Visão geral

Este laboratório serve como um guia abrangente para a criação da Conversational Agents usando o AI Applications. Ele explica o processo de configuração de agentes no novo console da Conversational Agents com abordagens baseadas em fluxos e playbooks.

Os principais conceitos que você vai aprender neste laboratório são:

• O AI Applications será o ponto de partida para a criação da Conversational Agents.
• O novo console da Conversational Agents, que se baseia no console do Dialogflow CX, será usado na maioria das configurações dos agentes.
• Os agentes de conversação podem ser baseados em playbook, em fluxo ou em uma combinação dos dois.
• Os repositórios de dados são criados no AI Applications e preparados para permitir respostas embasadas do agente.
• Os geradores são conexões entre um agente e um modelo de linguagem grande em que o agente pode analisar a entrada do usuário e gerar a saída do agente usando o modelo.

O que você vai criar

Neste laboratório, você vai usar o AI Applications e a Conversational Agents para criar, implantar e configurar um agente de conversação que ajude as pessoas que querem doar sangue e garanta que elas atendem aos requisitos de qualificação necessários. O agente usa dados públicos reais e modelos de linguagem grandes (LLMs, na sigla em inglês) generativos do Google durante o processamento da resposta da Conversational Agents.

Conversational Agents

A Conversational Agents é uma nova plataforma de processamento de linguagem natural criada com modelos generativos que controlam conversas e fluxos e podem ser usados para um controle mais explícito. Ela facilita o design e a integração de uma interface do usuário conversacional em apps para dispositivos móveis, aplicativos da web, dispositivos, bots, sistemas de unidade de resposta audível etc. Com a Conversational Agents, é possível oferecer aos usuários novas formas interessantes de interagir com seu produto.

Os repositórios de dados são usados por gerenciadores de repositórios de dados e ferramentas de repositórios de dados de playbooks para encontrar respostas para as perguntas do usuário final com base nos seus dados. Os repositórios de dados são uma coleção de sites e documentos, cada um deles referenciando seus dados.

As configurações do repositório de dados definem como um agente de conversação interage com os repositórios.

Com o recurso AI Applications, é possível criar agentes de conversação alimentados por repositórios de dados.

Com esse recurso, você fornece o URL de um site, dados estruturados ou dados não estruturados (repositórios de dados). Depois, o Google analisa o conteúdo e cria um agente de conversação que usa os dados dos repositórios e modelos de linguagem grandes. O agente pode interagir com clientes e usuários finais, permitindo que façam perguntas e recebam respostas com base no conteúdo fornecido.

Geradores

O gerador é um recurso da Conversational Agents que permite aos desenvolvedores usar os mais recentes modelos de linguagem grandes generativos do Google e comandos personalizados para gerar respostas do agente em tempo real. Um gerador pode lidar com respostas genéricas que envolvem conhecimento geral de um grande conjunto de dados textuais usados para treiná-lo ou com base no contexto da conversa.

Objetivos

Neste laboratório, você aprenderá a fazer o seguinte:

• Usar a Conversational Agents para criar um aplicativo e adicionar dados não estruturados a um repositório de dados.
• Usar gerenciadores de conhecimento para permitir que os usuários finais conversem com um agente de conversação sobre o conteúdo adicionado a um repositório de dados.
• Configurar um comando de texto do gerador para usar informações de contexto usando os marcadores de posição de comando integrados do gerador.
• Marcar palavras como marcadores de posição de comando do gerador e associá-los a parâmetros de sessão no processamento da resposta para usar esses valores durante a execução.
• Configurar um gerador para processar respostas que envolvem conhecimento de um grande conjunto de dados textuais e o contexto da conversa atual.
• Gerar um e-mail formal usando geradores.
• Testar o agente e simular perguntas de clientes que acionam respostas geradas.

Configuração e requisitos

Nesta tarefa, você vai usar o Qwiklabs para seguir as etapas de inicialização do laboratório.

Em cada laboratório, você recebe um novo projeto do Google Cloud e um conjunto de recursos por um determinado período sem custo financeiro.

1. Faça login no Qwiklabs usando uma janela anônima do navegador.

2. Tome cuidado com o tempo de acesso ao laboratório (por exemplo, ) para concluí-lo dentro do horário definido.

3. Quando puder começar, clique em .

4. Anote suas credenciais do laboratório. É com elas que você vai fazer login no console do Google Cloud.

5. Clique em Abrir Console do Google.

6. Clique em Usar outra conta e copie e cole as credenciais deste laboratório nos locais indicados.

7. Aceite os termos e pule a página de recursos de recuperação.

Console do Google Cloud

Depois que você concluir as etapas iniciais de login, o painel do projeto será exibido.

Verifique se o projeto está selecionado. Caso não esteja, clique em Selecionar projeto na parte de cima do console, selecione o ID do projeto do Google Cloud e clique em ABRIR para selecioná-lo.

Se você não estiver usando o modo de navegação anônima, sempre verifique se o projeto e a conta de usuário corretos estão selecionados para evitar cobranças na sua conta do Google Cloud Billing.

Tarefa 1: Ativar APIs

Antes de usar a Conversational Agents no AI Applications, é necessário ativar a API Dialogflow. A API já deve estar ativada para o laboratório, mas confirme antes de continuar.

Ative a API Dialogflow seguindo estas etapas:

1. No navegador, acesse a página de detalhes do serviço da API Dialogflow.

2. Se a API ainda não estiver ativada, clique no botão Ativar para habilitar a API Dialogflow no projeto do Google Cloud.

Tarefa 2: Criar um novo agente de conversação e um repositório de dados para o aplicativo

Você vai criar um novo agente de conversação para o agente e configurá-lo com uma fonte de dados. O objetivo do agente que você vai criar é ajudar clientes que têm dúvidas sobre as qualificações necessárias para doar sangue. Você vai usar o Australian Red Cross Lifeblood como fonte de verdade e criar um repositório de dados com base em dados não estruturados do site de qualificação para doação de sangue.

1. Para criar um agente de conversação, abra o console da Conversational Agents.

2. Na caixa de diálogo Selecionar projeto, clique na guia Todos.

3. Clique no ID do projeto, .

4. Clique em Criar agente.

5. Selecione Criar meu próprio agente no pop-up "Comece a usar a Conversational Agents".

6. Na página "Criar agente", insira Agente de doação de sangue como o Nome de exibição.

7. Selecione o local como global (Disponibilidade global, dados em repouso nos EUA).

8. Verifique se o tipo padrão Início da conversa está selecionado como Playbook e clique no botão Criar.

9. Clique em + Repositório de dados em Ferramentas disponíveis na página Playbook generativo padrão.

10. Clique em Criar repositório de dados em "Repositório de dados".

11. Clique em Cloud Storage (dados não estruturados) na página de criação do repositório de dados. A página do AI Applications vai aparecer.

12. Clique em Opções avançadas na canto inferior esquerdo.

13. Selecione Documentos não estruturados (PDF, HTML, TXT e mais) como a opção de importação de dados especializada.

14. Especifique a seguinte pasta do Cloud Storage, que contém uma amostra de dados para este laboratório, e observe que o prefixo gs:// não é obrigatório:

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

15. Clique em Continuar.

16. Especifique o Nome do repositório de dados do Australian Red Cross Lifeblood Unstructured. Clique em Continuar.

17. Clique em Criar para criar o repositório de dados.

    Observação: a criação do repositório de dados pode levar até um minuto.

18. Na lista de repositórios de dados, selecione o recém-criado, chamado Australian Red Cross Lifeblood Unstructured.

19. Clique na guia Atividade para consultar o progresso da importação de dados.

    Observação: em geral, pode levar até quatro horas para que os documentos fiquem disponíveis e prontos para uso pelo agente enquanto os domínios recém-adicionados são indexados, dependendo do número de documentos ou do tamanho do domínio. Neste laboratório, esse processo leva de 10 a 15 minutos.

20. Depois que o agente for criado, volte para o console Ferramentas da Conversational Agents e atualize a página.

21. Insira Blood_donation_tool no campo Nome da ferramenta e escolha Repositório de dados como o tipo de ferramenta no menu suspenso.

22. Em Repositórios de dados, clique em Adicionar repositórios de dados, escolha a opção Australian Red Cross Lifeblood Unstructured e clique em Confirmar. Por fim, é só clicar em Salvar.

    

23. Navegue até a guia Playbooks e clique em Playbook generativo padrão. Em Ferramentas disponíveis, escolha a ferramenta chamada Blood_donation_tool e clique em Salvar.

    Parabéns! Você concluiu a criação do seu aplicativo alimentado por informações. Ele está pronto para ajudar possíveis doadores!

    Porém, você precisa seguir mais algumas etapas para disponibilizar o agente aos usuários. Na próxima seção, você vai usar um gerenciador de conhecimento para habilitar as conversas entre o agente e os usuários finais sobre os requisitos de qualificação.

Clique em Verificar meu progresso para conferir os objetivos. Criar um novo app

Tarefa 3: Configurar o agente para responder a perguntas frequentes sobre qualificações para doação de sangue

Fornecer o comando de armazenamento de datas

Enquanto o processo de coleta de documentos é executado em segundo plano, vamos criar uma marca para o agente com uma edição do comando do repositório de dados.

1. No console da Conversational Agents, acesse o agente, clique nos três pontos no canto superior direito da página e selecione Configurações.

   

2. Acesse a guia IA generativa.

   

3. Clique na guia Geral e defina os filtros conforme indicado abaixo.

   Filtros	Valores
   Discurso de ódio	Bloquear poucos
   Conteúdo perigoso	Bloquear poucos (padrão)
   Conteúdo sexualmente explícito	Bloquear poucos
   Assédio	Bloquear poucos

   Saída:

   

4. Clique na guia Repositório de dados.

   

   Preencha o formulário abaixo para gerar este comando do repositório de dados: seu nome é Donate. Você é um chatbot prestativo e educado da Save a life, uma organização fictícia. Sua tarefa é ajudar humanos a encontrar informações sobre qualificação.

   

5. Clique no botão Salvar na parte superior da guia.

Clique em Verificar meu progresso para conferir os objetivos. Gerar o comando do repositório de dados

Ativar a substituição generativa para o evento de não correspondência do Fluxo de início padrão

6. Acesse a guia Fluxos na barra lateral superior esquerda do console da Conversational Agents (abaixo de Playbooks) e abra a Página inicial.

7. Clique no manipulador de eventos sys.no-match-default. Se a caixa não estiver marcada, ative o recurso de substituição generativa e clique em Salvar.

   

Analisar a resposta do agente de fulfillment

8. Na Página inicial, clique em Intent de boas-vindas padrão.

   

9. Role a tela para baixo até Respostas do agente em Fulfillment. Um fulfillment é a resposta do agente ao usuário final. A Conversational Agents já preencheu o Diálogo do agente com o parâmetro Olá! Tudo bem?.

   

Tarefa 4: Testar o agente

Aguarde até que os documentos estejam disponíveis e prontos para uso pelo seu agente para verificar a qualidade das respostas. Para verificar se os documentos estão disponíveis, acesse o console do AI Applications, clique no link view em Repositórios de dados conectados ao lado do app Blood Donation Agent e clique em Australian Red Cross Lifeblood Unstructured.

Se você não estiver no console da Conversational Agents, clique no nome do app no console do AI Applications para abrir a página dele.

1. No console da Conversational Agents, clique nos três pontos no canto superior direito da página e selecione Ativar/desativar simulador.

   

2. Em Recurso inicial, selecione Default Generative Playbook no menu suspenso.

3. Faça as perguntas que você espera encontrar na página de perguntas frequentes do site. Exemplo:

   • Como faço para marcar um horário?
   • Qual é a idade mínima para fazer uma doação?
   • Acabei de voltar de uma viagem à África. Posso doar sangue?
   • Gestantes podem doar sangue?

   

   Observação: se a resposta do bot não for relevante para a pergunta, troque de modelo para Gemini-2.0-flash-lite-001 (prévia) ou outro modelo disponível.

4. Por fim, vamos tentar desafiar o agente com uma pergunta não relacionada à doação de sangue. Exemplo:

   Como está o clima em Melbourne?

   O agente deve fornecer uma resposta parecida com: Sinto muito. Não posso dar informações sobre o tempo.

   Essa resposta tem conteúdo gerado com IA e deriva do comando de texto criado pela Conversational Agents com base na configuração do conector de conhecimento fornecida anteriormente: "seu nome é Donate. Você é um chatbot prestativo e educado da Save a Life. Sua tarefa é ajudar as pessoas a encontrar informações sobre qualificação para doar sangues". Essa solicitação de texto contém o nome da empresa, o nome do agente e, o mais importante, o que está no escopo dele. A Conversational Agents usa essas informações para gerar a resposta do agente.

   Parabéns! Você está usando o repositório de dados para ajudar as pessoas com perguntas frequentes sobre doação de sangue. Na próxima parte do laboratório, vamos analisar como vincular um comando de texto do gerador ao mesmo conteúdo para uma tomada de decisão informada.

Tarefa 5: Configurar o agente para o teste de qualificação

Nossa próxima tarefa é configurar o agente para determinar se o usuário está qualificado para doar sangue. Os doadores precisam atender a critérios rigorosos, como idade, peso, condições preexistentes, viagens recentes etc. Para o escopo deste laboratório, vamos considerar apenas idade e peso. Um gerador usa os modelos de linguagem grandes do Google para tomar uma decisão informada com base no contexto da conversa e na base de conhecimento.

Configurar novas rotas e parâmetros

1. Acesse a guia Fluxos na barra lateral superior esquerda do console da Conversational Agents (abaixo de Playbooks), abra a Página inicial e clique em Intent de boas-vindas padrão.

2. Role para baixo até a seção Fulfillment, remova as respostas atuais no campo Diálogo do agente e insira esta resposta:

   Quer fazer o teste de qualificação para saber se você pode doar sangue e começar a mudar vidas?

   

3. Role a tela para baixo até o campo Transição, selecione Página > + nova página, troque o nome da página para Decisão sobre qualificação do usuário para doar sangue e clique no botão Salvar.

4. Acesse a guia Gerenciar para criar as duas intents com as configurações abaixo e clique em + Criar.

   Nome de exibição	Propriedade
   confirmation.yes	Frases de treinamento: "Sim", "quero", "sim, por favor"
   confirmation.no	Frases de treinamento: "Não"

5. Acesse a guia Criar e clique na página Decisão sobre qualificação do usuário para doar sangue.

   • Para criar as rotas, clique no ícone + ao lado de Rotas.

   • No campo Intent, escolha confirmation.yes no menu suspenso.

   • Role a tela para baixo até o campo Transição, selecione Página > + nova página, defina o nome da página como Teste de qualificação e clique no botão Salvar.

   • Clique no ícone + ao lado de Rotas.

   • No campo Intent, selecione confirmation.no no menu suspenso. Em seguida, role para baixo até a seção Fulfillment > Respostas do agente, clique em + Adicionar resposta do diálogo, escolha diálogo do agente e insira a resposta Tenha um bom dia!. Depois, clique em Salvar.

Criar e configurar o gerador de qualificação

O recurso de gerador é um recurso da Conversational Agents que permite aos desenvolvedores usar os modelos de linguagem grandes generativos mais recentes do Google no fulfillment da Conversational Agents. Geradores para gerar respostas de agentes no ambiente de execução. Um gerador pode lidar com respostas genéricas que envolvem conhecimento geral de um grande conjunto de dados textuais usados para treiná-lo ou com base no contexto da conversa.

Vamos criar um gerador para comparar as informações fornecidas pelo usuário (como idade e peso) com os requisitos de qualificação para determinar se esse usuário pode doar sangue.

6. No console da Conversational Agents, acesse a guia Gerenciar, selecione Geradores e clique em Criar.

   

7. Em seguida, insira Qualificação para doação de sangue como nome de exibição e escreva o comando de texto abaixo.

   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. Mantenha as configurações padrão de controle de qualidade do modelo. Em seguida, clique em Salvar para criar o gerador.

   O comando de texto é enviado ao modelo generativo durante o fulfillment no ambiente de execução. O modelo precisa de uma pergunta ou solicitação clara para gerar uma resposta satisfatória. Você pode usar marcadores de posição especiais de comandos do gerador integrados no comando de texto:

   • $conversation: a conversa entre o agente e o usuário, excluindo a última declaração do usuário.
   • $last-user-utterance: a última declaração do usuário.

   O comando de texto configurado espera que o usuário informe a idade e o peso dele em uma única rodada de conversa (a last-userutterance).

Use o gerador no fulfillment e configure todos os parâmetros necessários

9. Em seguida, acesse a guia Criar e clique na página Teste de qualificação.

   • Para adicionar parâmetros, clique no ícone + ao lado de Parâmetros.

   • Defina o nome de exibição como age-weight.

   • Selecione o tipo de entidade como @sys.any.

   • Role a tela para baixo até Fulfillment do comando inicial > Respostas do agente. No campo Diálogo do agente, adicione o comando Qual é sua idade e seu peso? e clique em Salvar.

10. Na página Teste de qualificação, clique no ícone + ao lado de Rotas.

    • Selecione a opção Corresponder a PELO MENOS UMA regra (OR) em Regras de condição e insira o requisito de condição $page.params.status = "FINAL".

    

    • Role a tela para baixo até Fulfillment > Geradores, clique em Adicionar gerador e selecione Qualificação para doação de sangue como gerador. Em seguida, substitua o valor no campo Parâmetro de saída por $request.generative.eligibility-outcome, que vai conter o resultado do gerador após a execução.

    

    • No campo Fulfillment > Respostas do agente > Diálogo do agente, adicione o valor $request.generative.eligibility-outcome e clique em Salvar.

Tarefa 6: Testar seu agente de novo

1. Clique nos três pontos no canto superior direito da página e selecione Ativar/desativar simulador.

   

2. Clique no ícone Redefinir conversa até que a página Prévia: fluxo inicial padrão apareça, conforme mostrado abaixo.

   

   

3. Na seção Recurso inicial da página Prévia: fluxo inicial padrão, selecione Fluxo inicial padrão e teste o agente.

   

4. Em Ativar/desativar simulator, inicie uma nova conversa com o agente digitando Olá e responda às perguntas do agente conforme mostrado abaixo.

   

5. Em seguida, veja se a verificação de qualificação falha quando um ou ambos os requisitos não são atendidos.

   

6. Ótimo, o gerador funciona como esperado! Ou será que funciona mesmo? O que acontece se o usuário informar a idade, mas não o peso (ou vice-versa)?

   

Tarefa 7: Ajustar os comandos do gerador

Parece que não funciona coletar idade e peso em uma única frase, a menos que ambas as informações sejam fornecidas. Em vez disso, crie um formulário que colete esses dois valores como parâmetros de entidade. Para ativar o aspecto contextual do comando de todos os requisitos de qualificação (como idade e peso), podemos usar marcadores de posição adicionando um $ antes da palavra. Depois, vamos associar esses marcadores de posição de comando do gerador a parâmetros de sessão no fulfillment. Eles serão substituídos pelos valores de parâmetro de sessão durante a execução.

1. Abra a página Teste de qualificação, clique em Parâmetros, remova o parâmetro age-weight e adicione dois parâmetros separados do formulário: um para peso e outro para idade. Escolha @sys.number-integer como o tipo de entidade e marque os parâmetros necessários. Forneça as respostas iniciais, como Qual é o seu peso correto? para o parâmetro weight e Quantos anos você tem? para o parâmetro age. Salve todas as alterações.

   

2. Antes de atualizar o comando de texto do gerador para incluir dois novos marcadores de posição personalizados, você precisa remover o gerador. Para fazer isso, clique na rota criada, role a tela para baixo até a seção Fulfillment > Gerador, remova o gerador chamado Qualificação para doação de sangue e clique em Salvar.

   

3. Acesse a guia Gerenciar, selecione Geradores e atualize o comando de texto do gerador Qualificação para doação de sangue com: Verifique a qualificação dos usuários com base nestes critérios: a idade mínima é 18 anos e a idade máxima é 75 anos. O peso mínimo é 50 kg. O usuário tem $age anos e pesa $weight kg. Crie um e-mail e explique ao usuário se ele se qualifica para fazer uma doação e explique o motivo caso não seja.

   Observe que contextualizamos o comando de texto com os parâmetros de idade e peso e também mudamos a última frase para gerar um e-mail formal ao usuário com o resultado oficial do teste de qualificação.

   

4. Clique em Salvar.

5. Volte para a guia Criar. Na página Teste de qualificação, selecione a rota e expanda a seção Geradores do painel Fulfillment. Em seguida, clique em Adicionar gerador e selecione o gerador Qualificação para doação de sangue. Depois de selecionar o gerador, associe os novos marcadores de posição de comando aos seus respectivos parâmetros de sessão. Você também precisa redefinir os parâmetros input e output, conforme abaixo.

   • idade : $session.params.age
   • peso : $session.params.weight
   • Parâmetro de saída : $request.generative.eligibility-outcome

   

6. Clique em Salvar.

7. Teste o agente de novo. A verificação de qualificação agora considera idade e peso, e a linguagem mudou de um tom conversacional para uma resposta mais educada, pronta para ser enviada sem um human in the loop.

   

Parabéns!

Hoje investigamos geradores no contexto de testes de qualificação. Você já viu que os geradores usam LLMs para gerar respostas do agente e que, quando alimentados por uma base de conhecimento, também podem tomar decisões informadas. Ainda deve haver muitos outros casos de uso que podem ser implementados usando geradores e repositórios de dados. Queremos conhecê-los!

Saiba mais

Continue aprendendo sobre a IA do Agent Builder e a IA generativa com estes guias e recursos:

• Documentação para agentes de conversação

• Introdução ao Vertex AI Agent Builder

• Criação e uso de um repositório de dados

• Documentação do Vertex AI Agent Builder

• IA generativa no Google Cloud

Treinamento e certificação do Google Cloud

Esses treinamentos ajudam você a aproveitar as tecnologias do Google Cloud ao máximo. Nossas aulas incluem habilidades técnicas e práticas recomendadas para ajudar você a alcançar rapidamente o nível esperado e continuar sua jornada de aprendizado. Oferecemos treinamentos que vão do nível básico ao avançado, com opções de aulas virtuais, on demand e por meio de transmissões ao vivo para que você possa encaixá-las na correria do seu dia a dia. As certificações validam sua experiência e comprovam suas habilidades com as tecnologias do Google Cloud.

Manual atualizado em 1 de abril de 2026

Laboratório testado em 1 de abril de 2026

Copyright 2026 Google LLC. Todos os direitos reservados. Google e o logotipo do Google são marcas registradas da Google LLC. Todos os outros nomes de produtos e empresas podem ser marcas registradas das respectivas empresas a que estão associados.