컨텍스트 엔지니어링 에이전트를 사용하여 컨텍스트 세트 빌드

이 문서에서는 Spanner Graph 데이터 에이전트 애플리케이션의 QueryData 정확성을 높이는 데 도움이 되는 컨텍스트 세트를 만들고 최적화하는 방법을 설명합니다. 컨텍스트 엔지니어링 에이전트는 Graph Query Language(GQL) 컨텍스트 세트의 생성 및 최적화를 자동화하여 이를 빌드, 평가, 개선하는 데 도움을 줍니다.

Spanner Graph의 컨텍스트 집합 및 QueryData에 대한 자세한 내용은 컨텍스트 집합 개요 및 QueryData 개요를 참조하세요.

엔터프라이즈 그래프 데이터 애플리케이션을 빌드하려면 자연어-GQL 변환 정확도가 일반적으로 100% 에 가까운 품질을 달성해야 합니다. 잘못된 그래프 순회 패턴이나 누락된 에지 필터는 애플리케이션 사용성과 사용자 환경에 영향을 미칩니다. 설명 가능하고 비즈니스와 관련성이 높은 답변을 높은 정확도로 얻으려면 컨텍스트 세트를 만들고 반복적으로 최적화하는 프로세스인 컨텍스트 엔지니어링이 필요합니다.

Spanner Graph 스키마 및 비즈니스 애플리케이션에 타겟팅된 컨텍스트를 QueryData에 제공하면 시스템이 미묘한 사용자 의도를 해결하는 데 필요한 정확한 그래프 순회 규칙과 도메인 정의를 제공할 수 있습니다.

이 문서의 예시에서는 FinGraph 속성 그래프 스키마와 샘플 데이터 세트(Owns 및 Transfers 에지로 연결된 Person 및 Account 노드)를 사용합니다. FinGraph 스키마를 만들고 샘플 데이터를 삽입하려면 Spanner Graph 설정 및 쿼리를 참조하세요.

컨텍스트 엔지니어링 에이전트

컨텍스트 엔지니어링 에이전트는 컨텍스트 엔지니어링 워크플로를 자동화합니다. 평가 데이터 세트를 생성하고, 컨텍스트 세트를 부트스트랩하고, 이를 반복적으로 개선합니다.

다음 목록은 에이전트에게 지시하는 자연어 프롬프트의 예시와 에이전트의 응답 방식에 대한 설명을 제공합니다.

  • 컨텍스트 추천 프롬프트 예시: "Spanner 데이터베이스의 FinGraph 속성 그래프에 대한 애플리케이션 문서를 읽고 추가할 GQL 컨텍스트 항목을 추천해 줘." 에이전트는 제공된 데이터 세트 애플리케이션 문서를 파싱하고, 비즈니스 규칙을 FinGraph 노드 및 에지 라벨에 매핑하고, GQL 템플릿과 패싯을 추천합니다.
  • 사용자 질문이 예상 결과를 반환하지 않는 경우의 격차 분석을 위한 프롬프트 예시: "사용자가 '비상금 계좌에서 이체'를 요청하면 QueryData가 nick_name = 'rainy day account'를 필터링하고 아무것도 반환하지 않습니다. 이 질문에 올바르게 답할 수 있도록 Spanner 데이터베이스의 FinGraph 속성 그래프의 컨텍스트를 업데이트해 줘." 에이전트가 스키마를 검사하고 닉네임이 Rainy Day Fund로 저장되어 있음을 확인한 후 Account.nick_name에 대한 값 검색(또는 패턴이 문제인 경우 템플릿 또는 상품 속성)을 추천합니다.
  • 일괄 처리를 위한 프롬프트 예시: "다음은 Spanner 데이터베이스의 FinGraph 속성 그래프에 대한 자연어 질문과 GQL 쿼리입니다. 템플릿으로 변환:

    • Dana가 송금한 모든 사람과 송금 금액을 찾습니다. GRAPH FinGraph MATCH (:Person {name: 'Dana'})-[:Owns]->(:Account)-[transfer:Transfers]->(:Account)<-[:Owns]-(to_person:Person) RETURN to_person.name AS recipient, transfer.amount AS amount
    • 알렉스가 수행한 고위험 송금은 무엇인가요? GRAPH FinGraph MATCH (:Person {name: 'Alex'})-[:Owns]->(src:Account)-[t:Transfers]->(dst:Account {is_blocked: true}) WHERE t.amount >= 200 RETURN dst.id AS destination_account_id, t.amount AS transfer_amount"

    에이전트는 입력을 일괄 처리하고 리터럴 값을 ? 자리표시자로 바꾸고 컨텍스트 세트 파일을 업데이트합니다.

골든 데이터 세트의 중요성

컨텍스트를 최적화하려면 먼저 애플리케이션의 자연어 입력과 일치하는 골든 데이터 세트를 만들어야 합니다. 에이전트는 사용자 질문과 예상 GQL 쿼리로 구성된 이 골든 데이터 세트를 빌드하는 데 도움을 줄 수 있습니다. 골든 데이터 세트를 사용하면 다음을 수행할 수 있습니다.

  • 자연어-GQL 쿼리 성능의 기준을 설정합니다.
  • 정답 GQL 쿼리와 비교하여 컨텍스트 업데이트를 검증합니다.
  • 최적화 반복 전반에서 정확도 개선을 측정합니다.

체계적인 언덕 오르기 프로세스

체계적인 힐 클라이밍에서 에이전트는 골든 데이터 세트 평가, 격차 분석, 타겟팅된 GQL 컨텍스트 업데이트를 통해 컨텍스트 세트를 반복적으로 개선하여 정확도를 100%에 가깝게 높입니다.

  • 기준 컨텍스트 자동 생성: Spanner Graph 속성 그래프 스키마 및 애플리케이션 아티팩트에서 파생된 시작 GQL 컨텍스트 세트를 만듭니다.
  • 힐 클라이밍 최적화 워크플로: 에이전트가 graph_ids를 구성하여 QueryData 정확성을 평가하고, 실패한 GQL 쿼리에 대한 격차 분석을 수행하고, 정확성을 높이기 위한 개선사항을 자동으로 제안하도록 합니다.

다음 다이어그램은 체계적인 언덕 오르기 워크플로를 보여줍니다.

컨텍스트를 반복적으로 빌드하는 워크플로

시작하기 전에

컨텍스트 엔지니어링 에이전트를 사용하기 전에 다음 기본 요건을 완료하세요.

필수 서비스 사용 설정

프로젝트에 다음 서비스를 사용 설정합니다.

Spanner 인스턴스 준비

필수 역할 및 권한

  • 인스턴스에 IAM 사용자 또는 서비스 계정을 추가합니다. 자세한 내용은 IAM 역할 적용을 참조하세요.
  • 프로젝트 수준에서 IAM 사용자에게 roles/spanner.databaseReader, roles/serviceusage.serviceUsageConsumer, roles/geminidataanalytics.queryDataUser 역할을 부여합니다. 자세한 내용은 프로젝트에 IAM 정책 바인딩 추가를 참조하세요.
  • 컨텍스트 세트를 만들고, 업로드하고, 관리하려면 프로젝트 수준에서 IAM 사용자에게 Dataplex 카탈로그 편집자(roles/dataplex.catalogEditor) 또는 Dataplex 카탈로그 관리자(roles/dataplex.catalogAdmin) 역할을 부여합니다. 자세한 내용은 컨텍스트 세트 권한을 참고하세요.
  • 필요한 데이터베이스의 프로젝트 수준에서 IAM 사용자에게 역할 및 권한을 부여합니다.

FinGraph 속성 그래프 스키마를 설정하고 이 가이드에 사용된 샘플 그래프 데이터를 삽입하려면 Spanner Graph 설정 및 쿼리의 단계를 따르세요.

개발 환경 준비

모든 로컬 개발 환경 또는 IDE에서 컨텍스트 세트 파일을 빌드할 수 있습니다. 환경을 준비하려면 다음 단계를 완료하세요.

  • 컨텍스트 엔지니어링 에이전트를 설치합니다.
  • Spanner Graph에 대한 데이터베이스 연결을 설정합니다.

컨텍스트 엔지니어링 에이전트 설치

컨텍스트 엔지니어링 에이전트는 기본 Python 패키지를 관리하기 위해 uv가 필요한 모델 컨텍스트 프로토콜(MCP) 서버를 실행합니다.

  1. uv 설치의 안내에 따라 uv를 설치합니다.
  2. uv이 설치되어 있고 명령줄에서 액세스할 수 있는지 확인합니다.

    uv --version

환경을 준비하려면 Antigravity CLI, Claude Code, Gemini CLI와 같은 선택한 에이전트 하네스에 컨텍스트 엔지니어링 에이전트를 설치합니다.

선택한 에이전트 하네스에 따라 해당 설치 단계를 따릅니다.

Antigravity CLI

Antigravity CLI에 컨텍스트 엔지니어링 에이전트를 설치하려면 다음 단계를 따르세요.

  1. Antigravity CLI를 설치합니다. Antigravity CLI 시작하기를 참고하세요.
  2. 컨텍스트 생성을 위한 워크플로가 포함된 컨텍스트 엔지니어링 에이전트 플러그인을 설치합니다.
    agy plugin install https://github.com/GoogleCloudPlatform/db-context-enrichment/tree/main/plugin
  3. Antigravity CLI를 시작합니다.
    agy
  4. 플러그인을 업데이트합니다.
    agy plugin uninstall google-cloud-db-context-engineering
    agy plugin install https://github.com/GoogleCloudPlatform/db-context-enrichment/tree/main/plugin

Claude Code

Claude Code에 컨텍스트 엔지니어링 에이전트를 설치하려면 다음 단계를 따르세요.

  1. 플러그인 마켓플레이스를 추가합니다.
    /plugin marketplace add https://github.com/GoogleCloudPlatform/db-context-enrichment.git
  2. 플러그인 설치:
    /plugin install db-context-engineering@db-context-enrichment-marketplace
  3. 플러그인을 새로고침하여 변경사항을 활성화합니다.
    /reload-plugins
  4. 플러그인을 업데이트합니다.
    /plugin update db-context-engineering@db-context-enrichment-marketplace

Gemini CLI(지원 중단됨)

Gemini CLI에 컨텍스트 엔지니어링 에이전트를 설치하려면 다음 단계를 따르세요.

  1. Gemini CLI를 설치합니다. Gemini CLI 시작하기를 참고하세요.
  2. 확장 프로그램을 설치합니다.
    gemini extensions install https://github.com/GoogleCloudPlatform/db-context-enrichment
  3. 확장 프로그램을 업데이트합니다.
    gemini extensions update mcp-db-context-enrichment

데이터베이스 연결 설정

에이전트가 속성 그래프 스키마(spanner-list-graphs)를 가져오고, 기본 테이블(spanner-list-tables)을 검사하고, 생성된 GQL 및 SQL 쿼리(spanner-execute-sql)의 문법을 검증하려면 데이터베이스 연결이 필요합니다. 에이전트가 Spanner 데이터베이스의 속성 그래프와 상호작용할 수 있도록 하려면 사용자 인증 정보를 구성하고 데이터베이스 연결 구성을 정의하세요.

애플리케이션 기본 사용자 인증 정보 구성

컨텍스트 엔지니어링 에이전트에서 Google Cloud 리소스에 액세스하기 위한 사용자 인증 정보를 제공하도록 애플리케이션 기본 사용자 인증 정보(ADC)를 구성합니다.

  • 도구 상자 MCP 서버: 사용자 인증 정보를 사용하여 Spanner 데이터베이스에 연결하고, 속성 그래프 스키마를 가져오고, 검증을 위해 GQL 쿼리를 실행합니다.
  • Evalbench: 사용자 인증 정보를 사용하여 graph_ids로 QueryData REST API를 호출하고 평가 중에 Vertex AI에서 LLM 평가자를 실행합니다.

터미널에서 다음 명령어를 실행하여 인증합니다.

gcloud auth application-default login

데이터베이스 연결 파일 구성

에이전트는 컨텍스트 생성을 위해 데이터베이스 연결이 필요합니다. 이는 MCP 도구 상자에서 지원하며, 활성 속성 그래프 이름(예: FinGraph)을 기록하는 상태 추적기(autoctx/state.md)와 함께 구성 파일(autoctx/tools.yaml) 내에 정의됩니다.

  1. 에이전트 환경을 시작합니다.
  2. 에이전트에게 Spanner 데이터베이스의 데이터베이스 연결을 설정하고 속성 그래프 이름을 지정하도록 요청합니다. 예를 들어 다음 프롬프트를 입력합니다.

    Help me set up the database connection for my Spanner database with the FinGraph property graph.
    

    에이전트의 안내에 따라 프로젝트 ID, Spanner 인스턴스 ID, 데이터베이스 ID, 속성 그래프 이름(FinGraph)을 제공합니다. 에이전트가 autoctx/tools.yaml(spanner-list-graphs, spanner-list-tables, spanner-execute-sql 도구 사용) 및 autoctx/state.md를 만듭니다.

  3. autoctx/state.md를 열고 ## Active Database 섹션에 속성 그래프가 다음 형식으로 나열되어 있는지 확인합니다.

    - **Graph Ids**: ["FinGraph"]
    

    평가 워크플로는 이 줄에서만 속성 그래프 ID를 읽습니다. 줄이 누락되었거나 비어 있거나([]) 이 형식이 아닌 경우 평가는 graph_ids 없이 QueryData를 호출하고 QueryData는 GQL 대신 관계형 SQL을 생성합니다.

  4. 새 tools.yaml 구성을 적용하려면 연결을 새로고침합니다.

    • Antigravity CLI에서 /mcp를 실행하고 toolbox를 선택하여 다시 시작합니다.
    • Gemini CLI에서 /mcp reload를 실행합니다.
    • Claude Code에서 /mcp를 실행하고 toolbox를 선택한 후 Reconnect를 선택합니다.

데이터베이스 구성 파일을 수동으로 구성하는 방법에 관한 자세한 내용은 MCP 도구 상자 구성을 참고하세요.

컨텍스트 생성 및 최적화

컨텍스트 엔지니어링 에이전트는 기준 GQL 컨텍스트 세트를 생성하고, 표준 GQL 데이터 세트와 비교하여 효과를 측정하고, 개선사항을 반복적으로 적용하는 에이전트 스킬 및 MCP 도구 세트를 제공합니다. 워크플로의 어느 단계에서나 시작할 수 있습니다.

  • 이미 컨텍스트 세트가 있는 경우 바로 평가를 진행할 수 있습니다.
  • 수정하려는 실패한 GQL 쿼리가 있는 경우 바로 격차 분석으로 진행할 수 있습니다.

어느 단계에서든 에이전트에게 대상이 Spanner 데이터베이스의 속성 그래프임을 상기시키고 그래프의 이름을 지정하여(예: FinGraph) GQL 관련 워크플로를 유지하도록 합니다.

평가 데이터 세트 빌드 및 확장

성능을 개선하려면 먼저 성능을 측정해야 합니다. 골든 데이터 세트는 예상 GQL 쿼리와 쌍을 이루는 사용자 질문 집합입니다. 평가 데이터 세트가 없으면 컨텍스트 엔지니어링에 체계적인 검증이 부족해집니다. 평가 데이터 세트가 있으면 모든 컨텍스트 변경사항이 정답과 비교하여 검증할 수 있는 측정 가능한 개선사항이 됩니다.

대표적인 골든 데이터 세트를 수동으로 만드는 것은 시간이 많이 걸리며, 작은 데이터 세트에서는 사용자 표현의 변형을 놓칠 수 있습니다. 상담사는 다음과 같은 방법으로 이 문제를 해결합니다.

  • 속성 그래프 스키마를 기반으로 후보 자연어 질문과 GQL 쿼리 쌍을 생성합니다.
  • 필터 변형, 동의어, 멀티홉 경로 재구성을 사용하여 시드 데이터 세트를 확장합니다.
  • Spanner 데이터베이스에 대해 생성된 GQL 쿼리를 실행하여 모든 쿼리가 정상적으로 실행되고 유효한 결과를 반환하는지 확인합니다.

Spanner Graph 쿼리 개요의 FinGraph 쿼리를 기반으로 하는 골든 데이터 세트(autoctx/golden.json)는 다음과 같은 자연어 질문과 GQL 쌍이 포함된 JSON 파일입니다.

[
  {
    "id": "fingraph_001",
    "database": "example-db",
    "nlq": "Find everyone that Dana transferred money to, along with the account IDs and transfer amounts.",
    "golden_sql": "GRAPH FinGraph MATCH (from_person:Person {name: 'Dana'})-[:Owns]->(from_account:Account)-[transfer:Transfers]->(to_account:Account)<-[:Owns]-(to_person:Person) RETURN to_person.name AS to_account_owner, to_account.id AS to_account_id, transfer.amount AS amount;"
  },
  {
    "id": "fingraph_002",
    "database": "example-db",
    "nlq": "Find all money transfers involving a blocked account.",
    "golden_sql": "GRAPH FinGraph MATCH (account:Account)-[transfer:Transfers]-(:Account {is_blocked: true}) RETURN transfer.order_number, transfer.amount;"
  },
  {
    "id": "fingraph_003",
    "database": "example-db",
    "nlq": "Find destination accounts that are 1 to 3 transfers away from account 7, and show the path length.",
    "golden_sql": "GRAPH FinGraph MATCH (src:Account {id: 7})-[e:Transfers]->{1, 3}(dst:Account) WHERE src != dst RETURN dst.id AS dst_account_id, ARRAY_LENGTH(e) AS path_length;"
  },
  {
    "id": "fingraph_004",
    "database": "example-db",
    "nlq": "Find all high-risk transfers initiated by Alex.",
    "golden_sql": "GRAPH FinGraph MATCH (p:Person {name: 'Alex'})-[:Owns]->(src:Account)-[t:Transfers]->(dst:Account {is_blocked: true}) WHERE t.amount >= 200 RETURN dst.id AS destination_account_id, t.amount AS transfer_amount ORDER BY t.amount DESC;"
  }
]

승인된 쌍은 작업공간의 autoctx/golden.json 파일에 채워져 평가할 준비가 됩니다. 각 항목에서 database는 Spanner 데이터베이스 ID(예: example-db)와 일치해야 합니다.

다음 예시 프롬프트를 사용하여 에이전트에게 지시하고 FinGraph가 Spanner 데이터베이스의 속성 그래프임을 지정할 수 있습니다.

  • "내 Spanner 데이터베이스의 FinGraph 속성 그래프에서 GQL 평가 데이터 세트를 생성해 줘."
  • "내 Spanner 데이터베이스의 FinGraph 속성 그래프에 대한 시드 질문과 GQL 쿼리입니다. 이를 더 광범위한 GQL 평가 데이터 세트로 확장하고 쿼리가 실행되는지 확인해 줘."

기준 컨텍스트 세트 생성

컨텍스트를 처음부터 만들지 않으려면 에이전트가 속성 그래프 스키마와 애플리케이션 아티팩트(예: 비즈니스 규칙, 샘플 GQL 쿼리, 설계 문서)에서 초기 GQL 컨텍스트 집합(bootstrap_context.json)을 파생하도록 할 수 있습니다. 데이터 세트가 Spanner 데이터베이스의 속성 그래프이므로 에이전트는 템플릿과 패싯을 생성할 때 관계형 SQL 조인보다 GQL 패턴(GRAPH FinGraph MATCH ...)을 선호합니다.

다음 예시 프롬프트를 사용하여 에이전트에게 지시할 수 있습니다.

  • "Spanner 데이터베이스의 FinGraph 속성 그래프에서 기준 GQL 컨텍스트 세트를 생성해 줘."
  • "속성 그래프 스키마와 requirements.md의 비즈니스 규칙을 사용하여 Spanner 데이터베이스의 FinGraph 속성 그래프에 대한 초기 GQL 컨텍스트를 생성해 줘."

에이전트가 실험 이름을 지정하라는 메시지를 표시합니다(예: fingraph_tuning). 이 이름은 생성된 아티팩트를 autoctx/experiments/fingraph_tuning/ 아래에 정리합니다. 에이전트가 bootstrap_context.json를 생성한 후 Spanner Studio에서 컨텍스트 세트 관리의 안내에 따라 컨텍스트 세트 파일을 업로드합니다.

맥락 효과 평가

컨텍스트 세트와 골든 데이터 세트를 설정한 후에는 각 골든 질문으로 QueryData API를 쿼리하여 에이전트가 컨텍스트 성능을 측정하도록 할 수 있습니다. 에이전트는 Evalbench를 사용하여 생성된 GQL 및 실행 결과를 예상 골든 답변과 비교합니다.

Spanner Graph의 경우 평가에서 QueryData REST API를 직접 호출하므로 각 요청에 graph_ids를 포함할 수 있습니다.

autoctx/state.md에 - **Graph Ids**: ["FinGraph"]가 포함된 경우 에이전트는 REST API를 사용하고 spanner_reference.database_reference에 graph_ids를 포함하는 Evalbench 모델 구성 파일(autoctx/experiments/fingraph_tuning/eval_configs/model_config.yaml)을 생성합니다. 이는 다음과 유사합니다.

generator: query_data_api
project_id: PROJECT_ID
location: global
use_rest_api: true
context:
  datasource_references:
    spanner_reference:
      database_reference:
        engine: GOOGLE_SQL
        project_id: PROJECT_ID
        instance_id: INSTANCE_ID
        database_id: DATABASE_ID
        graph_ids:
        - FinGraph
      agent_context_reference:
        context_set_id: projects/PROJECT_ID/locations/REGION/contextSets/CONTEXT_SET_ID

평가를 실행하기 전에 model_config.yaml를 열고 use_rest_api가 true이고 graph_ids에 속성 그래프가 나열되어 있는지 확인합니다.

평가를 실행하면 다음이 제공됩니다.

  • 통과 및 실패 결과, 집계 점수와 같은 정량적 측정항목을 사용하여 GQL 컨텍스트 반복 전반의 진행 상황을 추적합니다.
  • 인라인 대화 내용 요약 및 실험 폴더의 eval_reports/ 디렉터리에 작성된 자세한 CSV 보고서

평가를 시작하려면 골드 데이터 세트 경로(autoctx/golden.json)와 컨텍스트 세트 ID를 제공합니다. 컨텍스트 세트 ID를 찾는 방법은 컨텍스트 세트 ID 찾기를 참조하세요.

다음 예시 프롬프트를 사용하여 에이전트에게 지시할 수 있습니다.

  • "Spanner 데이터베이스의 FinGraph 속성 그래프에 대한 내 컨텍스트를 autoctx/golden.json에 대해 평가해 줘. graph_ids를 FinGraph로 설정하여 QueryData REST API를 호출합니다."
  • "마지막 실험의 구성을 사용하여 Spanner 데이터베이스의 FinGraph 속성 그래프에 대한 평가를 다시 실행해 줘."

작업공간 루트에서 직접 이전에 생성된 평가 구성을 다시 실행하려면 다음 명령어를 실행합니다.

uvx google-evalbench --experiment_config=autoctx/experiments/fingraph_tuning/eval_configs/run_config.yaml

평가 구성 스키마 및 평가 실행을 맞춤설정하는 방법에 관한 자세한 내용은 Evalbench 문서를 참고하세요.

격차 분석 수행 및 개선사항 제안

GQL 쿼리 실패를 해결하려면 다음과 같은 근본 원인을 파악하세요.

  • 역방향 에지 방향(-[:Owns]-> 및 <-[:Owns]-)
  • 수량화된 경로 경계(->{1, 3}) 누락
  • 매핑되지 않은 비즈니스 정의(예: high-risk transfers)
  • 확인되지 않은 속성 값

쿼리 문법은 Spanner Graph 쿼리 개요 및 GQL 참조를 확인하세요.

에이전트는 Spanner 데이터베이스의 속성 그래프에 대해 이 분석 및 수정 루프를 자동화합니다.

  • 격차 분석: 에이전트가 평가 결과와 컨텍스트 세트를 읽고 유사한 GQL 실패를 그룹화하고 GQL 템플릿, 패싯 또는 노드 및 에지 속성에 대한 GRAPH_TABLE 값 검색과 같은 타겟팅된 추가 항목을 추천합니다.
  • 제안된 수정사항: 에이전트가 구체적인 GQL 컨텍스트 수정을 제안하고 spanner-execute-sql를 사용하여 Spanner 데이터베이스에 대해 생성된 GQL을 테스트하여 해결 방법을 확인합니다.
  • 기준 보존: 에이전트는 기준 컨텍스트와 함께 개선사항을 새 JSON 파일(improved_context_v1.json)에 작성하여 원본 파일을 보존합니다.

다음 예시 프롬프트를 사용하여 에이전트에게 데이터 세트가 Spanner 데이터베이스의 속성 그래프임을 지정하여 GQL 관련 컨텍스트 엔지니어링 워크플로를 트리거하도록 지시할 수 있습니다.

  • "Spanner 데이터베이스의 FinGraph 속성 그래프에 대한 마지막 평가에서 격차 분석을 실행하고 GQL 컨텍스트 수정사항을 제안해 줘."
  • "autoctx/golden.json에 대해 Spanner 데이터베이스의 FinGraph 속성 그래프에 이 컨텍스트 세트를 최적화해 줘."

다음 반복을 준비하려면 컨텍스트 세트 수정의 안내에 따라 개선된 컨텍스트 세트 파일(improved_context_v1.json)을 Spanner Studio의 대상 컨텍스트 세트에 업로드합니다.

필요에 따라 작성자별 컨텍스트 항목

필요한 컨텍스트 항목(예: 특정 그래프 순회를 위한 GQL 템플릿, 반복되는 에지 필터의 패싯, 노드 또는 에지 속성의 GRAPH_TABLE 값 검색)을 이미 알고 있는 경우 에이전트는 전체 평가를 실행하지 않고도 요청 시 적절하게 매개변수화된 JSON 객체를 생성할 수 있습니다.

다음 예시 프롬프트를 사용하여 Spanner 데이터베이스의 속성 그래프에 대한 에이전트를 안내할 수 있습니다.

  • "Spanner 데이터베이스의 FinGraph 속성 그래프에 대해 GQL 쿼리 GRAPH FinGraph MATCH (p:Person {name: 'Alex'})-[:Owns]->(src:Account)-[t:Transfers]->(dst:Account {is_blocked: true}) WHERE t.amount >= 200 RETURN dst.id AS destination_account_id, t.amount AS transfer_amount ORDER BY t.amount DESC;를 사용하여 'Alex가 시작한 모든 고위험 송금 찾기' 템플릿을 만들어 줘."
  • "Spanner 데이터베이스의 FinGraph 속성 그래프에 대해 '차단된 계좌가 포함된 이체'라는 라벨이 지정된 GQL 절 MATCH (account:Account)-[transfer:Transfers]-(:Account {is_blocked: true})의 패싯을 만듭니다."
  • "내 Spanner 데이터베이스의 FinGraph 속성 그래프에서 개념 유형이 '계좌 닉네임'인 Account 노드의 nick_name 속성에 대해 대소문자를 구분하지 않고 닉네임과 일치하는 GRAPH_TABLE 값 검색을 만들어 줘."

컨텍스트 유형 선택 이유

적절한 컨텍스트 유형(GQL 템플릿, 패싯 또는 값 검색)을 선택하면 컨텍스트 비대화 및 쿼리 회귀를 방지할 수 있습니다. 쿼리 패턴에 따라 적절한 컨텍스트 유형을 추천하도록 에이전트에 프롬프트를 표시할 수 있습니다.

  • "Spanner 데이터베이스의 FinGraph 속성 그래프에서 여러 GQL 쿼리에 걸쳐 MATCH (account:Account)-[transfer:Transfers]-(:Account {is_blocked: true})이(가) 있는 차단된 계정과 관련된 이체를 계속 필터링하고 있습니다. 이것을 포착하는 가장 좋은 방법은 무엇일까?'
  • "사용자는 Spanner 데이터베이스의 FinGraph 속성 그래프에 있는 계정을 '휴가 기금' 또는 '비상금'과 같은 닉네임으로 참조합니다. Account.nick_name에 어떤 종류의 GRAPH_TABLE 가치 검색을 설정해야 하나요?"
  • "Spanner Graph의 컨텍스트 세트에서 GQL 템플릿과 패싯의 차이점은 무엇이며 각각 언제 사용해야 하나요?"

컨텍스트 세트 전반에 일괄 작업 적용

에이전트는 대규모 GQL 컨텍스트 집합을 일관되게 관리하기 위해 일괄 업데이트를 지원합니다. 예를 들어 속성 그래프 라벨이 업데이트되거나 여러 템플릿과 패싯에서 비즈니스 기준점이 변경되는 경우입니다.

  • "내 Spanner 데이터베이스에서 FinGraph 속성 그래프의 golden.json을 읽고 모든 질문-GQL 쌍을 템플릿으로 변환해 줘."
  • "Spanner 데이터베이스의 FinGraph 속성 그래프에 대한 context_set.json에서 '고위험 송금'을 참조하는 모든 GQL 항목의 t.amount >= 200를 t.amount >= 300로 바꿔 줘. 관련 없는 항목은 그대로 둡니다.'

다음 단계