Tworzenie własnego agenta „Targujący się sprzedawca” za pomocą Gemini 3 i ADK

1. Przegląd

W tym ćwiczeniu utworzymy coś ciekawego. Wyobraź sobie cyfrowy bazar, na którym Twój agent AI jest najmądrzejszym i najdowcipniejszym sprzedawcą.

Poznaj Raju – nowego sprzedawcę AI. Sprzedaje niesamowite artefakty cyfrowe, ale musisz się z nim potargować, żeby je zdobyć.

Aby ożywić Raju, użyjemy Gemini 3 (mózgu), ADK (Agent Development Kit – ciała) i Google Cloud Run (lokalizacji sklepu).

Czego się nauczysz

Stworzymy cały stos nowoczesnej aplikacji opartej na agentach:

• Sklep (Cloud Run): miejsce, w którym Twoja aplikacja jest dostępna w internecie.
• Mózg (Gemini 3): inteligencja, która napędza Raju.
• The Body (ADK): platforma łącząca mózg z narzędziami.
• Asortyment (narzędzia): kod w Pythonie, którego Raju używa do sprawdzania stanu magazynowego.
• Witryna sklepowa (interfejs): interfejs, który widzą Twoi klienci.

Zapoznasz się z tymi zagadnieniami:

• Skonfiguruj „Digital Dukaan” (środowisko Google Cloud).
• „Zatrudnij” Raju (uzyskaj 3 klucze interfejsu Gemini API).
• Naucz Raju negocjacji (instrukcje systemowe i profile).
• Przyznaj Raju dostęp do asortymentu (narzędzia ADK).
• Utwórz witrynę sklepu (interfejs użytkownika).
• Otwartość (wdrażanie w Cloud Run).

Wymagania

• Projekt Google Cloud.
• Poczucie humoru (do negocjacji).
• podstawowa znajomość Pythona,

2. Konfigurowanie Dukaan (projektu w chmurze)

Zanim zbudujemy Raju, musimy znaleźć lokalizację sklepu. W chmurze oznacza to projekt z kontem rozliczeniowym.

Próbne konto rozliczeniowe

Warsztaty prowadzone przez instruktora: jeśli uczestniczysz w warsztatach, możesz użyć linku do wykorzystania, który udostępni Ci instruktor.

Samodzielna nauka: jeśli uczysz się samodzielnie, możesz skorzystać z próbnego konta rozliczeniowego, aby wykonać to ćwiczenie.

Potrzebujesz szczegółowych instrukcji? Zapoznaj się z przewodnikiem po kredytach na ćwiczenia z programowania w Cloud.

Krok 1. Aktywuj płatności

1. Otwórz link do wykorzystania w oknie incognito.
2. Zaloguj się na osobiste konto Gmail.
3. Kliknij przycisk Dostęp do środków.
4. Potwierdź swój adres e-mail i zaakceptuj warunki, aby aktywować okres próbny.

Krok 2. Utwórz projekt

1. Otwórz stronę tworzenia projektu.
2. Wpisz niepowtarzalną nazwę projektu (np. raju-shop-agent).
3. W menu „Konto rozliczeniowe” wybierz Konto rozliczeniowe wersji próbnej.
4. Kliknij UTWÓRZ i poczekaj, aż projekt będzie gotowy.

Krok 3. Sprawdź link do płatności

1. Otwórz stronę połączonego konta rozliczeniowego.
2. Jeśli widzisz opcję „Połącz konto rozliczeniowe”, kliknij ją.
3. Upewnij się, że wybrane jest próbne konto rozliczeniowe.
4. Możesz teraz rozpocząć budowanie.

Podsumowanie

W tym kroku skonfigurujesz projekt Google Cloud i konto rozliczeniowe, tworząc podstawę aplikacji.

Następnie w sekcji Przygotowywanie środowiska skonfigurujemy obszar roboczy, w którym będziesz tworzyć kod.

3. Budowanie stoiska (konfiguracja środowiska)

Musisz mieć miejsce, w którym możesz uruchomić kod. Masz 2 możliwości:

Opcja 1. Google Cloud Shell (zalecana)

Cloud Shell to terminal w przeglądarce, na którym zainstalowane są wszystkie potrzebne narzędzia (Python, gcloud CLI, git). Ma pamięć trwałą i działa w dowolnym miejscu.

1. Aktywuj Cloud Shell

W prawym górnym rogu nagłówka konsoli Google Cloud kliknij ikonę „Aktywuj Cloud Shell” (symbol terminala).

Cloud Shell zostanie zainicjowany. Obejmuje to:

• Autoryzacja: jeśli pojawi się pytanie o uprawnienia, kliknij Autoryzuj, aby zezwolić Cloud Shell na wykonywanie w Twoim imieniu wywołań interfejsów API usług Google Cloud.
• Udostępnianie: Cloud Shell udostępnia tymczasową maszynę wirtualną na potrzeby Twojej sesji.
• Łączenie:następuje połączenie z tą maszyną wirtualną. Cały proces może potrwać minutę lub dwie.

Poczekaj, aż pojawi się znak zachęty (user@cloudshell:~ $).

2. Weryfikowanie konfiguracji projektu

Cloud Shell zwykle automatycznie wybiera bieżący projekt. Dla bezpieczeństwa sprawdź:

gcloud config get-value project

Jeśli nie zwróci identyfikatora projektu (raju-shop-agent), ustaw go ręcznie:

gcloud config set project raju-shop-agent

Opcja 2. Terminal lokalny

Jeśli wolisz terminal na własnym laptopie (iTerm, PowerShell itp.), musisz wykonać nieco więcej czynności konfiguracyjnych.

1. Zainstaluj wymagania wstępne

Sprawdź, czy masz zainstalowane te elementy:

• Python 3.10 lub nowszy
• Google Cloud SDK (gcloud CLI)

2. Logowanie i konfigurowanie gcloud

Zainicjuj interfejs wiersza poleceń Google Cloud i zaloguj się na swoje konto:

gcloud auth login

Ustaw projekt (zastąp raju-shop-agent rzeczywistym identyfikatorem projektu):

gcloud config set project raju-shop-agent

Skonfiguruj domyślne dane logowania aplikacji (ułatwia to lokalnym narzędziom komunikację z Google Cloud):

gcloud auth application-default login

Podsumowanie

W tym kroku wybierzesz środowisko programistyczne (Cloud Shell lub lokalne) i skonfigurujesz je.

Następnie poznamy narzędzie, które pomoże nam szybciej tworzyć aplikacje w interfejsie wiersza poleceń Gemini w Meet.

4. Poznaj swojego asystenta (interfejs wiersza poleceń Gemini)

Poznaj teraz swojego nowego najlepszego przyjaciela w zakresie tworzenia AI: interfejs wiersza poleceń Gemini.

Interfejs wiersza poleceń Gemini to zaawansowany interfejs wiersza poleceń, który pomaga:

• Automatyzacja przepływów pracy: efektywne zarządzanie projektami AI.
• Generowanie kodu: generuj kod, interfejs użytkownika, a nawet całe pliki.
• Ekosystem rozszerzeń: możesz rozszerzać jego możliwości za pomocą różnych rozszerzeń (np. Cloud Run, którego użyjemy później).

Chcesz zostać profesjonalistą? Aby dowiedzieć się więcej o wszystkich możliwościach interfejsu wiersza poleceń Gemini, zapoznaj się z praktycznym przewodnikiem po interfejsie wiersza poleceń Gemini. Możesz też zapoznać się z pełną dokumentacją interfejsu wiersza poleceń Gemini.

1. Zainstaluj interfejs wiersza poleceń Gemini (tylko terminal lokalny)

Jeśli używasz lokalnego terminala na laptopie:

Uwaga: interfejs wiersza poleceń Gemini wymaga zainstalowania w systemie Node.js (wersja 20 lub nowsza) i npm.

npm install -g @google/gemini-cli

Jeśli korzystasz z Google Cloud Shell:

Interfejs wiersza poleceń Gemini jest wstępnie zainstalowany w Cloud Shell, więc nie musisz niczego instalować.

2. Uruchamianie i uwierzytelnianie

Otwórz nowe okno terminala (lub kartę) w Cloud Shell (lub w terminalu lokalnym) i uruchom interfejs wiersza poleceń Gemini:

gemini

Konfiguracja przy pierwszym uruchomieniu: jeśli uruchamiasz wiersz poleceń po raz pierwszy, przeprowadzi Cię on przez szybki proces konfiguracji.

• Uwierzytelnianie: pojawi się prośba o zalogowanie się. Zalecamy używanie osobistego konta Gmail, aby korzystać z dużych bezpłatnych limitów dostępnych w przypadku modeli Gemini.
• Kontekst projektu: najlepszym rozwiązaniem jest uruchamianie polecenia gemini w folderze projektu, aby zrozumieć kontekst kodu. (Ponieważ nie utworzyliśmy jeszcze folderu, na razie możesz uruchomić go z katalogu domowego).

3. Przywitaj się!

Gdy zobaczysz komunikat gemini>, przeprowadź test, aby sprawdzić, czy Twój mózg jest połączony:

Hi

Model powinien odpowiedzieć w przyjazny sposób.

4. Podstawowe polecenia

• /quit: wpisz to polecenie, aby zamknąć interfejs wiersza poleceń Gemini i wrócić do standardowego terminala.
• /help: wyświetl listę wszystkich dostępnych poleceń.

Wskazówka: zostaw „Terminal Gemini” otwarty w osobnej karcie. Będziesz go używać do generowania kodu i wdrażania aplikacji, a na drugim terminalu będzie działać serwer aplikacji.

Podsumowanie

W tym kroku zainstalowano, uwierzytelniono i zweryfikowano interfejs wiersza poleceń Gemini.

Następnie użyjemy pakietu Agent Development Kit (ADK), aby utworzyć szkielet sklepu w sekcji Otwieranie sklepu (kod).

5. Uzupełnianie półek (konfiguracja projektu)

Nie będziemy budować od zera (sprytni sprzedawcy oszczędzają czas). Użyjemy pakietu Agent Development Kit (ADK).

Co to jest ADK?

ADK to Twój „system zarządzania sklepem”. Jest to elastyczna platforma, która obsługuje:

• Orchestration: zarządzanie złożonymi zadaniami (np. Raju sprawdza asortyment podczas rozmowy z klientem).
• Zarządzanie stanem: zapamiętywanie imienia klienta i tego, o co prosił 5 minut temu.
• Narzędzia: łączenie się z systemami zewnętrznymi (np. z bazą danych asortymentu).

Aby natychmiast skonfigurować gotową do wdrożenia w środowisku produkcyjnym aplikację „Dukaan”, użyjemy pakietu startowego agenta. Zapewnia nam bezpieczną i skalowalną podstawę, dzięki czemu możemy skupić się na sprzedaży.

W terminalu Cloud Shell (lub w terminalu lokalnym) uruchom to polecenie, aby wygenerować agenta:

uvx agent-starter-pack create raju-shop

Interfejs CLI zada Ci kilka pytań, aby skonfigurować sklep. Wybierz te opcje (wpisz numer i naciśnij Enter):

1. Typ agenta: wybierz 1 (adk_base – podstawowy agent ReAct).
2. Deployment Target (Miejsce docelowe wdrożenia): wybierz 2 (Cloud Run – wykonywanie kontenera bezserwerowego).
3. Typ sesji: wybierz 1 (In-memory session – proste i szybkie).
4. CI/CD Runner: wybierz 3 (Skip – na razie wdrożymy ręcznie).

Poczekaj na zakończenie procesu. Po zakończeniu tej czynności otwórz katalog sklepu i zainstaluj zależności:

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

Poznaj i skonfiguruj agenta

Po skonfigurowaniu pakietu startowego sprawdź jego strukturę.

1. Sprawdź strukturę folderów

Aby sprawdzić, jak jest zorganizowany Twój sklep, uruchom to polecenie:

tree .

Powinna pojawić się struktura podobna do tej:

.
├── 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

Najważniejszy plik to app/agent.py. Tu mieszka mózg Raju!

2. Przejrzyj kod

Otwórz plik app/agent.py w edytorze Cloud Shell (lub lokalnym IDE) i szybko go przejrzyj:

• root_agent = Agent(...): określa Twoją AI. Ma model (mózg) i tools (ręce).
• Narzędzia: zobaczysz funkcje Pythona, takie jak get_weather. Są to narzędzia, z których może korzystać agent.
• app = App(...): ta funkcja umieszcza agenta na serwerze internetowym, abyśmy mogli się z nim komunikować.

Chcesz dowiedzieć się więcej? Zapoznaj się z przewodnikiem ADK w Pythonie i dokumentacją agentów LLM.

Testowanie lokalne

W terminalu Cloud Shell (lub w terminalu lokalnym) uruchom agenta:

adk web

To polecenie uruchamia lokalny serwer WWW na porcie 8000.

Jeśli korzystasz z Cloud Shell:

1. Kliknij przycisk Podgląd w przeglądarce (w prawym górnym rogu, wygląda jak oko).
2. Kliknij Zmień port.
3. Wpisz 8000 i kliknij Zmień i wyświetl podgląd.

Jeśli korzystasz z terminala lokalnego:

1. Otwórz przeglądarkę i wejdź na stronę http://localhost:8000.

Gdy otworzy się interfejs:

1. Wybierz „aplikacja”: w menu w lewym górnym rogu wybierz agenta o nazwie aplikacja (zignoruj symbole root_agent lub test_agent, jeśli się pojawią).
2. Przywitaj się: wpisz „Cześć!” i sprawdź, czy odpowie.

Gdy skończysz, naciśnij Ctrl+C w terminalu, aby zatrzymać serwer adk web.

Podsumowanie

W tym kroku utworzyliśmy szkielet projektu, skonfigurowaliśmy go pod kątem interfejsu Gemini API i uruchomiliśmy pierwszego agenta lokalnie.

Następnie nadamy agentowi osobowość i imię w sekcji Trenowanie Raju (osobowość).

6. Trenowanie Raju (osoby)

Obecnie agent jest nudny. Nadamy mu osobowość.

Zamiast pisać kod, po prostu powiemy Gemini, czego chcemy.

1. Określ profil

Uruchom w terminalu to polecenie, aby „nauczyć” Raju, kim jest:

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. Zweryfikuj kod

Otwórz pokój app/agent.py. Powinna się wyświetlić instrukcja systemowa napisana przez Gemini.

3. Testuj lokalnie

Porozmawiaj teraz z Raju! W terminalu Cloud Shell (lub terminalu lokalnym):

adk web

Otwórz interfejs internetowy (Podgląd w przeglądarce na porcie 8000 lub localhost:8000), wybierz agenta aplikacji i wypróbuj te prompty:

• „Chcę kupić mosiężną lampę, ale 50 monet to za dużo!”
• „Co sprzedajesz, przyjacielu?”

Zobacz, jak zareaguje. Powinien być zabawny i dramatyczny, ale nie może sprzedawać zbyt tanio.

Podsumowanie

W tym kroku dostosowano instrukcje systemowe agenta, aby utworzyć „Raju”, czyli sprzedawcę targowego o wyjątkowej osobowości.

Następnie umożliwimy Raju sprawdzenie rzeczywistych zapasów w sekcji Zasoby (dodawanie narzędzi).

7. Spis (dodawanie narzędzi)

Raju musi wiedzieć, jakie produkty są dostępne w jego sklepie. Damy mu „bazę danych” i narzędzie do jej sprawdzania.

1. Utwórz narzędzie

Aby utworzyć asortyment i narzędzie oraz połączyć je z Raju, uruchom to polecenie:

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. Sprawdź Magic

Otwórz ponownie app/agent.py. Zobaczysz, że Gemini:

1. Utworzono słownik INVENTORY.
2. napiszesz funkcję Pythona check_inventory,
3. Zaktualizowano listę tools=[...] w definicji agenta.

3. Testowanie zasobów reklamowych

1. Uruchom ponownie serwer (Ctrl+C, a następnie adk web).
2. Zapytaj Raju:
   • „Czy masz jakieś Taj Mahale?” (Powinien odpowiedzieć NIE, ponieważ stan magazynowy wynosi 0).
   • „Ile kosztuje jedwabny szal?” (Powinien sprawdzić prawdziwą cenę).

Profesjonalna wskazówka: podczas rozmowy sprawdzaj logi terminala. Za każdym razem, gdy Raju użyje narzędzia, powinna pojawić się ikona DEBUG: Checking inventory....

Podsumowanie

W tym kroku zaimplementowano check_inventory narzędzie, usunięto domyślne niepotrzebne elementy i połączono narzędzie z agentem.

Następnie przeniesiemy sklep Raju do chmury w filmie Raju's Shop Goes Live (Deploying the Backend).

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

Czas otworzyć się na świat. Zanim zbudujemy witrynę sklepu, wdrożymy w chmurze mózg i asortyment Raju (Twojego agenta).

Ważne: zarządzanie terminalami

W terminalu może być uruchomiony proces adk web z poprzedniego kroku.

• Pozostaw uruchomione, jeśli chcesz kontynuować testowanie lokalne.
• Otwórz NOWE okno lub kartę terminala, aby wykonać kolejne kroki wdrażania.
• Uwaga: za każdym razem, gdy zmienisz agent.py, musisz zatrzymać (Ctrl+C) i ponownie uruchomićadk web, aby zmiany zaczęły obowiązywać.

1. Przygotowywanie interfejsu wiersza poleceń Gemini

W NOWYM oknie terminala:

1. Sprawdź, czy interfejs wiersza poleceń Gemini jest już otwarty (poszukaj prompta gemini>).
2. Jeśli tak, wpisz /quit, aby wrócić do standardowej powłoki.
3. Upewnij się, że jesteś w folderze projektu:

   cd raju-shop
   

2. Instalowanie rozszerzenia Cloud Run

Zainstaluj rozszerzenie Cloud Run dla interfejsu wiersza poleceń Gemini w terminalu Cloud Shell (lub w terminalu lokalnym):

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

3. Ponowne uruchomienie interfejsu wiersza poleceń Gemini

Uruchom ponownie interfejs wiersza poleceń Gemini, aby użyć nowego rozszerzenia:

gemini

Powinien pojawić się prompt interfejsu wiersza poleceń Gemini.

4. Wdróż agenta

Z rozszerzeń interfejsu wiersza poleceń Gemini można korzystać na 2 sposoby:

Opcja 1. Polecenie po ukośniku (ręcznie) Możesz wpisać polecenie i flagi:

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

Opcja 2. Język naturalny (zalecana): to łatwiejszy i skuteczniejszy sposób. Wystarczy poprosić Gemini o wykonanie tego zadania, a usługa użyje serwera MCP, aby wywołać odpowiednie narzędzia.

Spróbuj wkleić ten prompt do interfejsu wiersza poleceń Gemini:

Sprawdź identyfikator projektu: w następnym wierszu zastąp raju-shop-agent prawidłowym identyfikatorem projektu Google Cloud. Znajdziesz go w menu u góry po lewej stronie konsoli Google Cloud lub uruchamiając gcloud config get-value project w standardowym terminalu.

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.

Interfejs wiersza poleceń może poprosić o potwierdzenie użycia narzędzia cloud-run. Aby zatwierdzić, naciśnij Enter (lub wpisz y).

Poczekaj na magię: potrwa to 2–3 minuty. Po zakończeniu zobaczysz komunikat o powodzeniu podobny do tego:

✦ 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 (...)

Rozwiązywanie problemów: jeśli coś pójdzie nie tak, możesz po prostu zapytać interfejs wiersza poleceń Gemini o błąd w języku angielskim. Na przykład: „Nie udało się z powodu błędu uprawnień. Jak rozwiązać ten problem?”

5. Sprawdzanie wdrożenia

Po zakończeniu wdrażania interfejs wiersza poleceń Gemini poda adres URL usługi. Skopiuj ten adres URL.

Sprawdzanie przeglądarki Wklej adres URL w przeglądarce.

• Sukces: powinna się wyświetlić dokumentacja FastAPI (interfejs Swagger) lub ogólna strona docelowa ADK. Potwierdza to, że usługa Cloud Run działa i jest dostępna.
• Błąd: jeśli otrzymasz komunikat 403 Forbidden, być może w prompcie wdrożenia zapomniałeś(-aś) zezwolić na „nieuwierzytelnione wywołania”.

W następnym kroku przetestujemy rzeczywistą logikę negocjacji, tworząc odpowiedni interfejs.

Podsumowanie

W tym kroku wdrożyliśmy backend agenta w Google Cloud Run za pomocą rozszerzenia Gemini CLI, dzięki czemu jest on dostępny pod publicznym adresem URL.

Następnie utworzymy atrakcyjną witrynę sklepową, w której klienci będą mogli rozmawiać z Raju. Zrobimy to w sekcji Tworzenie witryny sklepowej (interfejsu użytkownika).

9. Dekorowanie sklepu (interfejs użytkownika)

Terminal tekstowy jest nudny. Chcemy, aby witryna była atrakcyjna.

Jak działa interfejs ADK API

Aby utworzyć niestandardowy interfejs, musisz wiedzieć, jak komunikować się z backendem agenta. Przebiega on w 2 etapach:

1. Inicjowanie sesji: przed rozpoczęciem czatu musisz utworzyć identyfikator sesji (np. koszyk).
   • POST /apps/app/users/{user_id}/sessions/{session_id}
2. Wyślij wiadomość: aby rozpocząć rozmowę, wyślij tekst do punktu końcowego uruchomienia.
   • POST /run (ładunek zawiera appName, userId, sessionId i text).
3. Więcej informacji: zapoznaj się z dokumentacją interfejsu ADK Runtime API i interfejsu Python API.

Użyjemy tej logiki do utworzenia interfejsu.

Interfejs możesz utworzyć na 2 sposoby:

Opcja 1. Google Antigravity (zalecana – tylko lokalnie)

Jeśli pracujesz na komputerze lokalnym, najlepszym rozwiązaniem będzie Google Antigravity. Jest to środowisko IDE oparte na AI, które umożliwia „kodowanie w rytmie” całego interfejsu.

Uwaga: Antigravity to aplikacja na komputery. Jeśli korzystasz z Cloud Shell, przejdź do opcji 2.

1. Pobieranie i instalowanie

Pobierz instalator dla swojego systemu operacyjnego ze strony pobierania Google Antigravity i zainstaluj go.

2. Otwórz obszar roboczy

Uruchom Antigravity. Otwórz folder raju-shop jako Workspace. Dzięki temu AI zyska kontekst dotyczący całego projektu.

3. Generowanie interfejsu za pomocą Menedżera agentów

Zamiast pisać kod wiersz po wierszu, poprosimy o to agenta AI za pomocą Menedżera agentów.

1. Znajdź interfejs czatu Menedżera agentów (zwykle po prawej stronie).
2. Wklej w czacie ten prompt:

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`).

(Pamiętaj, aby zastąpić przykładowy adres URL rzeczywistym adresem URL usługi z kroku wdrażania).

1. Obserwuj, jak agent pisze kod za Ciebie. Możesz przełączyć się na widok edytora, aby zobaczyć, jak plik jest tworzony w czasie rzeczywistym.

4. Testowanie witryny sklepu

Google Antigravity ma wbudowane funkcje podglądu. Kliknij przycisk „Podgląd” (zwykle ikonę oka), aby zobaczyć swoją witrynę sklepową na żywo. Możesz też wyświetlać reklamy lokalnie za pomocą python3 -m http.server 8000.

Aby w pełni opanować to zaawansowane środowisko IDE, zalecamy ukończenie ćwiczenia „Wprowadzenie do Google Antigravity”.

Opcja 2. Interfejs wiersza poleceń Gemini (zgodny z Cloud Shell)

Jeśli korzystasz z Cloud Shell, możesz użyć niezawodnego interfejsu Gemini CLI, aby w kilka sekund utworzyć frontend.

Uruchom w terminalu to polecenie:

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

(Pamiętaj, aby zastąpić

z rzeczywistym adresem URL Cloud Run)

Podsumowanie

W tym kroku użyto Google Antigravity do „kodowania wibracyjnego” niestandardowego interfejsu HTML, który łączy się z backendem agenta na żywo.

Następnie uzupełnimy obraz, umieszczając witrynę sklepową w internecie w sekcji Uruchamianie witryny sklepowej.

10. Wielkie otwarcie (wdrażanie frontendu)

Raju jest online (backend), ale jego sklep potrzebuje publicznego adresu (frontend). Poproś Google Antigravity o wdrożenie interfejsu w chmurze.

1. Poproś menedżera agentów o wdrożenie

Nie musimy opuszczać IDE. Poproś menedżera agentów o przeprowadzenie wdrożenia.

Wklej ten prompt na czacie:

„Wdróż mój index.html jako statyczną witrynę w Google Cloud Run. Nazwij usługę raju-shop-frontend. Upewnij się, że jest dostępny publicznie”.

2. Obejrzyj magię

Pracownik obsługi klienta prawdopodobnie:

1. Utwórz Dockerfile lub konfigurację do obsługi plików statycznych (np. za pomocą nginx lub Pythona).
2. Skompiluj obraz kontenera.
3. Uruchom polecenie gcloud run deploy.

3. Odwiedź swój sklep

Gdy agent skończy, poda Ci adres URL (np. https://raju-shop-frontend-xyz.run.app). Kliknij go.

Gratulacje! Masz już w pełni wdrożoną aplikację sprzedawcy z funkcją negocjacji opartą na AI. Wyślij link znajomym i sprawdź, czy uda im się uzyskać zniżkę.

Podsumowanie

W tym kroku użyto Menedżera agentów Antigravity do skonteneryzowania i wdrożenia aplikacji front-end w Cloud Run.

Udało Ci się zbudować pełny stos. Zakończymy w sekcji Godzina zamknięcia (podsumowanie).

11. Godzina zamknięcia (podsumowanie)

Gratulacje! Udało Ci się ukończyć wyzwanie „Sprzedawca targujący się”. Z pomysłu stworzyliśmy w cyfrowym bazarze w pełni wdrożonego, interaktywnego sprzedawcę opartego na AI. Poznałeś(-aś) już możliwości rozwoju oprogramowania opartego na agentach.

Podsumowanie Twojej podróży:

• Google Cloud: skonfiguruj projekt i konto rozliczeniowe oraz wdróż agenta w Cloud Run.
• Gemini 3: inteligentny mózg, który odpowiada za osobowość Raju i jego umiejętności negocjacyjne.
• Pakiet Agent Development Kit (ADK): platforma, która zapewnia gotową do użycia w środowisku produkcyjnym podstawę z wbudowaną funkcją obserwacji (telemetrią), dzięki czemu agent jest niezawodny od samego początku.
• Interfejs wiersza poleceń Gemini: asystent w wierszu poleceń do szybkich zadań, testowania i rozszerzeń.
• Google Antigravity: IDE nowej generacji, w którym „wibrujesz kodem” interfejsu i orkiestrujesz wdrażanie.

Dalsze kroki dotyczące Twojego sklepu Digital Dukaan:

• Naprawianie uszkodzonych testów: kod został zmieniony, ale co z testami? Domyślne testy (tests/unit/test_agent.py) nadal będą sprawdzać pogodę. Użyj interfejsu wiersza poleceń Gemini, aby automatycznie je aktualizować. Spróbuj: gemini "Update the tests in tests/unit/test_agent.py to test the new check_inventory tool instead of weather."
• Dynamiczny asortyment: spraw, aby ilości asortymentu Raju aktualizowały się, gdy produkt zostanie „sprzedany”. Czy możesz dodać logikę, która zmniejszy wartość stock w słowniku INVENTORY po udanym „zakupie”?
• Narzędzie Payment Gateway: wdróż narzędzie process_payment. Raju może wtedy wywołać to narzędzie, gdy dojdzie do porozumienia.
• Poznaj Antigravity: dowiedz się więcej o Menedżerze agentów i obszarach roboczych Antigravity. Czy możesz poprosić agenta o doprecyzowanie index.html, aby wyświetlić potwierdzenie na żywo?
• Udostępnij swój sklep: sklep Raju jest dostępny w internecie. Udostępnij adres URL interfejsu znajomym i sprawdź, czy uda im się znaleźć lepszą ofertę niż Tobie.

Zasoby

• Google Antigravity
• Google Cloud Run
• Dokumentacja ADK
• Interfejs wiersza poleceń Gemini

12. Czyszczenie

Aby uniknąć niepotrzebnych opłat na koncie Google Cloud za zasoby użyte w tym ćwiczeniu, wykonaj te czynności.

Kontynuuj naukę dzięki poziomowi bezpłatnemu Google Cloud

Wiele usług Google Cloud, w tym Cloud Run, oferuje poziom bezpłatny, który umożliwia korzystanie z zasobów do określonego limitu bez ponoszenia opłat.

Jeśli nadal korzystasz z bezpłatnego okresu próbnego Google Cloud, masz jeszcze większą elastyczność.

Możesz nadal używać bieżącego projektu Google Cloud (raju-shop-agent) i rozwijać swojego agenta bez utraty postępów, o ile Twoje wykorzystanie mieści się w limitach bezpłatnego poziomu.

1. Wyłącz usługi Cloud Run (opcjonalna oszczędność kosztów)

Jeśli chcesz uniknąć potencjalnych opłat związanych z wdrożonymi usługami, ale zachować projekt i inne konfiguracje, możesz cofnąć wdrożenie usług Cloud Run.

Otwórz terminal Cloud Shell (lub terminal lokalny) i uruchom te gcloud polecenia:

# 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

Jeśli uruchamiasz te polecenia na komputerze lokalnym, upewnij się, że masz zainstalowany i skonfigurowany interfejs wiersza poleceń Google Cloud (gcloud).

2. Usuwanie projektu Google Cloud (całkowite zatrzymanie kosztów)

Jeśli chcesz mieć pewność, że nie poniesiesz żadnych dalszych kosztów i całkowicie usuniesz wszystkie zasoby utworzone podczas tego laboratorium, najlepszym rozwiązaniem będzie usunięcie całego projektu Google Cloud.

1. Otwórz stronę Projekty w konsoli Google Cloud.
2. Wybierz projekt (raju-shop-agent) i kliknij Usuń.
3. Postępuj zgodnie z instrukcjami, aby potwierdzić usunięcie projektu.