在「使用 Dialogflow 打造聊天機器人」文章裡已經學會使用 Dialogflow 建立聊天機器人，接下來這篇文章將會介紹如何使用 Google Cloud 建立金鑰，讓自己的 Python 伺服器，可以透過 API 串接 Dialogflow。
原文參考：伺服器串接 Dialogflow
建立 Dialogflow 專案後，同時也會在 Google Cloud Platform 裡建立一個專案，前往 Google Cloud PlatForm 並進入該專案。
點選左上角圖示開啟選單，選擇「IAM 與管理」裡的「服務帳戶」。
如果已經有使用 Dialogflow，會有出現預設的一些服務帳戶，點擊 Dialogflow Integrations 的服務帳戶後方的圖示，選擇「管理金鑰」
進入後新增金鑰，選擇「建立新的金鑰」。
建立金鑰時選擇 json 檔案，將其下載存放到和 python 伺服器執行的檔案同樣的目錄 ( 這樣就不用額外處理檔案路徑 )
存檔後可以使用編輯器打開查看金鑰 json，內容是 token 之類的資訊。
{
"type": "service_account",
"project_id": "XXX",
"private_key_id": "XXX",
"private_key": "XXXXXXXX",
"client_email": "XXXXX@appspot.gserviceaccount.com",
"client_id": "XXXXXXX",
"auth_uri": "https://accounts.google.com/o/oauth2/auth",
"token_uri": "https://oauth2.googleapis.com/token",
"auth_provider_x509_cert_url": "https://www.googleapis.com/oauth2/v1/certs",
"client_x509_cert_url": "https://www.googleapis.com/robot/v1/metadata/x509/XXXXX%40appspot.gserviceaccount.com"
}
要使用伺服器串接 Dialogflow，必須要先安裝 Google Cloud 相關的函式庫，輸入指令安裝 google-cloud-dialogflow。
注意，因 Google Dialogflow 函式庫無法運行在 Python 3.7 的環境，所以如果遇到無法安裝的情形，請先將 Python 升級為 3.9 以上版本，同理，因為 Colab 預設 Python 3.7，也就無法正確安裝和執行 Google Dialogflow 函式庫。
pip install google-cloud-dialogflow
參考「使用 Anaconda」或「使用 Python 虛擬環境」文章，選擇其中一種作為本機架設環境，接著參考下方的程式碼，搭配「Flask 函式庫」文章，就能將本機伺服器，串接 Dialogflow，詳細說明寫在程式碼的註解中。
import os
import google.cloud.dialogflow_v2 as dialogflow
from flask import Flask, request
os.environ["GOOGLE_APPLICATION_CREDENTIALS"] = 'dialogflow_key.json' # 剛剛下載的金鑰 json
project_id = 'XXXX' # dialogflow 的 project id
language = 'zh-TW' # 語系
session_id = 'oxxostudio' # 自訂義的 session id
def dialogflowFn(text):
session_client = dialogflow.SessionsClient() # 使用 Token 和 dialogflow 建立連線
session = session_client.session_path(project_id, session_id) # 連接對應專案
text_input = dialogflow.types.TextInput(text=text, language_code=language) # 設定語系
query_input = dialogflow.types.QueryInput(text=text_input) # 根據語系取得輸入內容
try:
response = session_client.detect_intent(session=session, query_input=query_input) # 連線 Dialogflow 取得回應資料
print("input:", response.query_result.query_text)
print("intent:", response.query_result.intent.display_name)
print("reply:", response.query_result.fulfillment_text)
return response.query_result.fulfillment_text # 回傳回應的文字
except:
return 'error'
app = Flask(__name__)
@app.route("/")
def home():
text = request.args.get('text') # 取得輸入的文字
reply = dialogflowFn(text) # 取得 Dialogflow 回應的文字
return reply
app.run()
程式執行後，打開瀏覽器，在網址列輸入伺服器產生的網址，後方加上輸入的文字參數，執行後就可以看見透過 Dialogflow 的回應訊息。
如果使用 Google Cloud Functions 作為 Python 運作的後台，可以參考「使用 Google Cloud Functions」文章，新增並啟用一個 Cloud Functions 程式編輯環境，基本設定如下圖所示：
進入編輯畫面後，環境執行階段選擇 Python ( 3.9 )，進入點改成 webhook ( 可自訂名稱，之後的程式碼裡也要使用同樣的名稱 )。
在左側點擊 + 號，新增一個 .json 的檔案 ( 檔名自訂 )，內容就是剛剛下載的金鑰 json 檔案內容。
接著點擊 requirement.txt，新增下方函式庫。
google-cloud-dialogflow
最後輸入下方的程式碼，完成後點擊下方的「部署」，就會將程式部署到 Cloud Functions 裡。
import os
import google.cloud.dialogflow_v2 as dialogflow
os.environ["GOOGLE_APPLICATION_CREDENTIALS"] = 'dialogflow_key.json' # 金鑰 json
project_id = 'XXXX' # dialogflow 的 project id
language = 'zh-TW' # 語系
session_id = 'oxxostudio' # 自訂義的 session id
def dialogflowFn(text):
session_client = dialogflow.SessionsClient() # 使用 Token 和 dialogflow 建立連線
session = session_client.session_path(project_id, session_id) # 連接對應專案
text_input = dialogflow.types.TextInput(text=text, language_code=language) # 設定語系
query_input = dialogflow.types.QueryInput(text=text_input) # 根據語系取得輸入內容
try:
response = session_client.detect_intent(session=session, query_input=query_input) # 連線 Dialogflow 取得回應資料
print("input:", response.query_result.query_text)
print("intent:", response.query_result.intent.display_name)
print("reply:", response.query_result.fulfillment_text)
return response.query_result.fulfillment_text # 回傳回應的文字
except:
return 'error'
def webhook(request):
try:
#req = request.get_json()
text = request.args.get('text')
return dialogflowFn(text)
except:
print(request.args)
如果部署順利完成，就會看見該專案前方出現一個綠色打勾圖示，這時切換到「觸發條件」頁籤，就可以看到所需要的 Webhook 網址。
打開瀏覽器，在網址列輸入網址，後方加上輸入的文字參數，執行後就可以看見透過 Dialogflow 的回應訊息。
有別於 Dialogflow 串接 Webhook 的方式，如果可以使用伺服器串接 Dialogflow，就能更發揮出伺服器的優勢，例如可以參考「LINE BOT 教學」系列文章，將 LINE BOT 完整結合 Dialogflow，做出各種有趣的應用。
大家好，我是 OXXO，是個即將邁入中年的斜槓青年，我有個超過一千篇教學的 STEAM 教育學習網，有興趣可以參考下方連結呦～ ^_^
iThome鐵人賽
看影片追技術