות ולנתח נתונים באמצעות שפה טבעית ישירות ב-Gemini Enterprise. בדרך כלל התהליך הזה כולל שיתוף פעולה בין מנתחי נתונים, אדמינים ב-Gemini Enterprise ומשתמשים עסקיים. למידע נוסף על התפקידים שנדרשים למשתמשים האלה, קראו את המאמר התפקידים הנדרשים.

כדי לפרסם סוכן נתונים ב-Gemini Enterprise:

בודקים את הדרישות המוקדמות.
יוצרים ומפרסמים את סוכן הנתונים ב-BigQuery.
מקצים את הסוכן ב-Gemini Enterprise.
למצוא את הסוכן ולהתחיל איתו שיחה.

דרישות מוקדמות לבדיקה

הדרך המומלצת לפרסם סוכנים של ניתוח נתוני שיחות ב-BigQuery היא באמצעות Agent Registry. כדי לוודא שאפשר למצוא את הנציג ב-Gemini Enterprise, צריך לבצע את הפעולות המפורטות בקטע הזה.

לחלופין, אתם יכולים לפרסם את הנציג באמצעות קובץ ה-JSON של כרטיס ה-A2A. אם אתם משתמשים בשיטה הזו, קראו את המאמר יצירה ופרסום של סוכן הנתונים ב-BigQuery.

כדי להשתמש ב-Agent Registry, קודם צריך להגדיר את Agent Gateway עם מיפוי האזור המתאים. אזור האחסון של סוכן הנתונים של BigQuery ושל קישור המרשם של Agent Gateway ב-Gemini Enterprise חייב להיות זהה.

אתם מגדירים את אזור האחסון של הסוכן בקטע Region בעורך הסוכן בממשק המשתמש של BigQuery באינטרנט. אי אפשר לשנות את האזור אחרי ששומרים את הסוכן.

בתמונה הבאה מוצגות האפשרויות הזמינות לאזורים ב-Agent Gateway:

האזורים שזמינים ב-Agent Gateway לרישום סוכנים.

כאדמינים ב-Gemini Enterprise, אתם יכולים להגדיר Agent Gateway לאפליקציית Gemini Enterprise לפי השלבים הבאים:

מגדירים Agent Gateway שכולל את הקישור ל-Agent Registry שתואם לאזור של סוכן הנתונים. האפשרויות הן ארה"ב, האיחוד האירופי או גלובלי.
ב-Gemini Enterprise, פותחים את האפליקציה, עוברים אל Security > Configuration ומזינים את שם המשאב של שער הכניסה בקטע Agent Gateway configuration. הוראות מפורטות זמינות במאמר ניתוב תנועה של Gemini Enterprise דרך Agent Gateway.

יצירה ופרסום של סוכן הנתונים ב-BigQuery

כדי ליצור, להגדיר ולפרסם סוכן ב-BigQuery, מנתחי נתונים צריכים לבצע את הפעולות הבאות:

ב-BigQuery, יוצרים או עורכים את סוכן הנתונים.
בקטע Region, מוודאים שאזור האחסון תואם למקורות הנתונים ולהגדרות של Agent Gateway. האפשרויות הן ארה"ב, האיחוד האירופי או גלובלי.
לוחצים על Publish, או על Publish updates אם הנציג כבר פורסם בעבר.
בחלונית ערוצי פרסום, בקטע ערוצים נוספים, בוחרים את שיטת הפרסום:
- אם BigQuery ו-Gemini Enterprise נמצאים באותו פרויקט, בקטע Agent Registry מסמנים את התיבה Register this agent.
  - אם רוצים להסיר את הסוכן מהמרשם, לוחצים על Unregister.
- אם BigQuery ו-Gemini Enterprise נמצאים בפרויקטים שונים, בקטע Integrate via A2A (Agent2Agent)‎, לוחצים על Copy JSON כדי להעתיק את נתוני ה-JSON של נקודת הקצה של A2A, ואז משתפים את נתוני ה-JSON עם האדמין של Gemini Enterprise. נתוני ה-JSON האלה משמשים כשאתם מקצים את הסוכן בקטע Gemini Enterprise.
לוחצים על פרסום או על פרסום העדכונים.
משתפים את הסוכן עם המשתמשים והקבוצות שצריכים גישה, ונותנים להם את התפקיד Gemini Data Analytics Data Agent User‏ (roles/geminidataanalytics.dataAgentUser).

הקצאת הסוכן ב-Gemini Enterprise

כאדמינים ב-Gemini Enterprise, אתם יכולים להפוך את סוכן הנתונים לזמין למשתמשים באפליקציה שלכם באחת מהדרכים הבאות:

אפשרות 1: ייבוא מ-Agent Registry

כדי לייבא את הנציג הרשום:

אם Gemini Enterprise נמצא בפרויקט אחר מזה של BigQuery, צריך לבצע את השלבים הבאים כדי לרשום את הסוכן באופן ידני ב-Agent Registry. אם לא, מדלגים על השלב הזה:
1. במסוף Google Cloud , נכנסים ל-Agent Registry באותו פרויקט של Gemini Enterprise, לוחצים על הכרטיסייה Agents ואז על Add agent.
2. בחלונית Agent details, בשדה Type בוחרים באפשרות A2A.
3. בשדה Region, בוחרים את האזור שתואם להגדרות של סוכן הנתונים ו-Agent Gateway.
4. בוחרים באפשרות Paste JSON, מדביקים את נתוני ה-JSON של נקודת הקצה של A2A מ-BigQuery ולוחצים על Save.
ב-Gemini Enterprise, לוחצים על שם האפליקציה שבה רוצים להוסיף את הנציג.
בתפריט הניווט, לוחצים על Agents > Add agent.
בחלונית Choose an agent type, מאתרים את Agents from Agent Registry ולוחצים על Add.
בחלונית הוספת סוכן, מחפשים את הסוכן לפי שם, מזהה Agent Registry, סוג, יוצר או תרחיש לדוגמה, או מאתרים את כרטיס הסוכן ברשימה.
בכרטיס של הסוכן, לוחצים על הוספת סוכן.
בשלב Review agent details, בודקים את המטא-נתונים של הנציג שאוכלסו מכרטיס ה-A2A של הנציג, כולל השם, התיאור, כתובת ה-URL של הנציג, היכולות והמיומנויות, ואז לוחצים על Next.
בשלב אימות הסוכן, בוחרים איך Gemini Enterprise יאמת את ספק הסוכן:
- פרטי כניסה שמוגדרים כברירת מחדל ומנוהלים על ידי Google: Google מנהלת את פרטי הכניסה ל-OAuth באופן אוטומטי. אתם לא צריכים להגדיר או להזין ידנית את פרטי הכניסה של הלקוח.
- Custom OAuth: בוחרים באפשרות הזו רק אם הארגון דורש פרטי כניסה מותאמים אישית של לקוח OAuth, ומזינים את מזהה הלקוח, סוד הלקוח, כתובת ה-URL להרשאה וכתובת ה-URL של האסימון.
לוחצים על סיום.
הסוכן מופיע בטבלת הסוכנים עם הסטטוס מופעל וסוג הסוכן A2A (בהתאמה אישית).
משתפים את הנציג עם המשתמשים או הקבוצות שצריכים גישה.

אפשרות 2: ייבוא באמצעות קובץ JSON של כרטיס A2A

אם BigQuery ו-Gemini Enterprise נמצאים בפרויקטים שונים, צריך לפעול לפי השלבים הבאים כדי לייבא את הסוכן באמצעות קובץ ה-JSON של כרטיס ה-A2A:

ב-Gemini Enterprise, לוחצים על שם האפליקציה שבה רוצים להוסיף את הנציג.
בתפריט הניווט, לוחצים על Agents > Add agent.
בחלונית Choose an agent type, מאתרים את Custom agent via A2A ולוחצים על Add.
בשדה Agent card JSON, מזינים את קובץ ה-JSON של כרטיס הנציג שהתקבל ממנתח הנתונים.
לוחצים על תצוגה מקדימה של פרטי הנציג > לוחצים על הבא.
בשלב Agent authorization, בוחרים את שיטת האימות:
- פרטי כניסה שמוגדרים כברירת מחדל ומנוהלים על ידי Google: ‏Google מנהלת את פרטי הכניסה ל-OAuth באופן אוטומטי, בלי שתצטרכו להזין או ליצור באופן ידני מזהה לקוח וסוד לקוח.
- ‫Custom OAuth: בוחרים באפשרות הזו אם רוצים לספק באופן ידני פרטי כניסה מותאמים אישית של OAuth, לפי השלבים שמפורטים במאמר רישום וניהול של סוכני A2A.
בשלב הרשאות לכלי, לוחצים על סיום.
הסוכן מופיע בטבלת הסוכנים עם הסטטוס מופעל וסוג הסוכן A2A (בהתאמה אישית).
משתפים את הנציג עם המשתמשים או הקבוצות שצריכים גישה.

איך מוצאים סוכן ומשתמשים בו

אתם יכולים למצוא סוכן נתונים ב-Gemini Enterprise ולהשתמש בו בכל אחת מהדרכים הבאות:

חיפוש ידני: מאתרים סוכן נתונים בגלריית הסוכנים ומשתמשים בו באחת מהשיטות הבאות:
- חיפוש בגלריה: בוחרים את הסוכן ומתחילים צ'אט ייעודי.
- קישור ישיר: משתמשים בכתובת ה-URL הייעודית של הסוכן כדי לפתוח את Gemini Enterprise ישירות בסשן עם סוכן הנתונים הספציפי הזה ב-BigQuery.
- כוונה ישירה: מפעילים את הסוכן באמצעות @mention (לדוגמה, @sales_pipeline_agent) בצ'אט של Gemini Enterprise Core.
- תזמור חלק: אתם יכולים לשאול שאלה כללית לניתוח נתונים (לדוגמה, "מה המגמה של צינור המכירות שלנו ב-3 החודשים האחרונים?") ו-Gemini Enterprise ינתב את השאילתה באופן אוטומטי לסוכן הנתונים הרלוונטי.

אחרי שמוצאים את הנציג, אפשר לתקשר איתו באופן הבא:

אימות: משלימים את הכניסה החד-פעמית באמצעות OAuth כדי לאמת את החשבון ב-BigQuery באופן מאובטח.
צ'אט: שואלים את הסוכן שאלות בשפה טבעית. הסוכן מעבד את הבקשות ומעביר את התשובה בחזרה ל-Gemini Enterprise כטקסט, Markdown, תרשימים או טבלאות.
לצפות בהיסטוריית השיחות: השיחות נשמרות באופן אוטומטי בחלונית ההיסטוריה.

מעקב אחרי נציגים ושיחות

אתם יכולים לעקוב אחרי הביצועים, השימוש, זמן האחזור והעלויות של סוכני הנתונים והשיחות שלהם באמצעות Google Cloud Observability ב-BigQuery. כשמפעילים את יכולת התבוננות לעומק בסוכנים, אפשר לראות מדדים כמו:

מספר הנציגים שמשתתפים בשיחות
מספר המשתמשים ששאלו שאלות
מספר השיחות שנוצרו
הנציגים שענו על הכי הרבה שאלות
מקורות המידע הכי נפוצים
מעורבות המשתמשים
השימוש הצפוי בטוקנים
זמן אחזור שעתי של תשובות

לפני שמתחילים

מפעילים את Cloud Trace API,‏ Cloud Monitoring API ו-Cloud Logging API, אם הם עדיין לא מופעלים.

התפקידים שנדרשים כדי להפעיל ממשקי API

כדי להפעיל ממשקי API, צריך את ההרשאה serviceusage.services.enable. אם אתם יצרתם את הפרויקט, סביר להניח שכבר יש לכם את ההרשאה הזו דרך התפקיד "בעלים" (roles/owner). אחרת, אתם יכולים לקבל את ההרשאה הזו דרך התפקיד "אדמין בממשק 'שימוש בשירות'" (roles/serviceusage.serviceUsageAdmin). איך מקצים תפקידים?

הפעלת ממשקי ה-API

תפקידים והרשאות נדרשים

כדי להפעיל את יכולת התבוננות לעומק בסוכנים, צריך את ההרשאות הבאות בפרויקט:

cloudaicompanion.gibqObservabilitySettings.create
cloudaicompanion.gibqObservabilitySettings.list
cloudaicompanion.gibqObservabilitySettings.update
cloudaicompanion.settingBindings.gibqObservabilitySettingsCreate
cloudaicompanion.settingBindings.gibqObservabilitySettingsList
cloudaicompanion.settingBindings.gibqObservabilitySettingsUse
geminidataanalytics.dataAgents.create
geminidataanalytics.operations.get
observability.traceScopes.create
resourcemanager.projects.update
serviceusage.services.enable
serviceusage.values.test

כדי לקבל את ההרשאות שדרושות למעקב אחרי הנציגים באמצעות מדדים, נתוני מעקב ויומנים, בקשו מהאדמין להקצות לכם את התפקידים הבאים ב-IAM בפרויקט:

צפייה בנתוני מעקב ובהגדרות: צפייה במעקב (roles/monitoring.viewer)
צפייה במעקבים: משתמש ב-Cloud Trace (roles/cloudtrace.user)
צפייה ביומנים: מציג היומנים (roles/logging.viewer)
צפייה במערכי נתונים ובתוכן שלהם: BigQuery Data Viewer (roles/bigquery.dataViewer)
לצפות בהגדרות האדמין: משתמש Gemini ל-Google Cloud (roles/cloudaicompanion.user)

להסבר על מתן תפקידים, ראו איך מנהלים את הגישה ברמת הפרויקט, התיקייה והארגון.

יכול להיות שאפשר לקבל את ההרשאות הנדרשות גם באמצעות תפקידים בהתאמה אישית או תפקידים מוגדרים מראש.

הפעלת יכולת תצפית

כברירת מחדל, יכולת התבוננות לעומק בסוכנים מושבתת. אדמין יכול להפעיל את זה בפרויקט או בארגון. כדי להפעיל את יכולת הצפייה של הנציגים, בוחרים באחת מהאפשרויות הבאות:

המסוף

במסוף Google Cloud , נכנסים לדף Agents ב-BigQuery.

מעבר אל Agents
לוחצים על הכרטיסייה מעקב.
אם יכולת התצפית מושבתת, פועלים לפי ההנחיות כדי להפעיל אותה.

Google Cloud CLI

יוצרים הגדרת ניראות:

gcloud gemini gibq-observability-settings create SETTING_NAME \
  --conversational-analytics-setting-metrics-enabled \
  --conversational-analytics-setting-traces-enabled \
  --project=PROJECT_ID \
  --location=global

מחליפים את מה שכתוב בשדות הבאים:

‫SETTING_NAME: שם להגדרת הניטור.
‫PROJECT_ID: מזהה הפרויקט.

מקשרים את הגדרת הניטור לפרויקט:

gcloud gemini gibq-observability-settings setting-bindings create BINDING_NAME \
  --gibq-observability-setting=SETTING_NAME \
  --target=projects/PROJECT_ID \
  --location=global \
  --project=PROJECT_ID

מחליפים את BINDING_NAME בשם של קישור ההגדרה. מומלץ להשתמש ב-binding-PROJECT_ID בתור שם הקישור.

API

יוצרים הגדרת ניראות:

curl -X POST \
    -H "Authorization: Bearer $(gcloud auth print-access-token)" \
    -H "Content-Type: application/json; charset=utf-8" \
    -d '{
          "conversational_analytics_setting": {
            "metrics_enabled": true
          }
        }' \
    "https://cloudaicompanion.googleapis.com/v1/projects/PROJECT_ID/locations/global/gibqObservabilitySettings?gibq_observability_setting_id=SETTING_NAME"

מחליפים את מה שכתוב בשדות הבאים:

‫SETTING_NAME: שם להגדרת הניטור.
‫PROJECT_ID: מזהה הפרויקט.

מקשרים את הגדרת הניטור לפרויקט:

curl -X POST \
    -H "Authorization: Bearer $(gcloud auth print-access-token)" \
    -H "Content-Type: application/json; charset=utf-8" \
    -d '{
          "target": "projects/PROJECT_ID",
          "product": "GEMINI_IN_BIGQUERY"
        }' \
    "https://cloudaicompanion.googleapis.com/v1/projects/PROJECT_ID/locations/global/gibqObservabilitySettings/SETTING_NAME/settingBindings?setting_binding_id=BINDING_NAME"

מחליפים את BINDING_NAME בשם של קישור ההגדרה. מומלץ להשתמש ב-binding-PROJECT_ID בתור שם הקישור.

הצגת המדדים

המדדים נאספים אחרי שמפעילים את הניטור. הנתונים לא ממולאים באופן רטרואקטיבי. כדי לראות את המדדים של הנציג, בוחרים באחת מהאפשרויות הבאות:

BigQuery

במסוף Google Cloud , נכנסים לדף Agents ב-BigQuery.

מעבר אל Agents
לוחצים על הכרטיסייה מעקב.

Cloud Monitoring

נכנסים לדף Dashboards של Cloud Monitoring במסוף Google Cloud .

כניסה לדף Dashboards
בחלונית My Dashboards, מחפשים את לוח הבקרה שנקרא BigQuery Conversational Analytics.
כדי לפתוח את מרכז הבקרה, לוחצים על השם שלו.
אופציונלי: יוצרים מרכז בקרה בהתאמה אישית.
אופציונלי: כדי לראות מדדים בנפרד, עוברים לדף Metrics explorer.

כניסה לדף Metrics Explorer

המדדים של הנציג כוללים את השימוש בנציג, קריאות למודל, שימוש בכלים, תקינות, זמן אחזור ושימוש בטוקנים.

קריאות לניפוי באגים במודל

אתם יכולים לראות את רצף הפעולות בתוך מהלך שיחה, כמו קריאות למודלים וקריאות לכלים, כדי לפתור שגיאות ובעיות של זמן אחזור.

נכנסים לדף Trace explorer של Cloud Monitoring במסוף Google Cloud .

כניסה לדף Trace Explorer
לוחצים על span כדי לבדוק אותו.
בודקים את המידע בחלונית Details.
אופציונלי: יוצרים מרכז בקרה מותאם אישית למעקב.

שמירת נתוני מעקב

הנתונים שלכם ב-Cloud Trace נשמרים במערך נתונים של ניראות למשך 30 יום. כדי לשמור את נתוני המעקב לפרק זמן ארוך יותר, צריך להעביר אותם למערך נתונים ב-BigQuery.

התפקידים הנדרשים

כדי לקבל את ההרשאות שדרושות לחשיפת מעקבים בזמן אמת ל-BigQuery באמצעות יצירת מערך נתונים מקושר, בקשו מהאדמין לתת לכם את התפקידים הבאים ב-IAM בפרויקט:

אדמין ב-Cloud Trace ‏(roles/cloudtrace.admin)
עריכת ניראות (roles/observability.editor)
BigQuery User (roles/bigquery.user)

להסבר על מתן תפקידים, ראו איך מנהלים את הגישה ברמת הפרויקט, התיקייה והארגון.

יכול להיות שאפשר לקבל את ההרשאות הנדרשות גם באמצעות תפקידים בהתאמה אישית או תפקידים מוגדרים מראש.

העברת נתוני מעקב ל-BigQuery

כדי לשמור את נתוני המעקב:

פותחים את Cloud Shell:
מאתרים את המיקום של הקטגוריה ב-_Trace:
```
gcloud beta observability buckets list --location=-
```
שימו לב למיקום של קטגוריית _Trace בשביל השלב הבא.
יוצרים מערך נתונים מקושר בפרויקט ב-BigQuery שמפנה לקטגוריה ב-_Trace:
```
gcloud beta observability buckets datasets links create \
    projects/PROJECT_ID/locations/LOCATION/buckets/_Trace/datasets/Spans/links/LINK_NAME \
    --dataset=Spans \
    --bucket=_Trace \
    --location=LOCATION \
    --project=PROJECT_ID
```
מחליפים את מה שכתוב בשדות הבאים:
- ‫PROJECT_ID: מזהה הפרויקט
- ‫LOCATION: המיקום של הקטגוריה _Trace מהשלב הקודם
- ‫LINK_NAME: שם לקבוצת הנתונים המקושרת
יוצרים מערך נתונים רגיל שבו יאוחסנו המעקבים ההיסטוריים. הפקודה הבאה מגדירה את תפוגת ברירת המחדל של המחיצה ל-90 ימים (7,776,000 שניות):
```
bq --location=LOCATION mk \
    --dataset \
    --default_partition_expiration=7776000 \
    --description="Archive storage for historical traces" \
    PROJECT_ID:STORAGE_DATASET
```
מחליפים את STORAGE_DATASET בשם של מערך הנתונים.
יוצרים טבלה ריקה עם מחיצות במערך הנתונים לאחסון, עם אותה סכימה כמו של מערך הנתונים המקושר. חלוקה למחיצות לפי תאריך עוזרת לנהל את שמירת הנתונים ואת עלויות השאילתות. כדי ליצור את הטבלה, מריצים את השאילתה הבאה בעורך ה-SQL:
```
CREATE TABLE `PROJECT_ID.STORAGE_DATASET.TABLE_NAME`
PARTITION BY DATE(start_time)
AS
SELECT *
FROM `PROJECT_ID.LINK_NAME._AllSpans`
WHERE FALSE;
```
מחליפים את TABLE_NAME בשם של הטבלה.

יוצרים שאילתה מתוזמנת כדי להעתיק מדי יום את נתוני המעקב ממערך הנתונים המקושר לטבלת הארכיון. השאילתה הבאה מעתיקה נתונים מהיום הקודם:

INSERT INTO `PROJECT_ID.STORAGE_DATASET.TABLE_NAME`
SELECT *
FROM `PROJECT_ID.LINK_NAME._AllSpans`
WHERE start_time >=
  TIMESTAMP_SUB(TIMESTAMP_TRUNC(CURRENT_TIMESTAMP(), DAY), INTERVAL 1 DAY)
  AND start_time < TIMESTAMP_TRUNC(CURRENT_TIMESTAMP(), DAY);

למידע נוסף, קראו איך למצוא ולחקור נתוני מעקב.

השבתת הניראות (observability)

כדי להשבית את הניטור של סוכני הנתונים, מעדכנים את הגדרת הניטור:

gcloud gemini gibq-observability-settings update SETTING_NAME \
    --no-conversational-analytics-setting-metrics-enabled \
    --no-conversational-analytics-setting-traces-enabled \
    --project=PROJECT_ID \
    --location=global

מחליפים את מה שכתוב בשדות הבאים:

‫SETTING_NAME: השם של הגדרת הניראות שיצרתם כדי להפעיל את הניראות. אם הפעלתם את הניראות באמצעות מסוף Google Cloud , שם ההגדרה הוא default.
‫PROJECT_ID: מזהה הפרויקט.

ניתוח יומני שיחות ב-BigQuery

בנוסף למדדי ניראות ברמת הפרויקט ב-Cloud Monitoring ולטווחים ב-Cloud Trace, אתם יכולים להפעיל רישום שיחות לכל סוכן ב-BigQuery Studio כדי לכתוב כל שלב בשיחה – כולל השאלה של המשתמש, התשובה של הסוכן, זמן האחזור והשימוש בטוקנים של המודל – לטבלה ב-BigQuery בפרויקט של הסוכן. אחרי זה אתם יכולים לשלוח שאילתות על האירועים שנרשמו ביומן ולהעריך אותם באמצעות GoogleSQL, מסמכי Notebook אינטראקטיביים של Colab או ה-Python SDK של BigQuery Agent Analytics. מידע נוסף מופיע בסקירה הכללית על תיעוד שיחות.

יצירת סוכני נתונים

לפני שמתחילים

התפקידים הנדרשים

שיטות מומלצות

יצירת תובנות

עבודה עם הסוכן של נתונים לדוגמה

יצירת סוכן נתונים

שלבים ראשונים

התאמה אישית של תיאורי טבלאות ושדות

יצירת הוראות לסוכן

יצירת שאילתות מאומתות

יצירת שאילתות מאומתות שמכילות פרמטרים

איך זה עובד

טיפים ליצירת שאילתות יעילות שמכילות פרמטרים

יצירת שאילתה מאומתת שמכילה פרמטרים

בוחרים שאילתה מאומתת קיימת שהוצעה על ידי Gemini.

יצירת נציג ואז יצירת שאילתה מאומתת

מגדירים את הפרמטרים של השאילתה המאומתת

בדיקת השאילתה המאומתת שמכילה פרמטרים

יצירה או בדיקה של מונחים במילון המונחים

קובעים את ההגדרות

תצוגה מקדימה ופרסום של הנציג

ניהול סוכני נתונים

עריכת סוכן נתונים

שיתוף של סוכן נתונים

מחיקת סוכן נתונים

פרסום סוכן נתונים ב-Data Studio

יצירה ופרסום של הנציג ב-Data Studio

שיתוף הנציג עם משתמשי Data Studio

פרסום סוכן נתונים ב-Gemini Enterprise

דרישות מוקדמות לבדיקה

יצירה ופרסום של סוכן הנתונים ב-BigQuery

הקצאת הסוכן ב-Gemini Enterprise

אפשרות 1: ייבוא מ-Agent Registry

אפשרות 2: ייבוא באמצעות קובץ JSON של כרטיס A2A

איך מוצאים סוכן ומשתמשים בו

מעקב אחרי נציגים ושיחות

לפני שמתחילים

תפקידים והרשאות נדרשים

הפעלת יכולת תצפית

המסוף

Google Cloud CLI

API

הצגת המדדים

BigQuery

Cloud Monitoring

קריאות לניפוי באגים במודל

שמירת נתוני מעקב

התפקידים הנדרשים

העברת נתוני מעקב ל-BigQuery

השבתת הניראות (observability)

ניתוח יומני שיחות ב-BigQuery

המאמרים הבאים