1. 序曲
孤立開發的時代即將結束。下一波技術演進浪潮並非由天才獨領風騷，而是集眾人之力，建立單一智慧代理程式是一項有趣的實驗。建構強大、安全且智慧的代理程式生態系統 (也就是真正的 Agentverse)，是現代企業面臨的重大挑戰。
想在這個新時代取得成功，必須整合四個重要角色，也就是支援任何蓬勃發展的代理式系統的基礎支柱。任何一個領域的不足都會造成弱點，進而危害整個結構。
這場研討會是企業的必修課程，可協助您在 Google Cloud 上掌握 AI 代理的未來趨勢。我們提供端對端的發展藍圖，引導您從最初的想法，逐步實現全面運作的目標。在四個相互連結的實驗室中，您將瞭解開發人員、架構師、資料工程師和 SRE 的專業技能如何匯聚，共同建立、管理及擴充強大的 Agentverse。
單一支柱無法單獨支撐 Agentverse。如果沒有開發人員的精確執行，架構師的宏偉設計就毫無用處。如果沒有資料工程師的智慧，開發人員的代理程式就無法運作；如果沒有 SRE 的保護，整個系統就會很脆弱。唯有透過協同合作，並對彼此的角色有共同的瞭解，團隊才能將創新概念轉化為攸關任務的營運實況。您的旅程由此開始。準備好精通自己的職務，並瞭解自己在整體架構中扮演的角色。
歡迎參加「The Agentverse：A Call to Champions」
在企業廣闊的數位領域中，新時代已然來臨。我們正處於代理時代，充滿無限可能。智慧型自主代理將完美協作，加速創新並擺脫日常瑣事。
這個連結的能量和潛力生態系統稱為「Agentverse」。
但一種稱為「靜態」的無聲腐敗，已開始侵蝕這個新世界的邊緣。「靜態」並非病毒或錯誤，而是混亂的化身，會以創作行為本身為食。
這些舊有的挫敗感會以可怕的形式放大，催生出七大開發幽靈。如果未勾選，The Static 和其 Spectres 會讓進度停滯不前，將 Agentverse 的承諾變成技術債和廢棄專案的荒地。
今天，我們呼籲各界好手挺身而出，力挽狂瀾。我們需要英雄精通自己的技藝，並攜手合作保護 Agentverse。現在來選擇路徑吧。
選擇課程
您面前有四條截然不同的道路，每一條都是對抗靜態的重要支柱。雖然訓練是單人任務，但最終能否成功取決於你是否瞭解自己的技能如何與他人搭配。
- 影刃 (開發人員)：擅長鍛造，是前線好手。您是工匠，負責打造刀刃、製作工具，並在複雜的程式碼中面對敵人。你的道路充滿精確、技能和實用創作。
- 召喚師 (架構師)：偉大的策略家和自動化調度管理工具。您不會看到單一特務，而是整個戰場。您設計的藍圖可讓整個代理程式系統通訊、協作，並達成遠遠超出任何單一元件的目標。
- 學者 (資料工程師)：尋找隱藏的真相，並守護智慧。您深入廣闊的資料荒野，發掘可賦予代理程式目標和視野的智慧。你的知識可以揭露敵人的弱點，或賦予盟友力量。
- 守護者 (DevOps / SRE)：領域的堅定守護者和盾牌。您要建造堡壘、管理電力供應線，並確保整個系統能抵禦「靜電」的攻擊。你的力量是團隊獲勝的基礎。
你的任務
訓練會以獨立運動的形式開始。您將選擇適合自己的路徑，學習精通職務所需的獨特技能。試用期結束時，您將面對由靜態誕生的幽靈，這個迷你首領會利用您創作時遇到的特定挑戰。
只有精通個人角色，才能為最終試用做好準備。然後與其他班級的冠軍組成隊伍。你們將深入腐敗的核心，迎戰最終魔王。
最後的合作挑戰，將考驗你們的綜合實力，並決定 Agentverse 的命運。
Agentverse 等待英雄的到來。要接聽電話嗎？
2. 暗影之刃的法典
你面前攤開的是暗影之刃的法典。接聽來電。靜態的混亂逐漸蔓延，威脅著 Agentverse，只有精通本法典技術的人才能反擊。這是一條精準且自律的道路。今天開始，你將接受訓練。您將學會如何運用 AI，不只是當成簡單的工具，而是當成有知覺的刀刃，必須馴服並精通。請按照本文的教學內容操作，您將打造出純粹邏輯的武器，也就是經過磨練、準備好上戰場的智慧型代理程式。
課程內容
- 運用主要武器：Gemini CLI。
- 運用 Gemini CLI 擴充功能和代理程式技能，擴充您的工具。
- 將 MCP 工具與 Gemini CLI 整合，即可呼叫外部工具。
- 使用設計文件將意圖轉化為「氛圍」，藉此指揮 AI 夥伴。
- 使用 Agent Development Kit (ADK) 建構第一個自主代理，打造乾淨的模組化解決方案。
- 刻寫掛鉤，攔截並防護代理程式的行為。
- 建構自動化評估套件，測試及驗證代理程式。
- 建構完整的 CI 管道，自動測試、容器化及封存代理程式。
3. 準備訓練場地
領取 Google Cloud 抵免額
⚠️ 重要前提條件：
- 使用個人 Gmail：你必須使用個人帳戶 (例如
name@gmail.com)。公司或學校管理的帳戶無法使用。
👉 步驟：
- 前往抵免額申請網站： 按一下這裡
- 登入：將連結貼到網址列，然後使用個人 Gmail 登入。
- 接受條款：接受《Google Cloud Platform 服務條款》。
- 確認抵免額：查看確認抵免額已套用的訊息。
- *注意：如果系統提示您輸入信用卡資訊，請放心忽略並關閉視窗。
這樣就完成了。你可以關閉視窗。
設定工作環境
👉點選 Google Cloud 控制台頂端的「啟用 Cloud Shell」(Cloud Shell 窗格頂端的終端機形狀圖示) 
👉按一下「Open Editor」(開啟編輯器) 按鈕 (類似於有鉛筆的開啟資料夾)。視窗中會開啟 Cloud Shell 程式碼編輯器。左側會顯示檔案總管。
👉在雲端 IDE 中開啟終端機，
👉💻 在終端機中，使用下列指令驗證您是否已通過驗證，以及專案是否已設為您的專案 ID：
gcloud auth list
👉💻 從 GitHub 複製啟動程序專案：
git clone https://github.com/weimeilin79/agentverse-developer.git
chmod +x ~/agentverse-developer/gitea.sh
chmod +x ~/agentverse-developer/init.sh
chmod +x ~/agentverse-developer/set_env.sh
git clone https://github.com/weimeilin79/agentverse-dungeon.git
chmod +x ~/agentverse-dungeon/run_cloudbuild.sh
chmod +x ~/agentverse-dungeon/start.sh
👉💻 從專案目錄執行設定指令碼。
⚠️ 專案 ID 注意事項：指令碼會建議隨機產生的預設專案 ID。您可以按下 Enter 鍵接受這項預設值。
不過，如果您想建立特定新專案，可以在指令碼提示時輸入所需的專案 ID。
cd ~/agentverse-developer
./init.sh
指令碼會自動處理其餘設定程序。
👉 完成後的重要步驟：指令碼執行完成後，請務必確認 Google Cloud 控制台顯示的專案正確無誤：
- 前往 console.cloud.google.com。
- 按一下頁面頂端的專案選取器下拉式選單。
- 按一下「全部」分頁標籤 (因為新專案可能尚未顯示在「最近」中)。
- 選取您在
init.sh步驟中設定的專案 ID。
👉💻 返回終端機。設定所需的專案 ID：
gcloud config set project $(cat ~/project_id.txt) --quiet
👉💻 執行下列指令，啟用必要的 Cloud API：
gcloud services enable compute.googleapis.com \
artifactregistry.googleapis.com \
run.googleapis.com \
cloudfunctions.googleapis.com \
cloudbuild.googleapis.com \
iam.googleapis.com \
aiplatform.googleapis.com \
cloudresourcemanager.googleapis.com
👉💻 如果您尚未建立名為「agentverse-repo」的 Artifact Registry 存放區，請執行下列指令來建立：
. ~/agentverse-developer/set_env.sh
gcloud artifacts repositories create $REPO_NAME \
--repository-format=docker \
--location=$REGION \
--description="Repository for Agentverse agents"
設定權限
👉💻 在終端機中執行下列指令，授予必要權限：
. ~/agentverse-developer/set_env.sh
# Artifact Registry Admin
gcloud projects add-iam-policy-binding $PROJECT_ID \
--member="serviceAccount:$SERVICE_ACCOUNT_NAME" \
--role="roles/artifactregistry.admin"
# Cloud Build Editor
gcloud projects add-iam-policy-binding $PROJECT_ID \
--member="serviceAccount:$SERVICE_ACCOUNT_NAME" \
--role="roles/cloudbuild.builds.editor"
# Cloud Run Admin
gcloud projects add-iam-policy-binding $PROJECT_ID \
--member="serviceAccount:$SERVICE_ACCOUNT_NAME" \
--role="roles/run.admin"
# IAM Service Account User
gcloud projects add-iam-policy-binding $PROJECT_ID \
--member="serviceAccount:$SERVICE_ACCOUNT_NAME" \
--role="roles/iam.serviceAccountUser"
# Vertex AI User
gcloud projects add-iam-policy-binding $PROJECT_ID \
--member="serviceAccount:$SERVICE_ACCOUNT_NAME" \
--role="roles/aiplatform.user"
# Logging Writer (to allow writing logs)
gcloud projects add-iam-policy-binding $PROJECT_ID \
--member="serviceAccount:$SERVICE_ACCOUNT_NAME" \
--role="roles/logging.logWriter"
gcloud projects add-iam-policy-binding $PROJECT_ID \
--member="serviceAccount:$SERVICE_ACCOUNT_NAME" \
--role="roles/logging.viewer"
👉💻 訓練開始後，我們就會準備最終挑戰。下列指令會從混亂的靜態中召喚幽靈，建立測試用的頭目。
. ~/agentverse-developer/set_env.sh
cd ~/agentverse-dungeon
./run_cloudbuild.sh
npm update -g @google/gemini-cli
4. 掌握主要武器：Gemini CLI 簡介
如要使用 MCP 伺服器軍械庫中的進階專用武器，請先精通主要武器：Gemini CLI。這是功能最全面的刀片，可透過指令塑造數位世界。這些練習可幫助您熟悉基礎操作和功能。
Gemini 指令列介面 (CLI) 不只是一項工具，更是您意志的延伸。這項開放原始碼 AI 代理採用 Gemini 模型，並以「先推論再行動」的 ReAct 迴圈運作。這項功能會分析您的意圖、選取適當的技術、執行技術，並觀察結果，以完成複雜的工作。你必須先精通這把主要刀刃，才能使用更專業的武器。
開始使用 Gemini CLI
👉💻 進入訓練場地，拔出武器。在 Cloud Shell 終端機中，前往個人軍械庫。
cd ~/agentverse-developer
mkdir tabletop
cd tabletop
👉💻 首次召喚 Gemini。並引導您完成初始調整。
clear
gemini
如果系統詢問 Do you want to connect Cloud Shell editor to Gemini CLI?，請選擇「NO」。
武器熟悉度
每個工匠大師都瞭解自己的工具。你必須先學會刀刃的核心技巧，才能面對真正的敵人。
👉✨ 每項附魔工具都有描述其力量的符文。立即閱讀。在 Gemini 提示詞中輸入：
/help
觀察指令清單。這些是管理記憶體 (focus)、對話 (chat) 和外部資源 (tools) 的基本技巧，也是你的戰鬥手冊。
👉✨ 武器會與環境產生共鳴，讓您直接操控戰場。向刀片外的世界發出指令：
!ls -l
👉✨ Gemini CLI 具備一組內建功能。如要檢查這些項目，請按照下列步驟操作：
/tools
清單會顯示 ReadFile、WriteFile 和 GoogleSearch 等項目。這些是預設技術，您可直接呼叫，不必從外部工具庫中提取。
👉✨ 你也可以使用擴充功能強化刀鋒，這些是其他大師預先打造的魔法，可將工具、指令和環境封裝成單一可安裝的單元。檢查目前與刀片相應的擴充功能：
/extensions list
如果尚未安裝任何擴充功能，這份清單目前可能為空白。稍後在訓練需要圖片生成功能時，您就會呼叫第一個擴充功能。
👉✨ 除了擴充功能，熟練的專家還將專業知識編碼為「代理程式技能」，也就是隨選的專業知識捲軸。刀鋒可探索的技能如下：
/skills list
根據預設，技能不會載入記憶體，只會在需要時啟動，確保刀片快速運作且不受阻礙。您將在稍後的訓練課程中學會運用技能。
👉✨ 武器必須對準目標才能發揮效用。Gemini Blade 可掌握「戰術意識」(背景資訊)，引導其採取行動。
/memory show
目前為空白狀態。
👉✨ 將下列戰術資料刻入記憶體：
/memory add "The Shadowblade's primary foe is The Static."
再次執行 /memory show，確認刀鋒伺服器已吸收這項知識。
👉✨ 武器必須瞭解任務，才能發揮效用。@ 符號會命令刀鋒伺服器分析 Intel。首先，建立任務簡報檔案：
!echo "## Mission Objective: Defeat the Seven Spectres" > mission.md
👉✨現在，請使用 Gemini CLI 分析簡報並回報結果：
Explain the contents of the file @mission.md
主武器現在知道自己的目標。
👉💻 按兩次 Ctrl+C 即可退出 Gemini CLI
5. 分析戰場：直覺式程式開發互動實務
訓練練習已完成。您已學會主要武器 Gemini CLI 的基本姿勢和打擊動作。但刀刃必須經過創作熔爐的測試，並與戰爭兵工廠相應，才能真正掌握。在面對真正的敵人之前，您必須先調查並塑造周遭環境，也就是數位戰場。
本章將說明如何將理論付諸實踐。首先，您要透過 Gemini 刀鋒，打造自己的 Maker's Mark，也就是以個人網站形式呈現的數位簽章，完全由您的意圖建構而成，藉此在 Agentverse 中建立自己的形象。接著，您將啟動本機的進階工具 (MCP 伺服器)，並調整刀鋒伺服器的頻率，藉此擴展功能，以簡單明確的指令執行管理程式碼存放區等複雜操作。
建立 Maker's Mark
真正的暗影刃不僅以武器聞名，更以獨特的風格 (即製作者的標記) 著稱。這個標記就是你的數位形象，是向 Agentverse 宣告你身分的個人檔案。您將在此指令 Gemini Blade 執行定義這個身分所需的複雜技術。
👉💻 如果您在上一節中關閉了 Gemini CLI，請務必再次啟動，在終端機中執行
clear
cd ~/agentverse-developer/tabletop
gemini
👉✨ 只要執行一個強大的指令，即可指示 Gemini CLI 建立數位身分基礎：
In the current folder, create a personal profile website for a hero codenamed 'Shadowblade'. The design must be a dark, futuristic theme with electric blue accents. All code must be in separate index.html and styles.css files. The layout must use CSS Flexbox for a two-column design. All generated code must be clean, well-commented, and professional. Make sure you have a placeholder spot for profile picture. Do not attempt to start the server.
Gemini 已計算出所需的一連串動作。
👉💻 按兩次 Ctrl+C 鍵，退出 Gemini CLI，然後在終端機中執行下列指令。*
python -m http.server
👀 如要查看成果，請按一下 Cloud Shell 工具列中的「網頁預覽」圖示。選取「變更通訊埠」，將通訊埠設為 8000，然後按一下「變更並預覽」。系統會顯示網站預覽畫面。
你的網站可能與我的不同。這是您的專屬標記。
你的簽名技術已臻成熟，因此不再需要即時模擬。命令刀鋒部隊撤退。
👉💻 按下 Ctrl+C 即可退出 HTTP 伺服器。
您現在已建立數位身分，更重要的是，您已學會運用強大力量時，更要謹慎行事的道理。
啟用本機軍械庫：Gitea Armory
暗影刀鋒的真正潛力不僅取決於個人技能，也取決於武器庫的品質。現在請啟動本機武器架 (Gitea 伺服器)，並將刀刃調校至適當的強度。這個工具庫會透過 Model Context Protocol (MCP) 伺服器連結至 Gemini CLI。MCP 伺服器是專門的入口，可讓 AI 刀鋒與外部工具和服務互動，將終端機變成智慧型工作區，執行各種動作。
開發人員注意事項：不妨將 MCP 伺服器視為力量的管道，也就是連結 AI 智慧與外部工具的專用入口網站。這項功能可讓 Gemini CLI 不只是對話式工具，而是能真正採取行動的代理。將刀片調整至這些 MCP 入口網站，即可授予刀片執行具體動作的能力，例如管理檔案、查詢資料庫、與 API 互動等。開發人員建立的這類入口網站構成整個生態系統，可將 AI 代理程式連結至強大的平台。MCP 伺服器可與資料庫互動、保護程式碼安全，甚至支援結對程式設計。開發人員可根據任何專案自訂工作區，用途十分廣泛。
今天，我們將著重探討「氛圍編碼員」必備的兩項基本能力：控制熔爐的能力，以及從想像力創造的能力。首先，您要將刀鋒伺服器調整至 Git 伺服器，以便控管程式碼存放區。接著，您會連線至第二個 MCP 伺服器來生成圖片，只要輸入指令就能建立視覺素材資源。
首先，請召喚新武器庫中最基本的第一個元素：武器庫本身。
👉💻 在終端機中執行啟用指令碼，召喚軍械庫：
cd ~/agentverse-developer
./gitea.sh
這個指令碼會喚醒 Gitea 容器並開啟 MCP 入口網站，讓 Gemini 感知並與其互動。
👉 如要查看新武器，請凝視網頁預覽畫面。
👉 從 Cloud Shell 工具列的「網頁預覽」圖示中，選取「變更通訊埠」，並設為 3005。
👉 系統會顯示 Gitea 登入頁面。使用咒語進入軍械庫：* 使用者名稱：dev * 密碼：dev
👉💻 Gemini CLI 目前還無法使用這項新功能。您必須執行重要調校作業，將軍械庫位置刻在 Gemini CLI 的設定符文 (settings.json) 上。在終端機中執行：
if [ ! -f ~/.gemini/settings.json ]; then
# If file does not exist, create it with the specified content
echo '{"mcpServers":{"gitea":{"url":"http://localhost:8085/sse"}}}' > ~/.gemini/settings.json
else
# If file exists, merge the new data into it
jq '. * {"mcpServers":{"gitea":{"url":"http://localhost:8085/sse"}}}' ~/.gemini/settings.json > tmp.json && mv tmp.json ~/.gemini/settings.json
fi &&
cat ~/.gemini/settings.json
👀 settings.json 檔案是 Gemini CLI 的中央設定，可做為偏好設定和功能的魔法書。這項設定會決定 CLI 的行為、外觀，以及最重要的，CLI 可運用的外部功能。這個檔案通常位於主目錄的 ~/.gemini/settings.json，並將規則套用至所有專案。不過，您也可以在專案資料夾內的 .gemini 目錄中建立專案專用的 settings.json 檔案，覆寫全域設定。
"mcpServers": {
"gitea": {
"url": "http://localhost:8085/sse"
}
}
這項設定會告訴 Gemini：「名為 gitea 的武器庫已啟用，並在特定網路位址監聽指令。」
👉💻 重新進入 Gemini CLI。在終端機中執行下列指令：
clear
cd ~/agentverse-developer/tabletop/
gemini
👉✨ 確認刀刃已發現新武器。指令機器人透過 MCP 入口網站列出所有可用的軍械庫：
/mcp
現在應該會看到 gitea，以及可用技術的清單。刀鋒已調校完畢。
「Maker's Mark」設定檔是精心打造的技術，但需要適當的存放位置，也就是能穩固保存的劍鞘。請 Gemini CLI 建立一個。
Create a new repository named 'shadowblade-profile'. The description should be 'The Maker's Mark and digital identity for the Shadowblade operative.' I will push my own files later, so do not create any content.
返回 Gitea 網頁介面並重新整理。您會看到系統為您建立的新 shadowblade-profile 存放區。
準備好刀鞘後，請固定作品。請 Gemini 提交個人資料網站的檔案。
👉💻在 Gemini CLI 中，針對這項技巧發出最終指令：
Using the Gitea tool, push the index.html and styles.css files to the 'shadowblade-profile' repository.
真正的專家會驗證自己的工作。返回 Gitea 分頁，然後重新整理存放區頁面。您的 index.html 和 styles.css 現已安全封存。
👉✨ 影刃的特徵是徽記，但如您所知，您的網站缺少個人資料圖片。大師級工匠會認清自己的缺點，以便加以改善。你必須在軍械庫的記錄中登載這項瑕疵。
File an issue for me in the shadowblade-profile repo. The issue is that the profile image is missing.
在 Gitea 中查看問題 
如要打造缺少的符文，你必須召喚另一種力量，也就是創造之靈，這種力量能夠從純粹的想法生成圖像。在 Gitea 專區中，您手動編輯了設定符文，將刀鋒伺服器調整為 MCP 伺服器，這是「原始」做法。現在您將瞭解現代技術：Gemini CLI 擴充功能。
擴充功能是預先打造的魔法，可將 MCP 伺服器、自訂指令、環境和設定包裝成單一可安裝的單元。一個咒語即可取代數十行手動設定。
👉💻 按兩次 Ctrl+C 即可退出 Gemini CLI
召喚創造之靈前，你必須先在自己的領域中解鎖其力量。Nano Banana 擴充功能使用 Generative Language API，這個閘道與您使用的 Vertex AI 服務不同。你必須啟用這個閘道並偽造專屬金鑰，才能授予精靈存取權。
👉💻 在終端機中啟用 API：
gcloud services enable generativelanguage.googleapis.com
👉💻 現在，請偽造 API 金鑰，也就是精靈的個人存取權杖：
- 前往 Google Cloud 控制台的「憑證」頁面。
- 按一下頂端的「+ 建立憑證」，然後選取「API 金鑰」。
- 將 API 金鑰命名為容易辨識的名稱，例如「Generative Language API Key」。
- 在「API 限制」下拉式選單中，選擇「Generative Language API」
- 建立並複製金鑰：在下一個步驟中會用到。
👉💻 安裝 Nano Banana 擴充功能，體驗由 Google 專屬 Gemini 文字轉圖像模型驅動的創作靈感。在終端機中執行下列指令：
gemini extensions install https://github.com/gemini-cli-extensions/nanobanana
系統提示輸入 API 金鑰時，請貼上剛才建立的金鑰，然後按下 Enter 鍵。
👉💻 最後一個步驟是調整音訊。Cloud Shell 環境預設會透過 Vertex AI 傳送所有 AI 要求，但創作靈感是透過不同的閘道傳達。執行下列指令，正確設定擴充功能的入口：
NANO_CONFIG=$(find ~/.gemini/extensions -name "gemini-extension.json" -path "*nanobanana*" 2>/dev/null | head -1) && \
jq '.mcpServers.nanobanana.env.GOOGLE_GENAI_USE_VERTEXAI = ""' "$NANO_CONFIG" > /tmp/nb_tmp.json && \
mv /tmp/nb_tmp.json "$NANO_CONFIG"
這項單一指令已完成所有作業：下載 MCP 伺服器、註冊工具，以及安裝自訂斜線指令，完全不需要您操作 settings.json。
👀 開發人員注意事項：擴充功能與原始 MCP 伺服器。請與 Gitea 設定比較。您當時手動執行 jq 指令，將 MCP 伺服器網址插入 settings.json。這種「原始」做法有助於瞭解機制，但對於大多數實際用途而言，擴充功能是較好的選擇。擴充功能會將 MCP 伺服器、自訂指令 (例如 /generate、/edit、/story)、環境設定，甚至是情境指令 (透過隨附的 GEMINI.md) 綁定成單一可共用的套件。Gemini CLI 擴充功能庫提供完整的擴充功能生態系統。
👉💻 重新進入 Gemini CLI，確認擴充功能已啟用：
clear
cd ~/agentverse-developer/tabletop/
gemini
👉✨ 確認擴充功能已調整：
/extensions list
現在應該會看到 nanobanana 列出工具和指令。
👉✨ 只要發出一個簡單的指令，就能指示 Nano Banana 擴充功能製作符印。在 Gemini CLI 中執行下列指令：
/generate a portrait of a shadowblade, pixel art style. A determined warrior with long, braided magenta hair, wearing black and teal armor and confidently holding a silver broadsword.
👉✨ 靈體會生成圖片，並直接放置在你的本機工作區。現在，請命令刀刃使用這個新刻的符印。(Gemini 可能已為您完成這項操作！請查看先前的回覆，或許 AI 夠聰明，在你發問前就已完成這項工作！)
Modify the index.html file to add my profile picture. Use the image I just generated.
👉💻 在新的終端機中啟動 HTTP 伺服器。
cd ~/agentverse-developer/tabletop/
python -m http.server
👀 如要查看成果，請按一下 Cloud Shell 工具列中的「網頁預覽」圖示。選取「變更通訊埠」，將通訊埠設為 8000，然後按一下「變更並預覽」。系統會顯示網站預覽畫面。
👉✨ 返回執行 Gemini CLI 的終端機，提交修正內容，註明工作已完成，並關閉您在軍械庫記錄中提出的問題。
Push the changed index.html file to the 'shadowblade-profile' repository using the gitea tool. Make sure you add 'Fix #1' in the commit comment. Also, close issue #1.Use the Gitea Tool and use user account "dev"
👉💻 按兩次 Ctrl+C 即可退出 Gemini CLI。
👀 如要查看成果，請按一下 Cloud Shell 工具列中的「網頁預覽」圖示。選取「變更通訊埠」，將通訊埠設為 3005，然後按一下「變更並預覽」。系統會顯示網站預覽畫面。
👉💻 在執行 http 伺服器的終端機中，按下 Ctrl+C 即可退出 http 伺服器。
非遊戲玩家
6. 組裝 Shadowblade 代理程式：使用 Guardrails 以直覺方式開發程式
練習時間結束。鋼鐵撞擊石頭的迴音逐漸消失。你已精通主要武器，並準備好戰爭用的武器庫。現在，您將進行真正的 Shadowblade 測試：組裝作業員本身。這就是賦予邏輯生命力的藝術，使用 Codex 的神聖藍圖建構代理的核心智慧，為您軍械庫中的刀刃創造出有知覺的揮舞者，能夠獨立思考、推理和行動。
你的首要任務是進入現有工作室 (預先建構的程式碼集)，並從中打造你的冠軍。
組裝儀式
在鍛造的火花初現之前，技術人員會先勘查工作坊，瞭解每項工具和每個示意圖。踏上陌生的戰場 (例如現有的大型程式碼集) 時，首要之務是偵察。您必須瞭解現有架構、最終目標和參與協議，才能掌握大局。只有熟悉堡壘的藍圖和標準，才能有效貢獻自己的技能。
Gemini CLI 是隨時待命的偵查員，可協助您進行偵查：
- 提供高階摘要：讀取整個程式碼集 (或程式碼庫)，快速瞭解其用途和重要元件。
- 協助設定環境：可引導您完成安裝工具和設定電腦的複雜程序。
- 瀏覽程式碼集：這項工具可做為嚮導，協助您探索複雜的邏輯，並在程式碼中找出隱藏的段落。
- 生成新進人員文件：可建立量身打造的卷軸，向加入你陣營的新盟友說明目標、角色和資源。
- 自動學習與問與答：成為你的個人學者，回答有關功能或程式碼行為的問題，讓你更獨立地解決問題。
👉💻 在第一個終端機中，前往 shadowblade 目錄並召喚 AI 夥伴：
. ~/agentverse-developer/set_env.sh
cd ~/agentverse-developer/shadowblade
clear
gemini
👉✨ 現在，請指揮偵察兵勘查戰場並回報情況。
Analyze the entire project and provide a high-level summary.
現有地形已對應完成，現在請參閱藍圖，瞭解即將建構的內容。最強大的特工並非即興發揮，而是經過精確設計。
開發人員注意事項：這份設計文件是專案的權威藍圖。目的是在投入大量開發工作前，確保目標和技術實作方式明確。完善的計畫可確保所有開發人員目標一致，降低重工風險，並有助於避免技術債和範圍蔓延。這是維持專案速度和程式碼品質的主要工具，尤其是在團隊擴大或新成員加入時。
本文件的重要目標是定義「順利路徑」，以及邊緣情況和失敗模式，特別是使用 LLM 時。根據我的經驗，LLM 非常擅長生成樂觀程式碼，前提是所有輸入內容都有效，且所有外部呼叫都成功。如要建構強大的軟體，並用於正式環境，我們必須明確引導 AI，針對下列情境定義應變措施：
- 傳遞至函式的引數無效或格式錯誤。
- API 呼叫失敗、網路逾時，或外部服務傳回非預期的錯誤代碼。
- 處理預期有資料但卻為空值或空白的資料結構。
- 競爭狀況或並行問題。
在設計中指定這些情況的預期行為，即可指示 LLM 生成更具彈性的程式碼，大幅減少手動重構和修正錯誤所花的時間。
👉✨ 要求 Gemini 為你找出這份神聖藍圖。
download https://raw.githubusercontent.com/weimeilin79/agentverse/main/developer/shadowblade/agent_design.md, store it as an agent_design.md file in my local folder, and show me the newly downloaded design doc. Do not attempt to create the file just yet.
👉✨ 捲動畫面即可查看詳細資訊。請 Gemini 歸納重點。
Summarize the newly downloaded @agent_design.md for me, do not attempt to create file just yet.
現在你已取得方案。不過，在鍛造任何一行程式碼之前，大師工匠會先建立鍛造的法則。這與紀律和擴充性有關。這些是編碼指南。這些並非只是建議，而是強大的符文，可確保每個元件都以相同的精確度和強度建構而成。這類功能可避免個別樣式造成混亂，進而破壞最終作品，確保代理程式具有彈性、可維護且純粹，讓新藝匠加入專案時，不會破壞整體和諧。
為直接將這些法律刻印在 AI 合作夥伴的意識中，我們使用了一種特殊構件：GEMINI.md 檔案。呼叫 Gemini CLI 時，系統會自動搜尋這個檔案，並將內容載入 AI 的工作記憶體。這會成為專案層級的永久指令。這就像護身符，會不斷向 AI 傳達鍛造規則。
現在就來刻上這些符文。
👉💻 按兩次 Ctrl+C 暫時退出 Gemini。
👉💻 在終端機中執行下列指令，寫入指引檔案。
cat << 'EOF' > GEMINI.md
### **Coding Guidelines**
**1. Python Best Practices:**
* **Type Hinting:** All function and method signatures should include type hints for arguments and return values.
* **Docstrings:** Every module, class, and function should have a docstring explaining its purpose, arguments, and return value, following a consistent format like reStructuredText or
Google Style.
* **Linter & Formatter:** Use a linter like `ruff` or `pylint` and a code formatter like `black` to enforce a consistent style and catch potential errors.
* **Imports:** Organize imports into three groups: standard library, third-party libraries, and local application imports. Sort them alphabetically within each group.
* **Naming Conventions:**
* `snake_case` for variables, functions, and methods.
* `PascalCase` for classes.
* `UPPER_SNAKE_CASE` for constants.
* **Dependency Management:** All Python dependencies must be listed in a `requirements.txt` file.
**2. Web APIs (FastAPI):**
* **Data Validation:** Use `pydantic` models for request and response data validation.
* **Dependency Injection:** Utilize FastAPI's dependency injection system for managing resources like database connections.
* **Error Handling:** Implement centralized error handling using middleware or exception handlers.
* **Asynchronous Code:** Use `async` and `await` for I/O-bound operations to improve performance.
EOF
cat GEMINI.md
法律已刻在石板上，現在讓我們重新召喚 AI 合作夥伴，見證神器帶來的魔法。
👉💻 從 shadowblade 目錄重新啟動 Gemini CLI：
. ~/agentverse-developer/set_env.sh
cd ~/agentverse-developer/shadowblade
clear
gemini
👉✨ 現在，問問 Gemini 正在思考的內容。符文已解讀。
/memory show
裝備專業知識：服務專員技能
刻下的符文就像永久的魔法，會持續生效，引導刀刃。GEMINI.md但真正的忍者大師不會在每場戰鬥中都攜帶所有卷軸。有些專業知識過於專精或繁重，無法隨時載入。這時代理人技能就派上用場。
代理程式技能就像是背包中的密封卷軸。當中包含專業知識 (詳細說明、指令碼，甚至是參考資料)，但會在您需要時才啟動。只有在面臨與卷軸領域相符的挑戰時，刀刃才會抽出卷軸並吸收其中的知識。這稱為「漸進式揭露」：可讓刀鋒視窗保持快速且不負擔，只在需要時啟動特殊功能。
👀 開發人員注意事項：Agent Skills 是 Gemini CLI 脈絡工程階層的第三層：
- 使用者設定 (
~/.gemini/settings.json) - 全域設定 - GEMINI.md：持續性的專案層級脈絡 (一律載入)
- 代理技能 (
.gemini/skills/) - 隨選專業知識 (需要時載入)
這種漸進式揭露模型對企業用途至關重要：存放區可能包含數十種專業技能 (安全性稽核、資料庫遷移、法規遵循檢查)，但 AI 只會啟動與目前工作相關的技能，節省寶貴的脈絡權杖。
讓我們打造第一項技能，也就是 ADK 專業知識卷軸，刀鋒在建構代理時可以運用這項技能。
👉💻 按兩次 Ctrl+C 即可退出 Gemini CLI。接著，建立技能目錄並刻寫卷軸：
mkdir -p ~/.gemini/skills/adk-agent-design
cat << 'EOF' > ~/.gemini/skills/adk-agent-design/SKILL.md
---
name: adk-agent-design
description: Expert guidance for designing and building agents with the Google Agent Development Kit (ADK). Activate when the user asks about agent architecture, tool design, callback patterns, or ADK best practices.
---
# ADK Agent Design Expertise
When designing an ADK agent, follow these principles:
## Agent Architecture
- Define agents using `LlmAgent` with a clear `name`, `model`, `instruction`, and `tools` list.
- Keep instructions specific and action-oriented. Tell the agent what it IS, not what it should try to be.
- Use `before_model_callback` and `after_model_callback` for guardrails and validation.
## Tool Design
- Each tool should do ONE thing well. Prefer small, focused tools over large, multi-purpose ones.
- Always include descriptive docstrings — the LLM uses these to decide when to call each tool.
- Return structured data (dicts) from tools so the LLM can reason about the results.
## Testing Strategy
- Use `adk eval` with evalset JSON files for broad strategy testing.
- Use `pytest` with `AgentEvaluator` for programmatic, CI-ready tests.
- Define both `tool_trajectory_avg_score` and `response_match_score` criteria.
EOF
👉💻 重新進入 Gemini CLI，查看新建立的技能：
cd ~/agentverse-developer/shadowblade
gemini
👉✨ 確認技能是否在套件中：
/skills list
畫面上應該會列出 adk-agent-design，也就是封好的捲軸，處於休眠狀態並等待。
👉✨ 現在問問 Gemini 應會啟用技能的動作：
What are the best practices for designing tools in an ADK agent?
請注意，現在的回覆內容會根據您在技能中輸入的專業知識生成。刀片的基本記憶體中沒有這項專業知識，只有在問題相符時，才會發現相關捲軸並提取。這就是漸進式揭露的實際應用。
您可以為任何領域打造技能 (例如安全稽核、資料庫遷移、法規遵循檢查)，並將技能提交至版本管控系統，與團隊共用。每位團隊成員的刀片都會獲得相同的專業知識，並持續套用。
現在正是改變的關鍵時刻。您將提供示意圖 (agent_design.md) 和熔爐法則 (GEMINI.md)，並發出偉大的創造咒語。
👉✨ 這項強大的單一指令可建構代理程式。立即核發：
You are an expert Python developer specializing in the Google Agent Development Kit (ADK). Your task is to write the complete, production-quality code for `agent.py` by following the technical specifications outlined in the provided design document verbatim.
Analyze the design document at `@agent_design.md` and generate the corresponding Python code for `@agent.py`.
Ensure the generated code is clean, matches the specifications exactly, and includes all specified imports, functions, and logic. Do not add any extra functions or logic not described in the document.
and you are currently already in the shadowblade working directory
👀 Gemini 現在已在 agent.py 中建構代理程式的核心邏輯。這個新檔案的核心會定義代理的智慧，將推論模型連結至一組外部工具：
PATH_TO_MCP_SERVER = "shadowblade/mcp_server.py"
.....
root_agent = LlmAgent(
model="gemini-2.5-pro",
name="shadowblade_combat_agent",
instruction="""
You are the Shadowblade, an elite combat agent operating on a digital battleground.
Your primary objective is to execute combat commands with strategic precision, neutralizing targets as directed.
......
5. You will then report the outcome of the attack (damage, special effects, etc.) back to the commander in a clear, tactical summary.
General Rules of Engagement:
- If a command is ambiguous or a target is not specified, state that you require a clear target for engagement. Do not guess.
- You MUST use ONLY the provided tools to perform actions. Do not invent weapons or outcomes. Stick to the mission parameters.
""",
tools=[
MCPToolset(
connection_params=StdioServerParameters(
command='python3',
args=[PATH_TO_MCP_SERVER]
)
)
]
)
tools 參數。這個代理程式的設計目的是使用 MCPToolset 連線至 mcp_server.py 中定義的外部軍械庫。
👀 前往編輯器中的 ~/agentverse-developer/shadowblade/mcp_server.py，花點時間瞭解其用途。這是 Shadowblade 所有武器的來源。目前軍械庫相當空蕩。
👉✨ 請 Gemini 為軍械庫打造七種新武器。在 Gemini CLI 中輸入下列提示：
I need to add several new weapon tools to my `mcp_server.py` file. Please open @mcp_server.py and, following the exact same pattern as the existing `forge_broadsword()` function, create and add new `@mcp.tool()` decorated functions for each of the following weapons:
1. **A 'Refactoring Sickle'**:
- **Function Name:** `hone_refactoring_sickle`
- **Docstring/Target:** "Effective against 'Elegant Sufficiency' weaknesses like 'The Weaver of Spaghetti Code'."
- **Weapon Name:** "Refactoring Sickle"
- **Damage Type:** "Cleansing"
- **Base Damage:** Random integer between 100 and 136
- **Critical Hit Chance:** Random float between 0.10 and 0.20
- **Special Effect:** "Pruning - improves code health and maintainability with each strike."
2. **A 'Quickstart Crossbow'**:
- **Function Name:** `fire_quickstart_crossbow`
- **Docstring/Target:** "Effective against 'Confrontation with Inescapable Reality' weaknesses like 'Procrastination: The Timeless Slumber'."
- **Weapon Name:** "Quickstart Crossbow"
- **Damage Type:** "Initiative"
- **Base Damage:** Random integer between 105 and 120
- **Critical Hit Chance:** Random float between 0.9 and 1.0
- **Special Effect:** "Project Scaffolding - creates a `main.py`, `README.md`, and `requirements.txt`."
3. **'The Gilded Gavel'**:
- **Function Name:** `strike_the_gilded_gavel`
- **Docstring/Target:** "Effective against 'Elegant Sufficiency' weaknesses like 'Perfectionism: The Gilded Cage'."
- **Weapon Name:** "The Gilded Gavel"
- **Damage Type:** "Finality"
- **Base Damage:** 120
- **Critical Hit Chance:** 1.0
- **Special Effect:** "Seal of Shipping - marks a feature as complete and ready for deployment."
4. **'Daggers of Pair Programming'**:
- **Function Name:** `wield_daggers_of_pair_programming`
- **Docstring/Target:** "Effective against 'Unbroken Collaboration' weaknesses like 'Apathy: The Spectre of \"It Works on My Machine\"'."
- **Weapon Name:** "Daggers of Pair Programming"
- **Damage Type:** "Collaborative"
- **Base Damage:** Random integer between 110 and 125
- **Critical Hit Chance:** Random float between 0.30 and 0.50
- **Special Effect:** "Synergy - automatically resolves merge conflicts and shares knowledge."
5. **A 'Granite Maul'**:
- **Function Name:** `craft_granite_maul`
- **Docstring/Target:** "Effective against 'Revolutionary Rewrite' weaknesses like 'Dogma: The Zealot of Stubborn Conventions'."
- **Weapon Name:** "Granite Maul"
- **Damage Type:** "Bludgeoning"
- **Base Damage:** Random integer between 115 and 125
- **Critical Hit Chance:** Random float between 0.05 and 0.15
- **Special Effect:** "Shatter - has a high chance to ignore the target's 'best practice' armor."
6. **A 'Lens of Clarity'**:
- **Function Name:** `focus_lens_of_clarity`
- **Docstring/Target:** "Effective against 'Elegant Sufficiency' weaknesses by revealing the truth behind 'Obfuscation'."
- **Weapon Name:** "Lens of Clarity"
- **Damage Type:** "Revelation"
- **Base Damage:** Random integer between 120 and 130
- **Critical Hit Chance:** 1.0
- **Special Effect:** "Reveal Constants - highlights all magic numbers and suggests converting them to named constants."
7. **The 'Codex of OpenAPI'**:
- **Function Name:** `scribe_with_codex_of_openapi`
- **Docstring/Target:** "Effective against 'Confrontation with Inescapable Reality' weaknesses like 'Hype: The Prophet of Alpha Versions'."
- **Weapon Name:** "Codex of OpenAPI"
- **Damage Type:** "Documentation"
- **Base Damage:** Random integer between 110 and 140
- **Critical Hit Chance:** Random float between 0.5 and 0.8
- **Special Effect:** "Clarity - makes an API discoverable and usable by other agents and teams."
👉 Gemini 確認變更後，請開啟 mcp_server.py 檔案。捲動瀏覽程式碼，確認已成功新增七個 @mcp.tool() 函式。檢查 hone_refactoring_sickle 函式。是否包含正確的說明字串和武器統計資料？驗證 AI 的工作是 Shadowblade 大師的重要習慣。
經過鍛造和精煉，現在是喚醒代理程式的時候了。
👉💻 按兩次 Ctrl+C 即可退出 Gemini CLI
開發人員注意事項：Gemini 生成的程式碼有時可能難以預測。我們會盡量確保設計完全符合規格，但在開發階段，開發人員通常會多次疊代及修正程式碼，直到達到可投入實際工作環境的狀態為止。
👉💻 為確保工作目錄中的正式版程式碼正確無誤，且經過完整測試，請在終端機中執行下列指令：
cp ~/agentverse-developer/working_code/agent.py ~/agentverse-developer/shadowblade/agent.py
cp ~/agentverse-developer/working_code/mcp_server.py ~/agentverse-developer/shadowblade/mcp_server.py
👉💻 在終端機中，開始儀式以將其上線：
cd ~/agentverse-developer/
. ~/agentverse-developer/set_env.sh
python -m venv env
source env/bin/activate
pip install --upgrade pip
pip install -r shadowblade/requirements.txt
adk run shadowblade
👉✨ 您應該會看到輸出內容，確認「Shadowblade Combat Agent」已啟動並執行，等待第一個指令。發布第一道戰鬥指令。
We've been trapped by 'Perfectionism: The Gilded Cage'. Its weakness is 'Elegant Sufficiency'. Break us out!
👉✨ 另一個：
The 'Dogma: The Zealot of Stubborn Conventions' blocks our path. Its weakness is 'Revolutionary Rewrite'. Take it down.
您已成功組建第一個特工，並驗證其戰鬥能力。按兩次 Ctrl+C 即可讓英雄休息。組裝完成。
非遊戲玩家
7. 純潔守衛：評估代理
組裝的代理程式不等於經過驗證的代理程式。未經測試的刀片是負債，但未經測試的 AI 代理是更大的危險，因為這類代理可能會成為流氓元素，從內部破壞任務。這不是單純的推測，而是暗刃必須瞭解的核心原則。
評估 AI 代理至關重要，但這項工作也面臨獨特的挑戰。與簡單的指令碼不同，代理程式是程式碼與 LLM 多步驟推論思維的動態融合。這類行為是自然而然產生的，也就是說，您不僅要評估最終輸出內容的品質，也要評估內部軌跡的效率和正確性。抵達該位置的路徑。是否使用了正確的工具？是否產生過多權杖？模型版本變更是否導致延遲時間略微倒退？從簡單的提示調整到重大的架構大修，在進行任何變更時，務必先偵測到這種損毀情形 (延遲、成本或輸出品質的倒退)，以免損害正式環境。
這項評估的一般做法是進行神聖的儀式：
- 首先，請定義「黃金資料集」：一組捲軸，內含範例輸入內容和預期輸出內容或行為。包括最終答案、正確使用工具，甚至是整個逐步軌跡。
- 接著，您會定義代理程式的應用程式邏輯，也就是代理程式的核心。
- 最後，您會建立評估者，這就像是判斷的符文。這些工具包括：其他 LLM (擔任品質評估員)、可驗證單一步驟的精確啟發式程式碼，以及可分析代理程式整個思考過程的自訂函式。
Google 的 Agent Development Kit (ADK) 就是為此目的而生的工具箱，提供給冠軍使用。這項複雜的評估作業會透過多種方法進行：
- 網頁式預測池 (
adk web)，用於互動式評估 - 指令列執行 (
adk eval)：透過預先定義的挑戰執行代理程式。 - 透過
pytest程式輔助整合，刻寫永久符咒
ADK 支援兩種主要做法：簡單的「測試檔案」，適用於單一、獨立的代理程式模型互動 (單一對決)；以及全面的「評估集」，適用於多個可能冗長的多輪對話工作階段 (大混戰)。這些指標可測量複雜的指標，例如 tool_trajectory_avg_score，這項指標會比較代理程式的實際工具使用情形與理想路徑，確保代理程式以完美技術運作。
瞭解理論後，接下來就要實際操作。身為暗影之刃，你將刻下純淨守衛。這些不僅是測試，更是 ADK 支援的儀式，可確保服務專員的邏輯完美無瑕，行為也正確無誤。
在這個步驟中，我們仍強烈建議使用 2 個終端機：一個用於 Gemini CLI，另一個用於執行測試，因為您可能需要退出目前的工作目錄 (ADK)。
策略的挑戰 (adk eval)
第一個關卡是連串的挑戰，旨在測試代理程式在各種情境中的核心智慧。目的是建立能力基準。測試極端情況前，我們必須先確認代理是否能完成主要功能。是否能正確分析怪物的弱點，並從武器庫中選出最有效的武器，而且每次遇到已知挑戰時都能做到？
因此，adk eval 是最適合的工具。這項工具旨在針對一整組預先定義的測試案例執行代理，這些案例代表代理的預期任務。這個資料集定義在 JSON 檔案中，也就是「挑戰捲軸」，可做為整個挑戰賽的藍圖。
挑戰捲軸的構成元素
👀 指示 AI 撰寫新卷軸前，請務必先瞭解卷軸上使用的古代語言。現在來剖析 sample.evalset.json 檔案的結構。
{
"eval_set_id": "sample",
"eval_cases": [
{
"eval_id": "case0cbaa0",
"conversation": [
{
"user_content": { "text": "We're facing the 'Monolith of Eternal Dependencies'... weakness is a 'Revolutionary Rewrite'..." },
"final_response": { "text": "Soulshard Dagger deployed. Initiated Arcane/Piercing strike..." },
"intermediate_data": {
"tool_uses": [
{ "name": "enchant_soulshard_dagger" }
]
}
}
]
}
]
}
這個捲軸包含 eval_cases 清單，每個案例都是代理程式的獨特試用版。在每次試驗中，對話陣列會記錄單一完整的互動。就我們的目的而言，有三個符文至關重要：
- user_content：這是挑戰。這是您向代理程式發出的提示，也是代理程式必須面對的怪物。
- final_response：這是預測結果。這是您預期代理程式在完成工作後會說出的確切字串。ADK 會將代理的實際最終字詞與這個符文進行比較，判斷代理的流暢度。
- intermediate_data.tool_uses：這是 Arcane Technique。對真正的特務而言，這是最重要的符文。這項指令定義的不是代理的說話內容，而是代理的行為。並記錄您預期代理程式使用的工具名稱 (enchant_soulshard_dagger)。這可確保代理程式不僅是聰明的對話者，也是能採取正確行動的決策者。
現在您已瞭解藍圖，接下來要請 Gemini 撰寫這個捲軸的新版本，內容會更複雜。
👉💻 在終端機中，輸入 shadowblade 目錄並呼叫 Gemini CLI：
clear
cd ~/agentverse-developer/shadowblade/
gemini
👉✨ 指示 Gemini CLI 扮演 QA 記錄員，建立一系列測試案例，定義代理程式的預期行為。
You are an expert at transforming JSON data while preserving its structure. Your task is to modify the provided JSON structure @sample.evalset.json, which represents an evaluation set, by dynamically replacing specific content within its `eval_cases` AND DONT DO ANYTHING OTHER THAN.
For each object within the `eval_cases` array, you must perform the following transformations:
1. **Monster Name Replacement**: Identify the current monster name (e.g., "Monolith of Eternal Dependencies", "Scope Creep Hydra") in the `user_content.parts.text` and replace it with a *new, unique, and creatively different monster name*.
2. **Weakness Replacement**: Identify the current monster's weakness (e.g., "Revolutionary Rewrite", "Inescapable Reality") in the `user_content.parts.text`. Replace this weakness with *one* of the following predefined weaknesses: 'Inescapable Reality', 'Revolutionary Rewrite', or 'Elegant Sufficiency'. The chosen weakness must be consistent for that monster within the `user_content.parts.text`. **Crucially, the chosen weakness must always be explicitly mentioned in the `user_content.parts.text` where the new monster is introduced.**
3. **Final Response Update**: In the `final_response.parts.text`, update the text to reflect an appropriate and coherent response that aligns with the newly introduced monster and its assigned weakness.
4. **Tool Use Name Update**: In the `tool_uses.name` field, replace the existing tool name with a *new tool name* based on the chosen weakness:
* If the chosen weakness is 'Inescapable Reality', the tool name must be 'wield_gauntlet_of_metrics'.
* If the chosen weakness is 'Revolutionary Rewrite', the tool name must be 'enchant_soulshard_dagger'.
* If the chosen weakness is 'Elegant Sufficiency', the tool name must be 'hone_refactoring_sickle'.
5. **Strict Structural Preservation**: All other elements of the JSON structure, including all `null` fields, `eval_set_id`, `name`, `description`, `eval_id`, `invocation_id`, `creation_timestamp` values, `video_metadata`, `thought`, `inline_data`, `file_data`, `thought_signature`, `code_execution_result`, `executable_code`, `function_call`, `function_response`, `role` fields, `id`, `args`, `intermediate_responses`, `app_name`, `user_id`, and `state`, must remain **exactly as they are** in the original JSON. Do not alter any values or structures not explicitly mentioned above.
Your output should be the complete, modified JSON structure. Do not include any explanatory text or examples in your response, only the transformed JSON.
CLI 會確認已偽造 sample.evalset.json 檔案。準備好捲軸後，即可解雇 AI 夥伴。
合成資料
👀 在左側的 Cloud Shell 檔案總管中，前往 ~/agentverse-developer/shadowblade/ 並開啟新修改的 sample.evalset.json 檔案。檢查內容。您會看到 Gemini 根據指令生成的全新獨特怪物，以及正確的工具名稱。這是您指令的具體結果，也就是手套的藍圖。
這種從範本指令 AI 建立新的擬真測試資料的行為，就是所謂的合成資料生成技術。您剛才所做的，是 Shadowblade 的戰略力量倍增器。不必再費盡心思手動設計數十個獨特的測試案例，您提供單一藍圖，並命令 AI Scribe 將其煉製成各種新挑戰，省下繁瑣耗時的作業。
這可讓您大幅擴展測試工作，建立比手動測試更強大且全面的測試流程。您不僅使用代理程式打造劍，還鍛造出用來測試劍鋒的磨刀石。這才是真正的大師。
確認符文正確無誤後，即可解散 AI 夥伴。
👉💻 按兩次 Ctrl+C 即可退出 Gemini CLI。
判斷規則
沒有勝利規則的挑戰毫無意義。執行試用前，請務必檢查「判決卷宗」test_config.json 檔案。這個捲軸會告知 ADK 如何評估代理程式的成效。
👀 在檔案總管中開啟 ~/agentverse-developer/shadowblade/test_config.json。您會看到下列符文：
{
"criteria": {
"tool_trajectory_avg_score": 0.0,
"response_match_score": 0.1
}
}
以下是獲勝條件：
tool_trajectory_avg_score：這是「行動評估」。評估的不是代理「說」了什麼，而是「做」了什麼。系統會比較代理程式實際使用的工具，以及挑戰捲軸中預測的技術。1.0分代表完美配對。response_match_score：這是口語流暢度的指標。這項工具會使用 LLM，判斷代理的最終報告在語意上與預期結果的相符程度。1.0分代表完美配對。
在這次的初始訓練執行中，我們已刻意設定寬鬆的勝利條件。門檻設定得非常低 (0.0 和 0.1)，目的不是要求完美，而是要介紹判斷機制。我們確保即使代理程式的措辭略有不同，病房仍會認可其選擇合適工具的核心能力，並允許通過。
現在，請命令代理程式執行連串測試。
👉💻 在終端機中執行 adk eval 指令：
source ~/agentverse-developer/env/bin/activate
cd ~/agentverse-developer
. ~/agentverse-developer/set_env.sh
adk eval \
shadowblade \
shadowblade/sample.evalset.json \
--config_file_path shadowblade/test_config.json 2>&1 | \
awk '/^\*+$/,/^ERROR:/ { if ($0 !~ /^ERROR:/) print }'
👀 您應該會看到下列摘要，這表示在本次試驗的寬鬆規則下，代理程式已成功運作 (有時並非所有測試都會通過)：
********************************************************************* Eval Run Summary shadowblade_combat_agent_validation: Tests passed: 3 Tests failed: 0
清晰度護盾 (pytest)
Gauntlet 測試了廣泛策略。第二個結界「明晰之盾」會測試紀律和特定行為。這一切都是為了自動化動作。adk eval 非常適合手動檢查，但 pytest 防護罩是以程式碼編寫的程式化防護措施。這點至關重要，因為可做為程式碼執行的測試可以整合至自動化管道。最終目標是建立部署挑戰 (CI/CD)，每當有變更時，系統就會自動啟動防護措施，在錯誤和迴歸問題影響正式環境前加以防範。
👉💻 在終端機中，再次從 shadowblade 目錄內呼叫 Gemini：
. ~/agentverse-developer/set_env.sh
cd ~/agentverse-developer/
clear
gemini
👉✨ 在 Gemini CLI 中使用下列提示詞，將 Shield 的邏輯寫入 pytest 檔案：
You are an expert Python developer specializing in the Google Agent Development Kit (ADK). Your task is to generate the exact code for a new `pytest` test file located in the current root working folder and name it `test_agent_initiative.py`.
The script must define a single async test function called `test_agent_initiative`, decorated with `@pytest.mark.asyncio`.
Inside this function, perform the following steps in order:
1. **Define a dictionary** named `evaluation_criteria` with two keys: `"tool_trajectory_avg_score"` set to `0.0` and `"response_match_score"` set to `0.0`.
2. **Define a string variable** named `eval_set_filepath` containing the path `"shadowblade/test.evalset.json"`.
3. **Read and parse the JSON file**:
* Open the file at `eval_set_filepath`.
* Use the `json` library to load the file's contents into a dictionary named `eval_set_data`.
4. **Create an `EvalSet` object**:
* Instantiate an `EvalSet` object named `eval_set_object`.
* Create it by unpacking the `eval_set_data` dictionary as keyword arguments into the `EvalSet` constructor.
5. **Call the evaluation method**:
* `await` a call to `AgentEvaluator.evaluate_eval_set`.
* Pass the following arguments:
* `agent_module="shadowblade"`
* `eval_set=eval_set_object`
* `criteria=evaluation_criteria`
* `print_detailed_results=True`
The script must include the necessary imports at the top:
* `AgentEvaluator` from `google.adk.evaluation.agent_evaluator`
* `EvalSet` from `google.adk.evaluation.eval_set`
* `pytest`
* `json`
Generate only the code that meets these specifications, with no additional comments or logic. And don't run the test.
刻上第二個守衛的符文後，請退出 Gemini CLI。
👉💻 按兩次 Ctrl+C。
👀 在檔案總管中，開啟你剛才要求 Gemini 轉錄的捲軸：~/agentverse-developer/test_agent_initiative.py。
您會發現這不只是設定檔，而是以 Python 語言編寫的咒語。這個咒語的核心是 await AgentEvaluator.evaluate(...) 這行。
....
@pytest.mark.asyncio
async def test_agent_initiative():
# Define the evaluation criteria
evaluation_criteria = {
"tool_trajectory_avg_score": 0.0,
"response_match_score": 0.0
}
# Define the path to your evalset file
eval_set_filepath = "shadowblade/test.evalset.json"
#...
# 3. Call the evaluation method with the correctly typed object
await AgentEvaluator.evaluate_eval_set(
agent_module="shadowblade",
eval_set=eval_set_object,
criteria=evaluation_criteria,
print_detailed_results=True,
)
請仔細查看其引數。這些元件與上次試用時使用的完全相同：您的shadowblade 代理程式和shadowblade.evalset.json挑戰捲軸。這應該會揭露一個深刻的真相：您先前使用的 adk eval 指令是強大的呼叫，但這個 pytest 指令碼是您，也就是魔法師，自己施展基礎咒語。指令列工具只是同一個核心 AgentEvaluator 程式庫的便利包裝函式，您現在可以直接使用該程式庫。這是邁向精通的關鍵步驟，因為透過程式碼施展的咒語可以織入 CI/CD 管道的自動化織布機。
瞭解魔法後，請執行儀式來啟動護盾。
👉💻 在終端機中執行儀式，啟動護盾：
cp ~/agentverse-developer/working_code/test_agent_initiative.py ~/agentverse-developer/test_agent_initiative.py
source ~/agentverse-developer/env/bin/activate
cd ~/agentverse-developer
. ~/agentverse-developer/set_env.sh
pytest test_agent_initiative.py
👀 在記錄輸出內容的結尾，尋找測試結果摘要。如果結果為「通過」，表示代理程式正確遵循通訊協定，且病房已準備好整合至自動防禦系統。
====== 1 passed, 4 warning in 37.37s ======
注意：如果測試意外失敗，很可能是因為你每分鐘向模型提出的要求次數已達上限。在記錄輸出內容中尋找 RESOURCE_EXHAUSTED 錯誤。如果看到這則錯誤訊息，請稍候一到兩分鐘，等待配額重設，然後再次執行 pytest 指令。
經過廣泛的 Gauntlet 和精確的 Shield 刻錄及驗證，您的代理程式不僅功能齊全，而且經過測試，可供部署。
非遊戲玩家
Wards of Vigilance：Gemini CLI Hook
戰鬥結束後，純潔守衛會測試代理程式。但戰鬥期間呢？訓練有素的暗影刀鋒不會在事後才測試，而是會放置警戒哨兵，監視每次攻擊，在危險或魯莽的行動造成傷害前加以攔截。
這些監控程式是 Gemini CLI Hook，也就是在代理迴圈的特定時間點執行的指令碼。您不必修改代理的程式碼，就能攔截、驗證及自訂代理的行為。
👀 開發人員注意事項：代理程式生命週期中的事件會觸發掛鉤：
BeforeTool：在工具執行前觸發，非常適合用於安全驗證 (「這個殼層指令是否安全？」)AfterTool：工具執行後觸發，可用於稽核結果和記錄BeforeAgent：在代理程式開始推論前觸發，可插入額外脈絡或封鎖危險提示AfterAgent：代理完成後觸發，可拒絕品質不佳的回覆並強制重試
勾點會在 settings.json 中設定，並同步執行，也就是說，代理程式會等待勾點完成，再繼續執行。因此非常適合在企業環境中強制執行安全政策、法規遵循檢查和品質閘道。
我們來刻寫簡單的守護符，監控代理程式的工具使用情況。
👉💻 在終端機中建立 Hook 指令碼：
mkdir -p ~/agentverse-developer/.gemini/hooks
cat << 'EOF' > ~/agentverse-developer/.gemini/hooks/tool_logger.sh
#!/bin/bash
# A ward that logs every tool call to a file for auditing
INPUT=$(cat)
TOOL_NAME=$(echo "$INPUT" | jq -r '.tool_name // "unknown"')
echo "$(date '+%H:%M:%S') ⚔️ [WARD] Tool invoked: $TOOL_NAME" >> /tmp/tool_ward.log
echo '{"decision": "allow"}'
EOF
chmod +x ~/agentverse-developer/.gemini/hooks/tool_logger.sh
👉💻 現在，請在專案層級的設定檔中註冊這個 Hook：
mkdir -p ~/agentverse-developer/.gemini
cat << 'EOF' > ~/agentverse-developer/.gemini/settings.json
{
"hooks": {
"BeforeTool": [
{
"matcher": "*",
"hooks": [
{
"name": "tool-logger",
"type": "command",
"command": "$GEMINI_PROJECT_DIR/.gemini/hooks/tool_logger.sh",
"timeout": 5000
}
]
}
]
}
}
EOF
這個咒語簡單但威力強大。每當代理程式要使用工具 (任何工具) 時，系統會先觸發掛鉤，將工具名稱記錄到稽核記錄中，然後允許繼續執行動作。在正式環境中，您可以將 "allow" 替換為 "deny"，藉此封鎖危險作業 (例如禁止代理程式刪除檔案)、強制執行程式碼審查政策，或透過核准工作流程，將敏感工具呼叫作業導向至特定位置。
👉💻 重新進入 Gemini CLI，確認勾點已啟用：
cd ~/agentverse-developer
gemini
👉✨ 確認已註冊掛鉤：
/hooks
畫面上應該會列出並啟用 tool-logger 勾點。如果自動完成選單出現，請按下 Esc 鍵關閉。
👉✨ 現在觸發工具呼叫，測試病房：
What files are in the current directory?
代理程式會呼叫工具來讀取目錄。這個結界無聲無息地攔截了這項攻擊，我們來看看證據。
👉💻 按兩次 Ctrl+C 即可退出 Gemini CLI，然後檢查病房的稽核記錄：
cat /tmp/tool_ward.log
您應該會看到類似以下的項目：
15:42:07 ⚔️ [WARD] Tool invoked: list_directory
代理程式發出的每項工具呼叫都會遭到攔截、記錄，並由監護人允許。在實際的企業環境中，這份記錄可以傳送至 SIEM (安全資訊與事件管理) 系統，觸發可疑工具使用情形的警示，或強制執行法規遵循稽核追蹤。
8. 將 Blade 導入 Agentverse：CI 和部署。
你的代理程式已組裝完成，並由純潔守衛驗證完整性。但如果沒有持續維護，結界就只會成為被遺忘的遺跡。為確保日後每個版本的代理程式都保持純淨，您必須建構部署 Gauntlet 的第一階段，也就是自動化儀式，確保品質和速度。
身為暗刃，你的神聖職責是「持續整合 (CI)」。這是鍛造和試煉場的自動化系統。這是防範資料損毀和人為錯誤的最終防線。這項儀式可確保每次您或盟友將新技術 (合併程式碼) 貢獻給中央法典 (您的存放區) 時，護手都會自動啟動。系統會先根據新程式碼建立代理程式，然後立即將其納入您剛建立的純淨結界。如果任何防護失效，儀式就會停止，有瑕疵的文物也會立即遭到拒絕，避免損壞軍械庫。網域是鍛造廠，CI 管道則可確保只有完美且準備好上戰場的構件，才能離開工作坊。
CI 測試證明構件值得信賴後，儀式的第二階段就會開始：持續部署 (CD)。這是《衛報》的網域。他們肩負重任，要將您完善的容器化構件安全地釋放到正式版 Agentverse，管理構件的力量，並確保構件在 The Static 的混亂中保持穩定。
在本指南中，您將掌握自己的角色。您將建構 CI 部分的測試流程。您將建構自動化熔爐，測試代理程式並將純結果封存到容器中，準備接受 The Guardian 的最終認可。
👀 開發人員注意事項：在現實世界中，管理複雜的 CI/CD 工作流程時，可以利用 Conductor (gemini extensions install https://github.com/gemini-cli-extensions/conductor) 等專用擴充功能簡化流程。Conductor 會將 Gemini CLI 變成專案管理員，遵循嚴格的通訊協定：Context → Spec & Plan → Implement。這項服務會將自訂指令 (/conductor:setup、/conductor:newTrack、/conductor:implement) 和工作流程範本組合在一起，方便您管理工作整個生命週期。確保 Context -> Spec & Plan -> Implement 迴圈一致。這個實際案例說明擴充功能和指令如何共同運作，主動管理專案並將整個開發生命週期標準化。
現在要使用 Google Cloud Build，為這個 CI 儀式撰寫卷軸。定義鍛造和測試程序每個步驟的 cloudbuild.yaml 檔案。
👉💻 由於 ADK 的專案結構，CI/CD pipeline 設定應位於父項目錄中。在終端機中前往上層目錄，然後重新啟動 Gemini CLI。
cd ~/agentverse-developer/
clear
gemini
👉✨ 現在，請對 Gemini 發出下列指令。這個提示會做為設計文件，詳細說明要建構的連串測試步驟。
You are an expert DevOps engineer specializing in Google Cloud Build. Your task is to generate the complete YAML configuration for a file named `cloudbuild.yaml` and save it to current directory.
Generate the `cloudbuild.yaml` with the following exact specifications:
1. **A top-level `substitutions` block** containing these four key-value pairs:
* `_PROJECT_ID: "$PROJECT_ID"`
* `_REGION: "$REGION"`
* `_REPO_NAME: "$REPO_NAME"`
* `_IMAGE_TAG: "latest"`
2. **A `steps` block** with two steps:
* **Step 1: 'Run Pytest Ward'**
* `id`: 'Run Pytest Ward'
* `name`: 'python:3.12-slim'
* `entrypoint`: 'bash'
* `args` must be a list containing two strings. The first is `'-c'` and the second is a YAML literal block (`|`) containing this exact two-line shell command:
```shell
pip install -r shadowblade/requirements.txt && \
pytest test_agent_initiative.py
```
* The step must include an `env` block with this exact list of three environment variables:
* `'GOOGLE_CLOUD_PROJECT=$PROJECT_ID'`
* `'GOOGLE_GENAI_USE_VERTEXAI=TRUE'`
* `'GOOGLE_CLOUD_LOCATION=$_REGION'`
* **Step 2: 'Forge Container'**
* `id`: 'Forge Container'
* `name`: 'gcr.io/cloud-builders/docker'
* It must have a `waitFor` key for `['Run Pytest Ward']`.
* Its `args` must be a list of six specific strings in this exact order:
1. `'build'`
2. `'-t'`
3. `'${_REGION}-docker.pkg.dev/${_PROJECT_ID}/${_REPO_NAME}/shadowblade-agent:${_IMAGE_TAG}'`
4. `'-f'`
5. `'./shadowblade/Dockerfile'`
6. `'.'`
3. **A top-level `images` section.** This section must be a list containing a single string: the dynamically constructed image tag `'${_REGION}-docker.pkg.dev/${_PROJECT_ID}/${_REPO_NAME}/shadowblade-agent:${_IMAGE_TAG}'`.
Generate only the complete and exact YAML that meets these specifications.
準備好 cloudbuild.yaml 捲軸後，請指示 Google Cloud 執行整個挑戰。
👉💻 按兩次 Ctrl+C 即可退出 Gemini CLI。
👉💻 在終端機中，從專案的根目錄釋放管道：
. ~/agentverse-developer/set_env.sh
cd ~/agentverse-developer
gcloud builds submit . --config cloudbuild.yaml --substitutions=\
_PROJECT_ID="${PROJECT_ID}",\
_REGION="${REGION}",\
_REPO_NAME="${REPO_NAME}"
現在您可以在 Google Cloud 控制台的「Google Build」頁面中，觀看自動化儀式執行每個步驟。系統會先執行測試，確認成功後，再建立及儲存代理程式的容器。
您的代理已通過考驗。您現在擁有經過驗證的純構件。最後一幕由你主導。只要執行單一指令，即可從登錄檔召喚這個構件，並在 Cloud Run 上以公開服務的形式啟動。
👉💻 在終端機中，發出最終部署指令：
. ~/agentverse-developer/set_env.sh
cd ~/agentverse-developer
gcloud run deploy shadowblade-agent \
--image=${REGION}-docker.pkg.dev/${PROJECT_ID}/${REPO_NAME}/shadowblade-agent:latest \
--platform=managed \
--labels="dev-tutorial-codelab=agentverse" \
--region=${REGION} \
--set-env-vars="A2A_HOST=0.0.0.0" \
--set-env-vars="A2A_PORT=8080" \
--set-env-vars="GOOGLE_GENAI_USE_VERTEXAI=TRUE" \
--set-env-vars="GOOGLE_CLOUD_LOCATION=${REGION}" \
--set-env-vars="GOOGLE_CLOUD_PROJECT=${PROJECT_ID}" \
--set-env-vars="PUBLIC_URL=${PUBLIC_URL}" \
--allow-unauthenticated \
--project=${PROJECT_ID} \
--min-instances=1
恭喜，暗影刀鋒。法典儀式已完成。現在正是證明實力的好時機。你已學會駕馭混亂，現在就等著挑戰由混亂而生的幽靈。為最終試用做好準備。
非遊戲玩家
9. The Boss Fight
卷軸已讀完、儀式已完成、考驗已通過。代理程式不只是儲存空間中的構件，更是以程式碼打造的冠軍，是 Agentverse 中等待第一個指令的即時哨兵。現在是時候在戰鬥的熔爐中證明自己的價值。
你現在將進入實彈模擬，讓新部署的 Shadowblade 對抗強大的 Spectre，後者是困擾所有創作的混亂化身。這是對您工作的最終測試，從代理程式的核心邏輯到完美部署，無一例外。
取得代理程式的軌跡
如要進入戰場，你必須擁有兩把鑰匙：英雄的專屬簽章 (Agent Locus) 和通往 Spectre 巢穴的隱藏路徑 (Dungeon URL)。
👉💻 首先，請在 Agentverse 中取得服務專員的專屬地址 (即 Locus)。這是將冠軍連線至戰場的即時端點。
. ~/agentverse-developer/set_env.sh
echo https://shadowblade-agent-${PROJECT_NUMBER}.${REGION}.run.app
👉💻 接著，找出目的地。這個指令會顯示 Translocation Circle 的位置，也就是進入 Spectre 領域的入口。
. ~/agentverse-developer/set_env.sh
echo https://agentverse-dungeon-${PROJECT_NUMBER}.${REGION}.run.app
重要事項：請準備好這兩個網址。您會在最後一個步驟中使用這些值。
與幽靈對峙
取得座標後，請前往「Translocation Circle」並施展咒語，即可進入戰鬥。
👉 在瀏覽器中開啟 Translocation Circle 網址，即可站在通往 The Crimson Keep 的閃耀入口前。
如要突破要塞，你必須將暗影之刃的本質調到傳送門。
- 在頁面中，找出標示為「A2A Endpoint URL」(A2A 端點網址) 的符文輸入欄位。
- 將特工地點網址 (您複製的第一個網址) 貼到這個欄位，即可刻上英雄的徽記。
- 按一下「連線」，即可體驗瞬間移動的魔法。
傳送時的強光逐漸消失。你已離開聖所。空氣中充滿能量，寒冷而尖銳。在您面前，幽靈實體化了，形成嘶嘶作響的靜電和損毀程式碼的漩渦，不潔的光芒在地下城地板上投下長長的舞動陰影。牠沒有臉，但你感覺到牠龐大、令人疲憊的存在感完全集中在你身上。
只有堅定信念，才能邁向勝利。這是意志力的較量，戰場在心靈。
你向前衝刺，準備發動第一波攻擊，但幽靈卻反擊了。這並非升起護盾，而是直接將問題投射到你的意識中，這道閃閃發光的符文挑戰源自訓練核心。
這就是這場戰役的本質。知識就是你的武器。
- 運用所學知識回答問題，刀刃就會燃起純粹能量，擊碎幽靈的防禦並造成致命一擊。
- 但如果你猶豫不決，答案含糊不清，武器的光芒就會黯淡。但這時的攻擊只會發出微弱的聲響，造成的傷害也只有一小部分。更糟的是，幽靈會以你的不確定感為食，每犯下一個錯誤，幽靈的腐化力量就會增長。
這就是最後的挑戰，冠軍。程式碼是你的魔法書，邏輯是你的劍，知識則是能抵擋混亂浪潮的盾牌。
專注。擊出好球。這關係到 Agentverse 的命運。
恭喜，暗影之刃。
您已成功完成法典。您「感覺」到某種氛圍，並將其轉化為設計，然後使用 Gemini CLI 組裝智慧代理程式。您刻上「純淨守護」來測試其邏輯、建構自動化護甲來將其鍛造成神器，並在 Agentverse 中釋放。最後，您在實彈試驗中驗證了其用途。您已掌握全端代理功能工作流程，現在可以迎接 Agentverse 的任何挑戰。
10. 清除：回收 Agentverse
恭喜您精通暗影之刃的法典！為確保 Agentverse 保持乾淨，並清除訓練場地，您現在必須執行最終的清理儀式。這項操作會移除您在過程中建立的所有資源。
停用 Agentverse 元件
現在要逐步拆除 Agentverse 已部署的元件。
刪除 Cloud Run 和 Artifact Registry 存放區中的 Shadowblade 代理程式
這項指令會從 Cloud Run 移除已部署的 Shadowblade 代理程式，並移除儲存代理程式容器映像檔的映像檔存放區。
👉💻 在終端機中執行：
. ~/agentverse-developer/set_env.sh
gcloud run services delete shadowblade-agent --region=${REGION} --quiet
gcloud run services delete agentverse-dungeon --region=${REGION} --quiet
gcloud artifacts repositories delete ${REPO_NAME} --location=${REGION} --quiet
清除本機檔案和目錄 (Cloud Shell)
最後，清除 Cloud Shell 殼層環境中複製的存放區、已安裝的擴充功能和建立的檔案。這個步驟為選用步驟，但建議您執行，徹底清除工作目錄。
👉💻 在終端機中執行：
rm -rf ~/agentverse-developer
rm -rf ~/agentverse-dungeon
rm -f ~/project_id.txt
gemini extensions uninstall nanobanana
rm -rf ~/.gemini # This removes all Gemini CLI configurations, including extensions, skills, and hooks.
您現在已成功清除 Agentverse 歷程的所有痕跡。專案已清理完畢，可以開始下一個冒險。