Codelab zur Erweiterung für die Looker-Dashboard-Zusammenfassung

1. Hinweis

In diesem Codelab (1) richten Sie die Erweiterung für die Looker-Dashboard-Zusammenfassung lokal ein, damit Sie sie lokal testen und entwickeln können. Anschließend (2) stellen Sie die Erweiterung für die Produktion bereit, damit andere Looker-Benutzer in Ihrer Looker-Instanz sie verwenden können. Schließlich (3) können Sie weitere Schritte ausführen, um die Funktionalität der Erweiterung zu optimieren und zu verbessern. Alle nicht optionalen Abschnitte müssen der Reihe nach ausgefüllt werden.

Übersicht über die Erweiterung zur Zusammenfassung des Looker-Dashboards

Funktionstechnisch sendet die Erweiterung für die Zusammenfassung des Looker-Dashboards die Daten Ihres Looker-Dashboards an das Gemini-Modell von Vertex AI. Das Gemini-Modell gibt dann eine Zusammenfassung der Daten Ihres Dashboards und eine Beschreibung der nächsten Schritte zurück. Die Erweiterung zeigt die Zusammenfassung und die nächsten Schritte als Kachel in Ihrem Dashboard an und integriert sich so in Ihr Dashboard. Außerdem kann die Erweiterung die Zusammenfassung und die nächsten Schritte nach Slack oder Google Chat exportieren. Die Erweiterung verwendet eine React-Frontend-Anwendung, die mit einem WebSocket-Backend-Dienst gekoppelt ist, um Daten an das Gemini-Modell von Vertex AI zu senden und von diesem zu empfangen.

Voraussetzungen

  • Grundkenntnisse in Knotenentwicklung, Docker und Terraform
  • Kenntnisse zum Einrichten eines Looker LookML-Projekts

Aufgaben in diesem Lab

  • Erweiterung lokal einrichten und entwickeln
  • Wie Sie die Erweiterung für die Produktion bereitstellen, damit andere Looker-Benutzer in Ihrer Looker-Instanz sie verwenden können
  • Hier erfahren Sie, wie Sie optional die Leistung der Erweiterung optimieren und ihre Funktionalität erweitern können.
  • Bereitgestellte Erweiterung in der Produktion verwalten

Voraussetzungen

  • Eine Looker-Instanz, entweder über eine Looker-Originallizenz, einen aktiven Looker Core-Testzeitraum oder eine aktive Looker Core-Lizenz.
  • develop- und deploy-Berechtigungen für Ihre Looker-Instanz.
  • Berechtigungen zum Bearbeiten eines Dashboards, das Sie mit der Erweiterung testen möchten.
  • Einen Looker API-Schlüssel aus Ihrer Looker-Instanz.
  • Ein Google Cloud-Projekt mit aktivierter Abrechnung.
  • Cloud Run API, Vertex AI API und Artifact Registry API sind im Projekt aktiviert.
  • Zugriff auf eine lokale Umgebung mit installierter gcloud CLI. Bei den Codelab-Schritten wird eine Umgebung im Linux-Stil vorausgesetzt.

2. Backend für lokale Entwicklung einrichten

In diesem Abschnitt richten Sie den WebSocket-Back-End-Dienst ein, damit Sie ihn testen und lokal entwickeln können. Der Dienst hat Zugriff auf Vertex AI.

  1. Installieren Sie Node Version 18 oder höher in Ihrer lokalen Umgebung. Folgen Sie dieser Anleitung, um Node zu installieren.
  2. Klonen Sie das Repository der Erweiterung in Ihr lokales Basisverzeichnis und wechseln Sie zum Stammverzeichnis des Repositorys. Für dieses Codelab wird bei allen Codebeispielen davon ausgegangen, dass sich das geklonte Repository in Ihrem lokalen Basisverzeichnis befindet.
cd ~
git clone git@github.com:looker-open-source/dashboard-summarization.git
  1. Rufen Sie das Stammverzeichnis des geklonten Repositorys auf und benennen Sie die Datei .env.example in .env um, damit Sie in den späteren Abschnitten dieses Codelabs Umgebungsvariablen festlegen können.
cd ~/dashboard-summarization
mv .env.example .env
  1. Rufen Sie das Verzeichnis src des WebSocket-Back-Ends des geklonten Repositorys auf. Dieses Verzeichnis enthält den Quellcode für den Server.
cd ~/dashboard-summarization/websocket-service/src
  1. Installieren Sie die Abhängigkeiten des Dienstes mit NPM.
npm install
  1. Benennen Sie die Datei looker-example.ini in looker.ini um.
mv looker-example.ini looker.ini
  1. Informationen zur Aktualisierung der Datei looker.ini:
  2. client_id und client_secret durch die Werte aus Ihrem Looker API-Schlüssel.
  3. Die base_url mit der URL Ihrer Looker-Instanz im Format https://<YOUR_LOOKER_URL_MINUS_PROTOCOL>:19999
  4. Der Text zwischen den Klammern (Abschnittsüberschrift) mit dem Host der URL Ihrer Looker-Instanz.

Wenn Ihre Client-ID beispielsweise ABC123 lautet, Ihr Clientschlüssel XYZ789 und die URL Ihrer Looker-Instanz https://mycompany.cloud.looker.com lautet, sieht Ihre looker.ini-Datei so aus:

[mycompany]
base_url=https://mycompany.cloud.looker.com:19999
client_id=ABC123
client_secret=XYZ789
verify_ssl=true
  1. Ermitteln Sie Ihre Google Cloud-Projekt-ID und legen Sie sie auf die Umgebungsvariable PROJECT fest. Ersetzen Sie YOUR_PROJECT_ID durch Ihre Projekt-ID.
export PROJECT="YOUR_PROJECT_ID"
  1. Vertex AI bietet das Gemini-Modell in mehreren Regionen an, die hier aufgeführt sind. Legen Sie fest, welche Region Ihr lokales Backend Daten vom Gemini-Modell von Vertex AI sendet und empfängt. Legen Sie die Region in der Umgebungsvariable REGION fest. Ersetzen Sie YOUR_VERTEX_REGION durch Ihre Region, z. B. us-central1.
export REGION="YOUR_VERTEX_REGION"
  1. Starten Sie jetzt Ihren lokalen Dienst.
npm start
  1. Ihr lokaler WebSocket-Back-End-Dienst wird auf http://localhost:5000 ausgeführt.

Damit ist die Einrichtung des WebSocket-Back-End-Dienstes in Ihrer lokalen Umgebung abgeschlossen.

Der Dienst dient als Schnittstelle zwischen Ihrer Front-End-Erweiterung und dem Gemini-Modell von Vertex AI. Der Dienst nimmt Dashboard- und LookML-Daten aus Ihrer Front-End-Erweiterung mit von Looker abgefragten Daten und fordert das Gemini-Modell von Vertex AI an. Anschließend streamt der Dienst die Antwort von Gemini an die Front-End-Erweiterung, die in Ihrem Dashboard angezeigt wird.

Sie können auch Änderungen am Quellcode des Back-End-Dienstes vornehmen. Sie müssen zuerst den Dienstprozess beenden, Codeänderungen vornehmen und npm start dann noch einmal ausführen.

3. Front-End für lokale Entwicklung einrichten

In diesem Abschnitt richten Sie die Front-End-Erweiterung ein, damit Sie sie lokal testen und entwickeln können.

  1. Wechseln Sie in derselben lokalen Umgebung aus den vorherigen Schritten zum Stammverzeichnis des geklonten Repositorys und installieren Sie die Abhängigkeiten des Front-End-Servers für Ihr Front-End.
cd ~/dashboard-summarization
npm install
  1. Lokalen Frontend-Entwicklungsserver starten
npm run develop
  1. Ihr lokaler Frontend-Server stellt nun den JavaScript-Code der Erweiterung unter http://localhost:8080/bundle.js bereit.
  2. Öffnen Sie einen Webbrowser und melden Sie sich bei Ihrer Looker-Instanz an.
  3. Folgen Sie dieser Anleitung, um ein leeres LookML-Projekt einzurichten. Benennen Sie die Zusammenfassung des Projekt-Dashboards. Das leere LookML-Projekt sollte jetzt automatisch in der Looker IDE in Ihrem aktuellen Browsertab geöffnet sein.
  4. Erstellen Sie im Stammverzeichnis des LookML-Projekts eine Projektmanifestdatei. Die Datei heißt „manifest.lkml“. Wenn Sie nicht wissen, wie das geht, befolgen Sie diese Anleitung zum Hinzufügen einer Datei zu einem LookML-Projekt.
  5. Ersetzen Sie den Inhalt der neuen Datei „manifest.lkml“ durch den Inhalt der Datei „manifest.lkml“ im Stammverzeichnis Ihres geschlossenen Repositorys. Wählen Sie die Option „Änderungen speichern“ aus. oben rechts, um die Änderungen in der Datei zu speichern.
  6. Rufen Sie in einem separaten Browsertab die Liste der Datenbankverbindungen in Ihrer Looker-Instanz auf. Falls du nicht weißt, wie das geht, folge dieser Anleitung.
  7. Wählen Sie den Namen einer Looker-Datenbankverbindung aus. Es spielt keine Rolle, für welche Verbindung Sie sich entscheiden. Wenn Sie keine Berechtigung zum Ansehen der Datenbankverbindungen haben, fragen Sie Ihren Looker-Administrator nach dem Namen einer Looker-Datenbankverbindung.
  8. Gehen Sie zurück zum Browsertab, in dem Ihr LookML-Projekt in einer Looker-IDE geöffnet ist. Erstellen Sie eine Modelldatei in Ihrem LookML-Projekt und benennen Sie die Datei-Dashboard-Zusammenfassung.
  9. Ersetzen Sie den Inhalt Ihrer Datei „dashboard-summarization.model.lkml“ durch das folgende Codebeispiel. Achten Sie darauf, die Zeichenfolge in den doppelten Anführungszeichen durch den Namen der Datenbankverbindung zu ersetzen, den Sie in Schritt 9 ausgewählt haben. Speichern Sie die Änderungen an der Datei.
connection: "<YOUR_CONNECTION_NAME>"
  1. Richten Sie ein Repository ein, in dem Ihr Projekt gespeichert werden soll. Wählen Sie die Option „Git konfigurieren“ oben rechts. Wählen Sie „Stattdessen Basis-Repository einrichten“ aus. Wählen Sie „Repository erstellen“ aus.
  2. Sie haben jetzt ein einfaches Bar-Repository, in dem Sie Ihre LookML-Projektdateien speichern können. Kehren Sie zum Projekt in der Looker-IDE zurück, indem Sie „Zurück zum Projekt“ auswählen oder manuell zurückgehen.
  3. Aktivieren Sie das Kontrollkästchen „LookML validieren“. oben rechts auf die Schaltfläche. Die Schaltfläche ändert sich zu "Commit changes and push" (Änderungen übernehmen und ausführen).
  4. Wählen Sie die Option "Commit für Änderungen und Push" Schaltfläche. Fügen Sie eine beliebige Nachricht hinzu und wählen Sie „Commit“ aus.
  5. Wählen Sie „In Produktion bereitstellen“ aus. oben rechts in der Looker-IDE. Sie haben die Erweiterung jetzt zu Ihrer Looker-Instanz hinzugefügt.
  6. Navigieren Sie zu einem Looker-Dashboard, dem Sie die Erweiterung hinzufügen möchten.
  7. Folgen Sie dieser Anleitung, um dem Dashboard eine Erweiterungskachel hinzuzufügen. Fügen Sie die neue Erweiterung als Kachel zum Dashboard hinzu.
  8. Stellen Sie sicher, dass der zuvor eingerichtete lokale WebSocket-Back-End-Dienst ausgeführt wird.

Glückwunsch! Sie können jetzt die Erweiterung für die Looker-Dashboard-Zusammenfassung in Ihrem Dashboard ausprobieren. Deine Erweiterung sendet die Metadaten deines Dashboards an deinen lokalen WebSocket-Backend-Dienst und zeigt die Gemini-Ausgabe von deinem Backend-Dienst direkt in deiner Dashboard-Erweiterungskachel an.

Während Ihr lokaler Frontend-Server ausgeführt wird, können Sie Änderungen am JavaScript-Quellcode der Erweiterung vornehmen. Der Server erstellt dann automatisch die Änderungen und stellt sie bereit. Sie müssen die Erweiterung oder das Dashboard aktualisieren, um die Änderungen zu sehen.

4. Backend für die Produktion bereitstellen

In diesem Abschnitt richten Sie nun den WebSocket-Back-End-Dienst so ein, dass alle Instanzen Ihrer Dashboard-Zusammenfassungserweiterung auf jedem Dashboard in Ihrer Looker-Instanz bereitgestellt werden. Auf diese Weise können andere Looker-Benutzer die Erweiterung in ihren eigenen Dashboards testen, ohne einen eigenen Back-End-Dienst einrichten zu müssen. Bei diesen Schritten wird davon ausgegangen, dass Sie das Back-End bereits für die lokale Entwicklung in derselben lokalen Umgebung bereitgestellt haben.

  1. Folgen Sie dieser Anleitung, um für die nächsten Schritte Standardanmeldedaten für Anwendungen in Ihrer lokalen Umgebung mit Ihrer Projekt-ID einzurichten.
  2. Erstellen Sie ein Artifact Registry-Repository für die Docker-Images Ihres Back-End-Dienstes. Ersetzen Sie YOUR_REGION durch die Region, in der sich Ihr Repository befinden soll.
gcloud artifacts repositories create dashboard-summarization-repo \
    --repository-format=docker \
    --location=YOUR_REGION \
  1. Rufen Sie das Verzeichnis src des WebSocket-Back-Ends des geklonten Repositorys auf.
cd ~/dashboard-summarization/websocket-service/src
  1. Ersetzen Sie in der Datei cloudbuild.yaml alle Instanzen von YOUR_REGION und YOUR_PROJECT_ID durch Ihre Region und Ihre Projekt-ID. Speichern Sie die Änderungen an der Datei.
  2. Reichen Sie einen Build mit Cloud Build ein, mit dem das Docker-Image des Back-End-Dienstes erstellt und in das soeben erstellte Artifact Registry-Repository hochgeladen wird. Ersetzen Sie YOUR_REGION durch die Region, in der Sie den Cloud Build-Dienst verwenden möchten.
gcloud builds submit --region=YOUR_REGION --config cloudbuild.yaml
  1. Denken Sie daran, dass die neu erstellte Docker-Image-URL unter YOUR_REGION-docker.pkg.dev/YOUR_PROJECT_ID/dashboard-summarization-repo/websocketserviceimage:latest ist. Ersetzen Sie YOUR_PROJECT_ID durch Ihre Projekt-ID. Ersetzen Sie YOUR_REGION durch die Region aus Schritt 2, mit der Sie Ihr Artifact Registry-Repository erstellt haben.
  2. Wechseln Sie in Ihrem geklonten Repository zum Verzeichnis websocket-service/terraform.
cd ~/dashboard-summarization/websocket-service/terraform
  1. Bestimmen Sie, an welchem Speicherort von Google Cloud Run der WebSocket-Back-End-Dienst ausgeführt werden soll. Wähle einen Standort aus.
  2. Bearbeiten Sie die Datei „variables.tf“ und ersetzen Sie YOUR_PROJECT_ID und YOUR_DOCKER_IMAGE_URL durch die entsprechenden Werte. Suchen Sie in Schritt 6 nach der Docker-Image-URL. Ersetzen Sie YOUR_REGION durch die Region, die Sie in Schritt 8 ausgewählt haben. Speichern Sie die Änderungen in der Datei.
  3. Stellen Sie die Ressourcen, die der Back-End-Dienst verwenden wird, mithilfe von Terraform bereit.
terraform init
terraform plan
terraform apply
  1. Speichern Sie den bereitgestellten Cloud Run-URL-Endpunkt für den nächsten Abschnitt.

Glückwunsch! Sie haben Ihren WebSocket-Back-End-Dienst bereitgestellt und er wird jetzt in Google Cloud Run ausgeführt. Jetzt können alle Instanzen Ihrer Looker-Dashboard-Zusammenfassungserweiterung mit Ihrem Backend-Dienst kommunizieren. Wir empfehlen, immer mindestens eine Instanz Ihres WebSocket-Back-End-Dienstes in Cloud Run auszuführen. Durch die Persistenz Ihres Backend-Dienstes wird die Integrität des Datenstreamings zwischen Ihrem WebSocket-Backend-Dienst und dem Erweiterungs-Frontend gewahrt und die Sitzung jedes Nutzers während der Verwendung Ihrer Erweiterung aufrechterhalten.

5. Front-End für Produktion bereitstellen

In diesem letzten Abschnitt führen Sie die letzten Schritte aus, um das Frontend der Erweiterung bereitzustellen, damit es für alle Looker-Nutzer in Ihrer Looker-Instanz verfügbar ist.

  1. Wechseln Sie zum Stammverzeichnis des geklonten Repositorys.
cd ~/dashboard-summarization
  1. Bearbeiten Sie die .Datei env. Ersetzen Sie YOUR_CLOUD_RUN_URL durch den Cloud Run-URL-Endpunkt aus dem vorherigen Abschnitt. Speichern Sie die Änderungen an der Datei. Dadurch wird das Frontend der Produktionserweiterung auf den in Cloud Run ausgeführten WebSocket-Backend-Dienst verwiesen.
  2. Erstellen Sie den JavaScript-Code der Erweiterung. Ein dist-Verzeichnis wird automatisch mit einer bundle.js-Datei und anderen Dateien darin erstellt.
npm run build
  1. Öffnen Sie einen Webbrowser und melden Sie sich bei Ihrer Looker-Instanz an. Öffnen Sie die Navigationsleiste links und aktivieren Sie den „Entwicklermodus“. .
  2. Wählen Sie bei geöffnetem Navigationsbereich links „Develop“ (Entwickeln) aus, scrollen Sie nach unten und wählen Sie „dashboard-summarization“ (Dashboard-Zusammenfassung) aus, also das LookML-Projekt Ihrer Erweiterung. Sie sollten sich jetzt in der Looker-IDE für das LookML-Projekt befinden.
  3. Ziehen Sie alle Dateien aus dem zuvor generierten Dist-Verzeichnis per Drag-and-drop in das Stammverzeichnis des Projekts im Dateibrowser. Befolgen Sie diese Anleitung, wenn Sie weitere Hilfe benötigen.
  4. Öffnen Sie die Datei manifest.lkml in der Looker-IDE. Ersetzen Sie in der Datei die Zeile
url: "http://localhost:8080/bundle.js"

mit

file: "bundle.js"

Ersetzen Sie YOUR_CLOUD_RUN_URL durch den Cloud Run-URL-Endpunkt aus dem Ende des letzten Abschnitts. Speichern Sie die Änderungen an der Datei.

  1. Aktivieren Sie das Kontrollkästchen „LookML validieren“. oben rechts auf die Schaltfläche. Die Schaltfläche ändert sich zu "Commit changes and push" (Änderungen übernehmen und ausführen).
  2. Wählen Sie die Option "Commit für Änderungen und Push" Schaltfläche. Fügen Sie eine beliebige Nachricht hinzu und wählen Sie „Commit“ aus.
  3. Wählen Sie „In Produktion bereitstellen“ aus. oben rechts in der Looker-IDE.

Glückwunsch! Sie haben nun allen Looker-Benutzern in Ihrer Looker-Instanz die Möglichkeit gegeben, die Erweiterung für die Looker-Dashboard-Zusammenfassung zu ihren Dashboards hinzuzufügen. Wenn andere Looker-Nutzer die Erweiterung verwenden, senden alle Instanzen der Erweiterung Aufrufe an den bereitgestellten WebSocket-Backend-Dienst, der auf Google Cloud Run ausgeführt wird.

Wenn Sie Änderungen am Quellcode vornehmen, müssen Sie:

  1. JavaScript für Erweiterung noch einmal erstellen
  2. Ersetzen Sie die generierten Dateien, die Sie dem LookML-Projekt hinzugefügt haben, durch die neu generierten Dateien aus dem Verzeichnis dist.
  3. LookML-Projektänderungen validieren, per Commit durchführen und in der Produktion bereitstellen

Testen Sie die Erweiterung für die Zusammenfassung des Looker-Dashboards. Wir empfehlen Ihnen, zur Erweiterung beizutragen und zu helfen, die Anforderungen der Looker-Community besser zu erfüllen. Sie können bei Bedarf eine Pull-Anfrage für das Repository erstellen.

In den folgenden optionalen Abschnitten erfahren Sie, wie Sie den Export aus Slack/Google Chat aktivieren, die Zusammenfassungen von Gemini und die nächsten Schritte optimieren und das Gemini-Logging einrichten.

6. [Optional] Exportfunktionen einrichten

Nachdem Sie und Ihre Looker-Benutzer die Erweiterung „Looker-Dashboard-Zusammenfassung“ ausprobiert haben, können Sie die Erkenntnisse der Erweiterung mit einer größeren Zielgruppe teilen. In diesem Abschnitt können Sie festlegen, dass Ihre Erweiterung Zusammenfassungen und die nächsten Schritte an Google Chat oder Slack senden kann. Sie sollten mit der Einrichtung von OAuth vertraut sein, um mit diesem Abschnitt des Codelabs fortzufahren.

Google Chat-Export aktivieren

  1. Aktivieren Sie die Chat API in Ihrem Google Cloud-Projekt.
  2. Folgen Sie Schritt 1 der Anleitung zur Einrichtung von OAuth für Google Workspace. Für Bereiche müssen Sie spaces.messages.create angeben.
  3. Folgen Sie Schritt 2 der Anleitung zur Einrichtung von OAuth für Google Workspace. Fügen Sie die URL Ihrer Looker-Instanz unter „Autorisierte JavaScript-Quellen“ als URI hinzu, z. B. https://mycompany.cloud.looker.com. Notieren Sie sich die generierte Client-ID.
  4. Ermitteln Sie die ID des Google Chat-Bereichs, in den Sie die Zusammenfassungen exportieren möchten. Wenn Sie nicht sicher sind, wie das geht, folgen Sie dieser Anleitung.
  5. Bearbeiten Sie die .Datei env. Ersetzen Sie YOUR_GOOGLE_CLIENT_ID durch die Client-ID. Ersetzen Sie YOUR_GOOGLE_SPACE_ID durch die ID des Google Chat-Bereichs. Speichern Sie die Änderungen an der Datei. Dadurch wird das Front-End Ihrer Erweiterung so konfiguriert, dass Daten an den gewünschten Google Chat-Bereich gesendet werden können.
  6. Wenn Sie das Front-End Ihrer Erweiterung lokal ausführen, erstellen Sie die Erweiterung neu. Andernfalls stellen Sie das Frontend der Erweiterung noch einmal bereit.

Slack-Export aktivieren

  1. Führen Sie die Schritte 1 und 2 der offiziellen Slack-Entwicklerdokumentation aus, um eine OAuth-Anwendung einzurichten. Als Bereiche müssen Sie chat:write und channels:read angeben. Notieren Sie sich die generierte Client-ID und den Clientschlüssel.
  2. Bestimmen Sie die ID des Slack-Kanals, in den Sie die Zusammenfassungen exportieren möchten.
  3. Bearbeiten Sie die .Datei env. Ersetzen Sie YOUR_SLACK_CLIENT_ID durch die Client-ID. Ersetzen Sie YOUR_SLACK_CLIENT_SECRET durch den Clientschlüssel. Ersetzen Sie YOUR_SLACK_CHANNEL_ID durch die Kanal-ID. Speichern Sie die Änderungen an der Datei. Dadurch wird das Front-End Ihrer Erweiterung so konfiguriert, dass es die Statistiken an den gewünschten Slack-Kanal senden kann.
  4. Wenn Sie das Front-End Ihrer Erweiterung lokal ausführen, erstellen Sie die Erweiterung neu. Andernfalls stellen Sie das Frontend der Erweiterung noch einmal bereit.

Ihre Erweiterung kann jetzt Zusammenfassungen direkt nach Slack oder Google Chat exportieren. Beachten Sie, dass die Erweiterung Zusammenfassungen nur an einen bestimmten hartcodierten Google-Chatbereich oder Slack-Kanal senden kann. Sie können weitere OAuth-Bereiche hinzufügen und den Code so ändern, dass eine Liste von Gruppenbereichen und Kanälen abgerufen und angezeigt wird, an die Zusammenfassungen gesendet werden.

7. [Optional] Zusammenfassung und nächste Schritte optimieren

Die Erweiterung fordert das Gemini-Modell mit allen Metadaten und Abfragedaten des Dashboards auf. Sie können die Genauigkeit, Details und Tiefe der Zusammenfassungen und präskriptiven Schritte verbessern, indem Sie dem Dashboard selbst so viele Metadaten und Kontext hinzufügen. Probieren Sie diese Schritte für jedes Dashboard aus, zu dem Ihre Erweiterung gehört:

  • Folgen Sie dieser Anleitung, um dem Dashboard Dashboard-Details hinzuzufügen. So kann das LLM den allgemeinen Kontext des Dashboards besser nachvollziehen.
  • Folgen Sie dieser Anleitung, um den Tiles jedes Dashboards Notizen hinzuzufügen. So kann das LLM über den Kontext jeder einzelnen Abfrage auf dem Dashboard informiert werden. Die kleinen kontextbezogenen Notizen fließen in die generierten Zusammenfassungen ein.

Je mehr Informationen Sie Ihren Dashboards hinzufügen können, desto besser sind die Zusammenfassungen und nächsten Schritte der Erweiterung. Sie können den Code ändern, um zusätzliche Dashboard-Metadaten in den Prompt für das Gemini-Modell aufzunehmen.

8. [Optional] Gemini-Modell-Logging einrichten

Jedes Mal, wenn ein Nutzer die Erweiterung anweist, Zusammenfassungen für ein Dashboard zu erstellen, ruft die Erweiterung für jede Abfrage im Dashboard einen Aufruf an Vertex AI sowie einen letzten Aufruf zum Formatieren aller Zusammenfassungen auf. In diesem Abschnitt werden die Vertex AI-Aufrufe Ihrer Erweiterung protokolliert, damit Sie die Kosten und den Traffic von Vertex AI schätzen und beobachten können. Sie sollten diese Anweisungen nur befolgen, wenn Sie den WebSocket-Back-End-Dienst bereitgestellt haben.

  1. Bestimmen Sie den Cloud Run-Speicherort des bereitgestellten WebSocket-Back-End-Dienstes.
  2. Folgen Sie dieser Anleitung, um eine Logsenke einzurichten, die Logs an BigQuery weiterleitet. Das Senkenziel sollte BigQuery sein. Legen Sie den Einschlussfilter mit dem folgenden Codebeispiel fest, wobei YOUR_CLOUD_RUN_LOCATION durch den Cloud Run-Speicherort des vorherigen Schritts ersetzt wird.
resource.type = "cloud_run_revision"
resource.labels.service_name = "websocket-service"
resource.labels.location = "YOUR_CLOUD_RUN_LOCATION"
 severity>=DEFAULT
jsonPayload.component="dashboard-summarization-logs"

9. Glückwunsch!

Sie haben die Erweiterung für die Looker-Dashboard-Zusammenfassung zum Testen lokal eingerichtet. Sie haben die Erweiterung auch in Google Cloud bereitgestellt, damit andere Nutzer sie auch ausprobieren können. Du und andere Nutzer können jetzt direkt über deine Dashboards auf Zusammenfassungen und die nächsten Schritte von Gemini zugreifen.

10. Nächste Schritte