Tutorial ini menunjukkan cara membuat aplikasi Google Chat yang menjawab pertanyaan berdasarkan percakapan di ruang Chat dengan AI generatif yang didukung oleh Vertex AI dengan Gemini. Aplikasi Chat menggunakan Google Workspace Events API dan Pub/Sub untuk mengenali dan menjawab pertanyaan yang diposting di ruang Chat secara real time, meskipun tidak disebutkan.
Aplikasi Chat menggunakan semua pesan yang dikirim dalam ruang sebagai sumber data dan basis pengetahuan: saat seseorang mengajukan pertanyaan, aplikasi Chat akan memeriksa jawaban yang telah dibagikan sebelumnya, lalu membagikannya. Jika tidak ada jawaban yang ditemukan, dinyatakan tidak dapat menjawab. Pada setiap jawaban, pengguna dapat mengklik tombol tindakan aksesori untuk @menyebut pengelola ruang dan meminta jawaban. Dengan Gemini AI, aplikasi Google Chat menyesuaikan dan mengembangkan basis pengetahuannya sambil terus melatih percakapan di ruang tempat aplikasi tersebut ditambahkan.
Berikut cara kerja aplikasi Chat di ruang orientasi dan dukungan karyawan:
-
Gambar 2. Dana bertanya apakah perusahaan menawarkan pelatihan berbicara di depan umum. -
Gambar 3. Aplikasi Chat asisten pengetahuan AI meminta Vertex AI dengan Gemini untuk menjawab pertanyaan Dana berdasarkan histori percakapan ruang Chat, lalu membagikan jawabannya.
Prasyarat
Akun Google Workspace dengan akses ke Google Chat.
Akses ke layanan Google Cloud untuk melakukan hal berikut:
- Membuat project Google Cloud.
- Tautkan akun penagihan Google Cloud ke project Cloud. Untuk mengetahui apakah Anda memiliki akses, lihat Izin yang diperlukan untuk mengaktifkan penagihan.
- Gunakan pemanggilan Google Cloud Function yang tidak diautentikasi, yang dapat diverifikasi dengan menentukan apakah organisasi Google Cloud Anda menggunakan fitur berbagi yang dibatasi domain atau tidak.
Jika perlu, minta akses atau izin kepada administrator Google Cloud Anda.
Jika menggunakan Google Cloud CLI, lingkungan pengembangan Node.js yang dikonfigurasi untuk berfungsi dengan gcloud CLI. Lihat Menyiapkan lingkungan pengembangan Node.js.
Tujuan
- Bangun aplikasi Chat yang menggunakan AI generatif untuk menjawab pertanyaan berdasarkan pengetahuan yang dibagikan dalam percakapan ruang Chat.
- Dengan AI generatif:
- Deteksi dan jawab pertanyaan karyawan.
- Belajar terus-menerus dari percakapan yang sedang berlangsung di ruang Chat.
- Memproses dan membalas pesan di ruang Chat secara real time bahkan saat aplikasi Chat tidak menerima pesan langsung.
- Mempertahankan pesan dengan menulis ke, dan membaca dari, database Firestore.
- Fasilitasi kolaborasi di ruang Chat dengan menyebutkan pengelola ruang jika tidak ada jawaban yang ditemukan.
Arsitektur
Diagram berikut menunjukkan arsitektur resource Google Workspace dan Google Cloud yang digunakan oleh aplikasi Chat asisten pengetahuan AI.
Aplikasi Chat asisten pengetahuan AI berfungsi seperti berikut:
Pengguna menambahkan aplikasi Chat asisten pengetahuan AI ke ruang Chat:
Aplikasi Chat akan meminta pengguna yang menambahkannya ke ruang Chat untuk mengonfigurasi autentikasi dan otorisasi.
Aplikasi Chat akan mengambil pesan ruang dengan memanggil metode
spaces.messages.list
di Chat API, lalu menyimpan pesan yang diambil di database Firestore.Aplikasi Chat memanggil metode
subscriptions.create
di Google Workspace Events API untuk mulai memproses peristiwa seperti pesan dalam ruang. Endpoint notifikasi langganan adalah topik Pub/Sub yang menggunakan Eventarc untuk meneruskan peristiwa ke aplikasi Chat.Aplikasi Chat memposting pesan pengantar ke ruang.
Pengguna di ruang Chat memposting pesan:
Aplikasi Chat menerima pesan secara real time dari topik Pub/Sub.
Aplikasi Chat menambahkan pesan ke database Firestore.
Jika pengguna nantinya mengedit atau menghapus pesan, aplikasi Chat akan menerima peristiwa yang diperbarui atau dihapus secara real time, lalu memperbarui atau menghapus pesan tersebut di database Firestore.
Aplikasi Chat mengirim pesan ke Vertex AI dengan Gemini:
Perintah tersebut menginstruksikan Vertex AI dengan Gemini untuk memeriksa apakah pesan menyertakan pertanyaan. Jika ya, Gemini akan menjawab pertanyaan berdasarkan histori pesan ruang Chat yang disimpan di Firestore dan aplikasi Google Chat kemudian mengirim pesan tersebut ke ruang Chat. Jika tidak, jangan direspons.
Jika Vertex AI dengan Gemini menjawab pertanyaan, aplikasi Chat akan memposting jawaban dengan memanggil metode
spaces.messages.create
di Chat API menggunakan autentikasi aplikasi.Jika Vertex AI dengan Gemini tidak dapat menjawab pertanyaan, aplikasi Chat akan memposting pesan yang menyatakan bahwa aplikasi tidak dapat menemukan jawaban atas pertanyaan tersebut dalam histori ruang Chat.
Pesan selalu menyertakan tombol tindakan aksesori yang dapat diklik pengguna, sehingga aplikasi Chat dapat @menyebut pengelola ruang yang meminta mereka menjawab.
Aplikasi Chat menerima notifikasi siklus proses dari Google Workspace Events API bahwa langganan ruang Chat akan segera berakhir:
- Aplikasi Chat akan mengirim permintaan untuk memperpanjang
langganan dengan memanggil metode
subscriptions.patch
di Google Workspace Events API.
- Aplikasi Chat akan mengirim permintaan untuk memperpanjang
langganan dengan memanggil metode
Aplikasi Chat dihapus dari ruang Chat:
Aplikasi Chat menghapus langganan dengan memanggil metode
subscriptions.delete
di Google Workspace Events API.Aplikasi Chat menghapus data ruang Chat dari Firestore.
Tinjau produk yang digunakan oleh aplikasi Chat asisten pengetahuan AI
Aplikasi Chat asisten pengetahuan AI menggunakan produk Google Workspace dan Google Cloud berikut:
- Vertex AI API dengan Gemini: Platform AI generatif yang didukung oleh Gemini. Aplikasi Chat asisten pengetahuan AI menggunakan Vertex AI API dengan Gemini untuk mengenali, memahami, dan menjawab pertanyaan karyawan.
-
Chat API:
API untuk mengembangkan aplikasi Google Chat yang menerima dan merespons
peristiwa interaksi Chat, seperti pesan. Aplikasi Chat asisten pengetahuan AI menggunakan Chat API untuk:
- Menerima dan merespons peristiwa interaksi yang dikirim oleh Chat.
- Membuat daftar pesan yang dikirim dalam ruang.
- Memposting respons atas pertanyaan pengguna dalam ruang.
- Konfigurasi atribut yang menentukan cara kemunculannya di Chat, seperti nama dan gambar avatar.
- Google Workspace Events API: API ini memungkinkan Anda berlangganan acara dan mengelola notifikasi perubahan di berbagai aplikasi Google Workspace. Aplikasi Chat asisten pengetahuan AI menggunakan Google Workspace Events API untuk memproses pesan yang diposting di ruang Chat sehingga dapat mendeteksi dan menjawab pertanyaan bahkan saat tidak disebutkan.
- Firestore: Database dokumen serverless. Aplikasi Chat asisten pengetahuan AI menggunakan Firestore untuk menyimpan data tentang pesan yang dikirim di ruang Chat.
- Pub/Sub: Pub/Sub adalah layanan pesan asinkron dan skalabel yang memisahkan layanan yang menghasilkan pesan dari layanan yang memproses pesan tersebut. Aplikasi Chat asisten pengetahuan AI menggunakan Pub/Sub untuk menerima peristiwa langganan dari ruang Chat.
- Eventarc: Eventarc memungkinkan Anda membangun arsitektur berbasis peristiwa tanpa harus menerapkan, menyesuaikan, atau memelihara infrastruktur yang mendasarinya. Aplikasi Chat asisten pengetahuan AI menggunakan Eventarc untuk merutekan peristiwa dari Pub/Sub ke ruang Chat dan Cloud Function yang menerima dan memproses peristiwa langganan.
-
Cloud Functions: Layanan komputasi serverless yang ringan dan dapat digunakan untuk membuat fungsi mandiri dan memiliki satu tujuan yang dapat merespons peristiwa langganan dan interaksi Chat tanpa perlu mengelola lingkungan server atau runtime. Aplikasi Chat asisten pengetahuan AI menggunakan dua Cloud Functions bernama:
-
app
: Menghosting endpoint HTTP yang dikirimi peristiwa interaksi oleh Chat dan sebagai platform komputasi untuk menjalankan logika yang memproses dan merespons peristiwa ini. -
eventsApp
: Menerima dan memproses peristiwa ruang Chat seperti pesan dari langganan Pub/Sub.
- Cloud Build: Platform deployment, pengiriman, dan continuous integration yang terkelola sepenuhnya dan menjalankan build otomatis.
- Cloud Run: Lingkungan yang terkelola sepenuhnya untuk menjalankan aplikasi dalam container.
-
Menyiapkan lingkungan
Bagian ini menunjukkan cara membuat dan mengonfigurasi project Google Cloud untuk aplikasi Chat.
Membuat project Google Cloud
Konsol Google Cloud
- Di konsol Google Cloud, buka Menu > IAM & Admin > Create a Project.
-
Di kolom Project Name, masukkan nama deskriptif untuk project Anda.
Opsional: Untuk mengedit ID Project, klik Edit. Project ID tidak dapat diubah setelah project dibuat. Jadi, pilih ID yang sesuai dengan kebutuhan Anda sepanjang waktu project tersebut.
- Di kolom Location, klik Browse untuk menampilkan lokasi potensial project. Kemudian, klik Select.
- Klik Create. Konsol Google Cloud akan membuka halaman Dashboard dan project Anda akan dibuat dalam beberapa menit.
gcloud CLI
Di salah satu lingkungan pengembangan berikut, akses Google Cloud CLI (`gcloud`):
-
Cloud Shell: Untuk menggunakan terminal online dengan gcloud CLI yang sudah disiapkan, aktifkan Cloud Shell.
Mengaktifkan Cloud Shell -
Local Shell: Untuk menggunakan lingkungan pengembangan lokal,
instal dan
initialize
gcloud CLI.
Untuk membuat project Cloud, gunakan perintah `gcloud projects create`:gcloud projects create PROJECT_ID
Mengaktifkan penagihan untuk project Cloud
Konsol Google Cloud
- Di konsol Google Cloud, buka Billing. Klik Menu > Penagihan > Project Saya.
- Di bagian Select an organization, pilih organisasi yang terkait dengan project Google Cloud Anda.
- Di baris project, buka menu Actions ( ), klik Change billing, dan pilih akun Penagihan Cloud.
- Klik Tetapkan akun.
gcloud CLI
- Untuk menampilkan akun penagihan yang tersedia, jalankan:
gcloud billing accounts list
- Tautkan akun penagihan dengan project Google Cloud:
gcloud billing projects link PROJECT_ID --billing-account=BILLING_ACCOUNT_ID
Ganti kode berikut:
PROJECT_ID
adalah Project ID untuk project Cloud yang ingin Anda aktifkan penagihannya.BILLING_ACCOUNT_ID
adalah ID akun penagihan yang akan ditautkan dengan project Google Cloud.
Mengaktifkan API
Konsol Google Cloud
Di konsol Google Cloud, aktifkan Google Chat API, Vertex AI API, Cloud Functions API, Firestore API, Cloud Build API, Pub/Sub API, Google Workspace Events API, Eventarc API, dan Cloud Run Admin API.
Pastikan Anda mengaktifkan API di project Cloud yang benar, lalu klik Next.
Pastikan Anda mengaktifkan API yang benar, lalu klik Enable.
gcloud CLI
Jika perlu, tetapkan project Cloud saat ini ke project yang Anda buat:
gcloud config set project PROJECT_ID
Ganti PROJECT_ID dengan Project ID dari project Cloud yang Anda buat.
Aktifkan Google Chat API, Vertex AI API, Cloud Functions API, Firestore API, Cloud Build API, Pub/Sub API, Google Workspace Events API, Eventarc API, dan Cloud Run Admin API:
gcloud services enable chat.googleapis.com \ aiplatform.googleapis.com \ cloudfunctions.googleapis.com \ firestore.googleapis.com \ cloudbuild.googleapis.com \ pubsub.googleapis.com \ workspaceevents.googleapis.com \ eventarc.googleapis.com \ run.googleapis.com
Menyiapkan autentikasi dan otorisasi
Dengan autentikasi dan otorisasi, aplikasi Chat dapat mengakses resource di Google Workspace dan Google Cloud.
Dalam tutorial ini, Anda akan memublikasikan aplikasi Google Chat secara internal sehingga Anda boleh menggunakan informasi placeholder. Sebelum memublikasikan aplikasi Google Chat secara eksternal, ganti informasi placeholder dengan informasi sebenarnya untuk layar izin.
Mengonfigurasi layar izin OAuth, menentukan cakupan, dan mendaftarkan aplikasi Anda
Di konsol Google Cloud, buka Menu > APIs & Services > OAuth consent screen.
Di bagian Jenis pengguna, pilih Internal, lalu klik Buat.
Di App name, ketik
AI knowledge assistant
.Di Email dukungan pengguna, pilih alamat email Anda atau grup Google yang sesuai.
Di bagian Informasi kontak developer, masukkan alamat email Anda.
Klik Save and Continue.
Klik Tambahkan atau Hapus Cakupan. Sebuah panel akan muncul dan berisi daftar cakupan untuk setiap API yang telah diaktifkan di project Cloud Anda.
Pada bagian Tambahkan cakupan secara manual, tempel cakupan berikut:
https://www.googleapis.com/auth/chat.messages
Klik Add to Table.
Klik Perbarui.
Klik Save and Continue.
Tinjau ringkasan pendaftaran aplikasi, lalu klik Kembali ke Dasbor.
Membuat kredensial client ID OAuth
Di konsol Google Cloud, buka Menu > APIs & Services > Credentials.
Klik Create Credentials > OAuth client ID.
Klik Jenis aplikasi > Aplikasi web.
Di kolom Name, ketik nama untuk kredensial tersebut. Nama ini hanya ditampilkan di Konsol Google Cloud.
Di bagian URI pengalihan yang diotorisasi, klik Tambahkan URI.
Di URIs 1, ketik perintah berikut:
https://REGION-PROJECT_ID.cloudfunctions.net/app/oauth2
Ganti kode berikut:
- REGION: region Cloud Function, seperti
us-central1
. Kemudian, saat membuat dua Cloud Functions, Anda harus menetapkan region-nya ke nilai ini. - PROJECT_ID: Project ID dari project Cloud yang Anda buat.
- REGION: region Cloud Function, seperti
Klik Create.
Dari jendela OAuth client created, klik Download JSON.
Simpan file yang didownload sebagai
client_secrets.json
. Kemudian, saat membuat dua Cloud Functions, Anda menyertakan fileclient_secrets.json
di setiap deployment.Klik OK.
Membuat topik Pub/Sub
Topik Pub/Sub berfungsi dengan Google Workspace Events API untuk berlangganan peristiwa di ruang Chat, seperti pesan dan memberi tahu aplikasi Chat secara real time.
Berikut cara membuat topik Pub/Sub:
Konsol Google Cloud
Di konsol Google Cloud, buka Menu > Pub/Sub.
Klik Buat Topik.
Di Topic ID, ketik
events-api
.Batalkan pilihan Add a default subscription.
Di bagian Enkripsi, pilih Kunci enkripsi yang dikelola Google.
Klik Create. Topik Pub/Sub akan muncul.
Agar topik Pub/Sub ini dan Google Workspace Events API dapat berfungsi bersama, berikan izin kepada pengguna IAM Chat untuk memposting ke topik Pub/Sub:
Di panel events-api, di bagian PERMISSIONS, klik Add Principal.
Di bagian Add principals, di New principals, ketik
chat-api-push@system.gserviceaccount.com
.Di bagian Assign roles, di Select a role, pilih Pub/Sub > Pub/Sub Publisher.
Klik Save.
gcloud CLI
Buat topik Pub/Sub dengan ID topik
events-api
:gcloud pubsub topics create events-api
Berikan izin kepada pengguna IAM Chat untuk memposting ke topik Pub/Sub:
gcloud pubsub topics add-iam-policy-binding events-api \ --member='serviceAccount:chat-api-push@system.gserviceaccount.com' \ --role='roles/pubsub.publisher'
Membuat database Firestore
Database Firestore akan mempertahankan dan mengambil data dari ruang Chat, seperti pesan. Anda tidak perlu menentukan model data, yang ditetapkan secara implisit dalam kode contoh oleh file model/message.js
dan services/firestore-service.js
.
Database aplikasi Chat asisten pengetahuan AI menggunakan model data NoSQL berdasarkan dokumen model data Firestore.
yang disusun menjadi koleksi . Untuk mempelajari lebih lanjut, lihatDiagram berikut adalah ringkasan model data aplikasi Chat asisten pengetahuan AI:
Root berisi dua koleksi:
spaces
, dengan setiap dokumen mewakili ruang Chat tempat aplikasi Chat ditambahkan. Setiap pesan diwakili oleh dokumen dalam subkoleksimessages
.users
, dengan setiap dokumen mewakili pengguna yang menambahkan aplikasi Chat ke ruang Chat.
Lihat definisi koleksi, dokumen, dan kolom
spaces
Ruang Chat yang mencakup aplikasi Chat asisten pengetahuan AI.
Kolom | |
---|---|
Document ID | String ID unik ruang tertentu. Bagian dari nama resource ruang di Chat API. |
messages | Subcollection of Documents ( Pesan yang dikirim di ruang Chat. Sesuai dengan Document ID dari message di Firebase. |
spaceName | String Nama unik ruang di Chat API. Sesuai dengan nama resource ruang di Chat API. |
messages
Pesan yang dikirim di ruang Chat.
Kolom | |
---|---|
Document ID | String ID unik pesan tertentu. |
name | String Nama unik pesan di Chat API. Sesuai dengan nama resource pesan di Chat API. |
text | String Isi teks pesan. |
time | String (Timestamp format) Waktu saat pesan dibuat. |
users
Pengguna yang menambahkan aplikasi Chat asisten pengetahuan AI ke ruang Chat.
Kolom | |
---|---|
Document ID | String ID unik pengguna tertentu. |
accessToken | String Token akses yang diberikan selama otorisasi pengguna OAuth 2.0 yang digunakan untuk memanggil Google Workspace API. |
refreshToken | String Token refresh yang diberikan selama otorisasi pengguna OAuth 2.0. |
Berikut cara membuat database Firestore:
Konsol Google Cloud
Di konsol Google Cloud, buka Menu > Firestore.
Klik Buat database.
Dari Select your Firestore mode, klik Native mode.
Klik Continue.
Konfigurasikan database:
Di bagian Name your database, biarkan Database ID sebagai
(default)
.Di bagian Location type, pilih Region.
Di Region, tentukan region untuk database Anda, seperti
us-central1
. Untuk mendapatkan performa terbaik, pilih lokasi yang sama atau berdekatan dengan Cloud Functions aplikasi Chat.
Klik Buat database.
gcloud CLI
Buat database Firestore dalam mode Native:
gcloud firestore databases create \ --location=LOCATION \ --type=firestore-native
Ganti LOCATION dengan nama region Firestore, seperti
us-central1
. Untuk mendapatkan performa terbaik, pilih lokasi yang sama atau terdekat dengan Cloud Functions aplikasi Chat.
Membuat dan men-deploy aplikasi Chat
Setelah project Google Cloud dibuat dan dikonfigurasi, Anda siap membangun dan men-deploy aplikasi Chat. Di bagian ini, Anda akan melakukan hal-hal berikut:
- Membuat dan men-deploy dua Cloud Functions. Satu untuk merespons peristiwa interaksi Chat dan satu lagi untuk merespons peristiwa Pub/Sub.
- Membuat dan men-deploy aplikasi Chat di halaman konfigurasi Google Chat API.
Membuat dan men-deploy Cloud Functions
Di bagian ini, Anda akan membuat dan men-deploy dua Cloud Functions dengan nama:
app
: Menghosting dan menjalankan kode aplikasi Chat yang merespons peristiwa yang diterima dari Chat sebagai permintaan HTTP.eventsApp
: Menerima dan memproses peristiwa ruang Chat seperti pesan dari Pub/Sub.
Cloud Functions ini bersama-sama membentuk logika aplikasi aplikasi Chat asisten pengetahuan AI.
Secara opsional, sebelum membuat Cloud Functions, luangkan waktu sejenak untuk meninjau dan membiasakan diri dengan kode contoh yang dihosting di GitHub.
Buat dan deploy app
Konsol Google Cloud
Download kode dari GitHub sebagai file ZIP.
Ekstrak file zip yang didownload.
Folder yang diekstrak berisi seluruh repositori contoh Google Workspace.
Dalam folder yang diekstrak, buka direktori
google-chat-samples-main/node/ai-knowledge-assistant
.Dalam direktori
google-chat-samples/node/ai-knowledge-assistant
, tambahkan fileclient_secrets.json
yang Anda download saat membuat kredensial client ID OAuth untuk autentikasi dan otorisasi.Kompresi konten folder
ai-knowledge-assistant
menjadi file zip.Direktori utama file zip harus berisi file dan folder berikut:
.gcloudignore
.gitignore
README.md
deploy.sh
env.js
events_index.js
http_index.js
index.js
client_secrets.json
package-lock.json
package.json
controllers/
model/
services/
test/
Di konsol Google Cloud, buka Menu > Cloud Functions.
Pastikan bahwa project Google Cloud untuk aplikasi Chat Anda dipilih.
Klik
Create Function.Di halaman Create function, siapkan fungsi Anda:
- Di Environment, pilih 2nd gen.
- Di Function name, ketik
app
. - Di Region, pilih region, seperti
us-central1
. Region ini harus cocok dengan region yang Anda tetapkan dalam URI pengalihan resmi saat Anda membuat kredensial client ID OAuth untuk autentikasi dan otorisasi. - Di Jenis pemicu, pilih HTTPS.
- Di bagian Authentication, pilih Allow unauthenticated invocations.
- Klik Berikutnya.
Di Runtime, pilih Node.js 20.
Di Entry point, hapus teks default dan masukkan
app
.Di Kode sumber, pilih Upload zip.
Di Bucket tujuan, buat atau pilih bucket:
- Klik Jelajahi.
- Pilih bucket.
- Klik Select.
Google Cloud mengupload file ZIP ke dan mengekstrak file komponen di bucket ini. Cloud Functions kemudian menyalin file komponen ke dalam Cloud Function.
Di File zip, upload file zip yang Anda download dari GitHub, yang diekstrak, dan dikompresi ulang:
- Klik Jelajahi.
- Buka dan pilih file ZIP.
- Klik Open.
Klik Deploy.
Halaman detail Cloud Functions akan terbuka, dan fungsi Anda akan muncul dengan dua indikator progres: satu untuk build dan satu lagi untuk layanan. Saat kedua indikator progres menghilang dan diganti dengan tanda centang, berarti fungsi Anda telah di-deploy dan siap.
Edit kode contoh untuk menetapkan konstanta:
- Di halaman Detail Cloud Function, klik Edit.
- Klik Berikutnya.
- Di Source code, pilih Inline editor.
- Di editor langsung, buka dan edit file
env.js
:- Tetapkan nilai project ke project ID Cloud Anda.
- Tetapkan nilai location ke region Cloud Function, seperti
us-central1
.
Klik Deploy.
gcloud CLI
Clone kode dari GitHub:
git clone https://github.com/googleworkspace/google-chat-samples.git
Beralihlah ke direktori yang menyimpan kode untuk aplikasi Chat asisten pengetahuan AI ini:
cd google-chat-samples/node/ai-knowledge-assistant
Dalam direktori
google-chat-samples/node/ai-knowledge-assistant
, tambahkan fileclient_secrets.json
yang Anda download saat membuat kredensial client ID OAuth untuk autentikasi dan otorisasi.Edit file
env.js
untuk menetapkan variabel lingkungan:- Tetapkan nilai project ke ID project Cloud Anda.
- Tetapkan nilai location ke region Cloud Function, seperti
us-central1
.
Deploy Cloud Function ke Google Cloud:
gcloud functions deploy app \ --gen2 \ --region=REGION \ --runtime=nodejs20 \ --source=. \ --entry-point=app \ --trigger-http \ --allow-unauthenticated
Ganti REGION dengan nilai region Cloud Function agar sama dengan nilai yang ditetapkan dalam file
env.js
, sepertius-central1
.
Buat dan deploy eventsApp
Konsol Google Cloud
Di konsol Google Cloud, buka Menu > Cloud Functions.
Pastikan bahwa project Google Cloud untuk aplikasi Chat Anda dipilih.
Klik
Create Function.Di halaman Create function, siapkan fungsi Anda:
- Di Environment, pilih 2nd gen.
- Di Function name, ketik
eventsApp
. - Di Region, pilih region, seperti
us-central1
. Region ini harus cocok dengan region yang Anda tetapkan dalam URI pengalihan resmi saat Anda membuat kredensial client ID OAuth untuk autentikasi dan otorisasi. - Di Jenis pemicu, pilih Cloud Pub/Sub.
- Di Cloud Pub/Sub topic, pilih nama topik Pub/Sub yang Anda buat dan memiliki format
projects/PROJECT/topics/events-api
dengan PROJECT sebagai project ID Cloud Anda. - Jika Anda melihat pesan yang dimulai untuk
Service account(s) might not have enough permissions to deploy the function with the selected trigger.
, klik Grant All. - Klik Berikutnya.
Di Runtime, pilih Node.js 20.
Di Entry point, hapus teks default dan masukkan
eventsApp
.Di Source code, pilih Zip from Cloud Storage.
Di lokasi Cloud Storage, klik Browse.
Pilih bucket tempat Anda mengupload file ZIP saat membuat Cloud Function
app
.Klik file ZIP yang Anda upload.
Klik Select.
Klik Deploy.
Halaman detail Cloud Functions akan terbuka, dan fungsi Anda akan muncul dengan tiga indikator progres: satu untuk build, satu untuk layanan, dan satu untuk pemicu. Saat ketiga indikator progres menghilang dan diganti dengan tanda centang, berarti fungsi Anda sudah di-deploy dan siap.
Edit kode contoh untuk menetapkan konstanta:
- Di halaman Detail Cloud Function, klik Edit.
- Klik Berikutnya.
- Di Source code, pilih Inline editor.
- Di editor langsung, buka dan edit file
env.js
:- Tetapkan nilai project ke project ID Cloud Anda.
- Tetapkan nilai location ke region Cloud Function, seperti
us-central1
.
Klik Deploy.
gcloud CLI
Di gcloud CLI, jika Anda belum melakukannya, beralihlah ke direktori yang menyimpan kode untuk aplikasi Chat asisten pengetahuan AI ini yang sebelumnya Anda clone dari GitHub:
cd google-chat-samples/node/ai-knowledge-assistant
Dalam direktori
google-chat-samples/node/ai-knowledge-assistant
, tambahkan fileclient_secrets.json
yang Anda download saat membuat kredensial client ID OAuth untuk autentikasi dan otorisasi.Edit file
env.js
untuk menetapkan variabel lingkungan:- Tetapkan nilai project ke ID project Cloud Anda.
- Tetapkan nilai location ke region Cloud Function, seperti
us-central1
.
Deploy Cloud Function ke Google Cloud:
gcloud functions deploy eventsApp \ --gen2 \ --region=REGION \ --runtime=nodejs20 \ --source=. \ --entry-point=eventsApp \ --trigger-topic=events-api
Ganti REGION dengan nilai region Cloud Function agar sama dengan nilai yang ditetapkan dalam file
env.js
, sepertius-central1
.
Salin URL pemicu Cloud Function app
Anda dapat menempelkan URL pemicu Cloud Function app
di bagian berikutnya saat Mengonfigurasi aplikasi Chat di Konsol Google Cloud.
Konsol Google Cloud
Di konsol Google Cloud, buka Menu > Cloud Functions.
Di kolom Name pada daftar Cloud Functions, klik
app
.Klik Pemicu.
Salin URL.
gcloud CLI
Jelaskan Cloud Function
app
:gcloud functions describe app
Salin properti
url
.
Mengonfigurasi aplikasi Chat di konsol Google Cloud
Bagian ini menunjukkan cara mengonfigurasi Chat API di Google Cloud Console dengan informasi tentang aplikasi Chat Anda, termasuk nama aplikasi Chat dan URL pemicu Cloud Function aplikasi Chat yang menjadi tujuan pengiriman peristiwa interaksi Chat.
Di konsol Google Cloud, klik Menu > More products > Google Workspace > Product Library > Google Chat API > Manage > Configuration.
Di App name, ketik
AI knowledge assistant
.Di Avatar URL, ketik
https://fonts.gstatic.com/s/i/short-term/release/googlesymbols/live_help/default/24px.svg
.Di Description, ketik
Answers questions with AI
.Klik tombol Enable Interactive features ke posisi aktif.
Di bagian Functionality, pilih Join spaces and group conversations.
Di bagian Connection settings, pilih App URL.
Di App URL, tempel URL Pemicu dari Cloud Function
app
yang diformat sebagaihttps://
REGION-
PROJECT_ID.cloudfunctions.net/app
, dengan REGION adalah region Cloud Function, sepertius-central1
dan PROJECT_ID adalah Project ID dari project Cloud yang Anda buat.Di bagian Visibility, pilih Jadikan aplikasi Chat ini tersedia untuk orang dan grup tertentu di domain Workspace, lalu masukkan alamat email Anda.
Secara opsional, di bagian Logs, pilih Log errors to Logging.
Klik Save. Pesan konfigurasi tersimpan akan muncul, yang berarti aplikasi Chat siap untuk diuji.
Menguji aplikasi Chat
Uji aplikasi Chat asisten pengetahuan AI di ruang Chat menggunakan pesan dengan mengajukan pertanyaan yang dapat dijawab oleh aplikasi Chat asisten pengetahuan AI.
Berikut ini beberapa cara untuk menguji aplikasi Chat asisten pengetahuan AI:
- Tambahkan aplikasi Chat asisten pengetahuan AI ke ruang Chat yang ada dan ajukan pertanyaan yang relevan dengan ruang tersebut.
- Buat ruang Chat dan posting beberapa pesan untuk digunakan sebagai sumber data. Pesan dapat bersumber dari
Gemini dengan perintah seperti
Answer 20 common onboarding questions employees ask their teams.
Atau, Anda dapat menempelkan beberapa paragraf dari panduan ringkasan pengembangan dengan Chat, lalu mengajukan pertanyaan tentang hal tersebut.
Untuk tutorial ini, mari kita buat ruang Chat dan tempelkan beberapa paragraf dari panduan ringkasan mengembangkan dengan Chat.
Buka Google Chat.
Membuat ruang Chat:
Klik > Buat ruang.
Chat BaruDi Nama ruang, ketik
Testing AI knowledge assistant app
.Di bagian Untuk apa ruang ini?, pilih Kolaborasi.
Pada Setelan akses, pilih siapa saja yang dapat mengakses ruang.
Klik Create.
Tambahkan pesan yang akan digunakan sebagai sumber data:
Di browser web, buka panduan mengembangkan dengan ringkasan Chat.
Salin dan tempel konten panduan ke ruang Chat yang Anda buat.
Tambahkan aplikasi Chat asisten pengetahuan AI:
Di kolom tulis pesan, ketik
@AI knowledge assistant
dan di menu saran yang muncul, pilih aplikasi Chat asisten pengetahuan AI, lalu tekanenter
.Sebuah pesan akan muncul yang menanyakan apakah Anda ingin menambahkan aplikasi Chat asisten pengetahuan AI ke ruang. Klik Tambahkan ke ruang.
Jika ini pertama kalinya Anda menambahkan aplikasi Chat ke ruang, Anda harus mengonfigurasi autentikasi dan otorisasi untuk aplikasi Chat:
- Klik Configure.
- Jendela atau tab browser baru akan terbuka dan meminta Anda untuk memilih Akun Google. Pilih akun yang digunakan untuk menguji.
- Tinjau izin yang diminta aplikasi Chat asisten pengetahuan AI. Untuk memberikan izin, klik Izinkan.
- Pesan yang bertuliskan
You may close this page now.
akan muncul. Tutup tab atau jendela browser, lalu kembali ke ruang Chat.
Ajukan pertanyaan:
Di kolom tulis pesan, ketik pertanyaan seperti
What are Google Chat apps?
Aplikasi Chat asisten pengetahuan AI menjawab.
Jika jawabannya tidak akurat atau memadai, untuk membantu meningkatkan histori percakapan AI, klik
Dapatkan bantuan. Aplikasi Chat asisten pengetahuan AI menyebutkan pengelola ruang dan memintanya untuk menjawab pertanyaan. Lain kali, aplikasi Chat asisten pengetahuan AI akan tahu jawabannya.
Pertimbangan, pilihan arsitektur alternatif, dan langkah berikutnya
Bagian ini mengulas cara lain membangun aplikasi Chat asisten pengetahuan AI.
Firestore, Cloud Storage, atau memanggil List Messages di Chat API
Tutorial ini merekomendasikan untuk menyimpan data ruang Chat seperti pesan di database Firestore karena meningkatkan performa dibandingkan dengan memanggil metode list
pada resource Message
dengan Chat API setiap kali aplikasi Chat menjawab pertanyaan. Selain itu, memanggil list messages
berulang kali dapat menyebabkan aplikasi Chat mencapai batas kuota API.
Namun, jika histori percakapan ruang Chat menjadi terlalu lama, penggunaan Firestore dapat menjadi mahal.
Cloud Storage adalah alternatif untuk Firestore. Setiap ruang tempat aplikasi Chat asisten pengetahuan AI aktif mendapatkan objeknya sendiri, dan setiap objek adalah file teks yang berisi semua pesan dalam ruang tersebut. Keuntungan dari pendekatan ini adalah seluruh konten file teks dapat dimasukkan ke Vertex AI dengan Gemini sekaligus. Namun, kelemahannya adalah perlu lebih banyak upaya untuk memperbarui histori percakapan karena Anda tidak dapat menambahkan objek ke objek dalam Cloud Storage, tetapi hanya menggantinya. Pendekatan ini tidak masuk akal jika Anda memperbarui histori pesan secara rutin, tetapi ini akan menjadi pilihan yang baik jika Anda memperbarui histori pesan secara massal secara berkala, misalnya seminggu sekali.
Memecahkan masalah
Saat aplikasi atau kartu Google Chat menampilkan error, antarmuka Chat akan menampilkan pesan yang menyatakan "Terjadi masalah". atau "Tidak dapat memproses permintaan Anda". Terkadang UI Chat tidak menampilkan pesan error apa pun, tetapi aplikasi atau kartu Chat memberikan hasil yang tidak diharapkan. Misalnya, pesan kartu mungkin tidak muncul.
Meskipun pesan error mungkin tidak ditampilkan di UI Chat, pesan error deskriptif dan data log tersedia untuk membantu Anda memperbaiki error saat logging error untuk aplikasi Chat diaktifkan. Untuk mendapatkan bantuan dalam melihat, men-debug, dan memperbaiki error, lihat Memecahkan masalah dan memperbaiki error Google Chat.
Pembersihan
Agar tidak menimbulkan biaya pada akun Google Cloud Anda untuk resource yang digunakan dalam tutorial ini, sebaiknya hapus project Cloud.
- Pada Konsol Google Cloud, buka halaman Kelola resource Klik Menu > IAM & Admin > Manage Resources.
- Dalam daftar project, pilih project yang ingin Anda hapus, lalu klik Delete .
- Pada dialog, ketik project ID, lalu klik Shut down untuk menghapus project.
Topik terkait
- Mengelola project dengan Google Chat, Vertex AI, dan Firestore
- Merespons insiden dengan Google Chat, Vertex AI, dan Apps Script