Configurer la journalisation des conversations

L'API Conversational Analytics vous permet d'activer ou de désactiver la journalisation des conversations pour un agent de données et de choisir la table BigQuery qui stocke ses journaux. Pour examiner les questions des utilisateurs et les réponses de l'agent, interrogez cette table.

Avant de commencer

Avant de configurer la journalisation des conversations pour un agent de données, effectuez les tâches suivantes :

  1. Dans votre projet Google Cloud , activez les API requises pour l'API Conversational Analytics et BigQuery.
  2. Vérifiez que vous disposez des rôles IAM (Identity and Access Management) requis.
  3. Assurez-vous de disposer d'un agent de données dont les sources de données font référence à des tables BigQuery. Pour connaître les configurations d'agent qui ne sont pas consignées, consultez Limites.
  4. Planifiez un ensemble de données BigQuery dans le projet de l'agent de données qui ne contient que les journaux. Tous les agents de données du projet partagent un agent de service, et un ensemble de données dédié limite son accès en écriture à vos journaux.
  5. Déterminez qui peut lire les journaux. Les journaux contiennent les questions complètes de vos utilisateurs et les réponses de l'agent. Si les utilisateurs discutent avec l'agent via votre propre application, vous êtes responsable des avis, des divulgations ou des consentements qui s'appliquent aux conversations enregistrées. Pour en savoir plus, consultez Confidentialité, gouvernance des données et sécurité.

Rôles requis

Pour obtenir les autorisations nécessaires pour configurer la journalisation des conversations pour un agent de données et interroger les journaux, demandez à votre administrateur de vous accorder les rôles IAM suivants :

Pour en savoir plus sur l'attribution de rôles, consultez Gérer l'accès aux projets, aux dossiers et aux organisations.

Vous pouvez également obtenir les autorisations requises avec des rôles personnalisés ou d'autres rôles prédéfinis.

Si vous créez l'ensemble de données de journaux, le rôle "Propriétaire de données BigQuery" vous est automatiquement attribué. Si vous avez créé l'agent de données, vous disposez automatiquement du rôle de propriétaire de l'agent de données Gemini Data Analytics (roles/geminidataanalytics.dataAgentOwner) sur celui-ci, qui inclut l'autorisation de modifier ses paramètres de journalisation des conversations.

Les utilisateurs qui discutent avec l'agent de données n'ont pas besoin de rôles supplémentaires pour la journalisation des conversations. Si les conversations ne sont pas enregistrées pour certains utilisateurs, consultez Résoudre les problèmes d'enregistrement des conversations.

Rôle d'agent de service

L'agent de service de l'API Conversational Analytics (service-PROJECT_NUMBER@gcp-sa-geminidataanalytics.) écrit les journaux. Remplacez PROJECT_NUMBER par le numéro du projet contenant l'agent de données.

Pour vous assurer que l'agent de service de l'API Conversational Analytics dispose des autorisations nécessaires pour créer la table de journaux et y écrire les journaux de conversation, demandez à votre administrateur d'accorder le rôle IAM Éditeur de données BigQuery (roles/bigquery.dataEditor) à l'agent de service de l'API Conversational Analytics sur l'ensemble de données de journaux.

Pour en savoir plus sur l'attribution de rôles, consultez Gérer l'accès aux projets, aux dossiers et aux organisations.

Votre administrateur peut également attribuer à l'agent de service de l'API Conversational Analytics les autorisations requises via des rôles personnalisés ou d'autres rôles prédéfinis.

Activer la journalisation des conversations

La journalisation des conversations nécessite un ensemble de données dans lequel l'agent de service peut écrire. Créez d'abord l'ensemble de données et accordez l'accès, puis activez la journalisation pour l'agent de données.

Créer l'ensemble de données de journaux

Créez un ensemble de données dans le projet de l'agent de données pour stocker les journaux. L'agent de service crée la table de journaux dans cet ensemble de données lors de la première requête enregistrée. Pour créer l'ensemble de données, utilisez la commande bq mk --dataset dans l'outil de ligne de commande bq. Vous pouvez exécuter les commandes de l'outil bq dans Cloud Shell ou dans un terminal local où la Google Cloud CLI est installée.

bq --location=LOCATION mk --dataset PROJECT_ID:LOG_DATASET

Remplacez les exemples de valeurs comme suit :

  • LOCATION : emplacement BigQuery de l'ensemble de données de journaux, par exemple US.
  • PROJECT_ID : ID du projet contenant l'agent de données.
  • LOG_DATASET : ID de l'ensemble de données à créer.

Pour découvrir d'autres façons de créer un ensemble de données, consultez Créer des ensembles de données.

Accorder à l'agent de service l'accès à l'ensemble de données

Attribuez à l'agent de service le rôle d'éditeur de données BigQuery (roles/bigquery.dataEditor) sur l'ensemble de données de journal uniquement.

Sélectionnez l'une des options suivantes :

Console

  1. Dans la console Google Cloud , accédez à la page BigQuery.

    Accéder à BigQuery

  2. Dans le volet Explorateur, développez votre projet, cliquez sur Ensembles de données, puis sélectionnez l'ensemble de données de journaux.

  3. Cliquez sur Partager > Gérer les autorisations.

  4. Cliquez sur Ajouter un compte principal.

  5. Dans le champ Nouveaux comptes principaux, saisissez l'adresse e-mail de l'agent de service : service-PROJECT_NUMBER@gcp-sa-geminidataanalytics..

    Remplacez PROJECT_NUMBER par le numéro du projet contenant l'agent de données.

  6. Dans la liste Sélectionner un rôle, sélectionnez Éditeur de données BigQuery.

  7. Cliquez sur Enregistrer.

SQL

Dans l'éditeur de requête BigQuery, définissez l'emplacement de la requête sur l'emplacement de l'ensemble de données de journal, puis exécutez l'instruction GRANT suivante :

GRANT `roles/bigquery.dataEditor`
ON SCHEMA `PROJECT_ID`.LOG_DATASET
TO "serviceAccount:service-PROJECT_NUMBER@gcp-sa-geminidataanalytics.";

Remplacez les exemples de valeurs comme suit :

  • PROJECT_ID : ID du projet contenant l'agent de données et l'ensemble de données de journaux.
  • LOG_DATASET : ID de l'ensemble de données de journaux.
  • PROJECT_NUMBER : numéro du projet contenant l'agent de données.

Pour découvrir d'autres façons d'accorder l'accès, consultez Accorder l'accès à un ensemble de données. Si l'attribution échoue parce que l'agent de service n'existe pas, consultez Échec de l'attribution de l'accès à l'ensemble de données, car l'agent de service n'existe pas.

Activer la journalisation pour l'agent de données

Pour activer la journalisation pour un agent de données existant, définissez les champs bigquery_agent_analytics_enabled et bigquery_agent_analytics_table de l'agent (bigqueryAgentAnalyticsEnabled et bigqueryAgentAnalyticsTable dans les requêtes HTTP), puis incluez les deux champs dans le masque de mise à jour. La mise à jour ne modifie que les champs du masque de mise à jour. L'agent de service n'écrit des lignes de journal que lorsque vous activez la journalisation et définissez une table de journaux.

Exécutez les exemples suivants dans l'environnement Python que vous avez configuré dans Configurer les paramètres et initialiser les clients (SDK Python) ou Configurer les paramètres initiaux et l'authentification (HTTP), par exemple un notebook Colaboratory. Les exemples de SDK Python de cette page nécessitent la version 0.13.4 ou ultérieure de google-cloud-geminidataanalytics.

SDK Python

from google.protobuf import field_mask_pb2

data_agent_id = "DATA_AGENT_ID"
log_dataset = "LOG_DATASET"
log_table = "LOG_TABLE"

data_agent = geminidataanalytics.DataAgent()
data_agent.name = f"projects/{billing_project}/locations/{location}/dataAgents/{data_agent_id}"
data_agent.bigquery_agent_analytics_enabled = True
data_agent.bigquery_agent_analytics_table = geminidataanalytics.BigQueryTableReference(
    project_id=billing_project,
    dataset_id=log_dataset,
    table_id=log_table,
)

update_mask = field_mask_pb2.FieldMask(
    paths=["bigquery_agent_analytics_enabled", "bigquery_agent_analytics_table"]
)

request = geminidataanalytics.UpdateDataAgentRequest(
    data_agent=data_agent,
    update_mask=update_mask,
)

try:
  response = data_agent_client.update_data_agent_sync(request=request)
  print(response.bigquery_agent_analytics_enabled)
  print(response.bigquery_agent_analytics_table)
except Exception as e:
  print(f"Error updating data agent: {e}")

Remplacez les exemples de valeurs comme suit :

  • DATA_AGENT_ID : ID de l'agent de données.
  • LOG_DATASET : ID de l'ensemble de données de journaux.
  • LOG_TABLE : ID de la table de journaux, par exemple agent_events. Si la table n'existe pas, l'agent de service la crée lors du premier tour enregistré.

HTTP

data_agent_id = "DATA_AGENT_ID"
log_dataset = "LOG_DATASET"
log_table = "LOG_TABLE"

data_agent_url = f"{base_url}/v1/projects/{billing_project}/locations/{location}/dataAgents/{data_agent_id}:updateSync"

payload = {
    "bigqueryAgentAnalyticsEnabled": True,
    "bigqueryAgentAnalyticsTable": {
        "projectId": billing_project,
        "datasetId": log_dataset,
        "tableId": log_table,
    },
}

params = {
    "updateMask": "bigqueryAgentAnalyticsEnabled,bigqueryAgentAnalyticsTable"
}

data_agent_response = requests.patch(
    data_agent_url, headers=headers, params=params, json=payload
)

if data_agent_response.status_code == 200:
    body = data_agent_response.json()
    if body.get("bigqueryAgentAnalyticsEnabled") and body.get(
        "bigqueryAgentAnalyticsTable"
    ):
        print("Conversation logging is turned on.")
    else:
        print("Logging isn't turned on. Check the returned data agent.")
    print(json.dumps(body, indent=2))
else:
    print(f"Error updating data agent: {data_agent_response.status_code}")
    print(data_agent_response.text)

Remplacez les exemples de valeurs comme suit :

  • DATA_AGENT_ID : ID de l'agent de données.
  • LOG_DATASET : ID de l'ensemble de données de journaux.
  • LOG_TABLE : ID de la table de journaux, par exemple agent_events. Si la table n'existe pas, l'agent de service la crée lors du premier tour enregistré.

La méthode renvoie l'agent de données mis à jour. Vérifiez que la journalisation est activée et que la table de journaux est définie.

Pour activer la journalisation lorsque vous créez un agent de données, incluez les mêmes champs dans votre requête de création. Pour la requête de création, consultez Créer un agent de données (SDK Python ou HTTP). Dans le corps d'une requête HTTP, les champs se présentent comme suit :

"bigqueryAgentAnalyticsEnabled": true,
"bigqueryAgentAnalyticsTable": {
  "projectId": "PROJECT_ID",
  "datasetId": "LOG_DATASET",
  "tableId": "LOG_TABLE"
}

Remplacez les exemples de valeurs comme suit :

  • PROJECT_ID : ID du projet contenant l'agent de données.
  • LOG_DATASET : ID de l'ensemble de données de journaux.
  • LOG_TABLE : ID de la table de journaux.

Vérifier que les conversations sont enregistrées

  1. Envoyez une requête de chat à l'agent de données. Pour obtenir des exemples, consultez Utiliser l'API pour poser des questions (SDK Python ou HTTP).
  2. Attendez environ 10 secondes après la réponse de l'agent. Ensuite, dans Cloud Shell ou un terminal, exécutez la commande bq query suivante pour afficher les questions et réponses récentes. Vous pouvez également exécuter le code SQL dans l'éditeur de requête BigQuery.

    bq query --use_legacy_sql=false '
    SELECT timestamp, event_type, JSON_VALUE(content, "$.text_summary") AS text
    FROM `PROJECT_ID.LOG_DATASET.LOG_TABLE`
    WHERE timestamp >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 1 HOUR)
      AND event_type IN ("USER_MESSAGE_RECEIVED", "AGENT_RESPONSE")
    ORDER BY timestamp DESC
    LIMIT 20'
    

    Remplacez les exemples de valeurs comme suit :

    • PROJECT_ID : ID du projet contenant l'agent de données.
    • LOG_DATASET : ID de l'ensemble de données de journal.
    • LOG_TABLE : ID de la table de journaux.

    Si la requête renvoie votre question et la réponse de l'agent, la journalisation des conversations fonctionne correctement. Si la table n'existe pas ou est vide, consultez Résoudre les problèmes de journalisation des conversations.

Modifier la table de destination

Pour écrire des journaux dans une autre table, mettez à jour le champ bigquery_agent_analytics_table de l'agent de données (bigqueryAgentAnalyticsTable dans les requêtes HTTP) et incluez le champ dans le masque de mise à jour. La nouvelle table doit se trouver dans le projet de l'agent de données, et l'agent de service doit disposer du rôle d'éditeur de données BigQuery sur l'ensemble de données de la nouvelle table.

Exécutez l'exemple suivant dans le même environnement que celui de la section Activer la journalisation pour l'agent de données.

SDK Python

from google.protobuf import field_mask_pb2

data_agent_id = "DATA_AGENT_ID"
log_dataset = "NEW_LOG_DATASET"
log_table = "NEW_LOG_TABLE"

data_agent = geminidataanalytics.DataAgent()
data_agent.name = f"projects/{billing_project}/locations/{location}/dataAgents/{data_agent_id}"
data_agent.bigquery_agent_analytics_table = geminidataanalytics.BigQueryTableReference(
    project_id=billing_project,
    dataset_id=log_dataset,
    table_id=log_table,
)

update_mask = field_mask_pb2.FieldMask(paths=["bigquery_agent_analytics_table"])

request = geminidataanalytics.UpdateDataAgentRequest(
    data_agent=data_agent,
    update_mask=update_mask,
)

try:
  response = data_agent_client.update_data_agent_sync(request=request)
  print(response.bigquery_agent_analytics_table)
except Exception as e:
  print(f"Error updating data agent: {e}")

Remplacez les exemples de valeurs comme suit :

  • DATA_AGENT_ID : ID de l'agent de données.
  • NEW_LOG_DATASET : ID du nouvel ensemble de données de journaux.
  • NEW_LOG_TABLE : ID de la nouvelle table de journaux.

HTTP

data_agent_id = "DATA_AGENT_ID"
log_dataset = "NEW_LOG_DATASET"
log_table = "NEW_LOG_TABLE"

data_agent_url = f"{base_url}/v1/projects/{billing_project}/locations/{location}/dataAgents/{data_agent_id}:updateSync"

payload = {
    "bigqueryAgentAnalyticsTable": {
        "projectId": billing_project,
        "datasetId": log_dataset,
        "tableId": log_table,
    },
}

params = {"updateMask": "bigqueryAgentAnalyticsTable"}

data_agent_response = requests.patch(
    data_agent_url, headers=headers, params=params, json=payload
)

if data_agent_response.status_code == 200:
    body = data_agent_response.json()
    table = body.get("bigqueryAgentAnalyticsTable", {})
    if table.get("datasetId") == log_dataset and table.get("tableId") == log_table:
        print("Log table updated.")
    else:
        print("The log table didn't change. Check the returned data agent.")
    print(json.dumps(body, indent=2))
else:
    print(f"Error updating data agent: {data_agent_response.status_code}")
    print(data_agent_response.text)

Remplacez les exemples de valeurs comme suit :

  • DATA_AGENT_ID : ID de l'agent de données.
  • NEW_LOG_DATASET : ID du nouvel ensemble de données de journaux.
  • NEW_LOG_TABLE : ID de la nouvelle table de journaux.

Les lignes qui ont déjà été enregistrées restent dans la table précédente. La modification prend effet au tour suivant.

Désactiver la journalisation des conversations

Pour désactiver la journalisation des conversations pour un agent de données, définissez le champ bigquery_agent_analytics_enabled de l'agent (bigqueryAgentAnalyticsEnabled dans les requêtes HTTP) sur false et incluez le champ dans le masque de mise à jour.

Exécutez l'exemple suivant dans le même environnement que celui de la section Activer la journalisation pour l'agent de données.

SDK Python

from google.protobuf import field_mask_pb2

data_agent_id = "DATA_AGENT_ID"

data_agent = geminidataanalytics.DataAgent()
data_agent.name = f"projects/{billing_project}/locations/{location}/dataAgents/{data_agent_id}"
data_agent.bigquery_agent_analytics_enabled = False

update_mask = field_mask_pb2.FieldMask(paths=["bigquery_agent_analytics_enabled"])

request = geminidataanalytics.UpdateDataAgentRequest(
    data_agent=data_agent,
    update_mask=update_mask,
)

try:
  response = data_agent_client.update_data_agent_sync(request=request)
  print(response.bigquery_agent_analytics_enabled)
except Exception as e:
  print(f"Error updating data agent: {e}")

Remplacez DATA_AGENT_ID par l'ID de l'agent de données.

HTTP

data_agent_id = "DATA_AGENT_ID"

data_agent_url = f"{base_url}/v1/projects/{billing_project}/locations/{location}/dataAgents/{data_agent_id}:updateSync"

payload = {"bigqueryAgentAnalyticsEnabled": False}
params = {"updateMask": "bigqueryAgentAnalyticsEnabled"}

data_agent_response = requests.patch(
    data_agent_url, headers=headers, params=params, json=payload
)

if data_agent_response.status_code == 200:
    print("Conversation logging is turned off.")
    print(json.dumps(data_agent_response.json(), indent=2))
else:
    print(f"Error updating data agent: {data_agent_response.status_code}")
    print(data_agent_response.text)

Remplacez DATA_AGENT_ID par l'ID de l'agent de données.

La modification prend effet au tour suivant. Une exécution déjà en cours se termine avec les paramètres en place au moment de son démarrage.

Pour arrêter la journalisation pour tous les agents de données qui écrivent dans un ensemble de données de journal, révoquez le rôle "Éditeur de données BigQuery" de l'agent de service sur l'ensemble de données. La journalisation reste activée pour chaque agent, mais l'agent de service ne peut plus écrire de lignes.

La désactivation de la journalisation conserve les lignes qui ont déjà été journalisées. Pour supprimer les données consignées, supprimez les lignes, les partitions ou la table de journaux.

Résoudre les problèmes de journalisation des conversations

Utilisez les informations suivantes pour résoudre les problèmes courants liés à la journalisation des conversations de Conversational Analytics dans BigQuery. Étant donné que les erreurs de journalisation n'entraînent jamais l'échec d'un tour de conversation et ne sont pas signalées dans le chat, dans la réponse de l'API ni dans Cloud Logging, une table de destination vide ou manquante est le principal signal d'un problème de configuration ou d'autorisation.

La table de journaux est manquante ou vide

Si la table de destination n'est pas créée ou reste vide après un tour de conversation, vérifiez les causes potentielles suivantes :

  • La journalisation des conversations n'est pas activée. Vérifiez que la journalisation des conversations est activée et que la table de destination est configurée sur l'agent de données.

  • L'ensemble de données de destination est manquant ou se trouve dans un autre projet. Vérifiez que l'ensemble de données de destination existe déjà dans le même projet que l'agent de données. Vous pouvez vérifier que l'ensemble de données existe en exécutant bq show PROJECT_ID:LOG_DATASET. Remplacez PROJECT_ID par l'ID du projet contenant l'agent de données et LOG_DATASET par l'ID de l'ensemble de données de destination. L'agent de service crée la table de journaux lors du premier tour enregistré, mais il ne crée pas l'ensemble de données.

  • L'ensemble de données de destination est un ensemble de données en lecture seule, tel qu'un ensemble de données associé. Un ensemble de données associé au partage BigQuery ou un ensemble de données externe (par exemple, un ensemble de données fédéré AWS Glue) est en lecture seule et ne peut pas stocker les journaux de conversation. Pour vérifier le type d'ensemble de données, exécutez bq show --format=prettyjson PROJECT_ID:LOG_DATASET et inspectez le champ "type" ("LINKED" ou "EXTERNAL"). Choisissez un ensemble de données standard accessible en écriture dans le même projet que l'agent de données.

  • Autorisations manquantes pour l'agent de service ou la CMEK. Vérifiez que l'agent de service de l'API Conversational Analytics (service-PROJECT_NUMBER@gcp-sa-geminidataanalytics., en utilisant le numéro du projet de l'agent plutôt que l'ID du projet) dispose du rôle Éditeur de données BigQuery (roles/bigquery.dataEditor) sur l'ensemble de données de journaux. Si l'ensemble de données utilise des clés Cloud KMS gérées par le client (CMEK), vérifiez que le compte de service de chiffrement BigQuery (bq-PROJECT_NUMBER@bigquery-encryption.) dispose du rôle roles/cloudkms.cryptoKeyEncrypterDecrypter sur la clé.

  • Le périmètre VPC Service Controls bloque les écritures. L'agent de service de l'API Conversational Analytics écrit dans la table de journaux à partir de l'infrastructure gérée par Google. Par conséquent, l'octroi de roles/bigquery.dataEditor seul ne suffit pas lorsqu'un périmètre de service limite bigquery.googleapis.com. Contrairement aux autres causes de cette liste, un blocage de périmètre enregistre les journaux d'audit "Policy Denied" (Règle refusée) dans Cloud Logging dans le projet de l'agent. Filtrez par log_id("cloudaudit.googleapis.com/policy") sous bigquery.googleapis.com (pour la recherche ou la création de tables) et bigquerystorage.googleapis.com (pour les ajouts de lignes) pour confirmer le blocage. Vérifiez que geminidataanalytics.googleapis.com et bigquery.googleapis.com se trouvent dans le périmètre, puis ajoutez une règle d'entrée pour l'agent de service sur bigquery.googleapis.com. Pour obtenir un exemple de règle d'entrée, consultez Contrôle des accès, chiffrement et sécurité réseau. Pour obtenir des conseils généraux sur la configuration des périmètres, consultez Configurer la sécurité des périmètres avec VPC Service Controls.

  • Surface de conversation ou configuration de l'agent non compatibles. Les conversations dans le volet Aperçu de BigQuery Studio et les appels d'API sans état sans agent de données ne sont pas enregistrés. Pour effectuer un test, envoyez une requête de chat à l'agent de données via l'API. Les agents qui utilisent un champ d'application de recherche au lieu de tables BigQuery spécifiques, qui ne configurent que des graphiques de propriétés BigQuery (sans tables BigQuery) comme sources de connaissances ou qui ne déclarent aucune table BigQuery ne sont pas enregistrés. Pour en savoir plus, consultez la section Limites.

  • Les tables de sources de connaissances utilisent des règles d'accès. Si une table de source de connaissances (une table BigQuery dans les sources de données de l'agent) utilise des règles d'accès au niveau des lignes, une sécurité au niveau des colonnes (tags avec stratégie) ou un masquage dynamique des données, les tours ne sont pas enregistrés.

  • Conflit de schéma sur une table de destination existante. Si vous avez configuré une table existante comme destination et qu'une colonne porte le même nom qu'une colonne de schéma de journal de conversation, mais qu'elle a un type ou un mode différent, BigQuery n'écrit pas de lignes dans cette table.

Les lignes s'affichent généralement quelques secondes après la fin d'un tour. Si les lignes n'apparaissent toujours pas après quelques minutes, actualisez l'ensemble de données.

Les conversations de certains utilisateurs ne sont pas enregistrées

Cause

Avant chaque tour, la vérification de la confidentialité utilise les identifiants de l'utilisateur qui discute pour vérifier que les tables de sources de connaissances de l'agent ne comportent pas de règles de sécurité au niveau des lignes, de sécurité au niveau des colonnes ou de masquage des données. Si un utilisateur n'est pas autorisé à exécuter cette vérification, ses tours ne sont pas enregistrés.

Solution

Attribuez à tous les utilisateurs du chat le rôle Lecteur de données BigQuery (roles/bigquery.dataViewer) sur les tables de sources de connaissances et le rôle Utilisateur de job BigQuery (roles/bigquery.jobUser) sur le projet qui exécute leurs requêtes, ou attribuez un rôle personnalisé avec les autorisations bigquery.tables.get et bigquery.rowAccessPolicies.list sur les tables de sources de connaissances.

La création ou la mise à jour de l'agent échoue avec une erreur INVALID_ARGUMENT

Message d'erreur

  • The BigQuery Agent Analytics table must be in the same project as the agent (agent project: ..., table project: ...).

  • BigQuery Agent Analytics can only be enabled on agents whose datasource is BigQuery. Remove bigquery_agent_analytics_enabled and bigquery_agent_analytics_table, or point the agent at a BigQuery datasource.

Cause

L'ensemble de données de destination se trouve dans un projet différent de celui de l'agent de données, ou la source de données de l'agent n'est pas BigQuery.

Solution

Spécifiez un ensemble de données de destination existant dans le même projet que l'agent de données, ou configurez l'agent de données avec une source de données BigQuery.

Échec de l'octroi de l'accès à l'ensemble de données, car l'agent de service n'existe pas

Message d'erreur

  • Service account service-PROJECT_NUMBER@gcp-sa-geminidataanalytics... does not exist

Cause

L'agent de service de l'API Conversational Analytics n'a pas encore été provisionné dans le projet.

Solution

Effectuez l'une des opérations suivantes :

  • Configurez d'abord la destination des journaux sur l'agent, puis attribuez à nouveau le rôle.

  • Provisionnez l'identité du service en exécutant la commande suivante :

    gcloud beta services identity create \
        --service=geminidataanalytics.googleapis.com \
        --project=PROJECT_ID

    Remplacez PROJECT_ID par l'ID du projet contenant l'agent de données.

Étapes suivantes