במאמר הזה מוסברים מושגי מפתח לשימוש ב-Conversational Analytics API (שניתן לגשת אליו דרך geminidataanalytics.googleapis.com או נקודות קצה אזוריות), שמאפשר ליצור סוכנים לאינטראקציה עם נתונים ולהשתמש בהם כדי לענות על שאלות לגבי הנתונים המובְנים שלכם בשפה טבעית. במאמר הזה מתוארים הארכיטקטורה של הנציגים, תהליכי עבודה אופייניים, מצבי שיחה, תפקידים בניהול זהויות והרשאות גישה (IAM) ועיצוב של מערכת מרובת נציגים.
כדי לבדוק את הגישות האפשריות לארכיטקטורה של Conversational Analytics API ואיך ה-API מנהל את הקשר השיחה, קראו את המאמרים בנושא דפוסי שילוב וניהול מצב.
איך סוכני הנתונים פועלים
סוכנים לאינטראקציה עם נתונים של Conversational Analytics API משתמשים בהקשר (מידע ונתונים עסקיים) שאתם מספקים, ובכלים (כמו SQL ו-Python) כדי לפרש שאלות בשפה טבעית וליצור תשובות מהנתונים המובְנים שלכם.
התרשים הבא ממחיש את השלבים בתהליך העבודה של הנציג כשהמשתמש שואל שאלה:

כמו שמוצג בתרשים, כשמשתמש שואל שאלה, הנציג מעבד את הבקשה בשלבים הבאים:
- קלט: המשתמש שולח שאלה בשפה טבעית, יחד עם כל הקשר נוסף שסיפקתם קודם.
- מקורות נתונים: הנציג מתחבר לנתונים שלכם ב-Looker, ב-BigQuery (כולל טבלאות או תרשים), ב-Data Studio או במקורות נתונים של מסדי נתונים (AlloyDB, GoogleSQL ל-Spanner, Cloud SQL ל-MySQL ו-Cloud SQL ל-PostgreSQL בגרסת טרום-השקה (Preview) ב-
v1beta). - מנוע חשיבה רציונלית: ליבת הנציג מעבדת את השאלה של המשתמש באמצעות הכלים הזמינים כדי ליצור תשובה.
- פלט: הנציג מחזיר זרם של הודעות, שיכולות להכיל טקסט, נתונים או תרשימים. ההודעות האלה עשויות לכלול ציטוטים שמקשרים חלקים ספציפיים בטקסט של התשובה למקורות ההקשר שסיפקתם, כמו מונחים במילון או שאילתות לדוגמה. בחלק ממקורות הנתונים, הודעות טקסט מספקות תובנות מפורטות לגבי תהליך החשיבה של הסוכן, מדווחות על התקדמות הפעולה או מספקות את התשובה הסופית לשאילתה.
תהליכי עבודה לתכנון סוכנים ולשימוש בהם
Conversational Analytics API תומך בתהליכי עבודה של יוצרי נציגים (שיוצרים ומגדירים נציגים) ושל צרכני נציגים (שמתקשרים עם נציגים קיימים).
בתרשים הבא מוצג התהליך מקצה לקצה, מההגדרה הראשונית על ידי יוצר הנציג ועד לאינטראקציות הסופיות עם צרכן הנציג:

בקטעים הבאים מפורטים תהליכי העבודה של יוצרי הסוכנים ושל צרכני הסוכנים.
תהליך העבודה ליצירת סוכנים
יוצר הסוכן אחראי להגדיר את הסוכנים. תהליך העבודה הזה כולל את השלבים הבאים:
- יצירת נציג: היוצר מתחיל ביצירת נציג חדש ומספק את ההקשר הדרוש, כולל הוראות מערכת וחיבורים למקורות נתונים. השלב הזה חיוני כדי שהנציג יוכל להבין את השאלות של המשתמשים ולענות עליהן בצורה יעילה.
- שיתוף הסוכן: אחרי שהסוכן מוגדר, היוצר משתף אותו עם משתמשים אחרים ומגדיר את בקרת הגישה המבוססת על תפקידים המתאימה כדי לנהל את ההרשאות.
תהליך העבודה של הסוכן הצרכני
המשתמש של הנציג הוא בדרך כלל משתמש עסקי שצריך לקבל תשובות מנציג מוגדר. תהליך העבודה הזה כולל את השלבים הבאים:
- חיפוש סוכן: המשתמש מתחיל בחיפוש סוכן ששותף איתו.
- שואלים שאלה: המשתמש שואל שאלה בשפה טבעית. השאלה הזו יכולה להיות שאילתה אחת או חלק משיחה עם כמה שלבים.
- הסוכן "חושב": מנוע החשיבה הרציונלית של הסוכן מעבד את השאלה. מנוע החשיבה הרציונלית משתמש בידע המוגדר מראש של הסוכן ובכלים הזמינים שלו (כמו SQL, Python ותרשימים) ב"לולאת חשיבה רציונלית" כדי לקבוע מה הדרך הכי טובה לענות על השאלה.
- הנציג משיב: הנציג מחזיר רצף של הודעות, שיכולות להכיל טקסט, נתונים או תרשימים. בחלק ממקורות הנתונים, הודעות טקסט מספקות תובנות מפורטות לגבי תהליך החשיבה של הסוכן, מדווחות על התקדמות הפעולה או מספקות את התשובה הסופית לשאילתה.
מצבי שיחה
סוכני Conversational Analytics API תומכים במצבי שיחה שונים שקובעים איך הסוכן מטפל בהיסטוריית השיחות ובשמירה על ההקשר בין האינטראקציות. אלה מצבי השיחה הזמינים:
- בלי הקשר קודם: הנציג לא שומר את היסטוריית השיחות. כל אינטראקציה מטופלת בנפרד. המצב הזה שימושי לאפליקציות שבהן לא צריך לשמור על ההקשר לאורך כמה סבבים.
- מצב עם שמירת מצב (stateful): הנציג שומר את ההקשר ואת היסטוריית השיחות, וכך מאפשר אינטראקציות מותאמות יותר להקשר. המצב הזה שימושי לאפליקציות שבהן צריך לשמור על ההקשר בכמה פניות. מומלץ להשתמש במצב עם שמירת מצב כדי לקבל תשובות מדויקות ומותאמות אישית יותר.
בחרו מצב שיחה בהתאם לדרישות של האפליקציה לגבי היסטוריית השיחות וההקשר.

תפקידי IAM
תפקידי IAM קובעים מי יכול ליצור, לנהל, לשתף ולבצע אינטראקציה עם סוכני Conversational Analytics API. בטבלה הבאה מתוארים התפקידים העיקריים ב-IAM ל-Conversational Analytics API:
| תפקיד | היקף אופייני | מה התפקיד מאפשר לעשות | מי יכול להשתמש בתפקיד הזה |
|---|---|---|---|
Gemini Data Analytics Data Agent Creator (roles/geminidataanalytics.dataAgentCreator) |
פרויקט | ליצור סוכנים ולקבל הרשאות בעלים על הסוכן. | כל מנתח נתונים |
Gemini Data Analytics Data Agent Owner (roles/geminidataanalytics.dataAgentOwner) |
פרויקט, נציג | לערוך, לשתף או למחוק סוכנים עם משתמשים אחרים. | מנתח נתונים בכיר |
Gemini Data Analytics Data Agent Editor (roles/geminidataanalytics.dataAgentEditor) |
נציג, פרויקט | לעדכן את ההגדרות או ההקשר של הנציג. | מנתח נתונים מתחיל |
Gemini Data Analytics Data Agent User (roles/geminidataanalytics.dataAgentUser) |
נציג, פרויקט | לדבר בצ'אט עם נציג. | משווק, בעל חנות |
Gemini Data Analytics Data Agent Viewer (roles/geminidataanalytics.dataAgentViewer) |
פרויקט, נציג | להציג רשימה של סוכנים ולקבל את הפרטים שלהם. אי אפשר לערוך את הסוכן. | כל משתמש |
Gemini Data Analytics Query Data User (roles/geminidataanalytics.queryDataUser) |
פרויקט | שליחת שאילתות לנתונים ממקורות נתמכים של מסדי נתונים באמצעות השיטה QueryData. |
מפתחי אפליקציות, מנתחי נתונים |
משתמש בצ'אט ללא שמירת מצב ב-Gemini Data Analytics (roles/geminidataanalytics.dataAgentStatelessUser) |
פרויקט | לשוחח עם סוכן בלי לשמור את ההקשר או את היסטוריית השיחות. | כל משתמש |
מערכות עם כמה סוכנים
אתם יכולים לתכנן מערכות מורכבות על ידי שילוב של כמה סוכני Conversational Analytics API. דפוס נפוץ הוא להשתמש בסוכן "מתזמר" ראשי שמאציל משימות לסוכן אחד או יותר שמתמחים בתחומים ספציפיים, כמו נתוני מכירות או שיווק. הגישה הזו מאפשרת לכם ליצור מערכת שיכולה לטפל במגוון רחב של שאלות, על ידי שילוב של היתרונות של כמה נציגים.
Conversational Analytics API תומך בפרוטוקול הפתוח Agent-to-Agent (A2A), שמספק ממשק סטנדרטי לזיהוי יכולות, להעברת שאילתות ולהעברת SQL מובנה ופריטי תרשים בין סוכנים. במאמר ניהול סוכני נתונים באמצעות A2A מוסבר איך להטמיע תהליכי עבודה עם כמה סוכנים באמצעות פרוטוקול A2A.
בתרשים הבא מוצג דפוס של כמה סוכנים, ואיך סוכן ראשי יכול להעביר שאלה לגבי נתונים לסוכן ייעודי של Conversational Analytics:

תהליך העבודה הרגיל של מערכת מרובת סוכנים כולל את השלבים הבאים:
- משתמש עסקי או מנתח נתונים שואל שאלה בשפה טבעית, כמו "תראה לי את שלוש החנויות המובילות לפי הכנסות".
- סוכן "מתזמר" ראשי מעביר את הבקשה לסוכן המתמחה המתאים.
- הסוכן המיוחד מקבל את הבקשה, מתחבר למקורות הנתונים הרלוונטיים, משתמש בכלים שלו כדי ליצור את שאילתות ה-SQL והתרשימים הנדרשים, ויוצר תשובה.
- התשובה של הנציג המומחה מוחזרת למשתמש, למשל: "חנויות 4, 9 ו-3 מניבות את ההכנסה הגבוהה ביותר. הנה תרשים".
המאמרים הבאים
אחרי שתבינו את המושגים העיקריים של Conversational Analytics API, תוכלו ללמוד איך להטמיע את התכונות האלה:
- איך מתזמרים סוכנים לאינטראקציה עם נתונים באמצעות A2A
- השוו בין דפוסי שילוב ארכיטקטוניים כדי לקבוע מה הגישה הכי טובה לאפליקציה שלכם.
- להבין את ניהול המצבים של סוכנים לאינטראקציה עם נתונים ואיך ה-API מנהל את ההקשר של השיחה.
- איך מאמתים מקור נתונים ומקשרים אותו
- איך יוצרים ומגדירים סוכן באמצעות HTTP
- איך יוצרים ומגדירים נציג באמצעות Python
- מידע נוסף על הנחיית ההתנהגות של הנציג באמצעות הקשר שנוצר
- הבנת בקרת גישה עם IAM עבור Conversational Analytics API
- איך להגן על הסוכנים לאינטראקציה עם נתונים ועל השיחות באמצעות CMEK
- איך מעבדים תשובות של נציגים למקורות נתונים של Looker