BI
2024/09/12
與田 龍人

Looker Explore Assistant構築パート3: フロントエンドのセットアップとExplore Assistantの使用編

前回の記事では、Terraformを使ってBigQueryとVertex AIのGemini Proモデルを連携させる方法を学びました。具体的には、以下の手順を行いました。今回は、フロントエンドのセットアップに進み、実際にExplore Assistantをどのように使うかを解説します。

はじめに

前回のバックエンド編では、Terraformを使ってBigQueryとVertex AIのGemini Proモデルを連携させる方法を学びました。具体的には、以下の手順を行いました:


前回の記事リンク:Looker Explore Assistant構築パート2: バックエンドのセットアップ編



  • 必要なアカウント権限を設定。

  • Terraformでインフラをデプロイ。

  • サービスアカウントのキーを作成し、BigQueryにLLMモデルを構築。

  • サンプルデータをアップロードしてExplore Assistantの動作を確認。


今回は、フロントエンドのセットアップに進み、実際にExplore Assistantをどのように使うかを解説します。


フロントエンドのセットアップ

Explore Assistantを完全に動作させるために、フロントエンド側の設定が必要です。このセクションでは、LookerとBigQueryの接続を行い、自然言語に基づいてLooker Explore URLを生成する手順を説明します。


アカウントへの許可の付与


前提条件としてフロントエンドを設定する際、Looker 管理者の権限が必要になります。これにより、Lookerの設定や拡張機能のデプロイが可能になります。


ステップ1: Lookerでの接続設定

BigQuery接続の作成



  • Lookerのナビゲーションバーから「管理」>「接続」に進みます。

  • 新しい接続を追加し、接続名を指定します(例:「since_llm」)。

  • 接続の設定において、前回バックエンド編で作成したjsonキーをアップロードします。



接続が完了すると、LookerでBigQueryのデータにアクセスできるようになります。


ステップ2: フロントエンド環境のセットアップ

Cloud Shellで拡張機能フォルダへ移動



cd looker-explore-assistant/explore-assistant-extension


.envファイルの作成



  • 拡張機能の変数を定義するため、新しい.envファイルを作成します。



LOOKER_MODEL=thelook_japanese_bq
LOOKER_EXPLORE=order_items
VERTEX_BIGQUERY_LOOKER_CONNECTION_NAME=connect_llm
VERTEX_BIGQUERY_MODEL_ID= project_id.explore_assistant.explore_assistant_llm
BIGQUERY_EXAMPLE_PROMPTS_CONNECTION_NAME=connect_llm
BIGQUERY_EXAMPLE_PROMPTS_DATASET_NAME=explore_assistant


npmのセットアップとビルド



  • 必要なパッケージをインストールし、拡張機能をビルドします。




npm install
npm run build


bundle.jsファイルの確認



  • distフォルダに生成されたbundle.jsファイルをLookerのプロジェクトフォルダにアップロードします。



ステップ3: manifest.lkmlの作成とデプロイ

manifest.lkmlの作成



  • manifest.lkmlをLookerプロジェクトに作成し、以下の内容を追加します。



application: explore_assistant {
label: "Explore Assistant"
file: "bundle.js"
entitlements: {
core_api_methods: ["lookml_model_explore","create_sql_query","run_sql_query","run_query","create_query"]
navigation: yes
use_embeds: yes
use_iframes: yes
new_window: yes
}
}


LookMLの検証とデプロイ



  • LookMLのコードを検証し、問題がないことを確認したら、変更をコミットして本番環境にデプロイします。



Explore Assistantの使用

フロントエンドとバックエンドが正常に設定されたら、Explore Assistantを使用して、自然言語でのクエリ生成を試すことができます。



 


Looker UIでのアクセス





    • Lookerのナビゲーションから「Explore Assistant」にアクセスし、自然言語で質問を入力します。

    • Explore Assistantは、LLMを活用してLookerのセマンティックモデルに基づく適切なクエリを生成し、結果を表示します。





結果の分析





    • 生成されたクエリの結果をLookerのExplore画面で確認し、詳細な分析やダッシュボードに取り込むことができます。






まとめ

今回の記事では、Explore Assistantのフロントエンドをセットアップし、実際にLookerと連携して自然言語によるクエリ生成を行う方法を紹介しました。


バックエンドの設定で構築したインフラを基盤に、フロントエンドでユーザーが簡単にデータを探索できる環境が整いました。次回以降の記事では、Explore Assistantをさらに活用する方法や、具体的なユースケースについても紹介していきます。


引き続き、Explore Assistantを使いこなし、より効率的なデータ分析を目指しましょう。


New call-to-action