QueryData の概要

QueryData を使用すると、会話調の言葉を使用して Spanner データベース内のプロパティ グラフデータを操作し、データ エージェントを構築できます。QueryData は、プロパティ グラフのスキーマに基づいて、自然言語の質問から Graph Query Language(GQL)クエリを生成します。ユースケースの精度を向上させるために、コンテキスト セット(ドメイン固有のビジネス ロジックとユーザーが尋ねる質問をキャプチャするクエリ テンプレート、クエリ ファセット、値検索のコレクション)を指定することもできます。コンテキスト セットの詳細については、コンテキスト セットの概要をご覧ください。

QueryData を使用する場面

Spanner Graph の QueryData は、次のようなアプリケーションに最適です。

  • グラフデータに対する会話型アシスタント: サポートまたはアナリティクス アシスタントが、QueryData にマルチホップ GQL クエリを生成して実行させることで、「口座 7 から送金されたお金が 60 日以内に戻ってきたか」という質問に回答します。
  • 不正行為、リスク、コンプライアンスの調査コパイロット: アナリストは、フォローアップの質問を通じて所有権と移転ネットワークを調査します。コンテキスト セットにより、高リスクの移転などの用語がすべての回答で一貫して使用されます。
  • ナレッジグラフ推論エージェント: ADK または MCP クライアントで構築されたエージェントは、QueryData をツールとして呼び出し、グラフに保存されている関係(個人が仲介者を通じて管理しているアカウントなど)に基づいて推論をグラウンディングします。

基本コンセプト

会話形式の質問を GQL クエリに確実に変換するために、QueryData は次の重要なコンセプトに依存しています。

QueryData と 会話型分析 API

会話型分析 API の QueryData エンドポイントは、Spanner データベースのプロパティ グラフに対して、プログラムによる自然言語から GQL(NL2GQL)へのクエリ生成を可能にするエージェント ツールです。会話型アプリケーションまたは Agentic Workflows 内で、QueryData エンドポイントは、各リクエストの graph_ids フィールドにリストされているプロパティ グラフのスキーマ解釈とクエリ合成を処理します。エージェント ハーネス(Antigravity、Agent Development Kit(ADK)、LangChain など)は、会話履歴、ユーザーの状態、ツール オーケストレーションを管理して、ユーザーの入力をコンテキスト化してから、自然言語リクエストを QueryData エンドポイントに送信します。

コンテキスト セット

コンテキスト セットは、データベース固有の知識、キュレートされたクエリパターン、データベースに関連付けられたビジネスルールをまとめたものです。QueryData は、一般的な LLM の知識や未加工のプロパティ グラフ スキーマのみに依存するのではなく、コンテキスト セットを使用して、グラフモデルのニュアンスや組織固有の用語(銀行金融グラフでビジネスが高リスクの送金と見なすものなど)を理解します。このガイドの例では、FinGraph プロパティ グラフ スキーマとサンプル データセットを使用します。FinGraph スキーマを作成してサンプルデータを挿入するには、Spanner Graph を設定してクエリを実行するをご覧ください。

コンテキスト セットには、次の 3 つの主要な構成要素が含まれています。

  • クエリ テンプレート: 代表的な自然言語の質問と、それに対応する事前検証済みの GQL クエリのペア。テンプレートは、特定のビジネス インテントが GQL ステートメントにどのようにマッピングされるかを定義する正規の例を提供します(たとえば、「Dana のアカウントから送金を受け取ったアカウントはどれか」が、Owns エッジと Transfers エッジを走査する GRAPH FinGraph MATCH クエリにどのようにマッピングされるか)。
  • クエリ ファセット: 再利用可能な GQL 句(グラフパターン、フィルタ条件、期間、金額のしきい値、ブロックされたアカウントなどのビジネス条件など)。ファセットを使用すると、QueryData は、すべての組み合わせに個別のテンプレートを必要とせずに、複数のフィルタ条件をクエリに動的に組み合わせることができます。
  • 値検索: GRAPH_TABLE に対する SELECT ステートメントとして記述されるセマンティック クエリと文字列一致クエリ。ユーザーの質問内の値フレーズを、ノードとエッジのプロパティに格納されている正確な値にグラウンディングします。値検索は、完全一致、文字列の類似性、セマンティック ベクトル エンベディングを使用して、あいまいさを解決するのに役立ちます(たとえば、「雨の日」をアカウントのニックネーム Rainy Day Fund にマッピングしたり、「チェコ共和国」を保存された値 Czech_Republic にマッピングしたりします)。

QueryData の仕組み

エージェントまたはアプリケーションが自然言語リクエスト(エージェントが会話履歴やユーザーの状態をコンテキスト化したユーザーの質問など)を送信すると、QueryData は次の手順を実行します。

  1. 値の解決: QueryData は、Spanner データベースに対して値検索クエリを実行し、プロンプト内の値フレーズ(人の名前、アカウントのニックネーム、国など)を特定のノードとエッジのプロパティ値にマッピングします。
  2. インテントのマッチングと曖昧性除去: QueryData は、コンテキスト化されたリクエストを、コンテキスト セットで定義したキュレートされたクエリ テンプレートとファセットと照合します。リクエストが不十分または曖昧な場合、QueryData は曖昧性除去の質問を返すことができます。これにより、エージェントまたはアプリケーションはユーザーに明確化を求めることができます。
  3. クエリの合成: graph_ids にリストされているプロパティ グラフのスキーマ、一致したテンプレート構造、適用されたファセット、解決された値を使用して、QueryData は完全な GQL クエリを合成します。
  4. クエリの実行: 生成された GQL クエリが Spanner データベースに対して実行され、結果が返されます。

コンテキスト セットを作成して管理する

コンテキスト セットを作成して管理する手順は次のとおりです。

  1. 作成者のコンテキスト: プロパティ グラフのクエリ テンプレート、ファセット、値検索を定義します。詳細については、コンテキスト セットの概要をご覧ください。コンテキスト エンジニアリング エージェントを使用して、コンテキストの作成を自動化することもできます。
  2. Google Cloud コンソールで管理する: Spanner Studio でコンテキスト セットを作成して管理し、クエリ生成で使用できるようにします。
  3. アプリケーションと統合する: 直接 REST API 呼び出しを使用して、アプリケーションまたは AI エージェントを QueryData に接続します。ターゲット プロパティ グラフは graph_ids にリストされます。

次のステップ