Membangun aplikasi Google Chat Dialogflow CX yang memahami dan merespons dengan bahasa alami

Halaman ini menjelaskan cara mem-build aplikasi Google Chat yang dapat memahami dan merespons dengan bahasa alami menggunakan Dialogflow. Panduan ini menggunakan Dialogflow CX, yang memiliki integrasi langsung dengan Google Chat. Anda juga dapat menggunakan Dialogflow ES untuk mem-build aplikasi Google Chat Dialogflow ES dengan mengikuti panduan Google Chat Dialogflow ES.

Misalnya, pertimbangkan aplikasi Chat yang membantu orang menyewa mobil. Pengguna mungkin menulis, "Saya ingin menyewa mobil". Aplikasi Chat mungkin merespons dengan pertanyaan seperti "Di mana Anda ingin mengambil kendaraan?" yang memulai percakapan seperti manusia dengan pengguna, yang mana aplikasi Chat memahami dan merespons dengan ucapan manusia saat memesan rental mobil.

Ini hanyalah satu contoh. Aplikasi Dialogflow Chat berguna dalam semua jenis interaksi. Jika memerlukan ucapan manusia yang alami, aplikasi ini akan memanggil aplikasi Dialogflow Chat. Agen bawaan akan membantu Anda memulai dengan cepat, dan menunjukkan kemampuan Dialogflow, seperti:

  • Memesan penerbangan
  • Menjadwalkan janji temu dokter
  • Memesan pesan antar makanan
  • Menjawab pertanyaan tentang katalog produk retail, seperti apakah item tersedia dalam warna lain
  • Halaman pemilihan agen Dialogflow bawaan.
    Gambar 1. Memilih agen siap pakai untuk aplikasi Dialogflow Chat.
  • Menguji agen di Dialogflow CX.
    Gambar 2. Menguji agen di Dialogflow CX untuk memastikan logika dan konfigurasi agen berfungsi sebagaimana mestinya. Diagram ini menunjukkan kumpulan halaman topik berurutan yang berkaitan dengan langkah-langkah tertentu dalam percakapan, seperti menetapkan lokasi pengambilan dan pengembalian untuk mobil sewaan, dan mengonfigurasi logika yang menghubungkannya. Percakapan diuji di simulator.
  • Mengonfigurasi aplikasi Chat Dialogflow.
    Gambar 3. Mengonfigurasi aplikasi Chat untuk memproses respons menggunakan agen Dialogflow CX di halaman konfigurasi Chat API di konsol Google Cloud.
  • Menguji aplikasi Chat Dialogflow CX
    Gambar 4. Melakukan percakapan tentang pemesanan mobil sewaan dengan aplikasi Dialogflow Chat di Google Chat.

Tujuan

  • Siapkan lingkungan Anda.
  • Buat dan deploy agen Dialogflow CX.
  • Buat dan deploy aplikasi Chat yang didukung oleh agen Dialogflow CX.
  • Uji aplikasi Chat.

Prasyarat

Arsitektur

Diagram berikut menunjukkan arsitektur aplikasi Chat yang dibuat dengan Dialogflow:

Arsitektur aplikasi Chat yang diterapkan dengan Dialogflow.

Pada diagram sebelumnya, pengguna yang berinteraksi dengan aplikasi Dialogflow Chat memiliki alur informasi berikut:

  1. Pengguna mengirim pesan di Chat ke aplikasi Chat, baik dalam pesan langsung maupun di ruang Chat.
  2. Agen virtual Dialogflow, yang berada di Google Cloud, menerima dan memproses pesan untuk menghasilkan respons.
  3. Atau, dengan menggunakan webhook Dialogflow, agen Dialogflow dapat berinteraksi dengan layanan pihak ketiga eksternal, seperti sistem pengelolaan project atau alat pembuatan tiket.
  4. Agen Dialogflow mengirimkan respons kembali ke layanan aplikasi Chat di Chat.
  5. Respons dikirim ke ruang Chat.

Menyiapkan lingkungan

Sebelum menggunakan Google API, Anda harus mengaktifkannya di project Google Cloud. Anda dapat mengaktifkan satu atau beberapa API dalam satu project Google Cloud.
  1. Di konsol Google Cloud, aktifkan Google Chat API dan Dialogflow API.

    Aktifkan API

  2. Pastikan Anda mengaktifkan API di project Cloud yang benar, lalu klik Berikutnya.

  3. Pastikan Anda mengaktifkan API yang benar, lalu klik Enable.

Membuat agen Dialogflow CX

Agen Dialogflow CX adalah agen virtual yang menangani percakapan serentak dengan pengguna akhir Anda. Ini adalah modul pemahaman bahasa alami yang memahami nuansa bahasa manusia. Dialogflow menerjemahkan teks pengguna akhir selama percakapan ke data terstruktur yang dapat dipahami oleh aplikasi dan layanan Anda. Anda mendesain dan mem-build agen Dialogflow untuk menangani jenis percakapan yang diperlukan untuk sistem Anda.

Agen Dialogflow seperti agen pusat layanan telepon manusia. Anda melatih keduanya untuk menangani skenario percakapan yang diharapkan, dan pelatihan Anda tidak perlu terlalu eksplisit.

Berikut cara membuat agen Dialogflow CX:

  1. Di konsol Dialogflow CX, buka Konsol Dialogflow CX. Klik Menu > Dialogflow CX.

    Buka konsol Dialogflow CX

  2. Pilih project Google Cloud. Untuk menemukan project, Anda mungkin perlu mengklik Semua, lalu menelusurinya.

  3. Sekarang Anda memiliki opsi untuk memilih agen bawaan atau membuat agen Anda sendiri. Jika Anda lebih suka mempelajari penyesuaian agen secara mendetail nanti, pilih salah satu agen bawaan, yang juga berguna untuk mempelajari kemampuan agen.

    Untuk memilih agen bawaan, ikuti langkah-langkah berikut:

    1. Klik Gunakan agen bawaan.
    2. Pilih agen bawaan. Untuk panduan ini, pilih Perjalanan: rental mobil.

      Agen diberi rating sebagai pemula, menengah, atau lanjutan berdasarkan jumlah fitur yang digunakan agen dan kecanggihan logika percakapannya. Memilih agen menengah atau lanjutan mungkin memerlukan penyesuaian dan setelan khusus agen, termasuk mengaktifkan fitur dan API di konsol Google Cloud.

    3. Klik Impor sebagai agen.

    Untuk membuat agen Anda sendiri, ikuti langkah-langkah berikut:

    1. Klik Buat agen.
    2. Pilih Buat otomatis untuk membuat agen penyimpanan data atau pilih Buat sendiri untuk membuat jenis agen lainnya.

    Untuk panduan mendetail tentang proses pembuatan agen, lihat Membuat agen Dialogflow CX.

  4. Konfigurasikan setelan agen dasar:

    1. Di Nama tampilan, masukkan nama tampilan.
    2. Pilih lokasi yang Anda inginkan. Jika Anda ingin mengubah setelan lokasi lanjutan, klik Edit.
    3. Pilih zona waktu pilihan Anda.
    4. Pilih bahasa default untuk agen Anda. Anda tidak dapat mengubah bahasa default untuk agen setelah pembuatan.
  5. Klik Buat. Dialogflow CX mulai membuat agen, lalu menampilkan alur awal default agen.

  6. Secara opsional, sesuaikan agen. Untuk panduan mendetail tentang proses penyesuaian agen, lihat Membuat agen Dialogflow CX.

  7. Sebagai praktik terbaik, uji agen:

    1. Klik Test agent.
    2. Pilih Test agent in environment.
    3. Di Environment, pilih Draft.
    4. Di Flow, pilih Default Start Flow.
    5. Di Halaman, pilih Halaman Awal.
    6. Di kotak tulis Bicara dengan agen, ketik Hello, lalu tekan Enter. Agen merespons dengan memperkenalkan diri.
    7. Selesaikan pengujian dengan melakukan contoh percakapan pengujian.
  8. Agen Dialogflow CX dibuat. Kembali ke konsol Dialogflow CX. Klik Menu > Dialogflow CX.

    Buka konsol Dialogflow CX

  9. Di bagian Agents, klik > Copy name. Simpan nama ini, karena Anda akan menggunakannya saat mengonfigurasi aplikasi Chat.

Membuat aplikasi Chat dan menghubungkannya dengan agen Dialogflow

Setelah membuat agen Dialogflow CX, ikuti langkah-langkah berikut untuk mengubahnya menjadi aplikasi Chat:

  1. Di konsol Google Cloud, buka Google Chat API. Telusuri "Google Chat API" dan klik Google Chat API, lalu klik Kelola.

    Buka Chat API

  2. Klik Konfigurasi dan siapkan aplikasi Chat:

    1. Di App name, masukkan Dialogflow App.
    2. Di Avatar URL, masukkan https://developers.google.com/workspace/chat/images/quickstart-app-avatar.png.
    3. Di Deskripsi, masukkan Responds to real human conversation.
    4. Di bagian Functionality, pilih Receive 1:1 messages dan Join spaces and group conversations.
    5. Di bagian Connection settings, pilih Dialogflow.
    6. Di bagian Dialogflow settings, pilih Dialogflow CX.
    7. Di Agent or Environment resource name, tempel nama agen Dialogflow CX yang Anda salin di akhir Create a Dialogflow CX agent.
    8. Sediakan aplikasi Chat ini untuk orang dan grup tertentu di domain Anda, lalu masukkan alamat email Anda.
    9. Di bagian Logs, pilih Log errors to Logging.
  3. Klik Simpan.

Aplikasi Chat siap menerima dan merespons pesan di Chat.

Menguji aplikasi Chat

Uji aplikasi Chat Dialogflow CX dengan mengirim pesan di Google Chat.

  1. Buka Google Chat menggunakan akun Google Workspace yang Anda berikan saat menambahkan diri sebagai penguji tepercaya.

    Buka Google Chat

  2. Klik Chat baru.
  3. Di kolom Tambahkan 1 orang atau lebih, ketik nama aplikasi Chat Anda.
  4. Pilih aplikasi Chat Anda dari hasil. Pesan langsung akan terbuka.

  5. Di pesan langsung baru dengan aplikasi, ketik Hello, lalu tekan enter.

    Aplikasi Dialogflow Chat merespons dengan memperkenalkan diri.

  6. Selesaikan pengujian dengan melakukan contoh percakapan pengujian.

Contoh percakapan pengujian

Untuk menguji aplikasi Chat Dialogflow CX di konsol Dialogflow CX atau di Google Chat, lakukan percakapan berikut. Penjelasan ini membantu Anda memahami cara agen Dialogflow CX menafsirkan bahasa alami pengguna dan menghasilkan respons bahasa alaminya sendiri di setiap langkah dalam percakapan. Contoh percakapan ini didasarkan pada agen bawaan yang disebut Travel: car rental.

Dialog Penjelasan
Pengguna akhir: Halo
Agen: Halo. Saya adalah agen penyewaan mobil virtual. Kami dapat membantu Anda memulai pemesanan rental mobil baru. Ada yang bisa saya bantu hari ini?
  1. Rute Intent Selamat Datang Default di Alur Mulai Default dipanggil.
  2. Fulfillment untuk pengendali status ini ("Halo! Saya...") ditambahkan ke antrean respons.
  3. Agen mengirimkan antrean respons ke pengguna akhir.
Pengguna akhir: Saya ingin menyewa mobil.
Agen: Di mana Anda ingin mengambil kendaraan?
  1. Rute intent car_rental.reservation_create di Halaman Mulai dicocokkan.
  2. Sesi bertransisi ke halaman Lokasi Pengambilan.
  3. Formulir halaman Pickup Location tidak lengkap, sehingga agen menggunakan parameter pickup_location untuk meminta pengguna ("Where would you like to pick up..."), yang ditambahkan ke antrean respons.
  4. Agen mengirimkan antrean respons ke pengguna akhir.
Pengguna akhir: Las Vegas
Agen: Ok, pengambilan akan dilakukan di Las Vegas.
Agen: Apakah lokasi pengantaran Anda berbeda dengan lokasi pengambilan?
  1. Input pengguna akhir mengisi parameter pickup_location yang diminta oleh agen di giliran percakapan sebelumnya.
  2. Rute intent car_rental.return_different_location di Default Start Flow cocok.
  3. Rute pengisian formulir di halaman Pickup Location dievaluasi dan dipanggil. Perintah ini memiliki fulfillment ("Ok, pengambilan Anda..."), yang ditambahkan ke antrean respons dengan referensi parameternya yang di-resolve ke nilai sebenarnya yang disediakan oleh pengguna akhir.
  4. Sesi akan bertransisi ke halaman Konfirmasi Lokasi.
  5. Halaman Konfirmasi Lokasi memiliki fulfillment entri ("Apakah lokasi pengantaran Anda berbeda..."), yang ditambahkan ke antrean respons.
  6. Agen mengirimkan antrean respons ke pengguna akhir.
Pengguna akhir: Ya. Saya akan mengantarkan mobilnya di Los Angeles.
Agen: Ok, Anda akan dijemput di Los Angeles.
Agen: Kapan Anda ingin mengambil kendaraan?
  1. Rute intent car_rental.return_different_location di Default Start Flow cocok.
  2. Sesi bertransisi ke halaman Lokasi Pengantaran.
  3. Input pengguna akhir mengisi parameter drop_off_location yang diminta oleh agen di giliran percakapan sebelumnya.
  4. Rute penyelesaian formulir di halaman Lokasi Pengantaran dievaluasi dan dipanggil. Perintah ini memiliki fulfillment ("Ok, drop off Anda..."), yang ditambahkan ke antrean respons.
  5. Sesi akan bertransisi ke halaman Rental Duration.
  6. Halaman Rental Duration memiliki nilai formulir yang tidak lengkap, sehingga meminta pengguna untuk memasukkan parameter pickup_date_time ("What date and time would you like to pick up..."), yang ditambahkan ke antrean respons.
  7. Agen mengirimkan antrean respons ke pengguna akhir.
Pengguna akhir: Saya ingin mengambil mobil pada 5 Maret pukul 12.00.
Agen: Kapan Anda ingin mengembalikan kendaraan?
  1. Input pengguna akhir mengisi parameter pickup_date_time yang diminta oleh agen di giliran percakapan sebelumnya.
  2. Halaman Rental Duration memiliki nilai formulir lain yang tidak ada, sehingga meminta pengguna untuk memasukkan parameter drop_off_date_time ("Tanggal dan waktu apa yang Anda inginkan untuk mengembalikan..."), yang ditambahkan ke antrean respons.
  3. Agen mengirimkan antrean respons ke pengguna akhir.
Pengguna akhir: 15 Maret pada siang hari.
Agen: Jadi, untuk mengonfirmasi:

Anda akan mengambil kendaraan di Las Vegas 05-03-2024 12.00.00 dan mengembalikannya di Los Angeles 15-03-2024 12.00.00

Apakah itu benar?
  1. Input pengguna akhir mengisi parameter drop_off_date_time yang diminta oleh agen di giliran percakapan sebelumnya.
  2. Sesi akan beralih ke halaman Konfirmasi Durasi Sewa.
  3. Halaman Konfirmasi Durasi Sewa memiliki fulfillment entri ("Jadi untuk mengonfirmasi..."), yang ditambahkan ke antrean respons.
  4. Agen mengirimkan antrean respons ke pengguna akhir.
Pengguna akhir: Ya, terima kasih.
Agen: Bagus. Sekarang, mari kita pilih kendaraan.
Agen: Apakah Anda menginginkan kendaraan ekonomis atau mewah?
  1. Rute intent small_talk.confirmation.yes di halaman Konfirmasi Durasi Sewa cocok.
  2. Agen mengonfirmasi pilihan pengguna dengan pesan ("Bagus! Sekarang mari kita pilih..."), yang ditambahkan ke antrean respons.
  3. Sesi bertransisi ke halaman Pembedaan Kendaraan.
  4. Formulir halaman Pembedaan Kendaraan tidak lengkap, sehingga agen menggunakan parameter vehicle_type untuk meminta pengguna ("Apakah Anda menginginkan ekonomi atau mewah..."), yang ditambahkan ke antrean respons.
  5. Agen mengirimkan antrean respons ke pengguna akhir.
Pengguna akhir: Ekonomi.
Agen: Apakah Anda ingin Cymbal Car atau Cymbal Truck?
  1. Rute intent $session.params.vehicle_type="economy_vehicle" cocok.
  2. Sesi akan bertransisi ke halaman Economy Options.
  3. Halaman Opsi Ekonomis memiliki fulfillment entri ("Apakah Anda ingin..."), yang ditambahkan ke antrean respons.
  4. Agen mengirimkan antrean respons ke pengguna akhir.
Pengguna akhir: Cymbal Truck.
Agen: Cymbal Truck seharga $50,33 per hari. Kapasitas 4 orang dan dilengkapi dengan radio AM/FM. Ingin melanjutkan ke pembayaran?
Pengguna akhir: Ya, silakan.
  1. Rute intent $session.params.vehicle_type="Cymbal Truck" cocok dan parameter vehicle_model diisi.
  2. Sesi akan beralih ke halaman Konfirmasi Cymbal Truck.
  3. Halaman Konfirmasi Cymbal Truck memiliki fulfillment entri ("Cymbal Truck adalah $50,33 per hari..."), yang ditambahkan ke antrean respons.
  4. Agen mengirimkan antrean respons ke pengguna akhir.
  5. Respons pengguna cocok dengan rute small_talk.confirmation.yes.
Agen: Jenis kartu apa yang akan Anda gunakan?
Pengguna akhir: Altostrat
Agen: Masukkan nomor kartu.
Pengguna akhir: 1234 1234 1234 1234
Agen: Siapa nama yang tercantum di kartu?
Pengguna akhir: Charlie
Agen: Apa alamat penagihan Anda?
Pengguna akhir: 1800 Amphibious Blvd. Mountain View, CA
Agen: Apa kode pos penagihan?
Pengguna akhir: 94045
Agen: Anda akan mengambil Cymbal Car di Las Vegas, 05-03-2024 12.00.00 dan mengembalikannya, 15-03-2024 12.00.00. Total untuk perjalanan ini adalah $175,38.
Agen: Terima kasih telah menyewa dengan kami dan semoga hari Anda menyenangkan.
  1. Sesi bertransisi ke halaman Pembayaran.
  2. Formulir Pembayaran tidak lengkap sehingga agen meminta pengguna untuk memasukkan parameter card_type, card_number, billing_name, billing_street_address, dan billing_zip_code ("What card type will..."), yang ditambahkan secara berurutan ke antrean respons dan dikirim saat pengguna merespons. Respons pengguna menetapkan setiap parameter value.
  3. Sesi akan bertransisi ke halaman Konfirmasi Sewa.
  4. Halaman Konfirmasi Sewa memiliki fulfillment entri ("Ok, pengambilan Anda akan dilakukan..."), yang ditambahkan ke antrean respons.
  5. Agen mengirimkan antrean respons ke pengguna akhir.
  6. Sesi akan bertransisi ke halaman Akhiri Sesi.

Mengirim pesan kartu dari Dialogflow

Dialogflow dapat merespons dengan pesan teks atau kartu. Untuk merespons dengan pesan kartu, tentukan sebagai payload kustom dalam fulfillment.

JSON berikut menunjukkan cara mengirim pesan kartu sebagai payload kustom dalam fulfillment:

json

{
  'cardsV2': [{
    'cardId': 'createCardMessage',
    'card': {
      'header': {
        'title': 'A card message!',
        'subtitle': 'Sent from Dialogflow',
        'imageUrl': 'https://developers.google.com/chat/images/chat-product-icon.png',
        'imageType': 'CIRCLE'
      },
      'sections': [
        {
          'widgets': [
            {
              'buttonList': {
                'buttons': [
                  {
                    'text': 'Read the docs!',
                    'onClick': {
                      'openLink': {
                        'url': 'https://developers.google.com/workspace/chat'
                      }
                    }
                  }
                ]
              }
            }
          ]
        }
      ]
    }
  }]
}

Batas dan pertimbangan

  • Peristiwa interaksi chat memiliki dukungan terbatas dan beberapa pertimbangan:
    • Jenis peristiwa interaksi berikut didukung:
      • MESSAGE
      • ADDED_TO_SPACE
      • CARD_CLICKED
    • Untuk peristiwa MESSAGE atau ADDED_TO_SPACE, input kueri yang dikirim ke agen Dialogflow sesuai dengan nilai kolom argumentText dalam pesan Chat. Jika pesan menyertakan perintah garis miring, nilai kolom text akan digunakan sebagai gantinya.
    • Untuk peristiwa CARD_CLICKED, input kueri yang dikirim ke agen Dialogflow diformat sebagai CARD_CLICKED.functionName, dengan functionName sesuai dengan nilai kolom function dari objek Action yang dilampirkan ke elemen kartu interaktif (seperti tombol).
    • Payload JSON lengkap dari setiap peristiwa interaksi Chat dikirim ke Dialogflow sebagai payload kustom dalam parameter kueri, dan dapat diakses dengan webhook Dialogflow dengan mengkueri nilai kolom WebhookRequest.payload.
  • Pertimbangan untuk merespons perintah garis miring dan menerima data dari kartu atau dialog:
    • Saat aplikasi Dialogflow Chat menerima pesan dengan perintah garis miring, input kueri hanya berisi nilai kolom text. Kolom text dimulai dengan nama perintah garis miring (misalnya, /command), yang dapat Anda gunakan untuk mengonfigurasi intent agen Dialogflow untuk mendeteksi perintah garis miring.
    • Jika agen Dialogflow perlu memproses payload JSON peristiwa interaksi Chat, agen tersebut dapat melakukannya dengan menggunakan webhook Dialogflow untuk memeriksa payload kustom dalam parameter kueri.
    • Untuk menampilkan dialog dari Agent Dialogflow, respons dengan satu payload JSON kustom yang menyertakan pesan yang berisi respons tindakan DIALOG.
    • Untuk memproses data yang dimasukkan dari kartu, agen Dialogflow dapat mendeteksi intent yang dimulai dengan teks CARD_CLICKED dan merespons dengan satu payload JSON kustom yang berisi tindakan yang sesuai.
  • Pratinjau link tidak didukung.
  • Jika agen Dialogflow hanya merespons dengan satu pesan, pesan tersebut akan dikirim ke Google Chat secara sinkron. Jika agen Dialogflow merespons dengan beberapa pesan, semua pesan akan dikirim ke Chat secara asinkron dengan memanggil metode create pada resource spaces.messages di Chat API satu kali untuk setiap pesan.
  • Saat menggunakan integrasi Dialogflow CX dengan Chat, agen Dialogflow dan aplikasi Chat harus disiapkan di project Google Cloud yang sama. Jika perlu menyiapkan Dialogflow dan Chat di project Cloud yang berbeda, Anda dapat menyiapkan server perantara untuk memfasilitasi koneksi. Untuk mempelajari caranya, lihat contoh integrasi Chat untuk Dialogflow CX ini di GitHub.

Memecahkan masalah

Saat aplikasi Google Chat atau kartu menampilkan error, antarmuka Chat akan menampilkan pesan yang bertuliskan "Terjadi masalah". atau "Tidak dapat memproses permintaan Anda". Terkadang UI Chat tidak menampilkan pesan error, tetapi aplikasi atau kartu Chat menghasilkan hasil yang tidak terduga; 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.

  1. Di Konsol Google Cloud, buka halaman Manage resources. Klik Menu > IAM & Admin > Kelola Resource.

    Buka Resource Manager

  2. Dalam daftar project, pilih project yang ingin Anda hapus, lalu klik Hapus .
  3. Pada dialog, ketik project ID, lalu klik Shut down untuk menghapus project.
  • Dialogflow CX menggunakan pendekatan state machine untuk desain agen Dialogflow, yang memberi Anda kontrol percakapan yang jelas dan eksplisit, pengalaman pengguna akhir yang lebih baik, dan alur kerja pengembangan yang lebih baik. Saat mem-build aplikasi Dialogflow Chat, sebaiknya gunakan Dialogflow CX.
  • Dialogflow ES adalah cara lain untuk menggunakan Dialogflow dengan aplikasi Chat.