Alguns produtos e recursos estão sendo renomeados. Os recursos de playbook generativo e de fluxo também estão sendo migrados para um único console consolidado. Confira os detalhes.
Mantenha tudo organizado com as coleções
Salve e categorize o conteúdo com base nas suas preferências.
O agente pré-criado baseado em playbook especialista em filmes pode responder a várias perguntas relacionadas a filmes.
O agente faz referência a um conjunto de dados do BigQuery com metadados sobre filmes e a um repositório de dados não estruturados com resumos de enredos de filmes da Wikipédia.
Exemplos de diálogos
As caixas de diálogo de exemplo a seguir demonstram cenários comuns
processados por esse agente pré-criado.
Resumo do enredo e pesquisa no banco de dados
O usuário pede ao agente um resumo de Avatar.
O agente recupera o enredo do filme Avatar do repositório de dados e o resume para o usuário.
O usuário pergunta quanto lucro o filme Avatar gerou.
O agente pesquisa no banco de dados a receita e o orçamento de Avatar e usa essas informações para responder à pergunta do usuário.
O usuário pergunta qual foi o filme não em inglês que mais gerou receita no mês de lançamento de Avatar.
O agente pesquisa no banco de dados, filtra por data e idioma e responde à pergunta do usuário.
Entrada do usuário
Resposta do agente
Olá,
Olá, bem-vindos à Cymbal Movies! Estou aqui para ajudar com suas dúvidas sobre filmes. Pergunte o que quiser!
Fale mais sobre o Avatar
O enredo do filme "Avatar" é o seguinte:
Em 2154, os humanos esgotaram os recursos naturais da Terra, levando a uma grave crise de energia. A Administração de Desenvolvimento de Recursos (RDA, na sigla em inglês) extrai um mineral valioso, o unobtanium, em Pandora, uma lua habitável densamente florestada que orbita o gigante gasoso Polyphemus no sistema estelar Alpha Centauri. Pandora, cuja atmosfera é tóxica para os humanos, é habitada pelos Na'vi, uma espécie de humanoides inteligentes de 3 metros de altura, pele azul, que vivem em harmonia com a natureza e adoram uma deusa-mãe chamada Eywa.
Posso ajudar com mais alguma coisa?
Quanto lucro ele gerou?
Avatar teve um orçamento de US $237 milhões e arrecadou US $2,79 bilhões, gerando um lucro de US $2,55 bilhões. Posso ajudar com mais alguma coisa?
Qual foi o filme não falado em inglês que mais arrecadou no mês de lançamento de Avatar?
O filme não falado em inglês mais lucrativo no mês do lançamento de Avatar foi 3 Idiots, que arrecadou US $70 milhões. Posso ajudar com mais alguma coisa?
Deixe a caixa de seleção Criar recursos dependentes marcada.
Configuração da ferramenta
Esse agente inclui ferramentas usadas para integração com serviços externos.
O serviço vai criar automaticamente o conjunto de dados dependente do BigQuery chamado "Movies" com duas tabelas chamadas "movies_data" e "credits".
Os metadados do filme serão importados para a tabela recém-criada, e a ferramenta bq-search OpenAPI será criada com base nesses dados.
Além disso, um novo repositório de dados chamado "Movie Expert-data-store"
será criado e os documentos necessários serão importados,
que é usado pela ferramenta de repositório de dados "cymbal-movie-plots".
Direção
A ferramenta cymbal-movie-plots se conecta a um repositório de dados que aponta para um bucket do Cloud Storage com resumos de enredos de filmes.
Pesquisar no banco de dados de filmes
A ferramenta bq-search OpenAPI se conecta à API BigQuery, insere a consulta SQL gerada pelo agente, executa na tabela do BigQuery que contém metadados sobre filmes e retorna as saídas da consulta ao agente como um objeto JSON.
É necessário configurar a autenticação da conta de serviço para essa ferramenta e fornecer uma conta de serviço a que você concedeu os papéis de usuário de job e visualizador de dados do BigQuery.
Concluído
Seu agente e as integrações dele agora estão configurados e prontos para teste.
[[["Fácil de entender","easyToUnderstand","thumb-up"],["Meu problema foi resolvido","solvedMyProblem","thumb-up"],["Outro","otherUp","thumb-up"]],[["Difícil de entender","hardToUnderstand","thumb-down"],["Informações incorretas ou exemplo de código","incorrectInformationOrSampleCode","thumb-down"],["Não contém as informações/amostras de que eu preciso","missingTheInformationSamplesINeed","thumb-down"],["Problema na tradução","translationIssue","thumb-down"],["Outro","otherDown","thumb-down"]],["Última atualização 2025-09-04 UTC."],[[["\u003cp\u003eThis document introduces a prebuilt "movie expert" agent that can answer a variety of movie-related questions using a BigQuery dataset and unstructured movie plot summaries from Wikipedia.\u003c/p\u003e\n"],["\u003cp\u003eThe agent can retrieve movie plot summaries from a data store and provide details on a movie's financial performance, including revenue and profit, by searching its connected databases.\u003c/p\u003e\n"],["\u003cp\u003eThe prebuilt agent's setup requires importing the agent, and configuring provided tools to integrate with external services via the provided tool installer.\u003c/p\u003e\n"],["\u003cp\u003eThe agent utilizes two main tools: \u003ccode\u003ecymbal-movie-plots\u003c/code\u003e to access movie plot summaries from Cloud Storage, and \u003ccode\u003ebq-search\u003c/code\u003e to query a BigQuery table for movie metadata.\u003c/p\u003e\n"],["\u003cp\u003ePre-GA products and features such as this agent are available "as is" and might have limited support as stated in the "Pre-GA Offerings Terms", which are subject to change.\u003c/p\u003e\n"]]],[],null,["# Movie expert prebuilt agent\n\nThe movie expert\n[playbook-based prebuilt agent](/dialogflow/cx/docs/concept/playbook/prebuilt)\ncan answer a wide range of movie-related questions.\nThe agent references both a BigQuery dataset containing metadata about\nmovies and an unstructured data store of movie plot\nsummaries sourced from Wikipedia.\n\nSample dialogs\n--------------\n\nThe following sample dialogs demonstrate common scenarios\nhandled by this prebuilt agent.\n\n### Plot Summary and Database Search\n\nThe user asks the agent for a summary of Avatar.\nThe agent retrieves the movie plot for Avatar from the data store,\nand summarizes it for the user.\nThe user asks how much profit Avatar made.\nThe agent searches the database for Avatar's revenue and budget,\nand uses this information to answer the user's question.\nThe user asks what the highest-earning non-English movie was in the month\nthat Avatar was released.\nThe agent searches the database,\nfiltering by date and language, and answers the user's question.\n\nBasic setup\n-----------\n\nTo set up this prebuilt agent:\n\n1. [Import the prebuilt agent](/dialogflow/cx/docs/concept/playbook/prebuilt#import).\n2. Leave the **Create dependent resources** checkbox checked.\n\nTool setup\n----------\n\nThis agent includes [tools](/dialogflow/cx/docs/concept/playbook/tool) that are\nused to integrate with external services.\nThe service will automatically create the dependent BigQuery dataset\nnamed \"Movies\" with two tables named \"movies_data\" and \"credits\".\nThe movie metadata will be imported into the newly created table,\nand the `bq-search` OpenAPI tool is built on that data.\nIn addition, a new Data Store named \"Movie Expert-data-store\"\nwill be created and the required documents will be imported,\nwhich is used by the \"cymbal-movie-plots\" Data Store tool.\n\n### Steering\n\nThe `cymbal-movie-plots` tool connects to a data store pointing\nto a Cloud Storage bucket containing movie plot summaries.\n\n### Search Movie Database\n\nThe `bq-search` OpenAPI tool connects to the BigQuery API, inputs the SQL query\ngenerated by the agent,\nexecutes it on the BigQuery table containing metadata on movies,\nand returns the query outputs to the agent as a JSON object.\n\nYou need to configure\n[Service Account authentication](/dialogflow/cx/docs/concept/playbook/tool#openapi_tool_api_authentication)\nfor this tool,\nand provide a service account which you have granted\nthe BigQuery Job User and BigQuery Data Viewer roles.\n\nComplete\n--------\n\nYour agent and its integrations should now be set up and ready to test."]]
