Общайтесь с данными колл-центра — без SQL, без дашбордов, только вопросы.
Хотя большие языковые модели (LLM) отлично справляются с рассуждениями и обобщением, они приносят реальную пользу бизнесу только при подключении к структурированным корпоративным данным.
В этой статье демонстрируется, как Google Agent, созданный с помощью Agent Development Kit (ADK) и Gemini, может запрашивать записи о вызовах 3CX (CDR), хранящиеся в BigQuery. Это позволяет супервизорам и аналитикам взаимодействовать с данными колл-центра без написания SQL-запросов или открытия отчетов.
Результат: разговорный интерфейс для CDR 3CX, который работает локально из CLI, но при этом соблюдает корпоративную безопасность и контроль доступа.
Читайте далее!
Почему Google ADK идеально подходит для разработки ИИ агентов
Google Agent Development Kit (ADK) предоставляет структурированный фреймворк для создания промышленных ИИ агентов. В частности, они могут запрашивать базу данных, извлекать информацию и представлять ее в удобном для чтения виде без предварительного знания схемы БД или опыта программирования на SQL. Gemini отвечает за логику и понимание естественного языка, тогда как ADK гарантирует, что доступ к базе данных остается контролируемым и наблюдаемым.
Как работает поток Agent-BigQuery
На высоком уровне система следует этому алгоритму:
- Пользователь задает вопрос через CLI
- ADK Runner пересылает запрос агенту
- LlmAgent отправляет промпт и определения инструментов в Gemini
- Gemini решает, какой инструмент вызвать (например, выполнить SQL)
- BigQueryToolset выполняет запрос в BigQuery
- Результаты возвращаются в Gemini для форматирования
- Пользователь получает четкий, структурированный ответ
Такое разделение гарантирует, что LLM всегда имеет ограниченный доступ к базе данных. Таким образом, решение подходит для реальных корпоративных сред.
Конфигурация и установка
Предварительные требования
- Рабочая установка Python
- АТС 3CX, подключенная к источнику данных Google BigQuery
- Доступ к Gemini API
Установка
- Получите исходные коды Python здесь.
- Установите зависимости
pip install -r requirements.txt - Создайте файл .env на основе .env.example, введите следующие параметры:
GOOGLE_CLOUD_PROJECT=your-project-id
GOOGLE_API_KEY=your-gemini-api-key
- Аутентификация – аутентификацию можно выполнить с помощью:
- Service Account JSON
- Application Default Credentials
- gcloud auth application-default login
Запустите агента
python main.py
Практические примеры использования
Владельцы АТС, администраторы и супервизоры колл-центра могут задавать вопросы через простой интерфейс командной строки. Например:
- “Какие наборы данных доступны?”
- “Покажи схему таблицы cdroutput”
- “Сколько вызовов ответил …. за последние 30 дней?”
- “Какие из этих вызовов были спамом или оскорбительными?”
- “Есть ли вызовы, связанные с имитацией Налоговой службы?”
- “Сгенерируй сводку производительности и предложения по обучению для … .”
- “Перечисли все вопросы, заданные в этом сеансе.”
Агент ведет себя как аналитик данных по требованию, опираясь на реальные данные CDR.
Следите за обновлениями
Присоединяйтесь к обсуждению на специализированном форуме 3CX по ИИ. Подписывайтесь на нас в X и LinkedIn, чтобы быть в курсе последних новостей и релизов функций.
Copyright © 2025