สร้างแอป Google Chat ด้วยเอเจนต์ Agent2Agent

หน้านี้อธิบายวิธีการสร้างส่วนเสริม Google Workspace ที่ใช้งานได้ใน Google Chat และเชื่อมต่อกับเอเจนต์ AI ที่ใช้โปรโตคอล Agent2Agent (A2A) คุณพัฒนาเอเจนต์โดยใช้ Agent Development Kit (ADK) และโฮสต์เอเจนต์นั้นใน Vertex AI Agent Engine

ตัวแทน AI สามารถรับรู้สภาพแวดล้อม คิดวิเคราะห์ และดำเนินการตามขั้นตอนที่ซับซ้อนได้อย่างอิสระ เพื่อบรรลุเป้าหมายที่กำหนดไว้ ในบทช่วยสอนนี้ คุณจะใช้งานตัวอย่างเอเจนต์หลายตัว LLM Auditor ที่วิเคราะห์และแก้ไขข้อเท็จจริงโดยใช้ Gemini และ Google Search เป็นพื้นฐาน

ตัวอย่างแอปพลิเคชันแชทสำหรับผู้ตรวจสอบ LLM แบบหลายเอเจนต์

แผนภาพต่อไปนี้แสดงสถาปัตยกรรมและรูปแบบการส่งข้อความ:

สถาปัตยกรรมของแอปพลิเคชันแชทที่ใช้งานด้วยเอเจนต์ AI แบบ A2A

ในแผนภาพ ผู้ใช้ที่โต้ตอบกับแอปแชทซึ่งทำงานร่วมกับเอเจนต์ A2A จะมีการไหลของข้อมูลดังต่อไปนี้:

  1. ผู้ใช้ส่งข้อความไปยังแอปแชท ไม่ว่าจะเป็นข้อความส่วนตัวหรือในพื้นที่แชท
  2. ตรรกะของแอปแชท ซึ่งเขียนด้วย Apps Script หรือเป็นเว็บเซิร์ฟเวอร์ที่มีเอนด์พอยต์ HTTP จะรับและประมวลผลข้อความ
  3. เอเจนต์ A2A ที่โฮสต์อยู่บน Vertex AI Agent Engine จะรับและประมวลผลการโต้ตอบ
  4. นอกจากนี้ แอปแชทหรือตัวแทน AI สามารถผสานรวมกับบริการ Google Workspace เช่น ปฏิทินหรือสเปรดชีต หรือบริการ Google อื่นๆ เช่น Google Maps หรือ YouTube ได้อีกด้วย
  5. แอปแชทจะส่งการตอบกลับแบบอะซิงโครนัส โดยใช้ Google Chat API ในการสื่อสารความคืบหน้าของตัวแทน AI
  6. ระบบจะส่งคำตอบไปยังผู้ใช้

วัตถุประสงค์

  • ตั้งค่าสภาพแวดล้อม
  • ติดตั้งเอเจนต์ A2A
  • ติดตั้งแอปพลิเคชันแชท
  • ตั้งค่าแอปแชท
  • ทดสอบแอปแชท

ข้อกำหนดเบื้องต้น

ตั้งค่าสภาพแวดล้อม

เปิดใช้งาน Google Cloud API

ก่อนใช้งาน Google API คุณต้องเปิดใช้งานในโปรเจ็กต์ Google Cloud ก่อน คุณสามารถเปิดใช้งาน API อย่างน้อยหนึ่งรายการในโปรเจ็กต์ Google Cloud เดียวได้

  • ในคอนโซล Google Cloud ให้เปิดใช้งาน API ของ Google Chat, Vertex AI และ Cloud Resource Manager

    เปิดใช้งาน API

กำหนดค่าหน้าจอขอความยินยอม OAuth

แอปพลิเคชันทั้งหมดที่ใช้ OAuth 2.0 จำเป็นต้องกำหนดค่าหน้าจอขอความยินยอม การกำหนดค่าหน้าจอขอความยินยอม OAuth ของแอปของคุณจะกำหนดสิ่งที่จะแสดงให้ผู้ใช้และผู้ตรวจสอบแอปเห็น และลงทะเบียนแอปของคุณเพื่อให้คุณสามารถเผยแพร่ได้ในภายหลัง

  1. ในคอนโซล Google Cloud ให้ไปที่เมนู > Google Auth platform > การสร้างแบรนด์.

    ไปที่การสร้างแบรนด์

  2. หากคุณได้กำหนดค่า Google Auth platformไว้แล้ว คุณสามารถกำหนดค่าการตั้งค่าหน้าจอยินยอม OAuth ต่อไปนี้ได้ใน การสร้างแบรนด์, กลุ่มเป้าหมาย และ การเข้าถึงข้อมูล หากคุณเห็นข้อความที่ระบุว่า Google Auth platform ยังไม่ได้กำหนดค่า ให้คลิก เริ่มต้นใช้งาน:
    1. ภายใต้ ข้อมูลแอป ในช่อง ชื่อแอป ให้ป้อนชื่อสำหรับแอป
    2. ในอีเมลสนับสนุนสำหรับผู้ใช้ ให้เลือกอีเมลสนับสนุนที่ผู้ใช้สามารถติดต่อคุณได้หากมีข้อสงสัยเกี่ยวกับการยินยอม
    3. คลิกถัดไป
    4. ในส่วนผู้ชม ให้เลือกภายใน
    5. คลิกถัดไป
    6. ในส่วนข้อมูลติดต่อ ให้ป้อนอีเมลที่คุณต้องการรับการแจ้งเตือนเกี่ยวกับการเปลี่ยนแปลงในโปรเจ็กต์
    7. คลิกถัดไป
    8. ในส่วนเสร็จสิ้น ให้อ่านนโยบายข้อมูลผู้ใช้ของบริการ Google API และหากยอมรับ ให้เลือกฉันยอมรับบริการ Google API: นโยบายข้อมูลผู้ใช้
    9. คลิกต่อไป
    10. คลิกสร้าง
  3. ในตอนนี้ คุณข้ามการเพิ่มขอบเขตได้ ในอนาคต เมื่อสร้างแอปเพื่อใช้ภายนอกองค์กร Google Workspace คุณจะต้องเปลี่ยนประเภทผู้ใช้เป็นภายนอก จากนั้น เพิ่มขอบเขตการให้สิทธิ์ที่แอปของคุณต้องการ ดูข้อมูลเพิ่มเติมได้ที่คู่มือกำหนดค่าความยินยอม OAuth ฉบับเต็ม

สร้างบัญชีบริการในคอนโซล Google Cloud

สร้างบัญชีบริการใหม่ที่มีบทบาท Vertex AI User โดยทำตาม ขั้นตอนต่อไปนี้

คอนโซล Google Cloud

  1. ใน Google Cloud Console ให้ไปที่เมนู > IAM & Admin > บัญชีบริการ

    ไปที่บัญชีบริการ

  2. คลิกสร้างบัญชีบริการ
  3. กรอกรายละเอียดบัญชีบริการ แล้วคลิกสร้างและดำเนินการต่อ
  4. ไม่บังคับ: มอบหมายบทบาทให้กับบัญชีบริการเพื่อให้สิทธิ์เข้าถึงทรัพยากรของโปรเจ็กต์ Google Cloud ดูรายละเอียดเพิ่มเติมได้ที่การให้ เปลี่ยน และเพิกถอนสิทธิ์เข้าถึงทรัพยากร
  5. คลิกต่อไป
  6. ไม่บังคับ: ป้อนผู้ใช้หรือกลุ่มที่จัดการและดำเนินการกับบัญชีบริการนี้ได้ โปรดดูรายละเอียดเพิ่มเติมที่หัวข้อการจัดการการแอบอ้างเป็นบัญชีบริการ
  7. คลิกเสร็จสิ้น จดอีเมลของบัญชีบริการไว้

gcloud CLI

  1. สร้างบัญชีบริการโดยทำดังนี้ 
    gcloud iam service-accounts create SERVICE_ACCOUNT_NAME \
  --display-name="SERVICE_ACCOUNT_NAME"
  2. ไม่บังคับ: มอบหมายบทบาทให้กับบัญชีบริการเพื่อให้สิทธิ์เข้าถึงทรัพยากรของโปรเจ็กต์ Google Cloud ดูรายละเอียดเพิ่มเติมได้ที่การให้ เปลี่ยน และเพิกถอนสิทธิ์เข้าถึงทรัพยากร

บัญชีบริการจะปรากฏในหน้าบัญชีบริการ

สร้างคีย์ส่วนตัว

หากต้องการสร้างและดาวน์โหลดคีย์ส่วนตัวสำหรับบัญชีบริการ ให้ทำตามขั้นตอนต่อไปนี้

  1. ใน Google Cloud Console ให้ไปที่เมนู > IAM & Admin > บัญชีบริการ

    ไปที่บัญชีบริการ

  2. เลือกบัญชีบริการ
  3. คลิกคีย์ > เพิ่มคีย์ > สร้างคีย์ใหม่
  4. เลือก JSON แล้วคลิกสร้าง

    ระบบจะสร้างคู่คีย์สาธารณะ/ส่วนตัวใหม่และดาวน์โหลดลงในเครื่องของคุณเป็นไฟล์ใหม่ บันทึกไฟล์ JSON ที่ดาวน์โหลดเป็น credentials.json ใน ไดเรกทอรีการทำงาน ไฟล์นี้เป็นสำเนาเดียวของคีย์นี้ ดูข้อมูลเกี่ยวกับวิธีจัดเก็บคีย์อย่างปลอดภัยได้ที่การจัดการคีย์ของบัญชีบริการ

  5. คลิกปิด

ดูข้อมูลเพิ่มเติมเกี่ยวกับบัญชีบริการได้ที่บัญชีบริการในเอกสารประกอบของ Google Cloud IAM

ติดตั้งใช้งานเอเจนต์ A2A

  1. หากยังไม่ได้ดำเนินการ ให้ตรวจสอบสิทธิ์ด้วยบัญชี Google Cloud และ กำหนดค่า Google Cloud CLI ให้ใช้โปรเจ็กต์ Google Cloud

    gcloud auth application-default login
gcloud config set project PROJECT_ID
gcloud auth application-default set-quota-project PROJECT_ID

    แทนที่ PROJECT_ID ด้วยรหัสโปรเจ็กต์ Cloud

  2. ดาวน์โหลดที่เก็บ GitHub ของตัวอย่าง ADK โดยใช้ปุ่มนี้

    ดาวน์โหลด adk-samples

  3. ในสภาพแวดล้อมการพัฒนาในเครื่องที่ต้องการ ให้แตกไฟล์ที่ดาวน์โหลดมา และเปิดไดเรกทอรี adk-samples/python/agents/llm-auditor

    unzip adk-samples-main.zip
cd adk-samples-main/python/agents/llm-auditor

  4. อัปเดตการติดตั้งใช้งานเพื่อติดตั้งใช้งานเอเจนต์ ADK เป็นเอเจนต์ระยะไกล A2A โดยทำดังนี้

    1. pyproject.toml: เพิ่มทรัพยากร Dependency ของ ADK และ A2A SDK ในกลุ่มการติดตั้งใช้งาน

      apps-script/chat/a2a-ai-agent/llm-auditor/pyproject.toml
      [project]
name = "llm-auditor"
version = "0.1.0"
description = "The LLM Auditor evaluates LLM-generated answers, verifies actual accuracy using the web, and refines the response to ensure alignment with real-world knowledge."
authors = [
    { name = "Chun-Sung Ferng", email = "csferng@google.com" },
    { name = "Cyrus Rashtchian", email = "cyroid@google.com" },
    { name = "Da-Cheng Juan", email = "dacheng@google.com" },
    { name = "Ivan Kuznetsov", email = "ivanku@google.com" },
]
license = "Apache License 2.0"
readme = "README.md"

[tool.poetry.dependencies]
python = "^3.10"
google-adk = "^1.0.0"
google-cloud-aiplatform = { extras = [
    "adk",
    "agent-engines",
], version = "^1.93.0" }
google-genai = "^1.9.0"
pydantic = "^2.10.6"
python-dotenv = "^1.0.1"

[tool.poetry.group.dev]
optional = true

[tool.poetry.group.dev.dependencies]
google-adk = { version = "^1.0.0", extras = ["eval"] }
pytest = "^8.3.5"
pytest-asyncio = "^0.26.0"

[tool.poetry.group.deployment]
optional = true

[tool.poetry.group.deployment.dependencies]
absl-py = "^2.2.1"
google-adk = "^1.0.0"
a2a-sdk = "^0.3.0"

[build-system]
requires = ["poetry-core>=2.0.0,<3.0.0"]
build-backend = "poetry.core.masonry.api"

    2. deployment/deploy.py: แทนที่การปรับใช้แอป ADK ด้วยเอเจนต์และการ์ด A2A

      apps-script/chat/a2a-ai-agent/llm-auditor/deployment/deploy.py
      # Copyright 2025 Google LLC
#
# Licensed under the Apache License, Version 2.0 (the "License");
# you may not use this file except in compliance with the License.
# You may obtain a copy of the License at
#
#     http://www.apache.org/licenses/LICENSE-2.0
#
# Unless required by applicable law or agreed to in writing, software
# distributed under the License is distributed on an "AS IS" BASIS,
# WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
# See the License for the specific language governing permissions and
# limitations under the License.

"""Deployment script for LLM Auditor."""

import os

from absl import app
from absl import flags
from dotenv import load_dotenv
from llm_auditor.agent import root_agent
import vertexai
from vertexai import agent_engines

# A2A wrapping
from a2a.types import AgentSkill
from google.adk.a2a.executor.a2a_agent_executor import A2aAgentExecutor
from google.adk.runners import InMemoryRunner
from vertexai.preview.reasoning_engines.templates.a2a import create_agent_card
from vertexai.preview.reasoning_engines import A2aAgent

FLAGS = flags.FLAGS
flags.DEFINE_string("project_id", None, "GCP project ID.")
flags.DEFINE_string("location", None, "GCP location.")
flags.DEFINE_string("bucket", None, "GCP bucket.")
flags.DEFINE_string("resource_id", None, "ReasoningEngine resource ID.")

flags.DEFINE_bool("list", False, "List all agents.")
flags.DEFINE_bool("create", False, "Creates a new agent.")
flags.DEFINE_bool("delete", False, "Deletes an existing agent.")
flags.mark_bool_flags_as_mutual_exclusive(["create", "delete"])


def create() -> None:
    """Creates an agent engine for LLM Auditor."""
    agent_card = create_agent_card(
        agent_name=root_agent.name,
        description=root_agent.description,
        skills=[AgentSkill(
            id='audit_llm_output',
            name='Audit LLM Output',
            description='Critiques and revises outputs from large language models.',
            tags=['LLM', 'Audit', 'Revision'],
            examples=[
                'The earth is flat.',
                'The capital of France is Berlin.',
                'The last winner of the Super Bowl was the New England Patriots in 2020.',
            ],
        )]
    )
    a2a_agent = A2aAgent(
        agent_card=agent_card,
        agent_executor_builder=lambda: A2aAgentExecutor(
            runner=InMemoryRunner(
                app_name=root_agent.name,
                agent=root_agent,
            )
        )
    )
    a2a_agent.set_up()

    remote_agent = agent_engines.create(
        a2a_agent,
        display_name=root_agent.name,
        requirements=[
                "google-adk (>=0.0.2)",
                "google-cloud-aiplatform[agent_engines] (>=1.88.0,<2.0.0)",
                "google-genai (>=1.5.0,<2.0.0)",
                "pydantic (>=2.10.6,<3.0.0)",
                "absl-py (>=2.2.1,<3.0.0)",
                "a2a-sdk>=0.3.22",
                "uvicorn",
        ],
        # In-memory runner
        max_instances=1,
        env_vars ={
            "NUM_WORKERS": "1"
        },
        extra_packages=["./llm_auditor"],
    )
    print(f"Created remote agent: {remote_agent.resource_name}")


def delete(resource_id: str) -> None:
    remote_agent = agent_engines.get(resource_id)
    remote_agent.delete(force=True)
    print(f"Deleted remote agent: {resource_id}")


def list_agents() -> None:
    remote_agents = agent_engines.list()
    TEMPLATE = '''
{agent.name} ("{agent.display_name}")
- Create time: {agent.create_time}
- Update time: {agent.update_time}
'''
    remote_agents_string = '\n'.join(TEMPLATE.format(agent=agent) for agent in remote_agents)
    print(f"All remote agents:\n{remote_agents_string}")

def main(argv: list[str]) -> None:
    del argv  # unused
    load_dotenv()

    project_id = (
        FLAGS.project_id
        if FLAGS.project_id
        else os.getenv("GOOGLE_CLOUD_PROJECT")
    )
    location = (
        FLAGS.location if FLAGS.location else os.getenv("GOOGLE_CLOUD_LOCATION")
    )
    bucket = (
        FLAGS.bucket if FLAGS.bucket
        else os.getenv("GOOGLE_CLOUD_STORAGE_BUCKET")
    )

    print(f"PROJECT: {project_id}")
    print(f"LOCATION: {location}")
    print(f"BUCKET: {bucket}")

    if not project_id:
        print("Missing required environment variable: GOOGLE_CLOUD_PROJECT")
        return
    elif not location:
        print("Missing required environment variable: GOOGLE_CLOUD_LOCATION")
        return
    elif not bucket:
        print(
            "Missing required environment variable: GOOGLE_CLOUD_STORAGE_BUCKET"
        )
        return

    vertexai.init(
        project=project_id,
        location=location,
        staging_bucket=f"gs://{bucket}",
    )

    if FLAGS.list:
        list_agents()
    elif FLAGS.create:
        create()
    elif FLAGS.delete:
        if not FLAGS.resource_id:
            print("resource_id is required for delete")
            return
        delete(FLAGS.resource_id)
    else:
        print("Unknown command")


if __name__ == "__main__":
    app.run(main)

  5. สร้างบัคเก็ต Cloud Storage ใหม่สำหรับเอเจนต์ ADK โดยเฉพาะ

    gcloud storage buckets create gs://CLOUD_STORAGE_BUCKET_NAME --project=PROJECT_ID --location=PROJECT_LOCATION

    แทนที่ค่าต่อไปนี้

    1. CLOUD_STORAGE_BUCKET_NAME พร้อมชื่อถังที่ไม่ซ้ำกันที่คุณต้องการใช้
    2. PROJECT_ID พร้อมด้วย ID ของโปรเจ็กต์ Cloud ของคุณ
    3. PROJECT_LOCATION พร้อมตำแหน่งที่ตั้งของโปรเจ็กต์ Cloud ของคุณ

  6. ตั้งค่าตัวแปรสภาพแวดล้อมต่อไปนี้

    export GOOGLE_GENAI_USE_VERTEXAI=true
export GOOGLE_CLOUD_PROJECT=PROJECT_ID
export GOOGLE_CLOUD_LOCATION=PROJECT_LOCATION
export GOOGLE_CLOUD_STORAGE_BUCKET=CLOUD_STORAGE_BUCKET_NAME

    แทนที่ค่าต่อไปนี้

    1. CLOUD_STORAGE_BUCKET_NAME พร้อมชื่อของถังที่คุณสร้าง
    2. PROJECT_ID พร้อมด้วย ID ของโปรเจ็กต์ Cloud ของคุณ
    3. PROJECT_LOCATION พร้อมตำแหน่งที่ตั้งของโปรเจ็กต์ Cloud ของคุณ

  7. ติดตั้งและใช้งานเอเจนต์ ADK จากสภาพแวดล้อมเสมือน

    python3 -m venv myenv
source myenv/bin/activate
poetry install --with deployment
python3 deployment/deploy.py --create

  8. ดึงข้อมูลรหัสตัวแทน (Agent ID) คุณจะต้องใช้มันในภายหลัง เมื่อคุณตั้งค่าแอปแชท

    python3 deployment/deploy.py --list

สร้างและกำหนดค่าโปรเจ็กต์แอปแชท

  1. คลิกปุ่มต่อไปนี้เพื่อเปิดโปรเจ็กต์ Apps Script ของ A2A AI Agent Quickstart

    เปิดโปรเจ็กต์

  2. คลิก ภาพรวม > ไอคอนสำหรับทำสำเนา ทำสำเนา.

  3. ในโปรเจ็กต์ Apps Script ของคุณ ให้คลิกไอคอนสำหรับการตั้งค่าโปรเจ็กต์ การตั้งค่าโปรเจ็กต์ > แก้ไขคุณสมบัติของสคริปต์ > เพิ่มคุณสมบัติสคริปต์ เพื่อเพิ่มคุณสมบัติสคริปต์ต่อไปนี้:

    1. REASONING_ENGINE_RESOURCE_NAME โดยคัดลอกชื่อทรัพยากรเอเจนต์ Vertex AI ในขั้นตอนก่อนหน้า
    2. SERVICE_ACCOUNT_KEY โดยใช้คีย์ JSON จากบัญชีบริการที่ดาวน์โหลดในขั้นตอนก่อนหน้า เช่น { ... }

  4. คลิกบันทึกพร็อพเพอร์ตี้ของสคริปต์

  5. ใน Google Cloud Console ให้ไปที่เมนู > IAM และผู้ดูแลระบบ > การตั้งค่า

    ไปที่การตั้งค่า IAM และผู้ดูแลระบบ

  6. คัดลอกค่าในช่องหมายเลขโปรเจ็กต์

  7. ในโปรเจ็กต์ Apps Script ให้ คลิก ไอคอนสำหรับการตั้งค่าโปรเจ็กต์ การตั้งค่าโปรเจ็กต์

  8. ในส่วนโปรเจ็กต์ Google Cloud Platform (GCP) ให้คลิกเปลี่ยนโปรเจ็กต์

  9. ในหมายเลขโปรเจ็กต์ GCP ให้วางหมายเลขโปรเจ็กต์ Google Cloud ที่คัดลอกไว้ใน ขั้นตอนก่อนหน้า

  10. คลิกตั้งค่าโปรเจ็กต์ ตอนนี้โปรเจ็กต์ระบบคลาวด์และโปรเจ็กต์ Apps Script เชื่อมต่อกันแล้ว

สร้างการทำให้ใช้งานได้สำหรับการทดสอบ

คุณต้องมีรหัสการทําให้ใช้งานได้สําหรับโปรเจ็กต์ Apps Script นี้ เพื่อให้คุณใช้รหัสดังกล่าวในขั้นตอนถัดไปได้

หากต้องการรับรหัสการทำให้ใช้งานได้ล่าสุด ให้ทำดังนี้

  1. ในโปรเจ็กต์ Apps Script ของแอป Chat ให้ คลิกทําให้ใช้งานได้ > ทดสอบการทําให้ใช้งานได้
  2. ในส่วนรหัสการทำให้ใช้งานได้ของเวอร์ชันล่าสุด ให้คลิก ไอคอนสำหรับการทำสำเนา คัดลอก
  3. คลิกเสร็จสิ้น

กำหนดค่าแอป Chat

ใช้การติดตั้งใช้งาน Apps Script แล้วทำตามขั้นตอนต่อไปนี้เพื่อติดตั้งใช้งาน แอป Google Chat สำหรับการทดสอบ

  1. ในคอนโซล ให้ค้นหา Google Chat API แล้วคลิก Google Chat API
  2. คลิกจัดการ

  3. คลิกการกำหนดค่า แล้วตั้งค่าแอป Chat ดังนี้

    1. ป้อน A2A Quickstart ในช่องชื่อแอป
    2. ในช่อง URL อวตาร ให้ป้อน https://developers.google.com/workspace/add-ons/images/quickstart-app-avatar.png
    3. ในช่องคำอธิบาย ให้ป้อน A2A Quickstart
    4. ในส่วนฟังก์ชันการทำงาน ให้เลือกเข้าร่วมพื้นที่ทำงานและการสนทนากลุ่ม
    5. ภายใต้การตั้งค่าการเชื่อมต่อ ให้เลือก Apps Script project
    6. ในช่อง Deployment ID ให้วาง Head deployment ID ที่คุณคัดลอกไว้ก่อนหน้านี้
    7. ภายใต้หัวข้อการมองเห็น ให้เลือก บุคคลและกลุ่มเฉพาะในโดเมนของคุณ แล้วป้อนอีเมลของคุณ

  4. คลิกบันทึก

แอปแชทพร้อมตอบข้อความแล้ว

ทดสอบแอปแชท

เพื่อทดสอบแอปแชทของคุณ ให้เปิดพื้นที่ข้อความส่วนตัวด้วยแอปแชทแล้วส่งข้อความ:

  1. เปิด Google Chat โดยใช้บัญชี Google Workspace ที่คุณระบุไว้เมื่อเพิ่มตัวเองเป็นผู้ทดสอบที่เชื่อถือได้

    ไปที่ Google Chat

  2. คลิก แชทใหม่
  3. ในช่อง เพิ่มบุคคล 1 คนขึ้นไป ให้พิมพ์ชื่อแอปแชทของคุณ

  4. เลือกแอปแชทของคุณจากผลลัพธ์ ระบบจะเปิดข้อความส่วนตัวขึ้นมา

  5. ในการส่งข้อความโดยตรงครั้งใหม่ผ่านแอป ให้พิมพ์ The Eiffel Tower was completed in 1900 แล้วกด enter

    แอปแชทจะตอบกลับด้วยข้อความตอบกลับย่อยของ Critic และ Reviser

หากต้องการเพิ่มผู้ทดสอบที่เชื่อถือได้และเรียนรู้เพิ่มเติมเกี่ยวกับการทดสอบคุณสมบัติแบบโต้ตอบ โปรดดูที่ ทดสอบคุณสมบัติแบบโต้ตอบสำหรับแอป Google Chat

แก้ปัญหา

เมื่อแอป Google Chat หรือ card ส่งคืนข้อผิดพลาด อินเทอร์เฟซแชทจะแสดงข้อความว่า "เกิดข้อผิดพลาดบางอย่าง" หรือ "ไม่สามารถดำเนินการตามคำขอของคุณได้" บางครั้ง UI ของแอปแชทอาจไม่แสดงข้อความแสดงข้อผิดพลาดใดๆ แต่แอปแชทหรือการ์ดอาจแสดงผลลัพธ์ที่ไม่คาดคิด เช่น ข้อความในการ์ดอาจไม่ปรากฏขึ้น

แม้ว่าข้อความแสดงข้อผิดพลาดอาจไม่ปรากฏในส่วนติดต่อผู้ใช้แชท แต่จะมีข้อความแสดงข้อผิดพลาดโดยละเอียดและข้อมูลบันทึกเพื่อช่วยคุณแก้ไขข้อผิดพลาดเมื่อเปิดใช้งานการบันทึกข้อผิดพลาดสำหรับแอปแชท หากต้องการความช่วยเหลือในการดู แก้ไขข้อบกพร่อง และแก้ไขข้อผิดพลาด โปรดดูที่ แก้ไขปัญหาและแก้ไขข้อผิดพลาดของ Google Chat

ล้างข้อมูล

เราขอแนะนำให้คุณลบโปรเจ็กต์ Cloud เพื่อหลีกเลี่ยงการเรียกเก็บเงินจากบัญชี Google Cloud สำหรับทรัพยากรที่ใช้ในบทแนะนำนี้

  1. ใน Google Cloud Console ให้ไปที่หน้าจัดการทรัพยากร คลิก เมนู > IAM และผู้ดูแลระบบ > จัดการทรัพยากร

    ไปที่เครื่องมือจัดการทรัพยากร

  2. ในรายการโปรเจ็กต์ ให้เลือกโปรเจ็กต์ที่ต้องการลบ แล้วคลิก ลบ
  3. ในกล่องโต้ตอบ ให้พิมพ์รหัสโปรเจ็กต์ แล้วคลิกปิดเพื่อลบ โปรเจ็กต์