Crea il tuo agente "Negoziante contrattatore" con Gemini 3 e ADK

1. Panoramica

In questo codelab, realizzeremo qualcosa di divertente. Immagina un bazar digitale in cui il tuo agente AI è il negoziante più intelligente e spiritoso.

Ti presentiamo Raju, il tuo nuovo negoziante AI. Vende artefatti digitali incredibili, ma devi contrattare con lui per ottenerli.

Utilizzeremo Gemini 3 (il cervello), ADK (Agent Development Kit, il corpo) e Google Cloud Run (la posizione del negozio) per dare vita a Raju.

Cosa imparerai a fare

Creeremo l'intero stack per un'applicazione agentica moderna:

• Il negozio (Cloud Run): dove si trova la tua app su internet.
• Il cervello (Gemini 3): l'intelligenza che alimenta Raju.
• Il corpo (ADK): il framework che collega il cervello agli strumenti.
• L'inventario (strumenti): codice Python che Raju utilizza per controllare le scorte.
• Il negozio (UI): l'interfaccia visualizzata dai clienti.

Imparerai come:

• Configura il tuo "Digital Dukaan" (ambiente Google Cloud).
• "Assumi" Raju (ottieni le chiavi API Gemini 3).
• Insegna a Raju a contrattare (istruzioni di sistema e persona).
• Dai a Raju un inventario (strumenti ADK).
• Crea una vetrina (UI frontend).
• Aperto al pubblico (esegui il deployment in Cloud Run).

Cosa serve

• Un progetto Google Cloud.
• Un po' di umorismo (per contrattare).
• Conoscenza di base di Python.

2. Configurazione di Dukaan (progetto cloud)

Prima di creare Raju, abbiamo bisogno di una sede del negozio. Nel cloud, ciò significa un progetto con un account di fatturazione.

Account di fatturazione di prova

Workshop guidato dall'insegnante: se partecipi a un workshop, puoi utilizzare il link di utilizzo fornito dall'insegnante.

Autoapprendimento:se sei un utente di autoapprendimento, puoi utilizzare un account di fatturazione di prova per eseguire questo lab.

Ti servono istruzioni dettagliate? Consulta la guida ai crediti dei codelab per il cloud.

Passaggio 1: attiva la fatturazione

1. Apri il link di riscatto in una finestra di navigazione in incognito.
2. Accedi con il tuo account Gmail personale.
3. Fai clic sul pulsante Accedi ai crediti.
4. Conferma il tuo indirizzo email e accetta i termini per attivare la prova.

Passaggio 2: crea il progetto

1. Vai alla pagina Crea progetto.
2. Inserisci un nome progetto univoco (ad es. raju-shop-agent).
3. Nel menu a discesa "Account di fatturazione", seleziona il tuo account di fatturazione di prova.
4. Fai clic su CREA e attendi che il progetto sia pronto.

Passaggio 3: verifica il collegamento di fatturazione

1. Vai alla pagina Account di fatturazione collegato.
2. Se vedi l'opzione "Collega un account di fatturazione", fai clic.
3. Assicurati che sia selezionato l'account di fatturazione di prova.
4. Ora puoi iniziare a creare.

Riepilogo

In questo passaggio, configurerai il progetto Google Cloud e l'account di fatturazione, creando le basi per la tua applicazione.

Successivamente, configureremo lo spazio di lavoro in cui creerai il codice in Preparazione dell'ambiente.

3. Costruzione della bancarella (configurazione dell'ambiente)

Ti serve un posto dove eseguire il codice. Hai due opzioni:

Opzione 1: Google Cloud Shell (consigliata)

Cloud Shell è un terminale basato su browser in cui è preinstallato tutto ciò di cui hai bisogno (Python, gcloud CLI, git). Dispone di spazio di archiviazione persistente e funziona ovunque.

1. Attiva Cloud Shell

Fai clic sull'icona "Attiva Cloud Shell" (un simbolo di terminale) in alto a destra nell'intestazione della console Google Cloud.

Cloud Shell verrà inizializzato. Ciò comporta:

• Autorizzazione:se richiesto, fai clic su Autorizza per consentire a Cloud Shell di effettuare chiamate alle API Google Cloud per tuo conto.
• Provisioning:Cloud Shell esegue il provisioning di una macchina virtuale temporanea per la tua sessione.
• Connessione:si connette quindi a questa VM. L'intera procedura potrebbe richiedere un minuto o due.

Attendi finché non visualizzi il prompt dei comandi (user@cloudshell:~ $).

2. Verifica la configurazione del progetto

Cloud Shell di solito seleziona automaticamente il progetto corrente. Per sicurezza, verifica:

gcloud config get-value project

Se non restituisce l'ID progetto (raju-shop-agent), impostalo manualmente:

gcloud config set project raju-shop-agent

Opzione 2: terminale locale

Se preferisci il terminale del tuo laptop (iTerm, PowerShell e così via), devi eseguire una configurazione aggiuntiva.

1. Installa prerequisiti

Assicurati di aver installato quanto segue:

• Python 3.10+
• Google Cloud SDK (gcloud CLI)

2. Accedi e configura gcloud

Inizializza Google Cloud CLI e accedi al tuo account:

gcloud auth login

Imposta il progetto (sostituisci raju-shop-agent con l'ID progetto effettivo):

gcloud config set project raju-shop-agent

Configura le credenziali predefinite dell'applicazione (in questo modo gli strumenti locali possono comunicare con Google Cloud):

gcloud auth application-default login

Riepilogo

In questo passaggio hai scelto l'ambiente di sviluppo (Cloud Shell o locale) e lo hai configurato.

Poi vedremo lo strumento che ci aiuterà a creare più velocemente in Meeting Gemini CLI.

4. Scopri il tuo assistente (Gemini CLI)

Ora, scopri il tuo nuovo migliore amico per lo sviluppo dell'AI: Gemini CLI.

Gemini CLI è una potente interfaccia a riga di comando che ti aiuta a:

• Automatizza i workflow:gestisci i tuoi progetti di AI in modo efficiente.
• Generazione di codice:genera codice, UI e persino interi file.
• Ecosistema di estensioni:estendi le sue funzionalità con varie estensioni (come quella di Cloud Run che utilizzeremo in un secondo momento).

Vuoi diventare un professionista? Per un approfondimento completo di tutto ciò che può fare Gemini CLI, consulta il Codelab pratico di Gemini CLI. Puoi anche consultare la documentazione completa di Gemini CLI.

1. Installare Gemini CLI (solo terminale locale)

Se utilizzi il terminale del laptop locale:

Nota:per Gemini CLI è necessario che sul sistema siano installati Node.js (v20 o versioni successive) e npm.

npm install -g @google/gemini-cli

Se utilizzi Google Cloud Shell:

L'interfaccia a riga di comando di Gemini è preinstallata in Cloud Shell, quindi non devi installare nulla.

2. Avvia e autentica

Apri una nuova finestra del terminale (o scheda) in Cloud Shell (o nel terminale locale) e avvia Gemini CLI:

gemini

Configurazione della prima esecuzione:se è la prima volta che lo esegui, la CLI ti guiderà in una rapida procedura di configurazione.

• Autenticazione:ti verrà chiesto di accedere. Ti consigliamo di utilizzare il tuo account Gmail personale per usufruire delle generose quote senza costi disponibili per i modelli Gemini.
• Contesto del progetto:la best practice consiste nell'eseguire gemini dalla cartella del progetto in modo che comprenda il contesto del codice. Poiché non abbiamo ancora creato la cartella, per il momento va bene eseguirlo dalla directory home.

3. Saluta!

Quando vedi il prompt gemini>, prova un test per assicurarti che il tuo cervello sia connesso:

Hi

Dovresti ricevere una risposta cordiale dal modello.

4. Comandi essenziali

• /quit: digita questo comando per uscire da Gemini CLI e tornare al terminale standard.
• /help: visualizza un elenco di tutti i comandi disponibili.

Suggerimento avanzato:tieni aperto "Gemini Terminal" in una scheda separata. Lo utilizzerai per generare il codice ed eseguire il deployment dell'app, mentre l'altro terminale esegue il server dell'app.

Riepilogo

In questo passaggio hai installato, autenticato e verificato Gemini CLI.

Successivamente, utilizzeremo l'Agent Development Kit (ADK) per creare lo scheletro del nostro negozio in Opening Shop (The Code).

5. Rifornimento degli scaffali (configurazione del progetto)

Non partiremo da zero (i negozianti intelligenti risparmiano tempo). Utilizzeremo l'Agent Development Kit (ADK).

Che cos'è ADK?

L'ADK è il tuo "sistema di gestione dell'officina". Si tratta di un framework flessibile che gestisce:

• Orchestrazione: gestione di attività complesse (ad esempio, Raju controlla l'inventario mentre parla con un cliente).
• Gestione dello stato: ricordare il nome del cliente e cosa ha chiesto 5 minuti fa.
• Strumenti: connessione a sistemi esterni (come il database dell'inventario).

Utilizzeremo lo starter pack dell'agente per configurare immediatamente un "Dukaan" pronto per la produzione. Ci offre una base sicura e scalabile per poterci concentrare sulle vendite.

Nel terminale Cloud Shell (o nel terminale locale), esegui questo comando per generare l'agente:

uvx agent-starter-pack create raju-shop

La CLI ti porrà alcune domande per configurare il tuo negozio. Scegli le seguenti opzioni (digita il numero e premi Invio):

1. Tipo di agente:scegli 1 (adk_base - A base ReAct agent).
2. Deployment Target (Destinazione del deployment): scegli 2 (Cloud Run - Esecuzione di container serverless).
3. Tipo di sessione:scegli 1 (In-memory session - Semplice e veloce).
4. Runner CI/CD: scegli 3 (Skip - Per ora eseguiremo il deployment manualmente).

Attendi il completamento del processo. Al termine, inserisci la directory del negozio e installa le dipendenze:

cd raju-shop
make install
source .venv/bin/activate

Esplora e configura l'agente

Ora che il pacchetto iniziale è configurato, esamina la struttura.

1. Controlla la struttura delle cartelle

Esegui questo comando per vedere come è organizzato il tuo negozio:

tree .

Dovresti vedere una struttura simile a questa:

.
├── app
│   ├── __init__.py
│   ├── agent.py
│   ├── app_utils
│   │   ├── telemetry.py
│   │   └── typing.py
│   └── fast_api_app.py
├── Dockerfile
├── GEMINI.md
├── Makefile
├── pyproject.toml
├── README.md
├── tests
│   ├── integration
│   │   ├── test_agent.py
│   │   └── test_server_e2e.py
│   └── unit
│       └── test_dummy.py
└── uv.lock

Il file più importante è app/agent.py. Qui si trova il cervello di Raju.

2. Esaminare il codice

Apri app/agent.py nell'editor di Cloud Shell (o nell'IDE locale) e dai un'occhiata rapida:

• root_agent = Agent(...): definisce la tua AI. Ha un model (cervello) e tools (mani).
• Strumenti: vedrai funzioni Python come get_weather. Questi sono gli strumenti che l'agente può utilizzare.
• app = App(...): questo wrapper inserisce l'agente in un web server in modo da poter comunicare con lui.

Vuoi approfondire? Consulta la guida di ADK per Python e la documentazione di LLM Agents.

Testare localmente

Nel terminale Cloud Shell (o nel terminale locale), esegui l'agente:

adk web

Questo comando avvia un server web locale sulla porta 8000.

Se utilizzi Cloud Shell:

1. Fai clic sul pulsante Anteprima web (in alto a destra, a forma di occhio).
2. Seleziona Cambia porta.
3. Inserisci 8000 e fai clic su Cambia e visualizza anteprima.

Se utilizzi il terminale locale:

1. Apri il browser e visita la pagina http://localhost:8000.

Una volta aperta la UI:

1. Seleziona "app": nel menu a discesa in alto a sinistra, assicurati di selezionare l'agente denominato app (ignora root_agent o test_agent, se visualizzati).
2. Saluta: digita "Ciao!" e vedi se risponde.

Quando hai finito, premi Ctrl+C nel terminale per arrestare il server adk web.

Riepilogo

In questo passaggio, hai creato la struttura del progetto, l'hai configurato per l'API Gemini e hai eseguito correttamente il tuo primo agente in locale.

Successivamente, daremo al nostro agente una personalità e un nome in Training Raju (The Persona).

6. Training Raju (The Persona)

Al momento, l'agente è noioso. Gli daremo una personalità.

Invece di scrivere codice, diremo semplicemente a Gemini cosa vogliamo.

1. Definisci la persona

Esegui questo comando nel terminale per "insegnare" a Raju chi è:

gemini "In agent.py, update the root_agent instruction. You are Raju, a bargaining shopkeeper in a digital bazaar. You sell: Brass Lamp (50 coins), Silk Scarf (500 coins). Your goal is to sell high and be funny. Speak with an Indian-English flair."

2. Verifica il codice

Apri app/agent.py. Dovresti vedere che Gemini ha scritto l'istruzione di sistema per te.

3. Testare localmente

Ora, chatta con Raju. Nel terminale Cloud Shell (o nel terminale locale):

adk web

Apri la UI web (porta 8000 dell'anteprima web o localhost:8000), seleziona l'agente app e prova questi prompt:

• "Voglio la lampada in ottone, ma 50 monete sono troppe!"
• "Cosa vendi, amico mio?"

Guarda la sua reazione. Deve essere divertente, drammatico, ma rifiutarsi di vendere a un prezzo troppo basso.

Riepilogo

In questo passaggio, hai personalizzato le istruzioni di sistema dell'agente per creare "Raju", un negoziante che ama contrattare e ha una personalità unica.

Successivamente, daremo a Raju la possibilità di controllare il suo stock effettivo in L'inventario (aggiunta di strumenti).

7. L'inventario (aggiunta di strumenti)

Raju deve sapere cosa ha effettivamente in magazzino. Gli forniremo un "database" e uno strumento per controllarlo.

1. Crea lo strumento

Esegui questo singolo comando per creare l'inventario, lo strumento e connetterlo a Raju:

gemini "In agent.py, create a dictionary INVENTORY with items: Brass Lamp (price 50, stock 5), Silk Scarf (price 500, stock 2), Taj Mahal (price 2000, stock 0). Then create a tool function check_inventory(item_name) that checks this dict. Finally, update the root_agent to use this tool and remove the default weather tools."

2. Verifica la magia

Apri di nuovo app/agent.py. Vedrai che Gemini:

1. È stato creato il dizionario INVENTORY.
2. Scritta la funzione Python check_inventory.
3. È stato aggiornato l'elenco tools=[...] nella definizione dell'agente.

3. Testare l'inventario

1. Riavvia il server (Ctrl+C, poi adk web).
2. Chiedi a Raju:
   • "Hai dei Taj Mahal?" (Deve rispondere NO, le scorte sono pari a 0).
   • "Quanto costa la sciarpa di seta?" (deve controllare il prezzo reale).

Suggerimento avanzato:mentre chatti, guarda i log del terminale. Dovresti vedere DEBUG: Checking inventory... ogni volta che Raju utilizza lo strumento.

Riepilogo

In questo passaggio, hai implementato uno strumento check_inventory, rimosso il disordine predefinito e collegato lo strumento all'agente.

Successivamente, Raju passerà al cloud in Raju's Shop Goes Live (Deploying the Backend).

8. Raju's Shop Goes Live (Deploying the Backend)

È ora di aprirsi al mondo. Prima di creare la vetrina, implementeremo il cervello e l'inventario di Raju (il tuo agente) nel cloud.

Importante: gestione dei terminali

Potresti avere adk web in esecuzione nel terminale corrente dal passaggio precedente.

• Keep it running (Mantienilo in esecuzione) se vuoi continuare a eseguire i test localmente.
• Apri una NUOVA finestra/scheda del terminale per i passaggi di deployment che seguono.
• Nota: ogni volta che modifichi agent.py, devi interrompere (Ctrl+C) e riavviare adk web affinché le modifiche abbiano effetto.

1. Prepara Gemini CLI

Nella finestra del terminale NEW:

1. Controlla se ti trovi già all'interno di Gemini CLI (cerca il prompt gemini>).
2. In caso affermativo, digita /quit per uscire e tornare alla shell standard.
3. Assicurati di trovarti nella cartella del progetto:

   cd raju-shop
   

2. Installa l'estensione Cloud Run

Installa l'estensione Cloud Run per Gemini CLI nel terminale Cloud Shell (o nel terminale locale):

gemini extensions install https://github.com/GoogleCloudPlatform/cloud-run-mcp

3. Riavvia Gemini CLI

Avvia di nuovo Gemini CLI per utilizzare la nuova estensione:

gemini

Dovresti visualizzare il prompt di Gemini CLI.

4. Esegui il deployment dell'agente

Esistono due modi per utilizzare le estensioni Gemini CLI:

Opzione 1: il comando slash (manuale) Puoi digitare esplicitamente il comando e i flag:

/deploy --source . --name raju-agent --region us-central1 --allow-unauthenticated

Opzione 2: linguaggio naturale (consigliata). Questo è il modo più semplice ed efficace. Ti basta chiedere a Gemini di farlo per te e utilizzerà il server MCP per chiamare gli strumenti giusti.

Prova a incollare questo prompt in Gemini CLI:

Controlla l'ID progetto:nel seguente prompt, sostituisci raju-shop-agent con il tuo ID progetto Google Cloud effettivo. Puoi trovarlo nel menu a discesa in alto a sinistra della console Google Cloud o eseguendo gcloud config get-value project nel terminale standard.

Deploy this agent app to cloud run on google cloud using the cloud-run MCP server.
Use project raju-shop-agent in us-central1 region.
Name the service raju-agent.
IMPORTANT: Make sure to allow unauthenticated invocations so my frontend can talk to it.

La CLI potrebbe chiedere la conferma per utilizzare lo strumento cloud-run. Premi Enter (o digita y) per approvare.

Attendi la magia: l'operazione richiederà 2-3 minuti. Al termine, verrà visualizzato un messaggio di conferma simile al seguente:

✦ I've successfully deployed your agent app to Cloud Run.

  Service Details:
   * Service Name: raju-agent
   * Project: raju-shop-agent
   * Region: us-central1
   * URL: https://raju-agent-xyz123-uc.a.run.app
   * Console: View in Google Cloud Console (...)

Risoluzione dei problemi:se si verifica un problema, puoi semplicemente chiedere all'interfaccia a riga di comando di Gemini in inglese semplice informazioni sull'errore. Ad esempio: "It failed with a permission error. Come faccio a risolvere il problema?"

5. Verifica il deployment

Una volta completato il deployment, Gemini CLI fornirà un URL del servizio. Copia questo URL.

Controllo del browser (è attivo?) Incolla l'URL nel browser.

• Operazione riuscita:dovresti visualizzare la documentazione di FastAPI (Swagger UI) o una pagina di destinazione ADK generica. Ciò conferma che il servizio Cloud Run è in esecuzione e accessibile.
• Errore:se ricevi un errore 403 Forbidden, potresti aver dimenticato di consentire le "invocazioni non autenticate" nel prompt di deployment.

Nel passaggio successivo testeremo la logica di contrattazione effettiva creando un frontend appropriato.

Riepilogo

In questo passaggio, hai eseguito il deployment del backend dell'agente su Google Cloud Run utilizzando l'estensione Gemini CLI, rendendolo accessibile tramite un URL pubblico.

Successivamente, creeremo una vetrina accattivante in cui i clienti potranno parlare con Raju in Creazione della vetrina (UI frontend).

9. Decorare il negozio (interfaccia utente frontend)

Un terminale di testo è noioso. Vogliamo una vetrina vivace!

Come funziona l'API ADK

Per creare una UI personalizzata, devi capire come comunicare con il backend dell'agente. Segue un flusso in due passaggi:

1. Inizializza sessione:prima di chattare, devi creare un ID sessione (come un carrello).
   • POST /apps/app/users/{user_id}/sessions/{session_id}
2. Invia messaggio:per parlare, invia il testo all'endpoint di esecuzione.
   • POST /run (il payload include appName, userId, sessionId e il tuo text).
3. Scopri di più:consulta la documentazione dell'API ADK Runtime e del riferimento API Python.

Utilizzeremo questa logica per creare il nostro frontend.

Esistono due modi per creare questa interfaccia:

Opzione 1: Google Antigravity (consigliata, solo locale)

Se lavori sulla tua macchina locale, Google Antigravity è l'esperienza migliore. Si tratta di un IDE basato sull'AI che ti consente di "codificare l'atmosfera" dell'intera UI.

Nota:Antigravity è un'applicazione desktop. Se utilizzi Cloud Shell, vai all'opzione 2.

1. Scarica e installa

Scarica il programma di installazione per il tuo sistema operativo dalla pagina di download di Google Antigravity e installalo.

2. Apri il tuo spazio di lavoro

Avvia Antigravity. Apri la cartella raju-shop come Workspace. In questo modo l'AI ha il contesto dell'intero progetto.

3. Generare l'UI con Agent Manager

Anziché scrivere il codice riga per riga, chiederemo a un agente AI di farlo per noi utilizzando Agent Manager.

1. Individua l'interfaccia di chat di Agent Manager (di solito sul lato destro).
2. Incolla il seguente prompt nella chat:

Create a single file HTML chat interface named `index.html`. It should have a colorful header that says 'Raju's Royal Artifacts'. It should look like an Indian market stall with orange and pink colors.

**Backend Integration:**
The chat should send messages to my deployed agent at: <YOUR_DEPLOYED_AGENT_URL>

**API Logic:**
1. **On Load:** Generate a random userId and sessionId. Call `POST /apps/app/users/{userId}/sessions/{sessionId}` to initialize.
2. **On Send:** Call `POST /run` with a JSON payload containing `appName: "app"`, `userId`, `sessionId`, and `newMessage: { role: "user", parts: [{ text: userInput }] }`.
3. **Display:** Show the user's message and the agent's response (from `content.parts[0].text`).

Assicurati di sostituire l'URL segnaposto con l'URL del servizio effettivo del passaggio di deployment.

1. Guarda l'agente scrivere il codice per te. Puoi passare alla visualizzazione Editor per vedere il file creato in tempo reale.

4. Testare la vetrina del negozio

Google Antigravity dispone di funzionalità di anteprima integrate. Fai clic sul pulsante "Anteprima" (spesso un'icona a forma di occhio) per vedere la tua vetrina dal vivo. In alternativa, puoi pubblicarlo localmente con python3 -m http.server 8000.

Per acquisire davvero competenze in questo potente IDE, ti consigliamo di completare il codelab Guida introduttiva a Google Antigravity.

Opzione 2: Gemini CLI (compatibile con Cloud Shell)

Se ti trovi in Cloud Shell, puoi utilizzare la tua fidata Gemini CLI per creare il frontend in pochi secondi.

Esegui questo comando nel terminale:

gemini "Create a single file HTML chat interface named index.html. Header: 'Raju\'s Royal Artifacts', Indian market theme (orange/pink). Backend: <YOUR_DEPLOYED_AGENT_URL>. Logic: On load, generate random user/session IDs and POST to /apps/app/users/{uid}/sessions/{sid}. On chat, POST to /run with appName='app', userId, sessionId, and newMessage structure. Parse the JSON response to show the agent text." > index.html

(Ricorda di sostituire

con il tuo URL Cloud Run effettivo.)

Riepilogo

In questo passaggio, hai utilizzato Google Antigravity per "vibrare" un frontend HTML personalizzato che si connette al backend dell'agente live.

Successivamente, completeremo il quadro ospitando questa vetrina sul web in Pubblicazione della vetrina.

10. Inaugurazione (deployment del frontend)

Raju è online (backend), ma il suo negozio ha bisogno di un indirizzo pubblico (frontend). Chiedi a Google Antigravity di eseguire il deployment della nostra UI sul cloud.

1. Chiedi all'Agent Manager di eseguire il deployment

Non è necessario uscire dall'IDE. Chiedi all'agente di gestione di occuparsi del deployment.

Incolla questo prompt nella chat:

"Esegui il deployment del mio index.html come sito web statico in Google Cloud Run. Assegna al servizio il nome raju-shop-frontend. Assicurati che sia accessibile pubblicamente".

2. Guarda la magia

L'agente probabilmente:

1. Crea un Dockerfile o una configurazione per la pubblicazione di file statici (ad esempio utilizzando nginx o Python).
2. Crea l'immagine container.
3. Esegui il comando gcloud run deploy.

3. Visita il tuo negozio.

Al termine, l'agente ti fornirà un URL (ad es. https://raju-shop-frontend-xyz.run.app). Fai clic.

Complimenti! Ora hai un'app di un negoziante che contratta basata sull'AI completamente implementata. Invia il link ai tuoi amici e scopri se riescono a ottenere uno sconto.

Riepilogo

In questo passaggio, hai utilizzato Antigravity Agent Manager per containerizzare ed eseguire il deployment dell'applicazione frontend in Cloud Run.

Ora hai creato lo stack completo. Concluderemo la lezione con la sezione Orario di chiusura (conclusione).

11. Closing Time (Conclusion)

Complimenti! Hai completato la sfida dell'agente "Il negoziante contrattatore". Hai trasformato Raju da una semplice idea in un negoziante AI interattivo e completamente implementato nel bazar digitale. Hai sperimentato in prima persona la potenza dello sviluppo autonomo.

Riepilogo del tuo percorso:

• Google Cloud:configura il progetto e l'account di fatturazione e esegui il deployment dell'agente su Cloud Run.
• Gemini 3: il cervello intelligente che alimenta la personalità e le capacità di contrattazione di Raju.
• Agent Development Kit (ADK): il framework che ha fornito una base pronta per la produzione con l'osservabilità (telemetria) integrata, rendendo l'agente solido fin dal primo giorno.
• Gemini CLI: il tuo assistente a riga di comando per attività rapide, test ed estensioni.
• Google Antigravity:l'IDE di nuova generazione in cui hai "codificato" la tua UI e orchestrato il deployment.

Passaggi successivi per il tuo Digital Dukaan:

• Correggi i test non riusciti:hai modificato il codice, ma cosa è successo ai test? I test predefiniti (tests/unit/test_agent.py) cercano ancora il meteo. Utilizza Gemini CLI per aggiornarli automaticamente. Prova: gemini "Update the tests in tests/unit/test_agent.py to test the new check_inventory tool instead of weather."
• Inventario dinamico:aggiorna le quantità di inventario di Raju quando un articolo viene "venduto". Puoi aggiungere una logica per diminuire stock nel dizionario INVENTORY dopo un "acquisto" riuscito?
• Strumento gateway di pagamento:implementa uno strumento process_payment di simulazione. Raju potrebbe quindi chiamare questo strumento quando viene raggiunto un accordo.
• Esplora Antigravity:scopri di più su Agent Manager e Workspace di Antigravity. Puoi chiedere all'operatore di perfezionare il tuo index.html per mostrare una ricevuta in tempo reale?
• Condividi il tuo negozio:il negozio di Raju è online. Condividi l'URL frontend con i tuoi amici e scopri se loro riescono a trovare un affare migliore del tuo.

Risorse

• Google Antigravity
• Google Cloud Run
• Documenti ADK
• Gemini CLI

12. Esegui la pulizia

Per evitare che al tuo account Google Cloud vengano addebitati costi non necessari relativi alle risorse utilizzate in questo codelab, segui questi passaggi.

Continua a imparare con il livello senza costi di Google Cloud.

Molti prodotti Google Cloud, tra cui Cloud Run, offrono un livello senza costi che ti consente di utilizzare le risorse fino a un determinato limite senza costi.

Se stai ancora usufruendo della prova senza costi di Google Cloud, hai ancora più flessibilità.

Puoi continuare a utilizzare il tuo attuale progetto Google Cloud (raju-shop-agent) e a sviluppare il tuo agente senza perdere i progressi, a condizione che il tuo utilizzo rimanga entro i limiti del Livello senza costi.

1. Annulla il deployment dei servizi Cloud Run (risparmio facoltativo)

Se vuoi interrompere eventuali addebiti potenziali relativi ai servizi di cui è stato eseguito il deployment mantenendo intatti il progetto e le altre configurazioni, puoi annullare il deployment dei servizi Cloud Run.

Apri il terminale Cloud Shell (o il terminale locale) ed esegui i seguenti comandi gcloud:

# Undeploy the backend agent

gcloud run services delete raju-agent --region us-central1

# Undeploy the frontend shop (if you deployed it)

gcloud run services delete raju-shop-frontend --region us-central1

Se esegui questi comandi dalla tua macchina locale, assicurati di aver installato e configurato Google Cloud CLI (gcloud).

2. Elimina il progetto Google Cloud (interruzione completa dei costi)

Se vuoi assicurarti di non sostenere ulteriori spese e rimuovere completamente tutte le risorse create durante questo codelab, il passaggio più definitivo è eliminare l'intero progetto Google Cloud.

1. Vai alla pagina Progetti nella console Google Cloud.
2. Seleziona il progetto (raju-shop-agent) e fai clic su Elimina.
3. Segui le istruzioni per confermare l'eliminazione del progetto.