L'API Analisi conversazionale ti consente di attivare o disattivare il logging delle conversazioni per un agente per i dati e di scegliere la tabella BigQuery in cui archiviare i log. Per esaminare le domande degli utenti e le risposte dell'agente, esegui una query su questa tabella.
Prima di iniziare
Prima di configurare il logging delle conversazioni per un agente per i dati, completa le seguenti attività:
- Nel tuo progetto Google Cloud , abilita le API richieste per l'API Analisi conversazionale e BigQuery.
- Verifica di disporre dei ruoli Identity and Access Management (IAM) richiesti.
- Assicurati di avere un agente per i dati le cui origini dati fanno riferimento a tabelle BigQuery. Per le configurazioni dell'agente che non vengono registrate, consulta Limitazioni.
- Pianifica un set di dati BigQuery nel progetto dell'agente per i dati che contiene solo i log. Tutti gli agenti per i dati nel progetto condividono un agente di servizio e un set di dati dedicato limita l'accesso in scrittura ai tuoi log.
- Decidi chi può leggere i log. I log contengono le domande complete degli utenti e le risposte dell'agente. Se gli utenti interagiscono con l'agente tramite la tua applicazione, sei responsabile di eventuali notifiche, informative o consensi applicabili alle conversazioni registrate. Per saperne di più, consulta Privacy, governance dei dati e sicurezza.
Ruoli obbligatori
Per ottenere le autorizzazioni necessarie per configurare il logging delle conversazioni per un agente per i dati ed eseguire query sui log, chiedi all'amministratore di concederti i seguenti ruoli IAM:
-
Creare il set di dati di log:
Utente BigQuery (
roles/bigquery.user) sul tuo progetto -
Concedi all'agente di servizio l'accesso al set di dati dei log:
BigQuery Data Owner (
roles/bigquery.dataOwner) sul set di dati dei log -
Modifica le impostazioni di logging delle conversazioni di un agente per i dati:
Gemini Data Analytics Data Agent Editor (
roles/geminidataanalytics.dataAgentEditor) sull'agente per i dati o sul progetto -
Esegui query sui log:
- BigQuery Data Viewer (
roles/bigquery.dataViewer) sul set di dati dei log - Utente job BigQuery (
roles/bigquery.jobUser) sul tuo progetto
- BigQuery Data Viewer (
Per saperne di più sulla concessione dei ruoli, consulta Gestisci l'accesso a progetti, cartelle e organizzazioni.
Potresti anche riuscire a ottenere le autorizzazioni richieste tramite i ruoli personalizzati o altri ruoli predefiniti.
Se crei il set di dati di log, ti viene concesso automaticamente il ruolo BigQuery Data Proprietario. Se hai creato l'agente per i dati, ti viene concesso automaticamente il ruolo Data Agent Owner di Gemini Data Analytics (roles/geminidataanalytics.dataAgentOwner), che include l'autorizzazione a modificare le impostazioni di logging delle conversazioni.
Gli utenti che chattano con l'agente per i dati non hanno bisogno di ruoli aggiuntivi per il logging delle conversazioni. Se le conversazioni non vengono registrate per alcuni utenti, consulta Risolvere i problemi relativi alla registrazione delle conversazioni.
Ruolo di service agent
L'agente di servizio dell'API Analisi conversazionale (service-PROJECT_NUMBER@gcp-sa-geminidataanalytics.) scrive i log. Sostituisci PROJECT_NUMBER con il numero del progetto che contiene l'agente per i dati.
Per assicurarti che l'agente di servizio dell'API Analisi conversazionale disponga delle autorizzazioni necessarie per creare la tabella di log e scrivervi i log delle conversazioni, chiedi all'amministratore di concedere il ruolo IAM BigQuery Data Editor (roles/bigquery.dataEditor) all'agente di servizio dell'API Analisi conversazionale nel set di dati di log.
L'amministratore potrebbe anche essere in grado di concedere all'agente di servizio dell'API Analisi conversazionale le autorizzazioni richieste tramite ruoli personalizzati o altri ruoli predefiniti.
Abilita il logging delle conversazioni
Il logging delle conversazioni richiede un set di dati in cui l'agente di servizio possa scrivere. Crea prima il set di dati e concedi l'accesso, quindi attiva il logging per l'agente per i dati.
Crea il set di dati di log
Crea un set di dati nel progetto dell'agente per i dati per contenere i log. L'agente di servizio crea la tabella di log in questo set di dati al primo turno registrato. Per creare il set di dati, utilizza il comando bq mk --dataset nello strumento a riga di comando bq. Puoi eseguire i comandi dello strumento bq in Cloud Shell o in un terminale locale in cui è installata Google Cloud CLI.
bq --location=LOCATION mk --dataset PROJECT_ID:LOG_DATASET
Sostituisci i valori di esempio come segue:
- LOCATION: la località BigQuery per il set di dati di log, ad esempio
US. - PROJECT_ID: l'ID del progetto che contiene l'agente per i dati.
- LOG_DATASET: l'ID del set di dati da creare.
Per altri modi per creare un set di dati, consulta Crea set di dati.
Concedi al service agent l'accesso al set di dati
Concedi all'agente di servizio il ruolo BigQuery Data Editor (roles/bigquery.dataEditor) solo sul set di dati dei log.
Seleziona una delle seguenti opzioni:
Console
Nella console Google Cloud , vai alla pagina BigQuery.
Nel riquadro Explorer, espandi il progetto, fai clic su Set di dati, quindi seleziona il set di dati dei log.
Fai clic su Condividi > Gestisci autorizzazioni.
Fai clic su Aggiungi entità.
Nel campo Nuove entità, inserisci l'indirizzo email dell'agente di servizio:
service-PROJECT_NUMBER@gcp-sa-geminidataanalytics..Sostituisci
PROJECT_NUMBERcon il numero del progetto che contiene l'agente per i dati.Nell'elenco Seleziona un ruolo, seleziona BigQuery Data Editor.
Fai clic su Salva.
SQL
Nell'editor di query di BigQuery, imposta la località della query sulla località del set di dati dei log, quindi esegui la seguente istruzione GRANT:
GRANT `roles/bigquery.dataEditor`
ON SCHEMA `PROJECT_ID`.LOG_DATASET
TO "serviceAccount:service-PROJECT_NUMBER@gcp-sa-geminidataanalytics.";
Sostituisci i valori di esempio come segue:
- PROJECT_ID: l'ID del progetto che contiene l'agente per i dati e il set di dati dei log.
- LOG_DATASET: l'ID del set di dati di log.
- PROJECT_NUMBER: il numero del progetto che contiene l'agente per i dati.
Per altri modi per concedere l'accesso, consulta Concedi l'accesso a un set di dati. Se la concessione non va a buon fine perché l'agente di servizio non esiste, consulta La concessione dell'accesso al set di dati non va a buon fine perché l'agente di servizio non esiste.
Attiva il logging per l'agente per i dati
Per attivare il logging per un agente per i dati esistente, imposta i campi bigquery_agent_analytics_enabled e bigquery_agent_analytics_table dell'agente (bigqueryAgentAnalyticsEnabled e bigqueryAgentAnalyticsTable nelle richieste HTTP) e includi entrambi i campi nella maschera di aggiornamento. L'aggiornamento modifica solo i campi nella maschera di aggiornamento. L'agente di servizio scrive le righe di log solo quando attivi il logging e imposti una tabella di log.
Esegui i seguenti esempi nell'ambiente Python che hai configurato in Configura le impostazioni e inizializza i client (SDK Python) o Configura le impostazioni iniziali e l'autenticazione (HTTP), ad esempio un blocco note Colaboratory. Gli esempi di SDK Python in questa pagina richiedono google-cloud-geminidataanalytics versione 0.13.4 o successive.
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}")
Sostituisci i valori di esempio come segue:
- DATA_AGENT_ID: l'ID dell'agente per i dati.
- LOG_DATASET: l'ID del set di dati di log.
- LOG_TABLE: l'ID della tabella di log, ad esempio
agent_events. Se la tabella non esiste, l'agente di servizio la crea al primo turno registrato.
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)
Sostituisci i valori di esempio come segue:
- DATA_AGENT_ID: l'ID dell'agente per i dati.
- LOG_DATASET: l'ID del set di dati di log.
- LOG_TABLE: l'ID della tabella di log, ad esempio
agent_events. Se la tabella non esiste, l'agente di servizio la crea al primo turno registrato.
Il metodo restituisce l'agente per i dati aggiornato. Verifica che il logging sia abilitato e che la tabella di log sia impostata.
Per attivare il logging quando crei un agente per i dati, includi gli stessi campi nella richiesta di creazione. Per la richiesta di creazione, consulta Creare un agente per i dati (SDK Python o HTTP). Nel corpo di una richiesta HTTP, i campi sono i seguenti:
"bigqueryAgentAnalyticsEnabled": true,
"bigqueryAgentAnalyticsTable": {
"projectId": "PROJECT_ID",
"datasetId": "LOG_DATASET",
"tableId": "LOG_TABLE"
}
Sostituisci i valori di esempio come segue:
- PROJECT_ID: l'ID del progetto che contiene l'agente per i dati.
- LOG_DATASET: l'ID del set di dati di log.
- LOG_TABLE: l'ID della tabella di log.
Verifica che le conversazioni vengano registrate
- Invia una richiesta di chat all'agente per i dati. Per esempi, consulta Utilizza l'API per porre domande (SDK Python o HTTP).
Attendi circa 10 secondi dopo la risposta dell'agente. Poi, in Cloud Shell o in un terminale, esegui il seguente comando
bq queryper visualizzare le domande e le risposte recenti. Puoi anche eseguire l'SQL nell'editor di query di 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'Sostituisci i valori di esempio come segue:
- PROJECT_ID: l'ID del progetto che contiene l'agente per i dati.
- LOG_DATASET: l'ID del set di dati dei log.
- LOG_TABLE: l'ID della tabella di log.
Se la query restituisce la tua domanda e la risposta dell'agente, il logging delle conversazioni funziona correttamente. Se la tabella non esiste o è vuota, consulta Risolvi i problemi relativi al logging delle conversazioni.
Modifica la tabella di destinazione
Per scrivere i log in una tabella diversa, aggiorna il campo bigquery_agent_analytics_table dell'agente per i dati (bigqueryAgentAnalyticsTable nelle richieste HTTP) e includi il campo nella maschera di aggiornamento. La nuova tabella deve trovarsi nel progetto dell'agente per i dati e l'agente di servizio deve avere il ruolo BigQuery Data Editor nel set di dati della nuova tabella.
Esegui l'esempio seguente nello stesso ambiente di Attiva il logging per l'agente per i dati.
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}")
Sostituisci i valori di esempio come segue:
- DATA_AGENT_ID: l'ID dell'agente per i dati.
- NEW_LOG_DATASET: l'ID del nuovo set di dati dei log.
- NEW_LOG_TABLE: l'ID della nuova tabella di log.
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)
Sostituisci i valori di esempio come segue:
- DATA_AGENT_ID: l'ID dell'agente per i dati.
- NEW_LOG_DATASET: l'ID del nuovo set di dati dei log.
- NEW_LOG_TABLE: l'ID della nuova tabella di log.
Le righe già registrate rimangono nella tabella precedente. La modifica ha effetto sul turno successivo.
Disattiva il logging delle conversazioni
Per disattivare il logging delle conversazioni per un agente per i dati, imposta il campo bigquery_agent_analytics_enabled dell'agente (bigqueryAgentAnalyticsEnabled nelle richieste HTTP) su false e includi il campo nella maschera di aggiornamento.
Esegui l'esempio seguente nello stesso ambiente di Attiva il logging per l'agente per i dati.
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}")
Sostituisci DATA_AGENT_ID con l'ID dell'agente per i dati.
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)
Sostituisci DATA_AGENT_ID con l'ID dell'agente per i dati.
La modifica diventa effettiva al turno successivo. Un turno già in esecuzione termina con le impostazioni attive al momento dell'avvio.
Per interrompere il logging per tutti gli agenti per i dati che scrivono in un set di dati di log, revoca il ruolo BigQuery Data Editor dell'agente di servizio nel set di dati. Il logging rimane attivo per ogni agente, ma l'agente di servizio non può più scrivere righe.
Se disattivi il logging, le righe già registrate vengono conservate. Per rimuovere i dati registrati, elimina le righe, le partizioni o la tabella di log.
Risolvi i problemi relativi al logging delle conversazioni
Utilizza le seguenti informazioni per risolvere i problemi comuni relativi al logging delle conversazioni di analisi conversazionale in BigQuery. Poiché gli errori di logging non causano mai il fallimento di un turno di conversazione e non vengono segnalati nella chat, nella risposta dell'API o in Cloud Logging, una tabella di destinazione vuota o mancante è il segnale principale di un problema di configurazione o di autorizzazione.
Tabella di log mancante o vuota
Se la tabella di destinazione non viene creata o rimane vuota dopo un turno di conversazione, controlla le seguenti potenziali cause:
Il logging delle conversazioni non è attivo. Verifica che il logging delle conversazioni sia abilitato e che la tabella di destinazione sia configurata nell'agente per i dati.
Il set di dati di destinazione non è presente o si trova in un altro progetto. Verifica che il set di dati di destinazione esista già nello stesso progetto dell'agente per i dati. Puoi verificare che il set di dati esista eseguendo
bq show PROJECT_ID:LOG_DATASET. SostituisciPROJECT_IDcon l'ID del progetto che contiene l'agente per i dati eLOG_DATASETcon l'ID del set di dati di destinazione. L'agente di servizio crea la tabella di log al primo turno registrato, ma non crea il set di dati.Il set di dati di destinazione è un set di dati di sola lettura, ad esempio un set di dati collegato. Un set di dati collegato di condivisione di BigQuery o un set di dati esterno (ad esempio un set di dati federato AWS Glue) è di sola lettura e non può archiviare i log delle conversazioni. Per controllare il tipo di set di dati, esegui
bq show --format=prettyjson PROJECT_ID:LOG_DATASETe controlla il campo"type"("LINKED"o"EXTERNAL"). Scegli un set di dati scrivibile standard nello stesso progetto dell'agente per i dati.Autorizzazioni dell'agente di servizio o CMEK mancanti. Verifica che il service agent dell'API Analisi conversazionale (
service-PROJECT_NUMBER@gcp-sa-geminidataanalytics., utilizzando il numero del progetto dell'agente anziché l'ID progetto) abbia il ruolo BigQuery Data Editor (roles/bigquery.dataEditor) nel set di dati di log. Se il set di dati utilizza chiavi Cloud KMS gestite dal cliente (CMEK), verifica che l'account di servizio di crittografia BigQuery (bq-PROJECT_NUMBER@bigquery-encryption.) abbia il ruoloroles/cloudkms.cryptoKeyEncrypterDecryptersulla chiave.Il perimetro dei Controlli di servizio VPC blocca le scritture. L'agente di servizio dell'API Analisi conversazionale scrive nella tabella di log dall'infrastruttura gestita da Google, quindi la concessione di
roles/bigquery.dataEditorda sola non è sufficiente quando un perimetro di servizio limitabigquery.googleapis.com. A differenza di altre cause in questo elenco, un blocco del perimetro registra gli audit log di Policy Denied in Cloud Logging nel progetto dell'agente; filtra perlog_id("cloudaudit.googleapis.com/policy")inbigquery.googleapis.com(per la ricerca o la creazione di tabelle) ebigquerystorage.googleapis.com(per le aggiunte di righe) per confermare il blocco. Verifica che siageminidataanalytics.googleapis.comsiabigquery.googleapis.comsi trovino nel perimetro e aggiungi una regola in entrata per l'agente di servizio subigquery.googleapis.com. Per un esempio di regola in entrata, consulta Controllo degli accessi, crittografia e sicurezza di rete. Per indicazioni generali sulla configurazione del perimetro, consulta Configura la sicurezza del perimetro con i Controlli di servizio VPC.Piattaforma di conversazione o configurazione dell'agente non supportata. Le conversazioni nel riquadro Anteprima di BigQuery Studio e le chiamate API stateless senza un agente per i dati non vengono registrate. Per eseguire il test, invia una richiesta di chat all'agente per i dati tramite l'API. Gli agenti che utilizzano un ambito di ricerca anziché tabelle BigQuery specifiche, che configurano solo grafi delle proprietà BigQuery (senza tabelle BigQuery) come origini di conoscenza o che non dichiarano tabelle BigQuery non vengono registrati. Per ulteriori informazioni, vedi Limitazioni.
Le tabelle delle origini di conoscenza utilizzano le policy di accesso. Se una tabella dell'origine della conoscenza (una tabella BigQuery nelle origini dati dell'agente) utilizza policy di accesso a livello di riga, sicurezza a livello di colonna (tag di policy) o mascheramento dinamico dei dati, i turni non vengono registrati.
Conflitto di schema in una tabella di destinazione esistente. Se hai configurato una tabella esistente come destinazione e una colonna condivide un nome con una colonna dello schema del log delle conversazioni, ma ha un tipo o una modalità diversi, BigQuery non scrive righe in quella tabella.
In genere, le righe vengono visualizzate entro pochi secondi dal completamento di un turno. Se le righe non vengono visualizzate dopo alcuni minuti, aggiorna il set di dati.
Le conversazioni di alcuni utenti non vengono registrate
Causa
Prima di ogni turno, il controllo della privacy utilizza le credenziali dell'utente che chatta per verificare che le tabelle delle origini di conoscenza dell'agente non abbiano policy di sicurezza a livello di riga, sicurezza a livello di colonna o mascheramento dei dati. Se un utente non dispone dell'autorizzazione per eseguire questo controllo, i suoi turni non vengono registrati.
Risoluzione
Concedi a tutti gli utenti che utilizzano la chat il ruolo BigQuery Data Viewer (roles/bigquery.dataViewer) sulle tabelle delle origini di conoscenza e il ruolo BigQuery Job User (roles/bigquery.jobUser) sul progetto che esegue le query oppure concedi un ruolo personalizzato con le autorizzazioni bigquery.tables.get e bigquery.rowAccessPolicies.list sulle tabelle delle origini di conoscenza.
La creazione o l'aggiornamento dell'agente non va a buon fine e viene visualizzato un errore INVALID_ARGUMENT
Messaggio di errore
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.
Causa
Il set di dati di destinazione si trova in un progetto diverso rispetto all'agente per i dati o l'origine dati dell'agente non è BigQuery.
Risoluzione
Specifica un set di dati di destinazione esistente nello stesso progetto dell'agente per i dati oppure configura l'agente per i dati con un'origine dati BigQuery.
La concessione dell'accesso al set di dati non riesce perché l'agente di servizio non esiste
Messaggio di errore
Service account service-PROJECT_NUMBER@gcp-sa-geminidataanalytics... does not exist
Causa
Il provisioning dell'agente di servizio dell'API Analisi conversazionale non è stato ancora eseguito nel progetto.
Risoluzione
Esegui una delle seguenti operazioni:
Configura prima la destinazione dei log sull'agente, quindi concedi nuovamente il ruolo.
Esegui il provisioning dell'identità di servizio eseguendo questo comando:
gcloud beta services identity create \ --service=geminidataanalytics.googleapis.com \ --project=PROJECT_ID
Sostituisci
PROJECT_IDcon l'ID del progetto che contiene l'agente per i dati.