GENAI084

개요

이 실습에서는 Agentspace 어시스턴트가 직원의 출장 요청을 처리할 수 있도록 설정합니다. 어시스턴트는 이러한 요청을 처리하는 대화형 에이전트와 소통해야 합니다. 이를 위해 OpenAPI 도구를 통합하여 대화형 에이전트가 Cloud Run 함수와 상호작용할 수 있도록 합니다. 그러면 이 함수가 출장 요청을 BigQuery에 직접 작성하여 저장하고 추가 처리를 진행합니다. 이 다이어그램은 설정할 흐름을 보여줍니다.

참고: 일반적으로 Qwiklabs에서는 여러 Qwiklabs 학습자 계정과 다른 계정 간에 혼동하지 않도록 시크릿 모드 브라우저 창을 사용하는 것이 좋습니다. 이 Qwiklabs처럼 대화형 에이전트 콘솔을 사용하는 Qwiklabs를 진행할 때 이 방법이 특히 유용합니다. Chrome을 사용하는 경우 시크릿 창을 닫은 다음 이 실습 상단의 Google Cloud 콘솔 열기 버튼을 마우스 오른쪽 버튼으로 클릭하고 시크릿 창에서 링크 열기를 선택하면 쉽게 시크릿 모드 브라우저 창을 사용할 수 있습니다.

목표

이 실습에서는 다음을 수행하는 방법에 대해 알아봅니다.

• Cloud Run 함수 배포
• 대화형 에이전트가 Cloud Run 함수를 호출할 수 있도록 OpenAPI 도구 만들기
• Agentspace 앱 배포
• 플레이북을 사용해 간단한 생성형 대화형 에이전트 만들기
• 대화형 에이전트를 Agentspace 앱에 통합

설정 및 요건

실습 시작 버튼을 클릭하기 전에

다음 안내를 확인하세요. 실습에는 시간 제한이 있으며 일시중지할 수 없습니다. 실습 시작을 클릭하면 타이머가 시작됩니다. 이 타이머에는 Cloud 리소스를 사용할 수 있는 시간이 얼마나 남았는지 표시됩니다.

Qwiklabs 실습을 통해 시뮬레이션이나 데모 환경이 아닌 실제 클라우드 환경에서 직접 실습 활동을 진행할 수 있습니다. 실습 시간 동안 Google Cloud Platform에 로그인하고 액세스하는 데 사용할 수 있는 새로운 임시 사용자 인증 정보가 제공됩니다.

준비할 사항

이 실습을 완료하려면 다음을 준비해야 합니다.

• 표준 인터넷 브라우저(Chrome 브라우저 권장)
• 실습을 완료할 시간

참고: 이미 개인용 GCP 계정이나 프로젝트가 있어도 이 실습에서는 사용하지 마세요.

실습을 시작하고 Google Cloud 콘솔에 로그인하는 방법

1. 실습 시작 버튼을 클릭합니다. 실습 비용을 결제해야 하는 경우 결제 수단을 선택할 수 있는 대화상자가 열립니다. 왼쪽에는 다음과 같은 항목이 포함된 실습 세부정보 창이 있습니다.

   • Google Cloud 콘솔 열기 버튼
   • 남은 시간
   • 이 실습에 사용해야 하는 임시 사용자 인증 정보
   • 필요한 경우 실습 진행을 위한 기타 정보

2. Google Cloud 콘솔 열기를 클릭합니다(Chrome 브라우저를 실행 중인 경우 마우스 오른쪽 버튼으로 클릭하고 시크릿 창에서 링크 열기를 선택합니다).

   실습에서 리소스가 가동되면 다른 탭이 열리고 로그인 페이지가 표시됩니다.

   팁: 두 개의 탭을 각각 별도의 창으로 나란히 정렬하세요.

   참고: 계정 선택 대화상자가 표시되면 다른 계정 사용을 클릭합니다.

3. 필요한 경우 아래의 사용자 이름을 복사하여 로그인 대화상자에 붙여넣습니다.

   {{{user_0.username | "Username"}}}

   실습 세부정보 창에서도 사용자 이름을 확인할 수 있습니다.

4. 다음을 클릭합니다.

5. 아래의 비밀번호를 복사하여 시작하기 대화상자에 붙여넣습니다.

   {{{user_0.password | "Password"}}}

   실습 세부정보 창에서도 비밀번호를 확인할 수 있습니다.

6. 다음을 클릭합니다.

   중요: 실습에서 제공하는 사용자 인증 정보를 사용해야 합니다. Google Cloud 계정 사용자 인증 정보를 사용하지 마세요. 참고: 이 실습에 자신의 Google Cloud 계정을 사용하면 추가 요금이 발생할 수 있습니다.

7. 이후에 표시되는 페이지를 클릭하여 넘깁니다.

   • 이용약관에 동의합니다.
   • 임시 계정이므로 복구 옵션이나 2단계 인증을 추가하지 않습니다.
   • 무료 체험판을 신청하지 않습니다.

잠시 후 Google Cloud 콘솔이 이 탭에서 열립니다.

참고: Google Cloud 제품 및 서비스에 액세스하려면 탐색 메뉴를 클릭하거나 검색창에 제품 또는 서비스 이름을 입력합니다.

작업 1. 출장 요청을 기록할 수 있는 BigQuery 테이블 만들기

이 작업에서는 수신된 출장 요청을 저장할 대상 위치인 테이블을 만듭니다. 이 요청은 Agentspace 어시스턴트로 전송될 것입니다.

1. 키보드에서 G 키를 누른 다음 S 키를 눌러 Cloud Shell 터미널을 엽니다.

2. Cloud Shell을 승인하라는 메시지가 표시되면 승인 버튼을 클릭합니다.

3. Cloud Shell 터미널에 다음을 붙여넣어 travel_requests_schema.json 파일을 생성하고 출장 요청을 기록하는 데 사용할 BigQuery 테이블의 스키마를 정의합니다.

   cat > travel_requests_schema.json << EOF [ { "name": "user", "type": "STRING", "mode": "REQUIRED" }, { "name": "travel_purpose", "type": "STRING", "mode": "REQUIRED" }, { "name": "departure_city", "type": "STRING", "mode": "NULLABLE" }, { "name": "destination_city", "type": "STRING", "mode": "NULLABLE" }, { "name": "departure_date", "type": "STRING", "mode": "NULLABLE" }, { "name": "return_date", "type": "STRING", "mode": "NULLABLE" } ] EOF

4. Cloud Shell에서 다음 명령어를 실행하여 travel_requests_schema.json 파일에 정의된 스키마를 사용해 BigQuery 데이터 세트 및 테이블을 만듭니다.

   bq --location=US mk -d {{{project_0.startup_script.bq_dataset | Bigquery Dataset}}} bq mk -t {{{project_0.startup_script.bq_dataset | Bigquery Dataset}}}.{{{project_0.startup_script.bq_table | Bigquery Table}}} travel_requests_schema.json

5. 데이터 세트와 테이블이 생성되면 터미널 패널의 오른쪽 상단에 있는 X를 클릭하여 Cloud Shell 패널을 닫습니다.

   내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. 출장 요청을 기록할 BigQuery 데이터 세트 및 테이블 만들기

작업 2. 요청을 기록하는 Cloud Run 함수 만들기

이 작업에서는 JSON으로 전송된 요청을 앞서 만든 테이블에 작성하는 Cloud Run 함수를 만듭니다.

1. Cloud 콘솔 상단의 검색창을 사용하여 Cloud Run으로 이동합니다.

   

2. Cloud Run 콘솔 상단의 옵션에서 함수 작성을 선택합니다.

3. 구성 헤더에서 서비스 이름으로 record-travel-request를 입력합니다.

4. 리전을 (으)로 설정합니다.

5. 엔드포인트 URL 헤더에서 제공된 URL을 복사하여 텍스트 문서에 붙여넣습니다. 나중에 이 URL을 사용해야 합니다.

6. 런타임을 Python 3.12로 설정합니다.

7. 인증 헤더에서 인증 필요를 선택합니다.

8. 나머지 설정은 기본값으로 유지하고 만들기를 선택합니다. 함수의 소스 탭이 로드됩니다.

9. 함수 진입점의 이름을 record_travel_request로 바꿉니다.

10. 왼쪽에 있는 requirements.txt 파일을 클릭하고 내용을 삭제한 후 다음을 붙여넣습니다.

    functions-framework==3.* google-cloud-bigquery

11. 왼쪽에서 main.py 파일을 클릭하고 내용을 삭제한 후 다음 코드를 붙여넣습니다. 이 함수는 POST 요청에 제공된 출장 요청 세부정보를 JSON으로 가져와서 앞서 만든 BigQuery 테이블의 새 행에 해당 값을 작성합니다.

    import functions_framework from google.cloud import bigquery @functions_framework.http def record_travel_request(request): """Writes travel requests to BigQuery. Args: request (flask.Request): A request object with JSON containing fields for user, travel_purpose, departure_city, destination_city, departure_date, and return_date. Returns: JSON response containing a 'message' field indicating the status of the request. """ request_json = request.get_json(silent=True) request_args = request.args print("JSON:" + str(request_json)) print("args:" + str(request_args)) bq_client = bigquery.Client() table_id = "{{{project_0.startup_script.project_id | Project_ID}}}.{{{project_0.startup_script.bq_dataset | Bigquery_Dataset}}}.{{{project_0.startup_script.bq_table | Bigquery_Table}}}" row_to_insert = [ {"user": request_json["user"], "travel_purpose": request_json["travel_purpose"], "departure_city": request_json.get("departure_city",""), "destination_city": request_json.get("destination_city",""), "departure_date": request_json.get("departure_date",""), "return_date": request_json.get("return_date",""), }, ] errors = bq_client.insert_rows_json(table_id, row_to_insert) # Make an API request. if errors == []: return {"message": "New row has been added."} else: return {"message": "Encountered errors while inserting rows: {}".format(errors)}

12. 왼쪽 상단에서 서비스 생성 단계가 모두 완료될 때까지 기다린 후 저장 및 재배포를 클릭합니다.

13. 버전 배포 중 활동에 모두 완료됨 상태 메시지가 표시될 때까지 기다립니다.

    

14. Cloud Run 콘솔 상단에서 테스트를 클릭합니다.

15. 다음 값을 트리거 이벤트 구성 테스트 입력란에 붙여넣습니다.

    { "user": "Ursula Matthews", "travel_purpose": "farm inspection", "departure_city": "Santiago", "destination_city": "Doha", "departure_date": "2025-09-08", "return_date": "2025-09-16" }

16. 테스트 창 하단에서 Cloud Shell에서 테스트를 클릭합니다.

17. Cloud Shell 터미널 창이 열리고 함수를 호출할 수 있도록 curl 명령어가 준비됩니다. 터미널 창을 선택하고 키보드에서 enter 또는 return 키를 눌러 명령어를 전송합니다.

18. 성공적인 실행 응답이 표시됩니다.

    

19. Cloud Shell 패널의 오른쪽 상단에 있는 X를 눌러 Cloud Shell 터미널을 닫습니다.

20. 새 브라우저 탭을 엽니다(Chrome을 사용하는 경우, 현재 브라우저 탭을 마우스 오른쪽 버튼으로 클릭하고 새 탭에서 보기를 선택하여 복제). 새 탭에서 BigQuery로 이동합니다.

21. 'BigQuery 탐색기' 창에서 프로젝트 ID()를 선택합니다.

22. 데이터 세트를 선택합니다.

23. 테이블을 선택합니다.

24. 미리보기 탭을 선택하여 기록된 출장 요청을 확인합니다. 이 탭을 열어 두고 이 실습의 다른 작업을 진행하면서 새 행이 생기는지 확인해 보세요.

    내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. 요청을 기록하는 Cloud Run 함수 만들기

작업 3. Cloud Run 함수를 호출하는 대화형 에이전트 도구 만들기

이 작업에서는 대화형 에이전트 콘솔에 Cloud Run 함수를 호출할 수 있는 도구를 만듭니다. 대화형 에이전트는 이 도구를 사용하여 출장 요청을 기록할 수 있게 됩니다.

1. Google Cloud 콘솔 상단에서 Dialogflow API를 검색하고 선택합니다.

   

2. 사용 설정을 클릭합니다.

3. 콘솔 상단에서 AI Applications를 검색하여 이동합니다.

4. 계속 및 API 활성화를 클릭합니다.

   

5. 앱 유형에서 대화형 에이전트 카드를 찾고 만들기를 선택합니다. 그러면 새 탭에서 대화형 에이전트 콘솔이 열립니다.

   

6. 대화형 에이전트 시작하기 창에서 직접 만들기를 선택합니다.

   

7. 에이전트의 표시 이름으로 Corporate Travel Bot을 사용합니다.

8. 위치를 전역으로 설정합니다.

9. 대화 시작 옵션을 플레이북으로 유지합니다.

10. 만들기를 클릭합니다.

11. 대화형 에이전트 플레이북이 생성되면 안내 팝업을 닫고 UI의 오른쪽 상단에서 설정 버튼을 선택합니다.

12. 일반 > 로깅 설정으로 이동합니다.

13. Cloud Logging 사용 설정 및 대화 기록 사용 설정 체크박스를 클릭하여 에이전트에 Cloud Logging 및 대화 기록 기능을 사용 설정합니다.

14. '설정' 창 상단에 있는 저장 버튼을 클릭하여 변경사항을 저장합니다.

    

15. 플레이북을 만들기 전에, 사용자가 만든 Cloud Run 함수를 호출할 수 있도록 플레이북이 사용할 도구를 먼저 만들어야 합니다. 왼쪽 탐색 메뉴에서 도구를 선택합니다.

    

16. + 만들기를 클릭합니다.

17. 도구 이름에 Record Travel Request를 입력합니다.

18. 유형을 OpenAPI로 유지합니다.

19. 설명에 Used to record a travel request라고 입력합니다.

20. 스키마에서 유형을 YAML로 유지하고 텍스트 상자에 다음을 붙여넣습니다. 이 OpenAPI 사양은 API에 포함된 사항을 설명합니다.

    • Cloud Functions 도메인으로 설정된 서버 URL

    • TravelRequest라는 스키마에 JSON이 포함된 POST 요청을 수락하는 /라는 경로

    • 이 실습의 시작 부분에서 BigQuery 스키마에 정의한 필드를 포함하는 TravelRequest 스키마 정의

      openapi: 3.0.0 info: title: Travel Requests API version: 1.0.0 servers: - url: 'YOUR_CLOUD_RUN_FUNCTION_URL' paths: /: post: summary: Record a new travel request operationId: recordTravelRequest requestBody: description: Travel request to add required: true content: application/json: schema: $ref: '#/components/schemas/TravelRequest' responses: '200': description: Success content: application/json: schema: type: object properties: message: type: string example: "New row has been added." components: schemas: TravelRequest: type: object required: - user - travel_purpose properties: user: type: string travel_purpose: type: string departure_city: type: string destination_city: type: string departure_date: type: string return_date: type: string

21. 위의 사양에서 YOUR_CLOUD_RUN_FUNCTION_URL을 앞에서 복사한 Cloud Run 함수의 URL로 바꿉니다.

22. '도구' 창 상단에서 저장을 클릭합니다.

23. 도구가 Cloud Run 함수를 호출하도록 허용하려면 대화형 에이전트 콘솔이 아닌 Cloud 콘솔이 표시된 브라우저 탭으로 전환하고 콘솔 상단의 검색창을 사용하여 IAM으로 이동합니다.

24. Google 제공 역할 부여 포함 체크박스를 선택합니다.

25. Dialogflow 서비스 에이전트의 행을 찾아(페이지를 새로고침해야 할 수도 있음) 해당 행에서 연필 모양의 수정 아이콘을 클릭합니다.

26. + 다른 역할 추가를 클릭합니다.

27. 역할 선택 필드에 Cloud Run Invoker를 입력합니다.

28. 저장을 클릭합니다.

    내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. Cloud Run 함수를 호출하는 대화형 에이전트 도구 만들기

작업 4. 대화형 에이전트 플레이북 만들기

이 작업에서는 자연어로 요청을 수신하고 도구를 사용하여 Cloud Run 함수를 통해 BigQuery 테이블에 요청을 작성할 수 있는 대화형 에이전트를 만듭니다.

1. 대화형 에이전트 콘솔이 있는 브라우저 탭에서 왼쪽 탐색 메뉴를 사용하여 플레이북을 선택합니다.

2. 이미 만들어져 있는 기본 생성형 플레이북을 선택합니다.

3. 플레이북 이름을 Confirm Travel Data로 변경합니다.

4. 목표에 Help users book travel이라고 입력합니다.

5. 안내 텍스트 필드에 다음을 붙여넣습니다.

   - Ask the user to provide for user name, travel purpose, departure city, destination city, and a range of dates. Assume a year of 2025 for dates without a year: - Use ${TOOL:Record Travel Request} - Let the user know that they should receive a list of flights to choose from in their email within 24 hours.

6. 이 플레이북 안내는 Agentspace용으로 만들어졌습니다. Agentspace의 대화는 한 차례 발생하지만, 한 번의 대화에서 여러 작업(도구 호출 및 응답 생성)을 수행하기 때문입니다. 나중에 이 플레이북을 호출하기 전에 Agentspace 에이전트에게 관련 정보 수집을 요청할 것입니다.

7. '플레이북' 창 상단에서 저장을 클릭합니다.

8. 대화형 에이전트 콘솔의 오른쪽 상단에서 시뮬레이터 전환 채팅 버튼()을 클릭하여 대화형 에이전트를 미리 봅니다.

9. 이 패널 하단의 텍스트 입력 상자에 can you help me book a flight?라고 입력하여 채팅을 시작합니다.

10. 이름, 출장 목적, 출발 도시, 도착 도시, 기간을 입력(예: Joe Smith. Customer Presentation. Berlin to Valencia. Feb 21 to 28.)하고 에이전트의 동작을 관찰합니다.

11. Record Travel Request 도구가 사용되었음을 나타내는 카드가 표시됩니다. 카드를 클릭하면 도구 입력 및 응답을 확인할 수 있습니다.

    

    참고: 200이 아닌 출력이 나오는 경우 모델을 변경하고 대화를 재설정하여 채팅을 다시 시작합니다().

12. 채팅은 다음과 유사한 문구로 종료됩니다.

    

    내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. 대화형 에이전트 플레이북 만들기

작업 5. BigQuery 데이터 스토어 만들기

이 작업에서는 Agentspace 앱을 배포합니다. 앱을 배포하려면 먼저 데이터 스토어를 만들어야 합니다. 이전에 기록된 출장 요청을 쿼리하고 액세스할 수 있도록 BigQuery 데이터 스토어를 설정하고 Google을 ID 공급업체로 통합해 봅니다.

1. Google Cloud 콘솔 브라우저 탭으로 다시 전환하고 콘솔 상단에서 AI Applications를 검색하여 이동합니다.

2. 왼쪽 탐색창에서 설정을 선택합니다.

3. 위치가 전역인 행에서 연필 아이콘 을 클릭합니다.

4. ID 공급업체로 Google ID를 선택하고 저장을 클릭합니다.

   

5. 왼쪽 탐색창에서 데이터 스토어를 선택합니다.

6. + 데이터 스토어 만들기를 클릭합니다.

7. BigQuery를 검색하여 BigQuery 카드를 찾고 카드에서 선택을 클릭합니다.

8. 데이터의 종류로는 기본값인 정형 - 자체 스키마가 있는 BigQuery 테이블을 유지합니다.

9. BigQuery 경로에서는 찾아보기를 선택합니다.

10. 데이터 세트를 검색합니다.

11. 표 이름 옆에 있는 라디오 버튼()을 선택합니다.

12. 선택을 클릭합니다.

13. 계속을 클릭합니다.

14. 스키마를 그대로 두고 계속을 클릭합니다.

15. 이름에 Travel Requests를 입력합니다.

16. 만들기를 클릭합니다.

    내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. BigQuery 데이터 스토어 만들기

작업 6. Agentspace 앱 만들기

이 작업에서는 새 Agentspace 앱을 만들고 데이터 스토어에 연결합니다.

1. AI Applications > 앱 > + 앱 만들기로 이동합니다.

2. Agentspace 카드를 찾고 만들기를 클릭하여 Agentspace 앱을 만듭니다.

3. 앱 이름에 을(를) 입력합니다.

4. 위치를 전역으로 설정합니다.

5. 고급 옵션의 회사 이름에 을(를) 입력합니다.

6. 만들기를 클릭합니다.

7. 왼쪽 탐색창에서 연결된 데이터 스토어 > 기존 데이터 스토어 추가를 클릭합니다.

8. 데이터 창에서 앞서 만든 Travel Requests 데이터 스토어를 선택합니다.

9. 연결을 클릭합니다.

   내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. Agentspace 앱 만들기

작업 7. 대화형 에이전트를 Agentspace 앱에 통합하기

이 작업에서는 대화형 에이전트에게 메시지를 전송하고 응답을 받을 수 있는 권한을 Agentspace 어시스턴트에 부여합니다.

1. AI Applications > 앱으로 이동하여 앱을 선택합니다.

2. 왼쪽 탐색 메뉴에서 구성을 선택합니다.

3. 어시스턴트 탭을 선택합니다.

4. 에이전트 헤더에서 항목 추가를 선택합니다. 새 에이전트를 연결하는 카드가 표시됩니다.

   

5. 대화형 에이전트 콘솔이 표시된 브라우저 탭을 선택합니다.

6. 콘솔 상단의 에이전트 드롭다운에서 모든 에이전트 보기를 선택합니다.

7. Corporate Travel Bot 에이전트의 행 끝에서 옵션 아이콘(세로로 된 점 3개)을 선택하고 이름 복사를 선택합니다.

   

8. AI Applications 탭으로 돌아간 다음 새 에이전트 카드에서 에이전트 필드에 복사한 값을 붙여넣습니다.

9. 에이전트 표시 이름에 Corporate Travel Bot을 사용합니다.

10. 안내에 다음을 입력합니다.

    Use for booking travel by providing a user, travel purpose, departure city, destination city, and a date range.

11. 이 안내는 Agentspace 어시스턴트가 한 차례 대화로 필요한 정보를 수집한 다음 그 정보를 대화형 에이전트에게 전달하도록 지시합니다.

12. 완료를 클릭합니다.

13. 창 하단에서 저장 및 게시를 클릭합니다.

    내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. 대화형 에이전트를 Agentspace 앱에 통합하기

작업 8. Agentspace 어시스턴트를 통해 대화형 에이전트와 소통하기

이 작업에서는 Agentspace 어시스턴트가 대화형 에이전트와 소통할 수 있게 만들어 대화형 에이전트가 도구를 활용해 출장 요청을 기록하도록 합니다.

참고: Agentspace 앱을 만드는 데 최대 10분이 걸릴 수 있습니다. 아래 단계를 시도해 보고, 예상대로 진행되지 않는다면 앱이 제대로 생성될 수 있도록 조금 더 기다려 주세요.

1. Agentspace 앱의 을(를) 선택합니다. 왼쪽 탐색 메뉴에서 통합 탭으로 이동합니다.

2. 웹 앱 링크 헤더에서 복사를 클릭하고 새 브라우저 탭에 URL을 붙여넣습니다. 404 오류가 표시되는 경우 이 작업의 시작 부분에서 설명한 것처럼 앱을 만드는 데 더 많은 시간이 필요할 수 있습니다. Agentspace 웹 앱이 표시될 때까지 몇 분마다 페이지를 새로고침해 보세요.

3. 에이전트로 이동하여 Corporate Travel Bot을 선택합니다.

4. 기본 검색창에 다음을 입력합니다.

   Book travel for Alex Cymbal from Singapore to Council Bluffs, Iowa, departing on April 1 and returning on April 14, 2025, for a data center tour.

5. 어시스턴트는 요청이 기록되었으며 24시간 이내에 후속 이메일이 전송될 것이라고 응답합니다.

   이 활동에서는 대화 예시 없이 최소한의 플레이북 요청 사항만 사용했으므로 이 에이전트의 성능은 그다지 우수하지 않을 수 있습니다. 다시 시도하기 위해 대화를 다시 시작해야 하는 경우 왼쪽 상단의 새 대화 버튼을 클릭합니다.

6. 어시스턴트의 응답 아래에 옵션 메뉴(세로로 된 점 3개)가 있습니다. 해당 메뉴를 펼쳐 진단 정보 표시를 클릭합니다.

   

7. 표시된 진단 정보에서 "functionName": "Corporate_Travel_Bot"을 찾아 대화에서 Cloud Run 함수 호출이 트리거되었는지 확인합니다.

   참고: 진단 정보 표시 패널에 액세스 토큰만 표시되고 함수 호출 세부정보가 없다면 페이지를 새로고침한 후 진단 정보 패널을 다시 여세요.

   

8. 요청이 기록되고 있는지 확인하려면 BigQuery 테이블이 표시된 브라우저 탭으로 돌아갑니다. 미리보기 탭에서 새로고침 아이콘 을 클릭하여 최신 데이터를 확인합니다.

   내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. Agentspace 어시스턴트를 통해 대화형 에이전트와 소통하기

수고하셨습니다

이번 실습에서는 대화형 에이전트를 통해 Agentspace 어시스턴트를 확장하는 방법을 알아봤습니다. 구체적으로 살펴본 내용은 다음과 같습니다.

• Cloud Run 함수 배포
• 대화형 에이전트가 Cloud Run 함수를 호출할 수 있도록 OpenAPI 도구 만들기
• Agentspace 앱 배포
• 플레이북을 사용해 간단한 생성형 대화형 에이전트 만들기
• 대화형 에이전트를 Agentspace 앱에 통합

설명서 최종 업데이트: 2025년 8월 27일

실습 최종 테스트: 2025년 8월 27일

Copyright 2020 Google LLC All rights reserved. Google 및 Google 로고는 Google LLC의 상표입니다. 기타 모든 회사명 및 제품명은 해당 업체의 상표일 수 있습니다.