Rozmawiaj z danymi – zadawaj pytania, pomiń SQL.

Chociaż Wielkie Modele Językowe (LLM) doskonale radzą sobie z rozumowaniem i podsumowywaniem, dostarczają realne korzyści biznesowe tylko wtedy, gdy są połączone ze ustrukturyzowanymi, zarządzanymi danymi korporacyjnymi.

W tym wpisie pokazujemy, jak Agent Google zbudowany za pomocą Agent Development Kit (ADK) i Gemini może odpytywać Rejestry Szczegółów Połączeń (CDR) 3CX przechowywane w BigQuery, pozwalając supervisorom i analitykom na “rozmowę” z danymi ich call center bez pisania zapytań SQL czy otwierania raportów.

Rezultat: konwersacyjny interfejs do twoich CDR-ów 3CX, który działa lokalnie z poziomu wiersza poleceń (CLI), a jednocześnie respektuje firmowe zasady bezpieczeństwa i kontroli dostępu.

Czytaj dalej!

Dlaczego Google ADK to idealne narzędzie do rozwoju Agentów AI

Agent Development Kit (ADK) od Google dostarcza ustrukturyzowany framework do budowania agentów AI klasy produkcyjnej, które potrafią odpytywać bazę danych, pobierać z niej informacje i prezentować je w sposób czytelny dla człowieka, bez wcześniejszej znajomości schematu bazy danych czy doświadczenia w programowaniu SQL. Gemini odpowiada za rozumowanie i rozumienie języka naturalnego, podczas gdy ADK zapewnia, że cały dostęp do bazy danych pozostaje pod kontrolą i jest w pełni monitorowany.

Jak działa przepływ Agent-BigQuery

Na wysokim poziomie system działa w następujący sposób:

  1. Użytkownik zadaje pytanie przez CLI.
  2. ADK Runner przekazuje żądanie do agenta.
  3. LlmAgent wysyła prompt i definicje narzędzi do Gemini.
  4. Gemini decyduje, którego narzędzia użyć (np. wykonaj zapytanie SQL).
  5. BigQueryToolset wykonuje zapytanie w BigQuery.
  6. Wyniki są zwracane do Gemini w celu sformatowania.
  7. Użytkownik otrzymuje jasną, ustrukturyzowaną odpowiedź.

Integracja 3CX BigQuery

Ten podział zapewnia, że LLM zawsze ma ograniczony dostęp do bazy danych, co sprawia, że rozwiązanie jest odpowiednie dla rzeczywistych środowisk korporacyjnych.

Konfiguracja i instalacja

Wymagania wstępne

  • Działająca instalacja Python.
  • System telefoniczny 3CX połączony ze źródłem danych Google BigQuery.
  • Dostęp do Gemini API.

Instalacja

  • Pobierz źródła Python tutaj.
  • Zainstaluj zależności:

pip install -r requirements.txt

  • Utwórz plik .env na podstawie .env.example, wprowadź swoje wartości:

GOOGLE_CLOUD_PROJECT=your-project-id
GOOGLE_API_KEY=your-gemini-api-key

  • Uwierzytelnianie – Możesz się uwierzytelnić, używając:
    • Pliku JSON konta serwisowego (Service Account)
    • Domyślnych poświadczeń aplikacji (Application Default Credentials)
    • gcloud auth application-default login

Uruchom Agenta

python main.py

Praktyczne przypadki użycia

Z prostego interfejsu wiersza poleceń właściciele PBX, administratorzy i supervisorzy call center mogą zadawać pytania takie jak:

  • „Jakie zbiory danych są dostępne?”
  • „Pokaż mi schemat tabeli cdroutput”
  • „Ile połączeń odebrał(a) …. w ciągu ostatnich 30 dni?”
  • „Które z tych połączeń były związane ze spamem lub nadużyciami?”
  • „Czy było jakieś połączenie z podszywaniem się pod Urząd Skarbowy?”
  • „Wygeneruj podsumowanie wydajności i sugestie coachingowe dla … .”
  • „Wypisz wszystkie pytania, które zadałem/am podczas tej sesji.”

Agent zachowuje się jak analityk danych na żądanie, opierając się na rzeczywistych danych CDR.

Obserwuj nas, aby być na bieżąco

Dołącz do rozmowy na naszym dedykowanym Forum AI 3CX. Obserwuj nas na X i LinkedIn, aby być na bieżąco z najnowszymi wiadomościami i nowymi funkcjami.