Mit der Conversational Analytics API eine Datenquelle authentifizieren und eine Verbindung herstellen

HTTP-Curl

Mit dem folgenden curl-Beispielbefehl wird eine Anfrage an die Conversational Analytics API gesendet. Der Befehl gcloud auth print-identity-token stellt ein Zugriffstoken bereit, das für die Autorisierung verwendet wird. Ersetzen Sie im Codebeispiel durch den entsprechenden API-Ressourcenpfad.

curl  -H "Authorization: Bearer $(gcloud auth print-identity-token)" \
https://geminidataanalytics.googleapis.com/

HTTP mit Python

Der folgende Python-Beispielcode zeigt, wie Sie mit der Google Cloud CLI und Python ein Zugriffstoken für die HTTP-Authentifizierung abrufen.

  billing_project = 'YOUR_BILLING_PROJECT'
  access_token = !gcloud auth application-default print-access-token
  url = f"https://geminidataanalytics.googleapis.com/v1alpha/projects/{billing_project}:method"
  headers = {"Authorization": f'Bearer {access_token[0]}'}

Ersetzen Sie die Beispielwerte so:

• YOUR_BILLING_PROJECT: Die ID Ihres Abrechnungsprojekts, in dem die erforderlichen APIs aktiviert sind.
• method: Der Ressourcenpfad für den Zielendpunkt. Beispiel:
  • Verwenden Sie zum Erstellen eines Daten-Agents die Methode POST und den Ressourcenpfad /v1alpha/projects/{billing_project}/locations/global/dataAgents.
  • Verwenden Sie die Methode GET und den Ressourcenpfad /v1alpha/projects/{billing_project}/locations/global/dataAgents, um vorhandene Daten-Agents aufzulisten.

Python SDK

Das folgende Python-Codebeispiel zeigt, wie Sie Ihr Google-Konto für den Zugriff auf die Conversational Analytics API in Colaboratory authentifizieren:

from google.colab import auth
auth.authenticate_user()

HTTP mit Python

Nachdem Sie die API-Schlüssel (Client-ID und Secret) generiert haben, können Sie die Conversational Analytics API so konfigurieren, dass sie über direkte HTTP-Anfragen eine Verbindung zu Looker herstellt. Im folgenden Beispielcode sehen Sie, wie Sie die Details Ihrer Looker-Datenquelle und Ihre API-Schlüssel im Text Ihrer HTTP-Anfrage angeben.

looker_credentials = {
  "oauth": {
      "secret": {
        "client_id": "your_looker_client_id",
        "client_secret": "your_looker_client_secret",
      }
  }
}

looker_data_source = {
  "looker": {
    "explore_references": {
        "looker_instance_uri": "https://your_company.looker.com",
        "lookml_model": "your_model",
        "explore": "your_explore",
    }
  }
}

Ersetzen Sie die Beispielwerte so:

• your_looker_client_id: Die Client-ID Ihres generierten Looker API-Schlüssels
• your_looker_client_secret: Das Client-Secret Ihres generierten Looker-API-Schlüssels
• https://your_company.looker.com: Die vollständige URL Ihrer Looker-Instanz
• your_model: Der Name des LookML-Modells, das Sie verwenden möchten
• your_explore: Der Name des Explores im angegebenen Modell, das Sie verwenden möchten.

Python SDK

Nachdem Sie die API-Schlüssel (Client-ID und Secret) generiert haben, können Sie die Conversational Analytics API so konfigurieren, dass sie über Python eine Verbindung zu Looker herstellt. Im folgenden Python-Beispielcode wird gezeigt, wie Sie die Details Ihrer Looker-Datenquelle und Ihre API-Schlüssel für die Conversational Analytics API angeben.

looker_client_id = "YOUR-LOOKER-CLIENT-ID" # @param {type:"string"}
looker_client_secret = "YOUR-LOOKER-CLIENT-SECRET" # @param {type:"string"}
looker_instance_uri = "YOUR-LOOKER-INSTANCE-URI" # @param {type:"string"}
lookml_model = "YOUR-LOOKER-MODEL" # @param {type:"string"}
explore = "YOUR-LOOKER-EXPLORE" # @param {type:"string"}

# Looker data source
looker_explore_reference = geminidataanalytics.LookerExploreReference()
looker_explore_reference.looker_instance_uri = looker_instance_uri
looker_explore_reference.lookml_model = lookml_model
looker_explore_reference.explore = explore

credentials = geminidataanalytics.Credentials()
credentials.oauth.secret.client_id = looker_client_id
credentials.oauth.secret.client_secret = looker_client_secret

# Connect to your data source
datasource_references = geminidataanalytics.DatasourceReferences()
datasource_references.looker.explore_references = [looker_explore_reference]

Ersetzen Sie die Beispielwerte so:

• YOUR-LOOKER-CLIENT-ID: Die Client-ID Ihres generierten Looker API-Schlüssels
• YOUR-LOOKER-CLIENT-SECRET: Das Client-Secret Ihres generierten Looker-API-Schlüssels
• YOUR-LOOKER-INSTANCE-URI: Die vollständige URL Ihrer Looker-Instanz
• YOUR-LOOKER-MODEL: Der Name des Looker-Modells, das Sie verwenden möchten
• YOUR-LOOKER-EXPLORE: Der Name des Looker-Explores, das Sie verwenden möchten

HTTP mit Python

Das folgende Beispiel zeigt, wie Sie die Details Ihrer Looker-Datenquelle und Ihr Zugriffstoken im Text Ihrer HTTP-Anfrage angeben.

  looker_credentials = {
      "oauth": {
          "token": {
            "access_token": "YOUR-TOKEN",
          }
      }
  }

  looker_data_source = {
    "looker": {
      "explore_references": {
          "looker_instance_uri": "https://your_company.looker.com",
          "lookml_model": "your_model",
          "explore": "your_explore",
      }
    }
  }

Ersetzen Sie die Beispielwerte so:

• YOUR-TOKEN: Der access_token-Wert, den Sie zur Authentifizierung bei Looker generieren.
• https://your_company.looker.com: Die vollständige URL Ihrer Looker-Instanz
• your_model: Der Name des LookML-Modells, das Sie verwenden möchten
• your_explore: Der Name des Explores im angegebenen Modell, das Sie verwenden möchten.

Python SDK

Im folgenden Python-Beispielcode wird veranschaulicht, wie Sie die Details Ihrer Looker-Datenquelle und Ihr Zugriffstoken definieren, um sich mit dem Python SDK zu authentifizieren.

  looker_access_token = "YOUR-TOKEN"
  looker_instance_uri = "YOUR-LOOKER-INSTANCE-URI"
  lookml_model = "YOUR-LOOKER-MODEL"
  explore = "YOUR-LOOKER-EXPLORE"

  # Looker data source
  looker_explore_reference = geminidataanalytics.LookerExploreReference()
  looker_explore_reference.looker_instance_uri = looker_instance_uri
  looker_explore_reference.lookml_model = lookml_model
  looker_explore_reference.explore = explore

  credentials = geminidataanalytics.Credentials()
  credentials.oauth.token.access_token = looker_access_token

  # Connect to your data source
  datasource_references = geminidataanalytics.DatasourceReferences()
  datasource_references.looker.explore_references = [looker_explore_reference]

Ersetzen Sie die Beispielwerte so:

• YOUR-TOKEN: Der access_token-Wert, den Sie zur Authentifizierung bei Looker verwenden
• YOUR-LOOKER-INSTANCE-URI: Die vollständige URL Ihrer Looker-Instanz
• YOUR-LOOKER-MODEL: Der Name des Looker-Modells, das Sie verwenden möchten
• YOUR-LOOKER-EXPLORE: Der Name des Looker-Explores, das Sie verwenden möchten

HTTP mit JavaScript

Das folgende Beispiel zeigt, wie Sie die Details Ihrer Looker-Datenquelle und Ihr Zugriffstoken im Text Ihrer HTTP-Anfrage angeben.

const requestBody = {
                project: GCP_PROJECT,
                messages: [
                    {
                        user_message: {
                            text: inputWithPreviousMessages,
                        },
                    },
                ],
                context: {
                    system_instruction: agentConfig.system_instructions,
                    datasource_references: {
                        looker: {
                            explore_references: [
                                {
                                    looker_instance_uri: YOUR-LOOKER-INSTANCE-URI,
                                    lookml_model: YOUR-LOOKER-MODEL,
                                    explore: YOUR-LOOKER-EXPLORE,
                                },
                            ],
                            credentials: {
                                oauth: {
                                    token: {
                                        access_token: YOUR-TOKEN,
                                    },
                                },
                            },
                        },
                    },
                },
            }

Ersetzen Sie die Beispielwerte so:

• YOUR-LOOKER-INSTANCE-URI: Die vollständige URL Ihrer Looker-Instanz
• YOUR-LOOKER-MODEL: Der Name des LookML-Modells, das Sie verwenden möchten
• YOUR-LOOKER-EXPLORE: Der Name des Explores im angegebenen Modell, das Sie verwenden möchten.
• YOUR-TOKEN: Der access_token-Wert, den Sie zur Authentifizierung bei Looker generieren.

HTTP mit Python

Nachdem Sie sich bei Ihrem BigQuery-Projekt authentifiziert haben, können Sie die Conversational Analytics API so konfigurieren, dass sie durch direkte HTTP-Anfragen auf Daten in BigQuery zugreift. Im folgenden Beispielcode wird gezeigt, wie Sie die Details Ihrer BigQuery-Datenquelle im Hauptteil Ihrer HTTP-Anfrage angeben.

bigquery_data_sources = {
    "bq": {
      "tableReferences": [
        {
          "projectId": "bigquery-public-data",
          "datasetId": "san_francisco",
          "tableId": "street_trees"
        }
      ]
    }
}

Ersetzen Sie die Beispielwerte so:

• bigquery-public-data: Die ID Ihres BigQuery-Projekts
• san_francisco: Die ID des BigQuery-Datasets
• street_trees: Die ID der BigQuery-Tabelle

Python SDK

Mit dem auth SDK von Colaboratory können Sie sich mit den Anmeldedaten Ihres in Colaboratory authentifizierten Nutzers bei BigQuery authentifizieren.

Im folgenden Beispiel-Python-Code wird gezeigt, wie Sie Ihr Google-Konto in Colaboratory für BigQuery authentifizieren und die Conversational Analytics API für den Zugriff auf eine BigQuery-Datenquelle konfigurieren.

from google.colab import auth
auth.authenticate_user()

bq_project_id = "YOUR-PROJECT-ID" # @param {type:"string"}
bq_dataset_id = "YOUR-DATASET-ID" # @param {type:"string"}
bq_table_id = "YOUR-TABLE-ID" # @param {type:"string"}

# BigQuery data source
bigquery_table_reference = geminidataanalytics.BigQueryTableReference()
bigquery_table_reference.project_id = bq_project_id
bigquery_table_reference.dataset_id = bq_dataset_id
bigquery_table_reference.table_id = bq_table_id

# Connect to your data source
datasource_references = geminidataanalytics.DatasourceReferences()
datasource_references.bq.table_references = [bigquery_table_reference]

Ersetzen Sie die Beispielwerte so:

• YOUR-PROJECT-ID: Die ID Ihres BigQuery-Projekts
• YOUR-DATASET-ID: Die ID Ihres BigQuery-Datasets
• YOUR-TABLE-ID: Die ID Ihrer BigQuery-Tabelle

HTTP mit Python

Nachdem Sie die Looker Studio API aktiviert haben, können Sie sich bei Looker Studio authentifizieren, indem Sie HTTP-Curl-Anfragen mit Python senden. Im folgenden Beispielcode wird gezeigt, wie Sie die Details Ihrer Looker-Datenquelle im Text Ihrer HTTP-Anfrage angeben.

Sie können sich bei Looker Studio authentifizieren, indem Sie direkte HTTP-Anfragen senden. Ein Beispiel für einen HTTP-Aufruf finden Sie im folgenden Codeblock.

looker_studio_data_source = {
    "studio":{
        "studio_references":
        [
            {
              "datasource_id": "your_studio_datasource_id"
            }
        ]
    }
}

Ersetzen Sie your_studio_datasource_id durch die tatsächliche Datenquellen-ID der Looker Studio-Datenquelle, die Sie verwenden möchten.

Python SDK

Nachdem Sie die Looker Studio API aktiviert haben, können Sie sich mit einem SDK bei Looker Studio authentifizieren. Im folgenden Python-Beispielcode wird gezeigt, wie Sie die Details Ihrer Looker-Datenquelle angeben und sich bei Looker Studio authentifizieren.

datasource_id = "STUDIO-DATASOURCE-ID"

# Looker Studio
studio_references = geminidataanalytics.StudioDatasourceReference()
studio_references.datasource_id = studio_datasource_id

# Connect to your data source
datasource_references = geminidataanalytics.DatasourceReferences()
datasource_references.studio.studio_references = [studio_references]

Ersetzen Sie STUDIO-DATASOURCE-ID durch die tatsächliche Datenquellen-ID der Looker Studio-Datenquelle, die Sie verwenden möchten.