개요

이 실습은 AI Applications를 사용하여 대화형 에이전트를 빌드하는 방법을 안내하는 포괄적인 가이드 역할을 합니다. 새 대화형 에이전트 콘솔에서 플레이북 기반, 흐름 기반 접근 방식으로 에이전트를 구성하는 프로세스를 안내합니다.

이 실습에서 학습할 주요 개념은 다음과 같습니다.

• 먼저 AI Applications를 이용해 대화형 에이전트를 빌드합니다.
• 대부분의 에이전트 구성에 Dialogflow CX 콘솔을 기반으로 하는 새로운 대화형 에이전트 콘솔이 사용됩니다.
• 대화형 에이전트는 플레이북 기반, 흐름 기반 또는 이 둘을 조합한 형태의 에이전트일 수 있습니다.
• 데이터 스토어는 그라운딩된 에이전트 응답이 가능하도록 준비된 AI Applications에서 생성되는 데이터 저장소입니다.
• 생성기는 에이전트와 대규모 언어 모델 간의 연결로, 에이전트가 사용자 입력을 파싱하고 모델을 활용해 에이전트 출력을 생성할 수 있도록 해줍니다.

빌드할 항목

이 실습에서는 AI Applications와 대화형 에이전트를 사용하여 헌혈을 원하는 사람을 지원하고 이들이 필수 자격 요건을 충족하는지를 확인하는 대화형 에이전트를 빌드하고, 배포하고, 구성합니다. 에이전트는 대화형 에이전트 처리 중에 실제 공개 데이터와 Google의 생성형 대규모 언어 모델(LLM)을 사용합니다.

대화형 에이전트

대화형 에이전트는 대화를 제어할 수 있는 생성 모델과 더욱 명시적인 대화 제어에 사용할 수 있는 흐름을 기반으로 빌드된 새로운 자연어 이해 플랫폼입니다. 대화형 에이전트를 사용하면 대화형 사용자 인터페이스를 손쉽게 설계하여 모바일 앱, 웹 애플리케이션, 기기, 봇, 대화형 음성 응답 시스템 등에 통합할 수 있습니다. 대화형 에이전트를 사용하면 사용자는 새롭고 흥미로운 방식으로 제품과 상호작용할 수 있습니다.

데이터 스토어는 데이터 스토어 핸들러와 플레이북 데이터 스토어 도구가 데이터에서 최종 사용자의 질문에 대한 답변을 찾는 데 사용됩니다. 데이터 스토어는 각각 사용자의 데이터를 참조하는 웹사이트 및 문서 모음입니다.

데이터 스토어 설정은 대화형 에이전트가 데이터 스토어와 상호작용하는 방식을 정의하는 구성입니다.

AI Applications 기능을 사용하면 데이터 스토어를 기반으로 하는 대화형 에이전트를 만들 수 있습니다.

이 기능을 통해 사용자는 웹사이트 URL, 정형 데이터 또는 비정형 데이터(데이터 스토어)를 제공하고, Google은 사용자의 콘텐츠를 파싱하여 이러한 스토어의 데이터와 대규모 언어 모델을 활용하는 대화형 에이전트를 빌드합니다. 이후에는 에이전트가 고객 및 최종 사용자와 상호작용하여, 제공된 콘텐츠를 기반으로 질문하고 답변을 받을 수 있습니다.

생성기

생성기 기능은 개발자가 Google의 최신 생성형 대규모 언어 모델(LLM)과 커스텀 프롬프트를 사용하여 런타임에 에이전트 응답을 생성할 수 있는 대화형 에이전트 기능입니다. 생성기는 학습된 대규모 텍스트 데이터 세트의 일반적인 지식 또는 대화의 컨텍스트와 관련된 일반적인 응답을 처리할 수 있습니다.

목표

이 실습에서는 다음 작업을 수행하는 방법을 알아봅니다.

• 대화형 에이전트를 사용하여 앱을 만들고 비정형 데이터를 데이터 스토어에 추가합니다.
• 지식 핸들러를 사용하여, 최종 사용자가 데이터 스토어에 추가된 콘텐츠에 대해 대화형 에이전트와 대화를 나눌 수 있도록 합니다.
• 생성기 텍스트 프롬프트를 설정하고 기본 제공되는 생성기 프롬프트 자리표시자를 사용하여 컨텍스트에 맞게 구성합니다.
• 단어를 생성기 프롬프트 자리표시자로 표시하고, 이후 처리 시 세션 파라미터와 연결하여 실행 중에 관련 값을 사용합니다.
• 대규모 텍스트 데이터 세트의 정보와 현재 대화의 컨텍스트를 포함하는 응답을 처리하도록 생성기를 구성합니다.
• 생성기를 사용하여 공식 이메일을 생성합니다.
• 에이전트를 테스트하고, 생성된 응답을 트리거하는 고객 질문을 시뮬레이션합니다.

설정 및 요건

이 작업에서는 Qwiklabs를 사용하여 실습을 위한 초기화 단계를 수행합니다.

각 실습에서는 정해진 기간 동안 새 Google Cloud 프로젝트와 리소스 집합이 무료로 제공됩니다.

1. 시크릿 창을 사용하여 Qwiklabs에 로그인합니다.

2. 실습 사용 가능 시간(예: )을 참고하여 해당 시간 내에 완료합니다.

3. 준비가 되면 버튼을 클릭합니다.

4. 실습 사용자 인증 정보를 확인하여 Google Cloud 콘솔에 로그인할 때 이 정보를 사용해야 합니다.

5. Google 콘솔 열기를 클릭합니다.

6. 다른 계정 사용을 클릭한 다음, 안내 메시지에 이 실습에 대한 사용자 인증 정보를 복사하여 붙여넣습니다.

7. 약관에 동의하고 리소스 복구 페이지를 건너뜁니다.

Google Cloud 콘솔

초기 로그인 단계를 완료하면 프로젝트 대시보드가 표시됩니다.

프로젝트가 선택되어 있는지 확인합니다. 선택되어 있지 않다면 콘솔 상단에서 프로젝트 선택을 클릭하고 Google Cloud 프로젝트 ID를 강조 표시한 다음 열기를 클릭하여 프로젝트를 선택합니다.

시크릿 모드를 사용하지 않는 경우, Google Cloud 결제 계정에 실수로 요금이 청구되는 일이 없도록 항상 프로젝트와 사용자 계정이 올바르게 선택되었는지 확인해야 합니다.

작업 1. API 사용 설정

AI Applications에서 대화형 에이전트를 사용하려면 먼저 Dialogflow API를 사용 설정해야 합니다. 이 실습에서는 API가 이미 사용 설정되어 있지만 계속 진행하려면 먼저 이를 확인해야 합니다.

다음 단계를 수행하여 Dialogflow API를 사용 설정합니다.

1. 브라우저에서 Dialogflow API 서비스 세부정보 페이지로 이동합니다.

2. API가 아직 사용 설정되지 않은 경우 사용 설정 버튼을 클릭하여 Google Cloud 프로젝트에서 Dialogflow API를 사용 설정합니다.

작업 2. 앱을 위한 새 대화형 에이전트 및 데이터 스토어 만들기

이제 에이전트의 새로운 대화형 에이전트를 만들고 데이터 소스를 사용하여 대화형 에이전트를 구성합니다. 빌드할 에이전트의 목적은 헌혈 자격 관련 질문을 하는 고객을 지원하는 것입니다. Australian Red Cross Lifeblood를 정보 소스로 사용하고 헌혈 자격 웹사이트의 비정형 데이터를 기반으로 데이터 스토어를 만듭니다.

1. 새 대화형 에이전트를 만들려면 대화형 에이전트 콘솔을 엽니다.

2. 프로젝트 선택 대화상자에서 전체 탭을 클릭합니다.

3. 프로젝트 ID()를 클릭합니다.

4. 에이전트 만들기를 클릭합니다.

5. 대화형 에이전트 시작하기 팝업에서 직접 만들기를 선택합니다.

6. 에이전트 만들기 페이지에서 에이전트의 표시 이름을 Blood Donation Agent로 입력합니다.

7. 위치를 전역(전역 제공, 미국 내 저장 데이터)으로 선택합니다.

8. 기본 Conversation start 유형이 플레이북으로 선택되어 있는지 확인한 다음 만들기 버튼을 클릭합니다.

9. 기본 생성형 플레이북 페이지의 Available tools에서 + 데이터 스토어를 클릭합니다.

10. 데이터 스토어에서 데이터 스토어 만들기를 클릭합니다.

11. 데이터 스토어 만들기 페이지에서 Cloud Storage(비정형 데이터)를 클릭하면 AI Applications 페이지로 리디렉션됩니다.

12. 왼쪽 하단에서 고급 옵션을 클릭합니다.

13. 특수 데이터 가져오기 옵션으로 비정형 문서(PDF, HTML, TXT 등)를 선택합니다.

14. 이 실습의 샘플 데이터가 포함된 다음 Google Cloud Storage 폴더를 지정합니다. gs:// 프리픽스는 지정하지 않아도 됩니다.

    cloud-samples-data/dialogflow-cx/arc-lifeblood

15. 계속을 클릭합니다.

16. 데이터 스토어 이름을 Australian Red Cross Lifeblood Unstructured로 지정합니다. 계속을 클릭합니다.

17. 만들기를 클릭하여 데이터 스토어를 만듭니다.

    참고: 데이터 스토어를 만드는 데 최대 1분이 걸릴 수 있습니다.

18. 데이터 스토어 목록에서 새로 만든 데이터 스토어(Australian Red Cross Lifeblood Unstructured)를 선택합니다.

19. 활동 탭을 클릭하여 데이터 가져오기의 진행 상황을 확인합니다.

    참고: 일반적으로 새로 추가된 도메인의 색인이 생성되는 동안 문서 수 또는 도메인 크기에 따라 문서가 에이전트에서 사용할 수 있는 상태로 준비되기까지 최대 4시간이 걸릴 수 있습니다. 이 실습에서는 10~15분이 걸립니다.

20. 에이전트가 생성되면 Conversational Agents Tools 콘솔로 돌아가 페이지를 새로고침합니다.

21. 도구 이름 필드에 Blood_donation_tool을 입력하고 드롭다운 메뉴에서 도구 유형으로 데이터 스토어를 선택합니다.

22. 데이터 스토어에서 데이터 스토어 추가를 클릭하고 Australian Red Cross Lifeblood Unstructured를 선택한 다음, 확인을 클릭하고 저장을 클릭합니다.

    

23. 플레이북 탭으로 이동한 다음 기본 생성형 플레이북을 클릭합니다. 사용 가능한 도구에서 Blood_donation_tool이라는 도구를 선택하고 저장을 클릭합니다.

    수고하셨습니다. 잠재적 헌혈자를 지원할 수 있는 지식 기반 앱을 빌드했으니, 잠시 축하하는 시간을 가지세요.

    하지만 사용자가 에이전트에 액세스할 수 있게 하려면 아직 해야 할 일이 있습니다. 다음 섹션에서는 지식 핸들러를 사용하여 에이전트와 최종 사용자가 자격 요건 관련 대화를 나눌 수 있도록 합니다.

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. 새 앱 만들기

작업 3. 헌혈 자격 관련 FAQ에 답변하도록 에이전트를 구성

데이터 스토어 프롬프트 제공

문서 수집 프로세스가 백그라운드에서 실행되는 동안 데이터 스토어 프롬프트를 수정하여 에이전트에 브랜드를 설정해 보겠습니다.

1. 대화형 에이전트 콘솔의 에이전트에서 페이지 오른쪽 상단에 있는 점 3개 메뉴를 클릭한 다음 설정을 선택합니다.

   

2. 생성형 AI 탭으로 이동합니다.

   

3. 일반 탭을 클릭하고 필터를 아래와 같이 설정합니다.

   필터	값
   증오심 표현	소수 차단
   위험한 콘텐츠	소수 차단(기본값)
   음란물	소수 차단
   괴롭힘	소수 차단

   출력:

   

4. 데이터 스토어 탭을 클릭합니다.

   

   아래와 같이 양식을 작성하여 다음 데이터 스토어 프롬프트를 생성합니다. '너의 이름은 Donate이고 너는 Save a life, a fictitious organization에서 일하는, 친절하고 공손한 chatbot이야. 너의 임무는 humans with eligibility information이야.'

   

5. 탭 상단에 있는 저장 버튼을 클릭합니다.

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. 데이터 스토어 프롬프트 생성

기본 시작 흐름의 일치 없음(no-match) 이벤트에 대한 대체 대답 생성 기능 사용 설정

6. 대화형 에이전트 콘솔의 왼쪽 상단 사이드바에서(플레이북 아래) 흐름 탭으로 전환하여 시작 페이지를 엽니다.

7. sys.no-match-default 이벤트 핸들러를 클릭합니다. 체크박스가 이미 선택되어 있지 않은 경우 대체 대답 생성 기능을 사용 설정하고 저장을 클릭합니다.

   

처리 에이전트 응답 검토

8. 시작 페이지에서 기본 시작 인텐트를 클릭합니다.

   

9. 처리의 에이전트 응답이 나올 때까지 아래로 스크롤합니다. 처리는 최종 사용자에 대한 에이전트 응답입니다. 대화형 에이전트는 에이전트 대화에 다음 파라미터를 자동으로 입력합니다. Hi! How are you doing?

   

작업 4. 에이전트 테스트

에이전트가 문서를 사용할 수 있게 될 때까지 기다린 다음 응답의 품질을 확인합니다. AI Applications 콘솔로 이동하여 Blood Donation Agent 앱 옆에 있는 연결된 데이터 스토어의 view 링크를 클릭한 다음 Australian Red Cross Lifeblood Unstructured를 클릭하면 문서를 사용할 수 있는지 확인할 수 있습니다.

대화형 에이전트 콘솔에 있지 않은 경우 AI Applications 콘솔에서 앱 이름을 클릭하면 대화형 에이전트 콘솔로 리디렉션됩니다.

1. 에이전트의 대화형 에이전트 콘솔에서 페이지 오른쪽 상단에 있는 점 3개 메뉴를 클릭한 다음 시뮬레이터 전환을 선택합니다.

   

2. 시작 리소스의 경우 드롭다운에서 Default Generative Playbook을 선택합니다.

3. 웹사이트의 FAQ 페이지에 나올 법한 질문을 합니다. 예를 들면 다음과 같습니다.

   • 예약하려면 어떻게 해야 하나요?
   • 헌혈하려면 몇 살 이상이어야 하나요?
   • 아프리카 여행에서 방금 돌아왔습니다. 헌혈할 수 있을까요?
   • 임산부도 헌혈할 수 있나요?

   

   참고: 봇의 응답이 질문과 관련이 없는 경우 모델을 Gemini-2.0-flash-lite-001(프리뷰) 또는 다른 사용 가능한 모델로 전환하세요.

4. 마지막으로, 헌혈과 전혀 관련이 없는 질문을 이용해 에이전트를 테스트해 보겠습니다. 예를 들면 다음과 같습니다.

   What's the weather like in Melbourne?

   에이전트는 I'm sorry, I can't provide weather information. 같은 대답을 해야 합니다.

   이 대답은 AI 생성 콘텐츠를 포함하며, 앞서 제공한 지식 커넥터 설정을 기반으로 대화형 에이전트가 생성한 다음 텍스트 프롬프트에서 파생된 것입니다. '너의 이름은 Donate이고 너는 Save a Life에서 일하는, 친절하고 공손한 챗봇이야. 너의 임무는 사람들에게 헌혈 자격 요건 관련 정보를 안내하는 것이야.' 이 텍스트 프롬프트에는 회사 이름, 에이전트 이름, 그리고 무엇보다도 대화형 에이전트가 에이전트 응답을 생성하는 데 사용하는 범위가 포함되어 있습니다.

   잘하셨습니다. 지금까지 데이터 스토어를 사용하여 헌혈과 관련된 자주 묻는 질문(FAQ)에 대한 답변을 제공했습니다. 실습의 다음 단계에서는 동일한 콘텐츠에 생성기 텍스트 프롬프트를 바인딩하여 정보에 입각한 의사 결정을 내리도록 하는 방법을 알아보겠습니다.

작업 5. 자격 요건 퀴즈용 에이전트 설정

지금부터는 사용자의 헌혈 자격 여부를 판단하는 에이전트를 설계해야 합니다. 기증자는 연령, 체중, 기저 질환, 최근 여행 이력 등의 엄격한 요건을 충족해야 합니다. 이 실습에서는 범위를 좁혀 연령과 체중만 고려하겠습니다. 생성기는 Google의 대규모 언어 모델(LLM)을 사용하여 대화의 컨텍스트와 기술 자료를 기반으로 정보에 입각한 결정을 동적으로 내립니다.

새 경로 및 파라미터 구성

1. 대화형 에이전트 콘솔의 왼쪽 상단 사이드바에서(플레이북 아래) 흐름 탭으로 전환하여 시작 페이지를 연 다음 기본 시작 인텐트를 클릭합니다.

2. 처리 섹션까지 아래로 스크롤하고 에이전트 대화 필드에서 현재 에이전트 응답을 삭제한 후, 다음 응답을 삽입합니다.

   Would you like to take the eligibility quiz to find out if you can donate blood, and start changing lives?

   

3. 전환 필드까지 아래로 스크롤하여 페이지 > + 새 페이지를 선택하고 페이지 이름을 사용자 헌혈 가능 여부 결정으로 설정한 후 저장 버튼을 클릭합니다.

4. 관리 탭으로 이동하여 아래 구성으로 인텐트 2개를 만들고 + 만들기를 클릭합니다.

   표시 이름	속성
   confirmation.yes	학습 문구: "Yes", "yeah", "yes please"
   confirmation.no	학습 문구: "No"

5. 빌드 탭으로 이동하여 사용자 헌혈 가능 여부 결정 페이지를 클릭합니다.

   • 경로를 만들려면 경로 옆에 있는 + 아이콘을 클릭합니다.

   • Intent 필드의 드롭다운에서 confirmation.yes를 선택합니다.

   • 전환 필드까지 아래로 스크롤한 후 페이지 > + 새 페이지를 선택하고 페이지 이름을 자격 요건 퀴즈로 설정한 후 저장 버튼을 클릭합니다.

   • 경로 옆에 있는 + 아이콘을 클릭합니다.

   • 인텐트 필드의 드롭다운 메뉴에서 confirmation.no를 선택합니다. 그런 다음, 처리 > 에이전트 응답 섹션으로 아래로 스크롤하고 + 대화 대답 추가를 클릭한 다음 에이전트 대화를 선택합니다. Thanks, Have a nice day! 같은 대답을 삽입한 다음 저장을 클릭합니다.

자격 생성기 생성 및 구성

생성기 기능은 개발자가 대화형 에이전트 처리 중에 Google의 최신 생성형 대규모 언어 모델(LLM)을 사용할 수 있게 해주는 대화형 에이전트 기능입니다. 런타임에 에이전트 응답을 생성하는 생성기 생성기는 학습된 대규모 텍스트 데이터 세트의 일반적인 지식 또는 대화의 컨텍스트와 관련된 일반적인 응답을 처리할 수 있습니다.

사용자가 제공한 정보(예: 연령과 체중)와 자격 요건을 비교하여 사용자의 헌혈 가능 여부를 판단하는 새로운 생성기를 만들어 보겠습니다.

6. 대화형 에이전트 콘솔에서 관리 탭으로 이동하여 생성기를 선택하고 새로 만들기를 클릭합니다.

   

7. 그런 다음 Blood Donation Eligibility를 표시 이름으로 지정하고 다음 텍스트 프롬프트를 작성합니다.

   Check the users eligibility against the following criteria: the minimum age is 18 and the maximum age is 75. Weight should be above 50 Kg. The user age and weight is $last-user-utterance. Be nice and tell the user if they are eligible to donate (also tell them why not in case)

8. 기본 모델 품질 관리 설정은 그대로 둡니다. 그런 다음 저장을 클릭하여 생성기를 만듭니다.

   런타임 시 처리 중 텍스트 프롬프트가 생성 모델로 전송됩니다. 모델에서 만족스러운 응답을 얻으려면 질문이나 요청이 명확해야 합니다. 텍스트 프롬프트에서 특수 기본 제공 생성기 프롬프트 자리표시자를 사용할 수 있습니다.

   • $conversation: 마지막 사용자 발화를 제외한 에이전트와 사용자 간의 대화입니다.
   • $last-user-utterance: 마지막 사용자 발화입니다.

   구성한 텍스트 프롬프트는 사용자가 한 번의 대화 차례(last-userutterance)에서 연령과 체중을 제공한다고 예상합니다.

처리에서 생성기를 사용하고 모든 필수 파라미터를 구성

9. 그런 다음 빌드 탭으로 이동하여 자격 요건 퀴즈 페이지를 클릭합니다.

   • 파라미터를 추가하려면 파라미터 옆에 있는 + 아이콘을 클릭합니다.

   • 표시 이름을 age-weight로 입력합니다.

   • 항목 유형을 @sys.any로 선택합니다.

   • 초기 프롬프트 처리 > 에이전트 응답까지 아래로 스크롤하고 에이전트 대화 필드에 What is your age and weight? 프롬프트를 추가한 다음 저장을 클릭합니다.

10. 자격 요건 퀴즈 페이지에서 경로 옆에 있는 + 아이콘을 클릭합니다.

    • 조건 규칙에서 Match AT LEAST ONE rule (OR) 옵션을 선택하고 $page.params.status = "FINAL" 조건 요구사항을 입력합니다.

    

    • 처리 > 생성기까지 아래로 스크롤하고 생성기 추가를 클릭한 다음 Blood Donation Eligibility를 생성기로 선택합니다. 그런 다음 출력 파라미터 필드의 값을 $request.generative.eligibility-outcome으로 바꿉니다. 이 값에는 실행 후 생성기의 결과가 포함됩니다.

    

    • 처리 > 에이전트 응답 > 에이전트 대화 필드에 $request.generative.eligibility-outcome 값을 추가한 다음 저장을 클릭합니다.

작업 6. 에이전트 재테스트

1. 페이지 오른쪽 상단에 있는 점 3개 메뉴를 클릭한 다음 시뮬레이터 전환을 선택합니다.

   

2. 아래와 같이 미리보기: 기본 시작 흐름 페이지가 표시될 때까지 대화 재설정 아이콘을 클릭합니다.

   

   

3. 미리보기: 기본 시작 흐름 페이지의 시작 리소스 섹션에서 기본 시작 흐름을 선택해 에이전트를 테스트합니다.

   

4. 시뮬레이터 전환에서 Hi를 입력하여 에이전트와의 새 대화를 시작한 다음, 에이전트의 질문에 대한 응답을 아래와 같이 제공합니다.

   

5. 그런 요구사항 중 하나 또는 둘 다 충족되지 않으면 자격 요건 확인이 실패하는지 확인합니다.

   

6. 좋습니다. 생성기가 예상대로 작동합니다. 정말로 그런 걸까요? 사용자가 연령만 제공하고 체중은 제공하지 않으면(또는 그 반대의 경우에는) 어떻게 되나요?

   

작업 7. 생성기 프롬프트 조정

연령과 체중을 한 번에 수집하는 방식은 연령과 체중이 모두 제공되지 않으면 제대로 작동하지 않습니다. 대신 두 값 모두를 항목 파라미터로 수집하는 양식을 만들어야 합니다. 단어 앞에 $를 추가하여 자리표시자를 사용하면 모든 자격 요건(예: 연령과 체중)에 대한 프롬프트를 컨텍스트에 맞게 구성할 수 있습니다. 나중에 처리할 때 이러한 생성기 프롬프트 자리표시자를 세션 파라미터와 연결할 수 있으며, 그러면 실행 중에 자리표시자가 세션 파라미터 값으로 바뀝니다.

1. 자격 요건 퀴즈 페이지를 열고 파라미터를 클릭한 다음, age-weight 파라미터를 삭제하고 두 개의 별도 양식 파라미터를 추가합니다. 하나는 weight용이고 다른 하나는 age용입니다. 항목 유형으로 @sys.number-integer를 선택하고 필수 파라미터를 표시합니다. 초기 프롬프트 처리를 제공합니다. weight 파라미터에는 What is your correct weight?를, age 파라미터에는 How old are you? 같은 처리를 제공해야 합니다. 모든 변경사항을 저장합니다.

   

2. 생성기의 텍스트 프롬프트를 업데이트하여 새로운 두 커스텀 자리표시자를 포함하려면 먼저 생성기를 삭제해야 합니다. 이렇게 하려면 생성된 경로를 클릭하고 처리 > 생성기 섹션까지 아래로 스크롤한 다음 Blood Donation Eligibility라는 이름의 생성기를 삭제하고 저장을 클릭합니다.

   

3. 관리 탭으로 이동하여 생성기를 선택하고 Blood Donation Eligibility 생성기의 텍스트 프롬프트를 다음과 같이 업데이트합니다. Check the users eligibility against the following criteria: the minimum age is 18 and the maximum age is 75. The weight must be at least 50 kg. The user is $age years old and weighs $weight Kg. Craft an email and politely explain to the user if they're eligible to donate and if not why.

   텍스트 프롬프트를 연령 및 체중 양식 파라미터에 컨텍스트에 맞게 구성했을 뿐만 아니라, 자격 요건 퀴즈의 공식 결과를 포함하는 사용자 대상 공식 이메일을 생성할 수 있도록 마지막 문장도 수정했습니다.

   

4. 저장을 클릭합니다.

5. 빌드 탭으로 돌아갑니다. 자격 요건 퀴즈 페이지에서 경로를 선택하고 처리 창의 생성기 섹션을 펼칩니다. 그런 다음 생성기 추가를 클릭하고 Blood Donation Eligibility 생성기를 선택합니다. 생성기를 선택한 후 새 프롬프트 자리표시자를 해당 세션 파라미터와 연결해야 합니다. 또한 input 및 output 파라미터를 아래와 같이 다시 설정해야 합니다.

   • 연령: $session.params.age
   • 체중: $session.params.weight
   • 출력 파라미터: $request.generative.eligibility-outcome

   

6. 저장을 클릭합니다.

7. 에이전트를 다시 테스트합니다. 이제 자격 요건 확인 시 연령과 체중을 모두 고려하며, 문구가 대화체에서 더 정중한 응답으로 변경되어 인간의 개입 없이도 바로 전송할 수 있습니다.

   

수고하셨습니다

오늘은 자격 요건 퀴즈와 관련하여 생성기를 살펴보았습니다. 생성기는 LLM을 사용하여 에이전트 응답을 생성하며, 기술 자료를 기반으로 하면 정보에 입각한 의사 결정을 내릴 수 있습니다. 생성기와 데이터 스토어를 활용하여 구현할 수 있는 사용 사례는 이 외에도 많으니 바로 살펴보시기 바랍니다.

자세히 알아보기

다음 가이드와 리소스를 통해 Agent Builder AI와 생성형 AI에 대해 계속 알아보세요.

• 대화형 에이전트 문서

• Vertex AI Agent Builder 소개

• 데이터 스토어 만들기 및 사용하기

• Vertex AI Agent Builder 문서

• Google Cloud의 생성형 AI

Google Cloud 교육 및 인증

Google Cloud 기술을 최대한 활용하는 데 도움이 됩니다. Google 강의에는 빠른 습득과 지속적인 학습을 지원하는 기술적인 지식과 권장사항이 포함되어 있습니다. 기초에서 고급까지 수준별 학습을 제공하며 바쁜 일정에 알맞은 주문형, 실시간, 가상 옵션이 포함되어 있습니다. 인증은 Google Cloud 기술에 대한 역량과 전문성을 검증하고 입증하는 데 도움이 됩니다.

설명서 최종 업데이트: 2026년 4월 1일

실습 최종 테스트: 2026년 4월 1일

Copyright 2026 Google LLC. All rights reserved. Google 및 Google 로고는 Google LLC의 상표입니다. 기타 모든 회사명 및 제품명은 해당 업체의 상표일 수 있습니다.