이 가이드는 Tableau 시작하기에 대한 간단한 개요를 제공합니다.

​
개요

Tableau의 VizQL Data Service(VDS)는 개발자에게 Tableau Published Data Sources에 대한 프로그래밍 방식의 접근을 제공하여, AI Agent를 포함한 모든 커스텀 워크로드나 애플리케이션에 대해 비즈니스 의미론을 확장할 수 있도록 합니다. simple_datasource_qa tool은 LangChain 프레임워크에 VDS를 추가합니다. 이 노트북은 엔터프라이즈 semantic model을 기반으로 분석 질문에 답변하는 agent를 구축하는 방법을 보여줍니다. 곧 출시될 더 많은 tool에 대해서는 tableau-langchain 프로젝트를 팔로우하세요!

​
설정

다음을 실행 중이고 접근 권한이 있는지 확인하세요:
  1. python 버전 3.12.2 이상
  2. 최소 1개 이상의 published data source가 있는 Tableau Cloud 또는 Server 환경
필요한 패키지를 설치 및/또는 import하여 시작하세요 
# pip install langchain-openai

# pip install langgraph

# pip install langchain-tableau --upgrade

Requirement already satisfied: regex>=2022.1.18 in /Users/joe.constantino/.pyenv/versions/3.12.2/lib/python3.12/site-packages (from tiktoken<1,>=0.7->langchain-openai->langchain-tableau) (2024.11.6)
Requirement already satisfied: httpcore==1.* in /Users/joe.constantino/.pyenv/versions/3.12.2/lib/python3.12/site-packages (from httpx>=0.25.2->langgraph-sdk<0.2.0,>=0.1.42->langgraph->langchain-tableau) (1.0.7)
Requirement already satisfied: h11<0.15,>=0.13 in /Users/joe.constantino/.pyenv/versions/3.12.2/lib/python3.12/site-packages (from httpcore==1.*->httpx>=0.25.2->langgraph-sdk<0.2.0,>=0.1.42->langgraph->langchain-tableau) (0.14.0)
업데이트된 패키지를 사용하려면 커널을 재시작해야 할 수 있습니다

​
자격 증명

이 문서의 여러 경우에서 보여지는 것처럼 환경 변수를 명시적으로 선언할 수 있습니다. 그러나 이러한 매개변수가 제공되지 않으면 simple_datasource_qa tool은 환경 변수에서 자동으로 읽으려고 시도합니다. 쿼리하려는 Data Source에 대해 Tableau의 VizqlDataApiAccess 권한을 업데이트하여 VDS API가 REST를 통해 해당 Data Source에 접근할 수 있도록 허용했는지 확인하세요. 자세한 정보는 여기를 참조하세요. 
# langchain package imports
from langchain_openai import ChatOpenAI

# langchain_tableau and langgraph imports
from langchain_tableau.tools.simple_datasource_qa import initialize_simple_datasource_qa
from langchain.agents import create_agent

​
인증 변수

이 쿡북의 여러 경우에서 보여지는 것처럼 환경 변수를 명시적으로 선언할 수 있습니다. 그러나 이러한 매개변수가 제공되지 않으면 simple_datasource_qa tool은 환경 변수에서 자동으로 읽으려고 시도합니다. 선택한 Data Source에 대해 Tableau의 VizqlDataApiAccess 권한을 업데이트하여 VDS API가 REST를 통해 해당 Data Source에 접근할 수 있도록 허용했는지 확인하세요. 자세한 정보는 여기를 참조하세요. 
import os

from dotenv import load_dotenv

load_dotenv()

tableau_server = "https://stage-dataplane2.tableau.sfdc-shbmgi.svc.sfdcfc.net/"  # replace with your Tableau server name
tableau_site = "vizqldataservicestage02"  # replace with your Tableau site
tableau_jwt_client_id = os.getenv(
    "TABLEAU_JWT_CLIENT_ID"
)  # a JWT client ID (obtained through Tableau's admin UI)
tableau_jwt_secret_id = os.getenv(
    "TABLEAU_JWT_SECRET_ID"
)  # a JWT secret ID (obtained through Tableau's admin UI)
tableau_jwt_secret = os.getenv(
    "TABLEAU_JWT_SECRET"
)  # a JWT secret ID (obtained through Tableau's admin UI)
tableau_api_version = "3.21"  # the current Tableau REST API Version
tableau_user = "[email protected]"  # enter the username querying the target Tableau Data Source

# For this cookbook we are connecting to the Superstore dataset that comes by default with every Tableau server
datasource_luid = (
    "0965e61b-a072-43cf-994c-8c6cf526940d"  # the target data source for this Tool
)
model_provider = "openai"  # the name of the model provider you are using for your Agent
# Add variables to control LLM models for the Agent and Tools
os.environ["OPENAI_API_KEY"]  # set an your model API key as an environment variable
tooling_llm_model = "gpt-4o-mini"

​
인스턴스화

initialize_simple_datasource_qa는 Tableau Data Source에 대한 분석 질문과 답변에 사용할 수 있는 simple_datasource_qa라는 LangGraph tool을 초기화합니다. 이 initializer function은:
  1. JWT 기반 인증을 위한 Tableau의 connected-app 프레임워크를 사용하여 Tableau에 인증합니다. 모든 필수 변수는 런타임 또는 환경 변수로 정의되어야 합니다.
  2. datasource_luid 변수에 지정된 대상 datasource의 field metadata를 비동기적으로 쿼리합니다.
  3. 대상 datasource의 metadata를 기반으로 자연어 질문을 VDS query-datasource 요청에 필요한 json 형식의 query payload로 변환합니다.
  4. VDS에 POST 요청을 실행합니다.
  5. 결과를 구조화된 응답으로 포맷하고 반환합니다.
# Initialize simple_datasource_qa for querying Tableau Datasources through VDS
analyze_datasource = initialize_simple_datasource_qa(
    domain=tableau_server,
    site=tableau_site,
    jwt_client_id=tableau_jwt_client_id,
    jwt_secret_id=tableau_jwt_secret_id,
    jwt_secret=tableau_jwt_secret,
    tableau_api_version=tableau_api_version,
    tableau_user=tableau_user,
    datasource_luid=datasource_luid,
    tooling_llm_model=tooling_llm_model,
    model_provider=model_provider,
)

# load the List of Tools to be used by the Agent. In this case we will just load our data source Q&A tool.
tools = [analyze_datasource]

​
호출 - LangGraph 예제

먼저, 선택한 LLM을 초기화합니다. 그런 다음 langgraph agent constructor class를 사용하여 agent를 정의하고 대상 data source와 관련된 쿼리로 호출합니다. 
from IPython.display import Markdown, display

model = ChatOpenAI(model="gpt-4o", temperature=0)

tableauAgent = create_agent(model, tools)

# Run the agent
messages = tableauAgent.invoke(
    {
        "messages": [
            (
                "human",
                "what's going on with table sales?",
            )
        ]
    }
)
messages
# display(Markdown(messages['messages'][3].content)) #display a nicely formatted answer for successful generations

​
체이닝

TODO.

​
API reference

TODO.
Edit the source of this page on GitHub.
Connect these docs programmatically to Claude, VSCode, and more via MCP for real-time answers.
⌘I