Untuk membantu Anda membangun dan mengevaluasi agen data dengan Conversational Analytics API, halaman ini menyediakan link ke tutorial terpandu, demo interaktif, aplikasi contoh, dan alat pengembangan.
Tutorial interaktif
Bagian ini menyediakan link ke codelab, notebook Colaboratory interaktif, dan postingan blog yang memberikan panduan langkah demi langkah untuk membantu Anda mempelajari konsep API inti.
| Resource | Deskripsi | Format |
|---|---|---|
| Pengantar Analisis Percakapan API | Ikuti tutorial langkah demi langkah untuk mempelajari cara menggunakan Python SDK dengan sumber data BigQuery, cara membuat agen baru menggunakan Analisis Percakapan API, cara membuat dan mengelola percakapan, serta cara mengirim dan melakukan streaming respons dari API. | Codelab |
| Membangun aplikasi chat dengan Conversational Analytics API untuk Looker dan BigQuery | Pelajari cara menggunakan Analisis Percakapan API dengan Looker dan BigQuery untuk membangun aplikasi chat, termasuk cara menyiapkan aplikasi Streamlit Quickstart, dan pelajari manfaat Looker untuk pemodelan semantik. | Codelab |
| Notebook Colaboratory HTTP | Pelajari panduan interaktif langkah demi langkah untuk menyiapkan lingkungan, membangun agen data, dan melakukan panggilan API menggunakan permintaan HTTP. | Notebook |
| Notebook Colaboratory Python SDK | Pelajari panduan interaktif langkah demi langkah untuk menyiapkan lingkungan, membangun agen data, dan melakukan panggilan API menggunakan Python SDK. | Notebook |
| Blog: Membangun agen percakapan di BigQuery menggunakan Conversational Analytics API | Pelajari cara membangun agen percakapan BigQuery menggunakan Python SDK, dengan panduan tentang penyiapan, percakapan stateful, dan respons streaming. | Blog |
Aplikasi dan demo contoh
Bagian ini menyediakan link ke aplikasi contoh dan demonstrasi video yang menampilkan kemampuan API.
Aplikasi contoh dan video
Referensi berikut menunjukkan cara mengintegrasikan Conversational Analytics API di berbagai lingkungan dan memberikan ringkasan fitur API:
- Aplikasi Panduan Memulai Streamlit: Pelajari cara berintegrasi dengan Conversational Analytics API di lingkungan pengujian lokal.
- Demo dan alat Analisis Percakapan: Tinjau demo dan alat yang menampilkan kapabilitas API Analisis Percakapan dan memberikan pola integrasi praktis.
- YouTube: Conversational Analytics API: Pelajari Conversational Analytics API, termasuk cara API memproses pertanyaan bahasa alami, terhubung ke sumber data seperti BigQuery dan Looker, serta menampilkan hasil sebagai teks atau visualisasi.
- YouTube: Menyematkan pengalaman Analisis Percakapan di aplikasi Anda menggunakan Conversational Analytics API: Pelajari Conversational Analytics API dan cara membangun agen Conversational Analytics API menggunakan Agent Development Kit (ADK).
SDK dan alat pengembangan
Bagian ini menyediakan link ke library klien, Agent Development Kit (ADK), MCP Toolbox, dan alat lainnya untuk membangun, mengelola, dan mengevaluasi agen data.
Library klien
Petunjuk penginstalan dan dokumentasi referensi tersedia untuk library klien Analisis Percakapan API berikut:
Agent Development Kit (ADK)
Agent Development Kit (ADK) mencakup alat untuk membangun dan mengelola agen data Analisis Percakapan API:
ask_data_agent: Ajukan pertanyaan dalam bahasa alami kepada agen data yang telah dikonfigurasi sebelumnya dengan merujuk ID agen.ask_data_insights: Buat insight data bahasa alami dari sumber seperti BigQuery dengan panggilan API stateless yang tidak memerlukan agen data.
MCP Toolbox for Databases
MCP Toolbox for Databases adalah server MCP open source yang menghubungkan agen AI, IDE, dan aplikasi ke sumber data. Server ini menggabungkan Analisis Percakapan API sebagai alat yang kompatibel dengan MCP yang memungkinkan interaksi dengan layanan seperti BigQuery dan Looker.
Toolbox ini mencakup alat yang kompatibel dengan MCP untuk layanan berikut:
- Alat BigQuery Conversational Analytics (
bigquery-conversational-analytics) - Alat Looker Analisis Percakapan (
looker-conversational-analytics)
Alat developer lainnya
Alat berikut dapat membantu tugas pengembangan lainnya, seperti evaluasi agen:
- Prism: Gunakan aplikasi open source ini untuk memantau dan mengevaluasi performa agen AI, menjalankan suite pengujian, dan merekam aktivitas.