こんにちは。SCSKの山口です。
Google Cloud にて利用できる『Google Agentspace』についてご存知でしょうか？？
Agentspaceを利用することで、
- 組織全体のコンテンツを連携させ、根拠に基づいたパーソナライズされた回答を生成する。
- ワークフローアクションと連携してタスクを実行することで、従業員が必要な情報を適切なタイミングで入手する。
ことが可能となります。
Google Cloud 公式サイト：Google Agentspace | Google Cloud
本記事では、
『Google Agentspace』について色々と調査し、実際に触ってみましたので、その魅力について少しだけご紹介させていただければと思います。
また、「Agentspaceについてもっと知りたい！！！」という方はあわせて以下もご覧ください。
この記事に書いてあること
今回は、そんなAgentSpaceを実際に触ってみたブログになるのですが、下記について書きます。
データストア接続（BigQuery）
情報の検索元（データストア）として「BigQuery」を接続し、様々な質問をチャット形式で投げて実際にデータを探索してみたいと思います。
実際にエージェントを使う際、「どこまで回答してくれるの？？？」が一番気になるポイントになると思うので、今回は下記の質問を試します。
- レベル①：テーブル内のデータに対するシンプルな質問
- レベル➁：テーブル内に直接回答となるデータはないが、一目で回答がわかるレベルの質問
- レベル③：テーブル内にない情報（今回は今日の日付）をふまえた上で回答が必要になる質問
- レベル④：テーブル内にない情報（今回は今日の日付）をふまえた上で、計算が必要になる質問
- レベル⑤：テーブル内にないデータに対する質問
とりあえず触ってみる
データストア接続：BigQuery
まずは、データストアとしてBigQueryテーブルを接続し、検索をやってみます。
下記のテーブルを接続します。
アプリを作成
- Google Cloudコンソールから「AI Applications」ページへ遷移します。
- 画面上部の「アプリを作成する」をクリックし、アプリ作成画面へ遷移します。
- 「エンタープライズ検索とアシスタント」の「作成」をクリックし、構成画面に遷移します。
- 各種情報を入力後、「続行」をクリックします。今回の構成は下記です。
- アプリ名：bigquery-app
- 会社名：SCSK
- アプリのロケーション：global
- 階層の選択：検索＋アシスタント
- 「データストア」画面で「データストアを作成」をクリックします。
- 今回は新規でデータストアを作成します。
- 「データソースを選択」の画面で、「BigQuery」の「SELECT」をクリックします。
- 「BigQueryからデータをインポート」の画面で、情報を入力後、「続行」をクリックします。
- What kind of data are you importing?：Structured – BigQuery table with your own schema
- 同期の頻度：1回限り
- BigQueryのパス：scsksdv-dev-agentspace.agent_space.user
- 「スキーマの確認とキープロパティの割り当て」で各種情報を入力し、「続行」をクリックします。
- アプリケーション側に「データを理解させるため」に重要な項目となりそうなので、選択が可能な項目について説明します。
| 項目名 | 概要 |
| キープロパティ | ドキュメントの意味を理解するために使用される重要な情報を示します。 |
| 取得可能 | このフィールドが検索レスポンスに含まれるかどうかが決まります |
| インデックスを作成可能 | このフィールドをファセット（検索結果を絞り込むための属性）として使用できるかどうかが決まります |
| 動的ファセット可能 | 動的ファセットとしてこのフィールドを使用できるかどうかを決定します |
| 検索可能 | このフィールドを検索で使用できるかどうかが決まります |
| 完了可能 |
-
- 今回は下記設定で進めます。
- 「データストアの構成」画面で、下記情報を入力し「作成」クリックします。
- アプリ作成の画面に再度遷移するので、画面下部の「作成」をクリックします。
- 作成が正常に完了すると、作成したアプリの画面に遷移します。
作成したアプリを使ってみる
では、作成したアプリを使ってみます。
作成したアプリ画面の左ペイン内「統合」タブの「ウェブアプリへのリンク」に、作成したアプリのURLが記載されています。この右側の「開く」をクリックします。
→この画面（使用可能）になるまで数分かかりました。
作成したアプリでいろいろ聞いてみましょう。
レベル①：テーブル内のデータに対するシンプルな質問
お～、正しい情報がちゃんと情報が返ってきましたね。
レベル➁：テーブル内に直接回答となるデータはないが、一目で回答がわかるレベルの質問
テーブルの情報だけじゃ回答できない、ちょっと複雑な質問を投げてみましょう。
凄い、、正しい人数がちゃんと返ってきました。裏で「SELECT COUNT(*) WHERE role=…」みたいなSQLクエリが必要になりそうな情報も回答してくれています。
レベル③：テーブル内にない情報（今回は今日の日付）をふまえた上で回答が必要になる質問
もう少し砕けた質問を（砕けた聞き方で）聞いてみましょう。
凄いですね、、今日の日付をふまえた上で情報精査し、回答してくれました。
レベル④：テーブル内にない情報（今回は今日の日付）をふまえた上で、計算が必要になる質問
もう少し難しくしましょう。今日の日付情報をふまえた上で、簡単な計算が必要になる（クエリ発行が必要な）質問を投げます。
これもちゃんと回答してくれます。さらに、「回答の下書き」を展開すると、
なんと、回答のために裏で発行されたコード（Python）を見ることができます。
最後に、データストア上に存在しない情報を聞いてみましょう。
思いがけず、ドラ●もんを描いていそうな名前になりましたが、データストア上に情報がないので、その旨回答してくれています。
「ロールは漫画家です。」とか返ってこなくてよかったです。
最後に
今回は『Google Cloud のAgentspace』について実際のデモともにご紹介させていただきました。
データソースとして実際にBigQueryを接続し、回答を生成させる。そんなデモを実感いただけたと思います。
今回は小規模のデータでのデモとなりましたが、実務で膨大なデータ量を扱うケースで、Agentspaceを活用するメリットは計り知れません。
まだまだ掘り下げられていない機能もありますので、今後さらに発信していければと思います。
（ちなみに、サンプルデータに”5歳”の天才エンジニア少女（US）が紛れ込んでいたの気づきましたか、、、？）
[共同執筆者紹介]
