대화 로깅 구성

대화형 분석 API를 사용하면 데이터 에이전트의 대화 로깅을 사용 설정 또는 중지하고 로그를 저장하는 BigQuery 테이블을 선택할 수 있습니다. 사용자의 질문과 에이전트의 답변을 검토하려면 해당 테이블을 쿼리합니다.

시작하기 전에

데이터 에이전트의 대화 로깅을 구성하기 전에 다음 작업을 완료하세요.

  1. Google Cloud 프로젝트에서 대화형 분석 API 및 BigQuery에 필요한 API를 사용 설정합니다.
  2. 필요한 Identity and Access Management(IAM) 역할이 있는지 확인합니다.
  3. 데이터 소스가 BigQuery 테이블을 참조하는 데이터 에이전트가 있는지 확인합니다. 로깅되지 않는 에이전트 구성은 제한사항을 참조하세요.
  4. 로그만 보관하는 데이터 에이전트 프로젝트에서 BigQuery 데이터 세트를 계획합니다. 프로젝트의 모든 데이터 에이전트는 하나의 서비스 에이전트를 공유하며, 전용 데이터 세트는 로그에 대한 쓰기 액세스를 제한합니다.
  5. 로그를 읽을 수 있는 사용자를 결정합니다. 로그에는 사용자의 전체 질문과 에이전트의 답변이 포함됩니다. 사용자가 자체 애플리케이션을 통해 에이전트와 채팅하는 경우 로깅된 대화에 적용되는 모든 알림, 공개, 동의에 대한 책임은 사용자에게 있습니다. 자세한 내용은 개인 정보 보호, 데이터 거버넌스, 보안을 참조하세요.

필요한 역할

데이터 에이전트의 대화 로깅을 구성하고 로그를 쿼리하는 데 필요한 권한을 얻으려면 관리자에게 다음 IAM 역할을 부여해 달라고 요청하세요.

역할 부여에 대한 자세한 내용은 프로젝트, 폴더, 조직에 대한 액세스 관리를 참조하세요.

커스텀 역할이나 다른 사전 정의된 역할을 통해 필요한 권한을 얻을 수도 있습니다.

로그 데이터 세트를 만들면 해당 데이터 세트에 대한 BigQuery 데이터 소유자 역할이 자동으로 부여됩니다. 데이터 에이전트를 만든 경우 대화 로깅 설정을 변경할 수 있는 권한이 포함된 Gemini 데이터 분석 데이터 에이전트 소유자 역할(roles/geminidataanalytics.dataAgentOwner)이 자동으로 부여됩니다.

데이터 에이전트와 채팅하는 사용자는 대화 로깅을 위한 추가 역할이 필요하지 않습니다. 일부 사용자의 대화가 로깅되지 않으면 대화 로깅 문제 해결을 참조하세요.

서비스 에이전트 역할

대화형 분석 API 서비스 에이전트(service-PROJECT_NUMBER@gcp-sa-geminidataanalytics.)가 로그를 작성합니다. PROJECT_NUMBER를 데이터 에이전트가 포함된 프로젝트의 번호로 바꿉니다.

대화 분석 API 서비스 에이전트에 로그 테이블을 만들고 대화 로그를 작성하는 데 필요한 권한이 있는지 확인하려면 관리자에게 로그 데이터 세트에 대한 BigQuery 데이터 편집자(roles/bigquery.dataEditor) IAM 역할을 대화 분석 API 서비스 에이전트에 부여해 달라고 요청하세요.

역할 부여에 대한 자세한 내용은 프로젝트, 폴더, 조직에 대한 액세스 관리를 참조하세요.

관리자는 맞춤 역할이나 다른 사전 정의된 역할을 통해 대화형 분석 API 서비스 에이전트에 필요한 권한을 부여할 수도 있습니다.

대화 로깅 사용 설정

대화 로깅에는 서비스 에이전트가 쓸 수 있는 데이터 세트가 필요합니다. 먼저 데이터 세트를 만들고 액세스 권한을 부여한 후 데이터 에이전트에 대한 로깅을 사용 설정합니다.

로그 데이터 세트 만들기

데이터 에이전트의 프로젝트에 로그를 보관할 데이터 세트를 만듭니다. 서비스 에이전트는 첫 번째 로깅된 대화 차례에서 이 데이터 세트에 로그 테이블을 만듭니다. 데이터 세트를 만들려면 bq 명령줄 도구에서 bq mk --dataset 명령어를 사용합니다. Cloud Shell 또는 Google Cloud CLI가 설치된 로컬 터미널에서 bq 도구 명령어를 실행할 수 있습니다.

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

샘플 값을 다음과 같이 바꿉니다.

  • LOCATION: 로그 데이터 세트의 BigQuery 위치입니다(예: US).
  • PROJECT_ID: 데이터 에이전트가 포함된 프로젝트의 ID입니다.
  • LOG_DATASET: 만들 데이터 세트의 ID입니다.

데이터 세트를 만드는 다른 방법은 데이터 세트 만들기를 참조하세요.

서비스 에이전트에 데이터 세트에 대한 액세스 권한 부여

서비스 에이전트에 로그 데이터 세트에 대한 BigQuery 데이터 편집자 역할(roles/bigquery.dataEditor)만 부여합니다.

다음 옵션 중 하나를 선택합니다.

콘솔

  1. Google Cloud 콘솔에서 BigQuery 페이지로 이동합니다.

    BigQuery로 이동

  2. 탐색기 창에서 프로젝트를 펼치고 데이터 세트를 클릭한 후 로그 데이터 세트를 선택합니다.

  3. 공유 > 권한 관리를 클릭합니다.

  4. 주 구성원 추가를 클릭합니다.

  5. 새 주 구성원 필드에 서비스 에이전트의 이메일 주소(service-PROJECT_NUMBER@gcp-sa-geminidataanalytics.)를 입력합니다.

    PROJECT_NUMBER를 데이터 에이전트가 포함된 프로젝트의 번호로 바꿉니다.

  6. 역할 선택 목록에서 BigQuery 데이터 편집자를 선택합니다.

  7. 저장을 클릭합니다.

SQL

BigQuery 쿼리 편집기에서 쿼리 위치를 로그 데이터 세트의 위치로 설정한 후 다음 GRANT 문을 실행합니다.

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

샘플 값을 다음과 같이 바꿉니다.

  • PROJECT_ID: 데이터 에이전트와 로그 데이터 세트가 포함된 프로젝트의 ID입니다.
  • LOG_DATASET: 로그 데이터 세트의 ID입니다.
  • PROJECT_NUMBER: 데이터 에이전트가 포함된 프로젝트의 번호입니다.

액세스 권한을 부여하는 다른 방법은 데이터 세트에 대한 액세스 권한 부여를 참조하세요. 서비스 에이전트가 존재하지 않아 부여가 실패하면 서비스 에이전트가 존재하지 않아 데이터 세트 액세스 권한 부여 실패를 참조하세요.

데이터 에이전트의 로깅 사용 설정

기존 데이터 에이전트에 로깅을 사용 설정하려면 에이전트의 bigquery_agent_analytics_enabled 및 bigquery_agent_analytics_table 필드(HTTP 요청의 bigqueryAgentAnalyticsEnabled 및 bigqueryAgentAnalyticsTable)를 설정하고 업데이트 마스크에 두 필드를 모두 포함합니다. 업데이트는 업데이트 마스크의 필드만 변경합니다. 서비스 에이전트는 로깅을 사용 설정하고 로그 테이블을 설정한 경우에만 로그 행을 작성합니다.

설정 구성 및 클라이언트 초기화(Python SDK) 또는 초기 설정 및 인증 구성(HTTP)에서 설정한 Python 환경(예: Colaboratory 노트북)에서 다음 샘플을 실행합니다. 이 페이지의 Python SDK 샘플에는 google-cloud-geminidataanalytics 버전 0.13.4 이상이 필요합니다.

Python SDK

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}")

샘플 값을 다음과 같이 바꿉니다.

  • DATA_AGENT_ID: 데이터 에이전트의 ID입니다.
  • LOG_DATASET: 로그 데이터 세트의 ID입니다.
  • LOG_TABLE: 로그 테이블의 ID입니다(예: agent_events). 테이블이 없으면 서비스 에이전트가 첫 번째 로깅된 차례에 테이블을 만듭니다.

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)

샘플 값을 다음과 같이 바꿉니다.

  • DATA_AGENT_ID: 데이터 에이전트의 ID입니다.
  • LOG_DATASET: 로그 데이터 세트의 ID입니다.
  • LOG_TABLE: 로그 테이블의 ID입니다(예: agent_events). 테이블이 없으면 서비스 에이전트가 첫 번째 로깅된 차례에 테이블을 만듭니다.

이 메서드는 업데이트된 데이터 에이전트를 반환합니다. 로깅이 사용 설정되어 있고 로그 테이블이 설정되어 있는지 확인합니다.

데이터 에이전트를 만들 때 로깅을 사용 설정하려면 만들기 요청에 동일한 필드를 포함합니다. 만들기 요청은 데이터 에이전트 만들기(Python SDK 또는 HTTP)를 참조하세요. HTTP 요청 본문에서 필드는 다음과 같습니다.

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

샘플 값을 다음과 같이 바꿉니다.

  • PROJECT_ID: 데이터 에이전트가 포함된 프로젝트의 ID입니다.
  • LOG_DATASET: 로그 데이터 세트의 ID입니다.
  • LOG_TABLE: 로그 테이블의 ID입니다.

대화가 로깅되었는지 확인하기

  1. 데이터 에이전트에 채팅 요청을 보냅니다. 예시는 API를 사용하여 질문하기(Python SDK 또는 HTTP)를 참조하세요.
  2. 상담사가 응답한 후 약 10초 동안 기다립니다. 그런 다음 Cloud Shell 또는 터미널에서 다음 bq query 명령어를 실행하여 최근 질문과 답변을 확인합니다. BigQuery 쿼리 편집기에서 SQL을 실행할 수도 있습니다.

    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'
    

    샘플 값을 다음과 같이 바꿉니다.

    • PROJECT_ID: 데이터 에이전트가 포함된 프로젝트의 ID입니다.
    • LOG_DATASET: 로그 데이터 세트의 ID입니다.
    • LOG_TABLE: 로그 테이블의 ID입니다.

    쿼리가 질문과 에이전트의 답변을 반환하면 대화 로깅이 올바르게 작동하는 것입니다. 테이블이 없거나 비어 있으면 대화 로깅 문제 해결을 참조하세요.

대상 테이블 변경

다른 테이블에 로그를 쓰려면 데이터 에이전트의 bigquery_agent_analytics_table 필드(HTTP 요청의 bigqueryAgentAnalyticsTable)를 업데이트하고 업데이트 마스크에 필드를 포함합니다. 새 테이블은 데이터 에이전트의 프로젝트에 있어야 하며 서비스 에이전트는 새 테이블의 데이터 세트에 대한 BigQuery 데이터 편집자 역할을 가지고 있어야 합니다.

데이터 에이전트에 로깅 사용 설정과 동일한 환경에서 다음 샘플을 실행합니다.

Python SDK

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}")

샘플 값을 다음과 같이 바꿉니다.

  • DATA_AGENT_ID: 데이터 에이전트의 ID입니다.
  • NEW_LOG_DATASET: 새 로그 데이터 세트의 ID입니다.
  • NEW_LOG_TABLE: 새 로그 테이블의 ID입니다.

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)

샘플 값을 다음과 같이 바꿉니다.

  • DATA_AGENT_ID: 데이터 에이전트의 ID입니다.
  • NEW_LOG_DATASET: 새 로그 데이터 세트의 ID입니다.
  • NEW_LOG_TABLE: 새 로그 테이블의 ID입니다.

이미 로깅된 행은 이전 테이블에 유지됩니다. 변경사항은 다음 차례에 적용됩니다.

대화 로깅 사용 중지

데이터 에이전트의 대화 로깅을 사용 중지하려면 에이전트의 bigquery_agent_analytics_enabled 필드(HTTP 요청의 bigqueryAgentAnalyticsEnabled)를 false로 설정하고 업데이트 마스크에 필드를 포함합니다.

데이터 에이전트에 로깅 사용 설정과 동일한 환경에서 다음 샘플을 실행합니다.

Python SDK

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}")

DATA_AGENT_ID를 데이터 에이전트의 ID로 바꿉니다.

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)

DATA_AGENT_ID를 데이터 에이전트의 ID로 바꿉니다.

변경사항은 다음 차례에 적용됩니다. 이미 실행 중인 차례는 시작 시 적용된 설정으로 완료됩니다.

로그 데이터 세트에 쓰는 모든 데이터 에이전트의 로깅을 중지하려면 데이터 세트에서 서비스 에이전트의 BigQuery 데이터 편집자 역할을 취소합니다. 로깅은 각 에이전트에 대해 사용 설정된 상태로 유지되지만 서비스 에이전트는 더 이상 행을 작성할 수 없습니다.

로깅을 사용 중지하면 이미 로깅된 행이 유지됩니다. 로깅된 데이터를 삭제하려면 행, 파티션 또는 로그 테이블을 삭제합니다.

대화 로깅 문제 해결

다음 정보를 사용하여 BigQuery의 대화형 분석 대화 로깅과 관련된 일반적인 문제를 해결하세요. 로깅 오류는 대화 차례를 실패하게 만들지 않으며 채팅, API 응답 또는 Cloud Logging에 보고되지 않으므로 대상 테이블이 비어 있거나 누락된 경우 구성 또는 권한 문제의 주요 신호입니다.

로그 테이블이 누락되었거나 비어 있음

대화 차례 후 대상 테이블이 생성되지 않거나 비어 있으면 다음과 같은 잠재적 원인을 확인하세요.

  • 대화 로깅이 사용 설정되어 있지 않습니다. 대화 로깅이 사용 설정되어 있고 데이터 에이전트에 대상 테이블이 구성되어 있는지 확인합니다.

  • 대상 데이터 세트가 누락되었거나 다른 프로젝트에 있습니다. 대상 데이터 세트가 데이터 에이전트와 동일한 프로젝트에 이미 있는지 확인합니다. bq show PROJECT_ID:LOG_DATASET를 실행하여 데이터 세트가 있는지 확인할 수 있습니다. PROJECT_ID를 데이터 에이전트가 포함된 프로젝트의 ID로 바꾸고 LOG_DATASET를 대상 데이터 세트의 ID로 바꿉니다. 서비스 에이전트는 첫 번째 로깅된 차례에 로그 테이블을 만들지만 데이터 세트는 만들지 않습니다.

  • 대상 데이터 세트는 연결된 데이터 세트와 같은 읽기 전용 데이터 세트입니다. BigQuery Sharing 연결된 데이터 세트 또는 외부 데이터 세트(예: AWS Glue 제휴 데이터 세트)는 읽기 전용이며 대화 로그를 저장할 수 없습니다. 데이터 세트 유형을 확인하려면 bq show --format=prettyjson PROJECT_ID:LOG_DATASET를 실행하고 "type" 필드("LINKED" 또는 "EXTERNAL")를 검사합니다. 데이터 에이전트와 동일한 프로젝트에서 표준 쓰기 가능 데이터 세트를 선택합니다.

  • 서비스 에이전트 또는 CMEK 권한이 없습니다. 대화형 분석 API 서비스 에이전트(service-PROJECT_NUMBER@gcp-sa-geminidataanalytics., 프로젝트 ID가 아닌 에이전트 프로젝트 번호 사용)에 로그 데이터 세트에 대한 BigQuery 데이터 편집자(roles/bigquery.dataEditor) 역할이 있는지 확인합니다. 데이터 세트에서 고객 관리 Cloud KMS 키(CMEK)를 사용하는 경우 BigQuery 암호화 서비스 계정(bq-PROJECT_NUMBER@bigquery-encryption.)에 키에 대한 roles/cloudkms.cryptoKeyEncrypterDecrypter 역할이 있는지 확인합니다.

  • VPC 서비스 제어 경계에서 쓰기를 차단합니다. 대화형 분석 API 서비스 에이전트는 Google 관리형 인프라에서 로그 테이블에 쓰므로 서비스 경계가 bigquery.googleapis.com를 제한하는 경우 roles/bigquery.dataEditor만 부여하는 것으로는 충분하지 않습니다. 이 목록의 다른 원인과 달리 경계 차단은 에이전트 프로젝트의 Cloud Logging에 정책 거부 감사 로그를 기록합니다. bigquery.googleapis.com(테이블 조회 또는 생성) 및 bigquerystorage.googleapis.com(행 추가)에서 log_id("cloudaudit.googleapis.com/policy")로 필터링하여 차단을 확인합니다. geminidataanalytics.googleapis.com 및 bigquery.googleapis.com가 모두 경계에 있는지 확인하고 bigquery.googleapis.com에서 서비스 에이전트에 대한 인그레스 규칙을 추가합니다. 샘플 인그레스 규칙은 액세스 제어, 암호화, 네트워크 보안을 참조하세요. 일반적인 경계 설정 안내는 VPC 서비스 제어로 경계 보안 구성을 참조하세요.

  • 지원되지 않는 대화 표시 경로 또는 에이전트 구성 BigQuery Studio 프리뷰 창의 대화와 데이터 에이전트가 없는 스테이트리스(Stateless) API 호출은 로깅되지 않습니다. 테스트하려면 API를 통해 데이터 에이전트에 채팅 요청을 보냅니다. 특정 BigQuery 테이블 대신 검색 범위를 사용하거나, BigQuery 속성 그래프만(BigQuery 테이블 없이) 지식 소스로 구성하거나, BigQuery 테이블을 선언하지 않는 에이전트는 로깅되지 않습니다. 자세한 내용은 제한사항을 참조하세요.

  • 지식 소스 테이블은 액세스 정책을 사용합니다. 지식 소스 테이블(에이전트의 데이터 소스에 있는 BigQuery 테이블)에서 행 수준 액세스 정책, 열 수준 보안(정책 태그) 또는 동적 데이터 마스킹을 사용하는 경우 대화가 로깅되지 않습니다.

  • 기존 대상 테이블의 스키마 충돌. 기존 테이블을 대상으로 구성하고 열이 대화 로그 스키마 열과 이름을 공유하지만 유형이나 모드가 다른 경우 BigQuery는 해당 테이블에 행을 쓰지 않습니다.

일반적으로 행은 차례가 완료된 후 몇 초 이내에 표시됩니다. 몇 분 정도 기다린 후에도 행이 표시되지 않으면 데이터 세트를 새로고침합니다.

일부 사용자의 대화가 기록되지 않음

원인

각 차례 전에 개인 정보 보호 검사는 채팅 사용자의 사용자 인증 정보를 사용하여 에이전트의 지식 소스 테이블에 행 수준 보안, 열 수준 보안 또는 데이터 마스킹 정책이 없는지 확인합니다. 사용자에게 이 검사를 실행할 권한이 없으면 사용자의 차례가 로깅되지 않습니다.

해결 방법

모든 채팅 사용자에게 지식 소스 테이블에 대한 BigQuery 데이터 뷰어(roles/bigquery.dataViewer) 역할과 쿼리를 실행하는 프로젝트에 대한 BigQuery 작업 사용자(roles/bigquery.jobUser) 역할을 부여하거나 지식 소스 테이블에 대한 bigquery.tables.get 및 bigquery.rowAccessPolicies.list 권한이 있는 맞춤 역할을 부여합니다.

INVALID_ARGUMENT 오류로 인해 에이전트를 만들거나 업데이트할 수 없음

오류 메시지

  • 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.

원인

대상 데이터 세트가 데이터 에이전트와 다른 프로젝트에 있거나 에이전트의 데이터 소스가 BigQuery가 아닙니다.

해결 방법

데이터 에이전트와 동일한 프로젝트에 있는 기존 대상 데이터 세트를 지정하거나 BigQuery 데이터 소스로 데이터 에이전트를 구성합니다.

서비스 에이전트가 없으므로 데이터 세트 액세스 권한 부여 실패

오류 메시지

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

원인

대화형 분석 API 서비스 에이전트가 아직 프로젝트에 프로비저닝되지 않았습니다.

해결 방법

다음 중 하나를 수행합니다.

  • 먼저 에이전트에서 로그 대상을 구성한 후 역할을 다시 부여합니다.

  • 다음 명령어를 실행하여 서비스 ID를 프로비저닝합니다.

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

    PROJECT_ID를 데이터 에이전트가 포함된 프로젝트의 ID로 바꿉니다.

다음 단계