‫Google משתמשת בטכנולוגיית AI כדי לתרגם תוכן לשפה המועדפת עליך. בתרגומים כאלו עשויות להיות שגיאות.

איך יוצרים ופורסים סוכני AI באמצעות Gemma 4 ושרת MCP של BigQuery ב-Cloud Run

1. מבוא

סקירה כללית

מה תלמדו

איך פורסים מודל Gemma 4 ב-Cloud Run RTX 6000 Pro GPU באמצעות vLLM
איך ליצור סוכן AI באמצעות Agent Development Kit (ADK) ולהשתמש בו עם Gemma 4.
איך מעניקים לסוכני AI גישה לנתונים מובְנים ב-BigQuery באמצעות שרת BigQuery MCP.

‫Gemma 4 היא משפחה של מודלים בקוד פתוח עם משקלים פתוחים מבית Google DeepMind, ברישיון Apache 2. המודלים הם רב-לשוניים, מולטי-מודאליים, מציעים חשיבה רציונלית ומבוססים על ארכיטקטורה יעילה.

‫Cloud Run היא סביבה ללא שרת לקונטיינרים עם תמיכה ביחידות GPU.

‫Agent Development Kit‏ (ADK) היא מסגרת קוד פתוח לפיתוח סוכנים, שמאפשרת ליצור, לנפות באגים ולפרוס סוכני AI מהימנים בהיקף ארגוני.

‫BigQuery הוא מחסן נתונים (data warehouse) ארגוני מנוהל ללא שרת, שמאפשר לכם לאחסן, לשלוח שאילתות ולנתח מערכי נתונים עצומים.

Model Context Protocol‏ (MCP) הוא תקן שקובע איך מודלים גדולים של שפה (LLM) ואפליקציות או סוכני AI מתחברים למקורות נתונים חיצוניים. שרתי MCP מאפשרים להשתמש בכלים, במשאבים ובהנחיות שלהם כדי לבצע פעולות ולקבל נתונים מעודכנים משירות לקצה העורפי שלהם. ‫BigQuery MCP Server מספק לסוכני ה-AI שלכם דרך ישירה ומאובטחת לניתוח נתונים ב-BigQuery. שרת ה-MCP המנוהל במלואו מסיר את עלויות התקורה של הניהול, ומאפשר לכם להתמקד בפיתוח סוכנים חכמים.

2. הגדרה ודרישות

מתחילים בהגדרת פרויקט ברירת מחדל ואזור Cloud Run:

# set the project
gcloud config set project YOUR_PROJECT_ID

מחליפים את YOUR_PROJECT_ID במזהה הפרויקט ב-Google Cloud.

# set Cloud Run region
REGION="CLOUD-RUN-REGION"; gcloud config set run/region $REGION && echo $REGION > lab2rgn.txt

מחליפים את CLOUD-RUN-REGION באחד מאזורי Cloud הבאים:

us-central1
asia-southeast1

אלה משתני הסביבה שבהם נשתמש במהלך ה-codelab. אפשר לשמור אותם בקובץ סביבה ולהשתמש בפקודה source כדי להפעיל אותו. חשוב להקפיד להגדיר נכון את הערך של מזהה הפרויקט, ואם רוצים גם את האזור.

# Model name on HuggingFace Hub
export MODEL_NAME="google/gemma-4-31B-it"

# Cloud Run Service name
export SERVICE_NAME="gemma4-rtx-vllm-codelab"

# Cloud Project and Region for Cloud Run
export GOOGLE_CLOUD_PROJECT=$(gcloud config get project -q)
export GOOGLE_CLOUD_REGION=$(cat lab2rgn.txt 2> /dev/null || gcloud config get run/region -q)

# Service account for Cloud Run service
export SERVICE_ACCOUNT="vllm-service-sa"
export SERVICE_ACCOUNT_EMAIL="${SERVICE_ACCOUNT}@${GOOGLE_CLOUD_PROJECT}.iam.gserviceaccount.com"

# GCS Bucket for the model cache.
export MODEL_CACHE_BUCKET="${GOOGLE_CLOUD_PROJECT}-${GOOGLE_CLOUD_REGION}-hf-model-cache"
# Model cache location in GSC bucket
export GCS_MODEL_LOCATION="gs://${MODEL_CACHE_BUCKET}/model-cache/${MODEL_NAME}"
# Uncomment next line if loading gemma-4-31B-it directly from the public cache bucket
# export GCS_MODEL_LOCATION="gs://vertex-model-garden-public-us/gemma4/gemma-4-31B-it"

# VPC Network for Direct VPC Egress
export VPC_NETWORK="vllm-${GOOGLE_CLOUD_REGION}-net"
export VPC_SUBNET="vllm-${GOOGLE_CLOUD_REGION}-subnet"
export SUBNET_RANGE="10.8.0.0/26"

מפעילים את ממשקי ה-API שנדרשים ל-Codelab הזה. יכול להיות שיעברו 2-3 דקות עד שהשינויים ב-API ייכנסו לתוקף.

gcloud services enable --project "${GOOGLE_CLOUD_PROJECT}" \
    run.googleapis.com \
    cloudbuild.googleapis.com \
    artifactregistry.googleapis.com \
    iam.googleapis.com \
    compute.googleapis.com \
    vpcaccess.googleapis.com \
    storage.googleapis.com \
    bigquery.googleapis.com \
    aiplatform.googleapis.com

3. יצירת חשבון שירות

אם לא מציינים חשבון שירות כשיוצרים את שירות Cloud Run או את משימת Cloud Run, מערכת Cloud Run משתמשת בחשבון השירות שמוגדר כברירת מחדל ב-Compute Engine. מומלץ להשתמש בחשבון שירות נפרד לשירות Cloud Run כדי למנוע הפעלה של השירות עם הרשאות מוגזמות.

יצירת חשבון שירות לשירות Cloud Run

gcloud iam service-accounts create ${SERVICE_ACCOUNT} \
  --project "${GOOGLE_CLOUD_PROJECT}" \
  --display-name "vLLM Service Account"

4. הגדרת Cloud Storage

יוצרים קטגוריה של Cloud Storage לאחסון משקלי המודל. כך תוכלו להשתמש ב-Direct VPC Egress כדי להוריד משקלים של מודלים מהר יותר בכל פעם ש-Cloud Run מפעיל מופע של שירות.

השילוב עם התכונה Run:ai Model Streamer ב-vLLM מקצר משמעותית את זמן הטעינה של המודל.

יצירת קטגוריה

מוודאים שזו קטגוריה של אזור יחיד שנמצאת באותו מיקום עם שירות Cloud Run.

gcloud storage buckets create "gs://${MODEL_CACHE_BUCKET}" \
    --uniform-bucket-level-access --public-access-prevention \
    --project "${GOOGLE_CLOUD_PROJECT}" --location "${GOOGLE_CLOUD_REGION}"

5. אחזור משקלים של מודלים ושמירתם במטמון

בשלב הבא, מורידים את מודל Gemma 4 לקטגוריה שלכם ב-Cloud Storage. משקלי המודלים הם עשרות גיגה-בייט, ויכול להיות שלא יהיה אפשר להוריד אותם למחשב המקומי או ל-Cloud Shell. במקום זאת, משתמשים ב-Cloud Build עם מספיק נפח אחסון כדי להכיל את משקלי המודל.

העתקת משקלים של מודלים מקטגוריה משותפת של Cloud Storage

ב-Google Cloud יש קטגוריה של Cloud Storage שנגישה לציבור עם משקלים של מודל Gemma 4.

כדי להעתיק אותם לקטגוריית האחסון, מריצים את הפקודה:

gcloud builds submit --project="${GOOGLE_CLOUD_PROJECT}" --region="${GOOGLE_CLOUD_REGION}" --no-source \
    --substitutions="_MODEL_NAME=${MODEL_NAME},_GCS_MODEL_LOCATION=${GCS_MODEL_LOCATION}" \
    --config=/dev/stdin <<'EOF'
steps:
- name: 'gcr.io/google.com/cloudsdktool/google-cloud-cli:slim'
  entrypoint: 'bash'
  args:
  - '-c'
  - |
    if [[ "$_GCS_MODEL_LOCATION" == *"vertex-model-garden-public-us"* ]]; then
      echo "Using the public cache bucket."
      exit 0
    fi
    gcloud config set storage/parallel_composite_upload_enabled True
    gcloud config set storage/parallel_composite_upload_threshold 150M
    gcloud config set storage/sliced_object_download_threshold 150M
    MODEL_NAME="$_MODEL_NAME"
    SHORT_NAME="$${MODEL_NAME#*/}"
    gcloud storage cp -r -D "gs://vertex-model-garden-public-us/gemma4/$${SHORT_NAME}" "$_GCS_MODEL_LOCATION"
EOF

6. הגדרת רישות עבור Direct VPC Egress

ההגדרה של Direct VPC Egress מחייבת יצירה של רשת ורשת משנה עם גישה פרטית ל-Google מופעלת.

כך שירותי Cloud Run יכולים להתחבר לסט של כתובות IP חיצוניות שמשמשות את Google APIs והשירותים של Google, כולל Cloud Storage.

יצירת רשת

gcloud compute networks create "$VPC_NETWORK" \
        --subnet-mode=custom \
        --bgp-routing-mode=regional \
        --project "$GOOGLE_CLOUD_PROJECT"

יצירת רשת משנה

gcloud compute networks subnets create "$VPC_SUBNET" \
        --network="$VPC_NETWORK" \
        --region="$GOOGLE_CLOUD_REGION" \
        --range="$SUBNET_RANGE" \
        --enable-private-ip-google-access \
        --project "$GOOGLE_CLOUD_PROJECT"

7. הגדרת מדיניות הגישה לחשבון שירות

לחשבון השירות של Cloud Run צריכות להיות הרשאות גישה למשקלי המודל בדלי האחסון שיצרתם.

gcloud storage buckets add-iam-policy-binding "gs://${MODEL_CACHE_BUCKET}" \
    --member "serviceAccount:${SERVICE_ACCOUNT_EMAIL}" \
    --role "roles/storage.admin" \
    --project "${GOOGLE_CLOUD_PROJECT}"

8. הפעלת משתני הגדרות אישיות

מגדירים את המשתנים גם למנוע ההסקה vLLM וגם לשירות Cloud Run.

# vLLM variables
export MAX_MODEL_LEN="32767"    # 32767 to improve concurrency. Keep it empty to use model's maximim context length (256K)
export QUANTIZATION_TYPE="fp8"  # Model quantization for faster performance and lower memory usage.
export KV_CACHE_DTYPE="fp8"     # KV-cache quantization to save GPU memory.
export GPU_MEM_UTIL="0.95"      # Fraction of GPU memory to be used by the vLLM engine.
export TENSOR_PARALLEL_SIZE="1" # Partitioning model across GPUs (1 here as we have only 1 GPU).
export MAX_NUM_SEQS="16"         # Max concurrent requests vLLM processes in one batch.

# Cloud Run variables
export CLOUD_RUN_CPU_NUM=20
export CLOUD_RUN_MEMORY_GB=80
export CLOUD_RUN_MAX_INSTANCES=1
export CLOUD_RUN_CONCURRENCY=16

הערה לגבי אופטימיזציה של הביצועים: אופטימיזציה של המשתנים האלה היא איזון בין קצב העברת הנתונים לבין זמן האחזור:

‫MAX_NUM_SEQS לעומת CLOUD_RUN_CONCURRENCY: הערך של CLOUD_RUN_CONCURRENCY צריך להיות גדול לפחות כמו הערך של MAX_NUM_SEQS. כדי להשתמש בתקציב בצורה אופטימלית בזמן שיש עלייה חדה בתנועת הגולשים, כדאי להגדיר אותו לסכום גבוה יותר (למשל, פי 2).
עומס על הזיכרון: גם MAX_MODEL_LEN וגם MAX_NUM_SEQS צורכים זיכרון GPU בשביל מטמון KV. אם אתם נתקלים בשגיאות של חוסר זיכרון (OOM) עם אורכי הקשר גדולים, כדאי להקטין את MAX_NUM_SEQS.
זמן תגובה: ריבוי משימות בו-זמנית (MAX_NUM_SEQS) מגדיל את קצב העברת הנתונים הכולל, אבל יכול להגדיל את זמן התגובה של כל בקשה בנפרד.
שינוי קנה מידה: CLOUD_RUN_MAX_INSTANCES מאפשר לכם לשנות את קנה המידה אופקית. אם זמן האחזור של המופע היחיד מקובל אבל אתם צריכים קיבולת כוללת גדולה יותר, הגדילו את הערך הזה.

9. פריסה ב-Cloud Run

הכנת שורת הפקודה של קונטיינר vLLM

כדי להריץ מודלים גדולים במהירות וביעילות, צריך הרבה פרמטרים ב-vLLM. הפרמטרים האלה יועברו כארגומנטים לקונטיינר שנפרס ב-Cloud Run.

CONTAINER_ARGS=(
    "vllm"
    "serve"
    "${GCS_MODEL_LOCATION}"
    "--served-model-name" "${MODEL_NAME}"
    "--enable-log-requests"
    "--enable-chunked-prefill"
    "--enable-prefix-caching"
    "--generation-config" "auto"
    "--enable-auto-tool-choice"
    "--tool-call-parser" "gemma4"
    "--reasoning-parser" "gemma4"
    "--dtype" "bfloat16"
    "--quantization" "${QUANTIZATION_TYPE}"
    "--kv-cache-dtype" "${KV_CACHE_DTYPE}"
    "--max-num-seqs" "${MAX_NUM_SEQS}"
    "--gpu-memory-utilization" "${GPU_MEM_UTIL}"
    "--tensor-parallel-size" "${TENSOR_PARALLEL_SIZE}"
    "--load-format" "runai_streamer"
    "--port" "8080"
    "--host" "0.0.0.0"
)

if [[ "${MAX_MODEL_LEN}" != "" ]]; then
    CONTAINER_ARGS+=("--max-model-len" "${MAX_MODEL_LEN}")
fi

export CONTAINER_ARGS_STR="${CONTAINER_ARGS[*]}"

פריסת שירות Cloud Run

מריצים את הפקודה הבאה כדי לפרוס את שירות Cloud Run. שימו לב לסוג ה-GPU ‏ (RTX 6000 Pro), לתמונת הבסיס (pytorch-vllm-serve:gemma4) ולצורך באימות כדי להפעיל את השירות (--no-allow-unauthenticated).

gcloud beta run deploy "${SERVICE_NAME}" \
    --image="us-docker.pkg.dev/vertex-ai/vertex-vision-model-garden-dockers/pytorch-vllm-serve:gemma4" \
    --project "${GOOGLE_CLOUD_PROJECT}" \
    --region "${GOOGLE_CLOUD_REGION}" \
    --service-account "${SERVICE_ACCOUNT_EMAIL}" \
    --execution-environment gen2 \
    --no-allow-unauthenticated \
    --cpu="${CLOUD_RUN_CPU_NUM}" \
    --memory="${CLOUD_RUN_MEMORY_GB}Gi" \
    --gpu=1 \
    --gpu-type=nvidia-rtx-pro-6000 \
    --no-gpu-zonal-redundancy \
    --no-cpu-throttling \
    --max-instances ${CLOUD_RUN_MAX_INSTANCES} \
    --concurrency ${CLOUD_RUN_CONCURRENCY} \
    --network ${VPC_NETWORK} \
    --subnet ${VPC_SUBNET} \
    --vpc-egress all-traffic \
    --set-env-vars "MODEL_NAME=${MODEL_NAME}" \
    --set-env-vars "GOOGLE_CLOUD_PROJECT=${GOOGLE_CLOUD_PROJECT}" \
    --set-env-vars "GOOGLE_CLOUD_REGION=${GOOGLE_CLOUD_REGION}" \
    --port=8080 \
    --timeout=3600 \
    --cpu-boost \
    --startup-probe tcpSocket.port=8080,initialDelaySeconds=240,failureThreshold=40,timeoutSeconds=10,periodSeconds=15 \
    --command "bash" \
    --args="^;^-c;${CONTAINER_ARGS_STR}"

הפריסה תימשך כמה דקות. אחרי שתסיימו, יהיה לכם סביבה מבוססת-GPU שמריצה את Gemma 4 באמצעות תשתית ללא שרת (serverless) עם שינוי גודל אוטומטי, כולל שינוי גודל לאפס (אין תנועה, אין עלות).

10. בדיקת השירות

אחרי הפריסה, אפשר לקיים אינטראקציה עם מודל Gemma 4 באמצעות vLLM API שתואם ל-OpenAI.

קבלת כתובת URL של שירות

מאחזרים את כתובת ה-URL של שירות Cloud Run שפרסתם.

SERVICE_URL=$(gcloud run services describe $SERVICE_NAME --project "${GOOGLE_CLOUD_PROJECT}" --region "${GOOGLE_CLOUD_REGION}" --format 'value(status.url)')
echo "Service URL: $SERVICE_URL"

הרצת הסקה

שולחים הנחיה למודל באמצעות curl.

curl -s "$SERVICE_URL/v1/chat/completions" \
  -H "Authorization: Bearer $(gcloud auth print-identity-token)" \
  -H "Content-Type: application/json" \
  -d '{
  "model": "'"${MODEL_NAME}"'",
  "messages": [
    {"role": "user", "content": "Why is the sky blue?"}
  ],
  "chat_template_kwargs": {
    "enable_thinking": true
  },
  "skip_special_tokens": false
}' | jq -r '.choices[0].message.content'

11. יצירת סוכן נתונים באמצעות ערכה לפיתוח סוכנים (ADK)

כתיבת קוד לסוכן

בטרמינל של Cloud Shell או בטרמינל המקומי, יוצרים ספריית בסיס לאפליקציה מבוססת-הסוכן:

mkdir data_agent

פותחים את Cloud Shell Editor או כלי אחר לעריכת טקסט, ויוצרים את הקובץ agent.py בספרייה data_agent:

data_agent/
    agent.py

agent.py

import os
import subprocess

from google.adk.agents import LlmAgent
from google.adk.models.lite_llm import LiteLlm
from google.adk.tools.mcp_tool.mcp_toolset import MCPToolset
from google.adk.tools.mcp_tool.mcp_session_manager import StreamableHTTPConnectionParams

import google.auth
from google.auth.transport.requests import Request
from google.oauth2 import id_token

# Fetch Application Default Credentials (ADC)
application_default_credentials, project_id = google.auth.default()
application_default_credentials.refresh(Request())

# Retrieve Google Cloud project to use.
project_id = os.getenv("GOOGLE_CLOUD_PROJECT", project_id)
if not project_id:
    raise ValueError("GOOGLE_CLOUD_PROJECT environment variable is not set.")

if os.getenv("GOOGLE_GENAI_USE_ENTERPRISE", "").lower() not in ["true", "1"]:
    # Using Cloud Run for hosting LLM with LiteLLM wrapper
    api_base = os.getenv(
        "API_BASE",
        os.environ.get("OPENAI_API_BASE", "")
    ).rstrip("/")
    if not api_base:
        raise ValueError("API_BASE environment variable is not set")
    if not api_base.endswith("/v1"):
        api_base += "/v1"

    model_name = os.getenv("MODEL_NAME")
    if not model_name:
        raise ValueError("MODEL_NAME environment variable is not set")
    # Format required by LiteLLM for OpenAI-compatible APIs
    model_name=f"openai/{model_name}"

    # To access the model's Cloud Run service,
    # we need an identity token.
    try:
        model_service_token_string = id_token.fetch_id_token(Request(), api_base)
    except Exception as e:
        # Fallback with using gcloud CLI to get the identity token
        model_service_token_string = subprocess.check_output(
            f"gcloud auth print-identity-token -q",
            shell=True
        ).decode().strip()

    # Gemma 4 in vLLM requires additional parameters in the request body.
    extra_body={
        "chat_template_kwargs": {
            "enable_thinking": True
        },
        "skip_special_tokens": False
    }
    # Configure the model with LiteLLM and an OpenAI-compatible endpoint
    custom_model = LiteLlm(
      model=model_name,
      base_url=api_base,
      api_key=model_service_token_string,
      extra_body=extra_body
    )
    model = custom_model
else:
    # Gemini API in Agent Platform fallback
    model = "gemini-3.5-flash-lite"

# Initialize the MCP Toolset with the connection parameters
bigquery_toolset = MCPToolset(
    connection_params=StreamableHTTPConnectionParams(
        url="https://bigquery.googleapis.com/mcp",
        headers={
            "Authorization": f"Bearer {application_default_credentials.token}",
            "x-goog-user-project": project_id, # This is used for billing
        },
        tool_filter=[
            'get_dataset_info',
            'list_table_ids',
            'get_table_info',
            # Using readonly is a security measure to prevent accidental data modification.
            'execute_sql_readonly',
        ]
    )
)

# Configure the agent

system_instruction = f"""
You are a helpful assistant that can answer questions about data in BigQuery.
To answer the user's question, use data you have access to by using tools `list_table_ids` and `get_table_info`.
Your data is in `bigquery-public-data.new_york_citibike` dataset
   (Citi Bike trips and stations in the NYC area.
    It includes trip records starting from September 2013 and is updated daily.)

Plan of action:
0. ALWAYS start by analyzing dataset.
1. Analyze your data, investigate schema and dimensions by querying distrinct values of columns using `execute_sql_readonly`.
   Output information about tables, columns, their data types and sets of values (for dimensions).
   Note which columns can be joined or used in aggregations/filters, and what type conversion may be needed for joining or aggregating.
   DO NOT MAKE ASSUMPTIONS ABOUT DATA (structure, type, values, relationships) BASED ON YOUR PRIOR KNOWLEDGE. ALWAYS VERIFY YOUR ASSUMPTIONS.
2. Understand and interpret the user's question.
3. Formulate a plan to answer the user's question.
4. Write a SQL query to retrieve relevant data in necessary form.
   This is where you must pay extra attention to column types and dimensions' sets of values.
5. Retrieve data by generating BigQuery SQL and using `execute_sql_readonly`.
   Always use Dry Run to verify SQL correctness.
   Use `{project_id}` to run BigQuery queries (`project_id` parameter of `execute_sql_readonly`).

Do not use LaTeX in your responses. When giving a final answer, use Markdown.
"""

root_agent = LlmAgent(
    model=model,
    name="data_agent",
    instruction=system_instruction,
    description="A helpful assistant that can answer questions using NYC Citibike data.",
    tools=[bigquery_toolset]
)

בנוסף, כדי לפרוס את ADK נדרשים __init__.py ו-requirements.txt:

לסוכן __init__.py צריך להיות ייבוא.
requirements.txt רשימת יחסי התלות של Python: google-adk עבור Agent Development Kit, ‏ litellm עבור ספריית LiteLLM ש-ADK ממנף לשימוש במודלים שאינם Gemini, ו-mcp עבור לקוח Model Context Protocol.

הפקודות האלה עוזרות לכם ליצור את __init__.py ואת requirements.txt:

echo "from . import agent" > data_agent/__init__.py
echo -e "google-adk==2.4.*\nlitellm\nmcp==1.29.*" > data_agent/requirements.txt

מבנה התיקיות הסופי צריך להיראות כך:

data_agent/
    __init__.py
    agent.py
    requirements.txt

איך מנסים את הסוכן באופן מקומי

הערכה לפיתוח סוכנים כוללת את כלי ה-CLI‏ adk – ממשק טרמינל אינטראקטיבי לבדיקת הסוכנים. האפשרות הזו שימושית לבדיקות מהירות, לאינטראקציות מבוססות סקריפט ולצינורות CI/CD. אחת מהתכונות ש-ADK מספק היא adk web – ממשק אינטרנט של ADK – דרך פשוטה לפתח ולנפות באגים בסוכנים באופן אינטראקטיבי. ‫ADK Web לא מיועד לשימוש בפריסות ייצור, אבל הוא מאפשר לנסות את הסוכן בקלות רבה.

הפקודה הזו מפעילה את adk web שמתחיל שרת אינטרנט מקומי ביציאה 8080.

export API_BASE=$(gcloud run services describe $SERVICE_NAME \
  --project $GOOGLE_CLOUD_PROJECT \
  --region $GOOGLE_CLOUD_REGION \
  --format 'value(status.url)')

# If Gemma 4 deployment failed, use Gemini fallback
if [[ "${API_BASE}" == "" ]]; then
  export GOOGLE_GENAI_USE_ENTERPRISE=true
else
  export GOOGLE_GENAI_USE_ENTERPRISE=false
fi

uv tool run --with litellm,"mcp==1.29.*" --from "google-adk[mcp]==2.4.*" adk web --allow_origins="*" --port 8080 .

אחרי שהשירות מתחיל לפעול, פותחים את דף האינטרנט המקומי של ADK: ‏http://localhost:8080/.

אם אתם משתמשים ב-Google Cloud Shell, לוחצים על הלחצן Web Preview (תצוגה מקדימה של אתר) .

בממשק המשתמש באינטרנט של ADK, שואלים את הסוכן על הנתונים שיש לו גישה אליהם:

What data do you have?

קוד הסוכן ישתמש במודל Gemma 4 שנפרס ב-Cloud Run. המודל ישתמש בכלים של BigQuery MCP כדי לחקור את מערך הנתונים של citibike. הוא יציג לכם סקירה כללית של הטבלאות והשדות שזמינים במערך הנתונים של Citibike.

12. פריסת הסוכן ב-Cloud Run

הפקודה הזו תפרוס את הסוכן ב-Cloud Run באמצעות ADK CLI.

export API_BASE=$(gcloud run services describe $SERVICE_NAME \
  --project $GOOGLE_CLOUD_PROJECT \
  --region $GOOGLE_CLOUD_REGION \
  --format 'value(status.url)')

# If Gemma 4 deployment failed, use Gemini fallback
if [[ "${API_BASE}" == "" ]]; then
  export GOOGLE_GENAI_USE_ENTERPRISE=true
else
  export GOOGLE_GENAI_USE_ENTERPRISE=false
fi

uv tool run --from google-adk==2.4.0 \
  adk deploy cloud_run \
      --with_ui \
      --project $GOOGLE_CLOUD_PROJECT \
      --region $GOOGLE_CLOUD_REGION \
      --service_name gemma4-data-agent \
      --app_name data_agent \
      data_agent \
      -- \
      --allow-unauthenticated \
      --max-instances 1 \
      --set-env-vars GOOGLE_GENAI_USE_ENTERPRISE=${GOOGLE_GENAI_USE_ENTERPRISE},MODEL_NAME="${MODEL_NAME}",API_BASE="${API_BASE}",GOOGLE_CLOUD_PROJECT="${GOOGLE_CLOUD_PROJECT}"

התנסות בסוכן

השתמשנו באפשרות --with_ui לפריסת הסוכן שלנו. הסוכן נפרס באמצעות ממשק האינטרנט של ADK.

פותחים את כתובת ה-URL של הסוכן בדפדפן האינטרנט. הפקודה adk deploy החזירה את כתובת ה-URL, ואפשר גם לאחזר אותה באמצעות הפקודה gcloud run services:

gcloud run services describe gemma4-data-agent \
  --project $GOOGLE_CLOUD_PROJECT \
  --region $GOOGLE_CLOUD_REGION \
  --format 'value(status.url)'

תבקש מהסוכן להסיק מסקנות על סמך נתוני Citibike הזמינים:

We have budget for 3 coffee trucks.
We want to find the best city bike stations to place our coffee trucks.

הסוכן צריך לעיין במערך הנתונים של Citibike באמצעות שרת ה-MCP של BigQuery, להריץ כמה שאילתות SQL ולהחזיר רשימה של 3 תחנות Citibike.

13. מעולה!

כל הכבוד, סיימתם את ה-Codelab!

מומלץ לעיין במסמכי התיעוד של Cloud Run.

מה נכלל

איך פורסים את מודל Gemma 4 ביחידת GPU מסוג RTX 6000 Pro ב-Cloud Run
איך מגדירים Direct VPC Egress וסטרימינג של מודל vLLM עם Cloud Storage כדי להפעיל את השירות מהר יותר.
איך ליצור ולפרוס סוכן AI באמצעות ערכה לפיתוח סוכנים (ADK) שמשתמש במודל Gemma 4 LLM ובשרת MCP של BigQuery.

14. הסרת המשאבים

כדי להימנע מחיובים בחשבון Google Cloud בגלל השימוש במשאבים שנעשה במסגרת המדריך הזה, אפשר למחוק את הפרויקט או למחוק את המשאבים הספציפיים.

אפשרות 1: מחיקת משאבים

מחיקת שירותי Cloud Run

gcloud run services delete gemma4-data-agent \
      --project "${GOOGLE_CLOUD_PROJECT}" \
      --region "${GOOGLE_CLOUD_REGION}" \
      --quiet
gcloud run services delete $SERVICE_NAME \
      --project "${GOOGLE_CLOUD_PROJECT}" \
      --region "${GOOGLE_CLOUD_REGION}" \
      --quiet

מחיקת חשבון השירות

gcloud iam service-accounts delete \
      ${SERVICE_ACCOUNT_EMAIL} \
      --project "${GOOGLE_CLOUD_PROJECT}" \
      --quiet

מחיקת הקטגוריה של Cloud Storage

gcloud storage rm --recursive gs://$MODEL_CACHE_BUCKET

מחיקת רשת ה-VPC ותת-הרשת

gcloud compute networks subnets delete $VPC_SUBNET \
    --region "${GOOGLE_CLOUD_REGION}" \
    --project "${GOOGLE_CLOUD_PROJECT}" \
    --quiet

gcloud compute networks delete $VPC_NETWORK \
    --project "${GOOGLE_CLOUD_PROJECT}" \
    --quiet

אפשרות 2: מחיקת הפרויקט

כדי למחוק את הפרויקט כולו, עוברים אל Manage Resources (ניהול משאבים), בוחרים את הפרויקט שיצרתם בשלב 2 ולוחצים על Delete (מחיקה). אם תמחקו את הפרויקט, תצטרכו לשנות את הפרויקטים ב-Cloud SDK. כדי לראות את רשימת כל הפרויקטים הזמינים, מריצים את הפקודה gcloud projects list. אם אתם רוצים להשתמש בשורת הפקודה, אתם יכולים להשתמש גם בפקודה הזו:

gcloud projects delete ${GOOGLE_CLOUD_PROJECT}