Next ‘26 Keynote: Fabric of Unified Intelligence

1. Einführung

Willkommen beim Codelab „Fabric of Unified Intelligence“! Dieses Codelab ist Teil der Keynote-Demos der Google Cloud Next ‘26.

In diesem Lab erfahren Sie, wie Sie mit Gemini Enterprise mehrere in Cloud Run bereitgestellte Agents orchestrieren und Kontext für nahtlose Übergaben und optimierte Arbeitsabläufe freigeben.

Stellen Sie sich vor, Sie sind Produktmanager bei „Organic Living“, einer fiktiven Marke für moderne Möbel. Sie möchten eine neue Produktlinie einführen, aber die standardmäßigen Marktforschungs- und Designprozesse dauern zu lange. In diesem Lab stellen Sie ein Team von KI-Agents bereit, um diesen Prozess zu automatisieren und zu beschleunigen:

• Product Strategy Agent: Verfeinert Produktkonzepte auf Grundlage von Marktdaten.
• Market Research Agent: Analysiert Trends und Kundenfeedback.
• Orchestrator-Agent: Koordiniert den Workflow zwischen anderen Agents.
• Dev Agent: Setzt Pläne in die Tat um, indem es Tickets und Gerüstcode erstellt.

Am Ende dieses Labs haben Sie ein funktionierendes Multi-Agent-System, das in Cloud Run bereitgestellt und mit Gemini Enterprise orchestriert wird. So wird die Leistungsfähigkeit von Unified Intelligence demonstriert.

Vorbereitung

• Grundlegende Kenntnisse der Google Cloud Console und der gcloud CLI.

Aufgaben

• Multi-Agenten-System in Cloud Run bereitstellen
• Registrieren Sie Ihre Agenten bei Gemini Enterprise.
• Mit Gemini Enterprise können Sie Workflows ausführen, um:
  • Daten analysieren und Statistiken erstellen
  • Mit Veo Videos für Ihre Produkte erstellen
  • Anforderungen für Ihr Entwicklerteam generieren, damit die Website auf Grundlage von Statistiken aktualisiert werden kann

Voraussetzungen

• Ein Webbrowser wie Chrome.
• Ein Google-Konto

2. Umgebung einrichten

Projekt einrichten

Google Cloud-Projekt erstellen

1. Wählen Sie in der Google Cloud Console auf der Seite zur Projektauswahl ein Google Cloud-Projekt aus oder erstellen Sie eines.
2. Die Abrechnung für das Cloud-Projekt muss aktiviert sein. So prüfen Sie, ob die Abrechnung für ein Projekt aktiviert ist.

Cloud Shell aktivieren

Cloud Shell ist eine Befehlszeilenumgebung, die in Google Cloud ausgeführt wird und mit den erforderlichen Tools vorinstalliert ist.

1. Klicken Sie oben in der Google Cloud Console auf Cloud Shell aktivieren.
2. Prüfen Sie nach der Verbindung mit Cloud Shell Ihre Authentifizierung:

   gcloud auth list
   

3. Prüfen Sie, ob Ihr Projekt konfiguriert ist:

   gcloud config get project
   

4. Wenn Ihr Projekt nicht wie erwartet festgelegt ist, legen Sie es fest:

   export PROJECT_ID=<YOUR_PROJECT_ID>
   gcloud config set project $PROJECT_ID
   

Datei mit Umgebungsvariablen initialisieren

Damit Ihre Umgebungsvariablen beibehalten werden, wenn die Verbindung zu Ihrer Cloud Shell-Sitzung getrennt wird, speichern Sie sie in einer Datei und rufen sie bei Bedarf ab.

1. Erstellen Sie in Cloud Shell die Datei und fügen Sie Ihre Projekt-ID hinzu:

   echo "export PROJECT_ID=$(gcloud config get-value project)" > ~/lab_env.sh
   source ~/lab_env.sh
   

Gemini API-Schlüssel aus AI Studio abrufen

Der Market Research Agent nutzt die Gemini Deep Research Interactions API. Das deep_research-Tool ruft die Gemini Deep Research Interactions API auf, die derzeit nur über den AI Studio-Endpunkt verfügbar ist. Es wird ein separates genai.Client mit vertexai=False erstellt und die Authentifizierung erfolgt mit einem API-Schlüssel, der in der Umgebungsvariablen GEMINI_API_KEY gespeichert ist.

1. Rufen Sie Google AI Studio auf.
2. Melde dich mit deinem Google-Konto an.
3. Klicken Sie auf API-Schlüssel erstellen.
4. Geben Sie dem Schlüssel den Namen Unified Intelligence Agents.
5. Wählen Sie unter Importiertes Projekt auswählen Ihr Projekt aus oder importieren Sie es.
6. Klicken Sie auf Schlüssel erstellen.
7. Kopieren Sie den generierten API-Schlüssel aus dem Detailbereich.
8. Speichern Sie diesen Schlüssel in Cloud Shell in der Datei Ihrer Lab-Umgebung (ersetzen Sie YOUR_GEMINI_API_KEY durch den tatsächlichen Schlüssel):

   echo "export GEMINI_API_KEY=\"YOUR_GEMINI_API_KEY\"" >> ~/lab_env.sh
   source ~/lab_env.sh
   

APIs aktivieren

1. Aktivieren Sie in Cloud Shell die für dieses Lab erforderlichen APIs:

   gcloud services enable \
     cloudresourcemanager.googleapis.com \
     aiplatform.googleapis.com \
     storage.googleapis.com \
     run.googleapis.com \
     bigquery.googleapis.com \
     cloudbuild.googleapis.com \
     iam.googleapis.com \
     discoveryengine.googleapis.com \
     geminidataanalytics.googleapis.com \
     cloudaicompanion.googleapis.com \
     secretmanager.googleapis.com
   

Repository klonen

Bevor Sie das Dataset und die Agents einrichten können, müssen Sie das Repository mit dem Quellcode und den Datenscripts klonen.

1. Klonen Sie in Cloud Shell das Repository next-26-keynotes:

   cd $HOME
   git clone https://github.com/GoogleCloudPlatform/next-26-keynotes.git
   

3. Daten- und Ressourcenkonfiguration

BigQuery-Daten und ‑Agent einrichten

In diesem Schritt erstellen Sie ein BigQuery-Dataset, füllen es mit Mock-Inventar- und Verkaufsdaten für Möbel und erstellen einen BigQuery Data Agent, um diese Daten zu analysieren.

1. Öffnen Sie in Cloud Shell das Verzeichnis data:

   cd $HOME/next-26-keynotes/genkey/fabric-unified-intelligence/data
   

2. Wenn Sie sich mit Standardanmeldedaten für Anwendungen authentifizieren möchten, führen Sie diesen Befehl aus und folgen Sie der Anleitung:

   gcloud auth application-default login
   

3. Führen Sie das Setupscript aus, um das Dataset, die Tabellen und die Ansicht zu erstellen:

   chmod +x setup_bigquery.sh
   ./setup_bigquery.sh
   

   Mit diesem Skript wird Folgendes erstellt:
   • Dataset: unified_intelligence_fabric_demo
   • Tabelle: furniture_stock
   • Tabelle: furniture_sales
   • Ansicht: dead_stock_view
4. Führen Sie das Python-Skript aus, um die Tabellen mit Beispieldaten zu füllen. Verwenden Sie dazu uv:

   uv run --with google-cloud-bigquery ./populate_tables.py
   

5. BigQuery Data Agent erstellen:
   • Rufen Sie in der Cloud Console den BigQuery Agents Hub auf.
   • Klicken Sie unter Katalog mit KI-Agenten auf Neuer Agent.
   • Legen Sie als Agent Name (Agent-Name) Unified Intelligence Data Agent fest.
   • Legen Sie die Wissensquelle auf die Tabellen im gerade erstellten Dataset fest (furniture_stock, furniture_sales).
     • Geben Sie furniture ein, um nach den Tabellen zu suchen.
     • Drücken Sie die Eingabetaste.
     • Wählen Sie die beiden Tabellen aus (furniture_stock, furniture_sales).
     • Klicken Sie auf Hinzufügen.
   • Klicken Sie auf Veröffentlichen.
   • Wenn Sie aufgefordert werden, den Agenten freizugeben, klicken Sie auf „Abbrechen“. Sie fügen dem Compute-Dienstkonto in einem späteren Schritt Rollen hinzu.
6. KI-Agenten testen
   :
   • Stellen Sie im Testchat auf der rechten Seite eine Frage wie: What are the furniture items with the highest stock?
   • Prüfen Sie, ob Ergebnisse auf Grundlage der Beispieldaten zurückgegeben werden. In der Ausgabe sollte eine Tabelle wie diese angezeigt werden.
7. ID des Daten-Agents speichern:
   • Auf der linken Seite des Bildschirms sollte die ID des gerade erstellten Agenten angezeigt werden. Das sieht so aus: agent_ba43c386-ae82-45e0-a2b5-1928440f0926.
   
   • Kopieren Sie die ID.
   • Führen Sie in Cloud Shell den folgenden Befehl aus, um die ID zu speichern. Ersetzen Sie dabei YOUR_AGENT_ID durch die tatsächliche ID:

   echo "export BQ_DATA_AGENT_ID=YOUR_AGENT_ID" >> ~/lab_env.sh
   source ~/lab_env.sh
   

Freigegebenen Ordner erstellen

In diesem Schritt erstellen Sie einen Ordner in Google Drive und geben ihn für das Cloud Run-Dienstkonto frei. In diesem Ordner werden Dateien (z. B. generierte Anforderungen) von den Agents gespeichert und freigegeben.

1. Rufen Sie Google Drive auf.
2. Klicken Sie auf Neu > Neuer Ordner, geben Sie den Namen Unified Intelligence Lab ein und klicken Sie auf Erstellen.
3. Klicken Sie mit der rechten Maustaste auf den neu erstellten Ordner und wählen Sie Freigeben > Freigeben aus.
4. Führen Sie in Cloud Shell den folgenden Befehl aus, um die E-Mail-Adresse des Compute Engine-Standarddienstkontos abzurufen:

   PROJECT_NUMBER=$(gcloud projects describe $(gcloud config get-value project) --format="value(projectNumber)")
   echo "${PROJECT_NUMBER}[e-mail]"
   

5. Kopieren Sie die E-Mail-Adresse aus der Ausgabe.
6. Fügen Sie diese E‑Mail-Adresse im Freigabedialog von Google Drive hinzu.
7. Legen Sie die Rolle auf Bearbeiter fest.
8. Öffnen Sie den Ordner und kopieren Sie die ID aus der URL. Die URL sieht so aus: https://drive.google.com/drive/folders/YOUR_FOLDER_ID. Kopieren Sie den alphanumerischen String am Ende der URL, der nach /folders/ angezeigt wird.
9. Speichern Sie diese ID in Cloud Shell in der Datei für Ihre Lab-Umgebung. Ersetzen Sie dabei YOUR_FOLDER_ID durch Ihre tatsächliche ID:

   echo "export GOOGLE_DRIVE_FOLDER_ID=YOUR_FOLDER_ID" >> ~/lab_env.sh
   source ~/lab_env.sh
   

GCS-Buckets erstellen

Führen Sie in Cloud Shell die folgenden Befehle aus, um GCS-Buckets für Artefakte/Aufgaben, Kampagnenvideos und Logs zu erstellen:

gcloud storage buckets create gs://$(gcloud config get-value project)-artifacts --location=us-central1
gcloud storage buckets create gs://$(gcloud config get-value project)-videos --location=us-central1
gcloud storage buckets create gs://$(gcloud config get-value project)-logs --location=us-central1

Video-Bucket veröffentlichen

Damit die Website auf die Videos zugreifen kann, müssen Sie den Video-Bucket öffentlich machen:

gcloud storage buckets add-iam-policy-binding gs://$(gcloud config get-value project)-videos --member=allUsers --role=roles/storage.objectViewer

IAM-Rollen zuweisen

In diesem Abschnitt weisen Sie Ihrem Nutzer und mehreren Dienstkonten/Agents IAM-Rollen zu.

Nutzer Rollen zuweisen

Wenn Sie die Discovery Engine-Funktionen (Suche und Unterhaltung) verwenden möchten, führen Sie die folgenden Befehle in Cloud Shell aus, um Ihrem Nutzerkonto die Nutzerrolle „Discovery Engine-Nutzer“ zuzuweisen:

source ~/lab_env.sh

echo "export USER_ACCOUNT=$(gcloud config get-value account)" >> ~/lab_env.sh
source ~/lab_env.sh

gcloud projects add-iam-policy-binding $PROJECT_ID \
  --member="user:$USER_ACCOUNT" \
  --role="roles/discoveryengine.user"

Dem Compute Engine-Dienstkonto Rollen zuweisen

Hinweis: Wir verwenden das Standarddienstkonto aus Gründen der Einfachheit, aber Sie sollten dies nicht in der Produktion tun.

Führen Sie in Cloud Shell die folgenden Befehle aus, um dem Compute Engine-Dienstkonto Rollen zuzuweisen:

source ~/lab_env.sh

PROJECT_NUMBER=$(gcloud projects describe $PROJECT_ID --format="value(projectNumber)")
echo "export PROJECT_NUMBER=${PROJECT_NUMBER}" >> ~/lab_env.sh
echo "export COMPUTE_SA=\"${PROJECT_NUMBER}[e-mail]\"" >> ~/lab_env.sh
source ~/lab_env.sh

gcloud projects add-iam-policy-binding $PROJECT_ID \
  --member="serviceAccount:$COMPUTE_SA" \
  --role="roles/storage.objectAdmin"

gcloud projects add-iam-policy-binding $PROJECT_ID \
  --member="serviceAccount:$COMPUTE_SA" \
  --role="roles/aiplatform.user"

gcloud projects add-iam-policy-binding $PROJECT_ID \
  --member="serviceAccount:$COMPUTE_SA" \
  --role="roles/cloudtrace.agent"

gcloud projects add-iam-policy-binding $PROJECT_ID \
  --member="serviceAccount:$COMPUTE_SA" \
  --role="roles/geminidataanalytics.dataAgentUser"

gcloud projects add-iam-policy-binding $PROJECT_ID \
  --member="serviceAccount:$COMPUTE_SA" \
  --role="roles/geminidataanalytics.dataAgentStatelessUser"

gcloud projects add-iam-policy-binding $PROJECT_ID \
  --member="serviceAccount:$COMPUTE_SA" \
  --role="roles/bigquery.dataViewer"

gcloud iam service-accounts add-iam-policy-binding $COMPUTE_SA \
  --member="serviceAccount:$COMPUTE_SA" \
  --role="roles/iam.serviceAccountTokenCreator" \
  --project=$PROJECT_ID

gcloud projects add-iam-policy-binding $PROJECT_ID \
  --member="serviceAccount:$COMPUTE_SA" \
  --role="roles/cloudbuild.builds.builder"

gcloud projects add-iam-policy-binding $PROJECT_ID \
  --member="serviceAccount:$COMPUTE_SA" \
  --role="roles/run.invoker"

gcloud projects add-iam-policy-binding $PROJECT_ID \
  --member="serviceAccount:$COMPUTE_SA" \
  --role="roles/secretmanager.secretAccessor"

Dem Discovery Engine-Dienstkonto Rollen zuweisen

Führen Sie in Cloud Shell die folgenden Befehle aus, um dem Discovery Engine-Dienstkonto Rollen zuzuweisen:

source ~/lab_env.sh

echo "export DISCOVERY_ENGINE_SA=\"service-\${PROJECT_NUMBER}@gcp-sa-discoveryengine.iam.gserviceaccount.com\"" >> ~/lab_env.sh
source ~/lab_env.sh

gcloud projects add-iam-policy-binding $PROJECT_ID \
  --member="serviceAccount:$DISCOVERY_ENGINE_SA" \
  --role="roles/run.invoker"

gcloud projects add-iam-policy-binding $PROJECT_ID \
  --member="serviceAccount:$DISCOVERY_ENGINE_SA" \
  --role="roles/aiplatform.user"

Rollen für den KI-Plattform Reasoning Engine-Dienst-Agent gewähren

Führen Sie in Cloud Shell die folgenden Befehle aus, um dem AI Platform Reasoning Engine-Dienstkonto Rollen zuzuweisen:

source ~/lab_env.sh

echo "export AI_PLATFORM_RE_SA=\"service-\${PROJECT_NUMBER}@gcp-sa-aiplatform-re.iam.gserviceaccount.com\"" >> ~/lab_env.sh
source ~/lab_env.sh

gcloud projects add-iam-policy-binding $PROJECT_ID \
  --member="serviceAccount:$AI_PLATFORM_RE_SA" \
  --role="roles/storage.objectViewer"

4. Agents konfigurieren und bereitstellen

Konfigurieren und stellen Sie alle benutzerdefinierten Agents bereit, die für dieses Codelab erforderlich sind.

Product Strategy Agent konfigurieren und bereitstellen

In diesem Schritt stellen Sie den Product Strategy Agent in Cloud Run bereit und registrieren ihn für die Gemini Enterprise-App. Dieser Agent ist dafür verantwortlich, Produktkonzepte auf Grundlage von Marktdaten zu optimieren.

Vorbereitung

Zuerst konfigurieren Sie jedoch die Umgebungsvariablen für den Product Strategy Agent.

1. Wechseln Sie in Cloud Shell zum Verzeichnis des Product Strategy Agent:

   cd $HOME/next-26-keynotes/genkey/fabric-unified-intelligence/agents/product-strategy
   

2. Führen Sie den folgenden Befehl aus, um die Datei .env.sample nach .env zu kopieren:

   cp .env.sample .env
   

3. Führen Sie in Cloud Shell die folgenden Befehle aus, um die Datei .env mit Ihren Projektdetails zu füllen:

   source ~/lab_env.sh
   sed -i "s/YOUR_PROJECT_ID/${PROJECT_ID}/" .env
   sed -i "s/YOUR_VEO_GCS_BUCKET/${PROJECT_ID}-videos/" .env
   sed -i "s/YOUR_GOOGLE_DRIVE_FOLDER_ID/${GOOGLE_DRIVE_FOLDER_ID}/" .env
   sed -i "s/YOUR_LOGS_BUCKET_NAME/${PROJECT_ID}-logs/" .env
   

Product Strategy Agent bereitstellen

1. In Cloud Run bereitstellen Stellen Sie den Agent jetzt in Cloud Shell in Cloud Run bereit. Das Repository enthält ein Makefile, das diesen Prozess vereinfacht:

   make deploy
   

   Nach der Bereitstellung erhalten Sie eine URL für den Product Strategy Agent.
2. Führen Sie in Cloud Shell den folgenden Befehl aus, um die URL des bereitgestellten Dienstes abzurufen und in der Datei Ihrer Lab-Umgebung zu speichern:

   source ~/lab_env.sh
   PRODUCT_STRATEGY_URL=$(gcloud run services describe product-strategy --region us-central1 --format 'value(status.url)')
   echo "export PRODUCT_STRATEGY_URL=\"${PRODUCT_STRATEGY_URL}\"" >> ~/lab_env.sh
   source ~/lab_env.sh
   

Market Research-KI-Agent konfigurieren und bereitstellen

In diesem Schritt stellen Sie den Marktforschungs-Agenten in Cloud Run bereit und registrieren ihn in der Gemini Enterprise-App. Dieser Agent analysiert Trends und Kundenfeedback.

Vorbereitung

Zuerst konfigurieren Sie jedoch die Umgebungsvariablen für den Market Research Agent, einschließlich eines API-Schlüssels für das Tool „Deep Research“.

1. Öffnen Sie in Cloud Shell das Verzeichnis market-research:

   cd $HOME/next-26-keynotes/genkey/fabric-unified-intelligence/agents/market-research
   

2. Führen Sie den folgenden Befehl aus, um die Datei .env.sample nach .env zu kopieren:

   cp .env.sample .env
   

3. Führen Sie in Cloud Shell die folgenden Befehle aus, um die Datei .env mit Ihren Projektdetails zu füllen:

   source ~/lab_env.sh
   sed -i "s/YOUR_PROJECT_ID/${PROJECT_ID}/" .env
   sed -i "s/YOUR_LOGS_BUCKET_NAME/${PROJECT_ID}-logs/" .env
   

Secrets erstellen

Die Variable GEMINI_API_KEY wird in Secret Manager gespeichert und bei der Bereitstellung in die Cloud Run-Revision eingebunden.

1. Fügen Sie in Cloud Shell die GEMINI_API_KEY in Ihre .env-Datei ein:

   source ~/lab_env.sh
   echo "GEMINI_API_KEY=${GEMINI_API_KEY}" >> .env
   

2. Führen Sie den folgenden Befehl aus, um Secret-Werte aus Ihrem lokalen .env in Secret Manager zu übertragen:

   make create-secrets
   

3. Führen Sie den folgenden Befehl aus, um Cloud Run Zugriff auf das Secret zu gewähren:

   make grant-secret-access
   

Market Research Agent in Cloud Run bereitstellen

1. Stellen Sie den Agenten in Cloud Shell mit dem Makefile bereit:

   make deploy
   

   Nach der Bereitstellung erhalten Sie eine URL für den Marktforschungs-Agent.
2. Führen Sie in Cloud Shell den folgenden Befehl aus, um die URL des bereitgestellten Dienstes abzurufen und in der Datei Ihrer Lab-Umgebung zu speichern:

   source ~/lab_env.sh
   MARKET_RESEARCH_URL=$(gcloud run services describe market-research --region us-central1 --format 'value(status.url)')
   echo "export MARKET_RESEARCH_URL=\"${MARKET_RESEARCH_URL}\"" >> ~/lab_env.sh
   source ~/lab_env.sh
   

Orchestrator-Agent konfigurieren und bereitstellen

In diesem Schritt stellen Sie den Orchestrator-Agenten in Cloud Run bereit und registrieren ihn in der Gemini Enterprise-App. Dieser Agent koordiniert den Workflow zwischen den anderen Agenten.

Vorbereitung

Zuerst konfigurieren Sie jedoch die Umgebungsvariablen für den Orchestrator-Agent. Dazu muss es die URLs der Agents für Produktstrategie und Marktforschung kennen, die Sie in den vorherigen Schritten bereitgestellt haben.

1. Öffnen Sie in Cloud Shell das Verzeichnis orchestrator:

   cd $HOME/next-26-keynotes/genkey/fabric-unified-intelligence/agents/orchestrator
   

2. Führen Sie den folgenden Befehl aus, um die Datei .env.sample nach .env zu kopieren:

   cp .env.sample .env
   

3. Führen Sie in Cloud Shell die folgenden Befehle aus, um die Datei .env mit Ihren Projektdetails und der BigQuery Data Agent-Konfiguration zu füllen:

   source ~/lab_env.sh
   sed -i "s/YOUR_PROJECT_ID/${PROJECT_ID}/" .env
   sed -i "s|http://localhost:8002|${MARKET_RESEARCH_URL}|" .env
   sed -i "s|http://localhost:8001|${PRODUCT_STRATEGY_URL}|" .env
   sed -i "s/YOUR_BQ_DATA_AGENT_PROJECT/${PROJECT_ID}/" .env
   sed -i "s/YOUR_BQ_DATA_AGENT_ID/${BQ_DATA_AGENT_ID}/" .env
   sed -i "s/YOUR_LOGS_BUCKET_NAME/${PROJECT_ID}-logs/" .env
   

Orchestrator-Agent bereitstellen

1. Stellen Sie in Cloud Shell den Orchestrator-Agent mit Makefile bereit:

   make deploy
   

Nach der Bereitstellung erhalten Sie eine URL für den Orchestrator-Agent.

1. Führen Sie in Cloud Shell den folgenden Befehl aus, um die URL des bereitgestellten Dienstes abzurufen und in der Datei Ihrer Lab-Umgebung zu speichern:

   source ~/lab_env.sh
   ORCHESTRATOR_URL=$(gcloud run services describe orchestrator --region us-central1 --format 'value(status.url)')
   echo "export ORCHESTRATOR_URL=\"${ORCHESTRATOR_URL}\"" >> ~/lab_env.sh
   source ~/lab_env.sh
   

Dev-Agent konfigurieren und bereitstellen

In diesem Schritt stellen Sie den Dev Agent in Cloud Run bereit und registrieren ihn in der Gemini Enterprise-App. Dieser Agent setzt Pläne in die Tat um, indem er Aufgaben und Gerüstcode erstellt. Der Dev Agent kann in Jira integriert werden, um Tickets zu erstellen. Das wird in der Keynote-Demo gezeigt. In diesem Codelab überspringen wir jedoch die Jira-Integration und lassen den Agenten Aufgaben stattdessen in Google Cloud Storage speichern.

Vorbereitung

Zuerst konfigurieren Sie jedoch die Umgebungsvariablen für den Dev Agent.

1. Öffnen Sie in Cloud Shell das Verzeichnis dev-agent:

   cd $HOME/next-26-keynotes/genkey/fabric-unified-intelligence/agents/dev-agent
   

2. Führen Sie den folgenden Befehl aus, um die Datei .env.sample nach .env zu kopieren:

   cp .env.sample .env
   

3. Führen Sie in Cloud Shell die folgenden Befehle aus, um die Datei .env mit Ihren Projektdetails zu füllen:

   source ~/lab_env.sh
   sed -i "s/YOUR_PROJECT_ID/${PROJECT_ID}/" .env
   sed -i "s/YOUR_ASSET_BUCKET_NAME/${PROJECT_ID}-artifacts/" .env
   sed -i "s/YOUR_VEO_GCS_BUCKET/${PROJECT_ID}-videos/" .env
   sed -i "s/YOUR_LOGS_BUCKET_NAME/${PROJECT_ID}-logs/" .env
   

Dev Agent bereitstellen

1. Stellen Sie in Cloud Shell den Dev-Agenten mit Makefile bereit:

   make deploy
   

Nach der Bereitstellung erhalten Sie eine URL für den Dev-Agent.

1. Führen Sie in Cloud Shell den folgenden Befehl aus, um die URL des bereitgestellten Dienstes abzurufen und in der Datei Ihrer Lab-Umgebung zu speichern:

   source ~/lab_env.sh
   DEV_AGENT_URL=$(gcloud run services describe dev-agent --region us-central1 --format 'value(status.url)')
   echo "export DEV_AGENT_URL=\"${DEV_AGENT_URL}\"" >> ~/lab_env.sh
   source ~/lab_env.sh
   

5. Gemini Enterprise einrichten und Agenten registrieren

In diesem Codelab verwenden wir Gemini Enterprise, um die Agenten zu registrieren und zu verwalten. So können sie mit Workspace und anderen Unternehmenssystemen interagieren und sind für Nutzer verfügbar.

Für dieses Codelab müssen Sie sich für einen Testzeitraum von Gemini Enterprise Plus registrieren. Sie erstellen auch eine App, mit der Sie Ihre Agents registrieren.

Für den Gemini Enterprise-Testzeitraum registrieren

Da wir die Discovery Engine API bereits aktiviert haben, müssen Sie keinen Testzeitraum explizit starten. Stattdessen wird Ihnen eine andere Schaltfläche zum Erstellen Ihrer ersten App angezeigt.

1. Rufen Sie in der Google Cloud Console die Seite Gemini Enterprise auf.
2. Ein Begrüßungsbildschirm wird angezeigt. Klicken Sie auf „Erste App erstellen“.

Anwendung erstellen

1. Geben Sie n26-unified für den App-Namen ein. Achten Sie auf das Banner für den kostenlosen Testzeitraum auf dem Bildschirm.
2. Übernehmen Sie für alle anderen Felder die Standardeinstellungen und klicken Sie auf „Erstellen“.
3. Ein Begrüßungsbildschirm wird angezeigt. Klicken Sie auf den Link Vorschau.
4. Ein neues Fenster mit der Gemini Enterprise-Webanwendung wird geöffnet. Notieren Sie sich die URL oben auf dem Bildschirm in der URL-Leiste. Sie benötigen diese URL in den folgenden Abschnitten, um auf die Anwendung zuzugreifen. Sie sollte in etwa so aussehen: https://vertexaisearch.cloud.google.com/home/cid/ebb52d4a-b33b-4007-a180-91d02fa124e1.

Benutzerdefinierte KI-Agents registrieren

Damit Gemini Enterprise Ihren Agenten verwenden kann, müssen Sie ihn bei einer Gemini Enterprise-Anwendung registrieren. Benutzerdefinierte Agenten, die in Cloud Run bereitgestellt werden, können mit der A2A-Integration (Agent-to-Agent) registriert werden.

1. Rufen Sie in einem separaten Fenster in der Console den Bildschirm „Gemini Enterprise-Apps“ auf.
2. Klicken Sie auf die App mit dem Namen n26-unified.
3. Klicken Sie in der linken Navigationsleiste auf „Agents“.

In den folgenden Schritten wird derselbe Bildschirm „Agents“ verwendet.

Product Strategy Agent registrieren

1. Rufen Sie die Agent-Karte ab, indem Sie in Cloud Shell den folgenden Befehl ausführen:

   source ~/lab_env.sh
   TOKEN=$(gcloud auth print-identity-token)  
   curl  -H "Content-Type: application/json" \
     -H "Authorization: Bearer ${TOKEN}" $PRODUCT_STRATEGY_URL/.well-known/agent-card.json  | jq
   

2. Klicken Sie auf + Agent hinzufügen.
3. Klicken Sie auf Benutzerdefinierter Agent über A2A.
4. Fügen Sie die JSON-Agentenkarte aus dem vorherigen Schritt in das Textfeld ein.
5. Klicken Sie auf Agentendetails ansehen.
6. Klicken Sie auf Weiter.
7. Klicken Sie für die Agent-Autorisierung auf Überspringen und beenden.
8. Weisen Sie auf dem Tab Nutzerberechtigungen allen Nutzern die Rolle Agent User (Agent-Nutzer) zu.
9. Klicken Sie auf „Speichern“.

Marktforschungs-Agenten bei der Gemini Enterprise-Anwendung registrieren

1. Rufen Sie die Agent-Karte ab, indem Sie in Cloud Shell den folgenden Befehl ausführen:

   source ~/lab_env.sh
   TOKEN=$(gcloud auth print-identity-token)  
   curl  -H "Content-Type: application/json" \
     -H "Authorization: Bearer ${TOKEN}" $MARKET_RESEARCH_URL/.well-known/agent-card.json  | jq
   

2. Klicken Sie auf + Agent hinzufügen.
3. Klicken Sie auf Benutzerdefinierter Agent über A2A.
4. Fügen Sie die JSON-Agentenkarte aus dem vorherigen Schritt in das Textfeld ein.
5. Klicken Sie auf Agentendetails ansehen.
6. Klicken Sie auf Weiter.
7. Klicken Sie für die Agent-Autorisierung auf Überspringen und beenden.
8. Weisen Sie auf dem Tab Nutzerberechtigungen allen Nutzern die Rolle Agent User (Agent-Nutzer) zu.
9. Klicken Sie auf „Speichern“.

Orchestrator-Agent registrieren

1. Rufen Sie die Agent-Karte ab, indem Sie in Cloud Shell den folgenden Befehl ausführen:

   source ~/lab_env.sh
   TOKEN=$(gcloud auth print-identity-token)  
   curl  -H "Content-Type: application/json" \
     -H "Authorization: Bearer ${TOKEN}" $ORCHESTRATOR_URL/.well-known/agent-card.json  | jq
   

2. Klicken Sie auf + Agent hinzufügen.
3. Klicken Sie auf Benutzerdefinierter Agent über A2A.
4. Fügen Sie die JSON-Agentenkarte aus dem vorherigen Schritt in das Textfeld ein.
5. Klicken Sie auf Agentendetails ansehen.
6. Klicken Sie auf Weiter.
7. Klicken Sie für die Agent-Autorisierung auf Überspringen und beenden.
8. Weisen Sie auf dem Tab Nutzerberechtigungen allen Nutzern die Rolle Agent User (Agent-Nutzer) zu.
9. Klicken Sie auf „Speichern“.

Dev-Agent registrieren

1. Rufen Sie die Agent-Karte ab, indem Sie in Cloud Shell den folgenden Befehl ausführen:

   source ~/lab_env.sh
   TOKEN=$(gcloud auth print-identity-token)  
   curl  -H "Content-Type: application/json" \
     -H "Authorization: Bearer ${TOKEN}" $DEV_AGENT_URL/.well-known/agent-card.json  | jq
   

2. Klicken Sie auf + Agent hinzufügen.
3. Klicken Sie auf Benutzerdefinierter Agent über A2A.
4. Fügen Sie die JSON-Agentenkarte aus dem vorherigen Schritt in das Textfeld ein.
5. Klicken Sie auf Agentendetails ansehen.
6. Klicken Sie auf Weiter.
7. Klicken Sie für die Agent-Autorisierung auf Überspringen und beenden.
8. Weisen Sie auf dem Tab Nutzerberechtigungen allen Nutzern die Rolle Agent User (Agent-Nutzer) zu.
9. Klicken Sie auf „Speichern“.

🥳 Sie können jetzt mit der Demo in Gemini Enterprise beginnen.

6. Akt 1: Strategie und Orchestrierung in Gemini Enterprise

In diesem Abschnitt des Labs schlüpfen Sie in die Rolle des VP of Merchandising bei „Organic Living“ und sind dafür verantwortlich, Produktlinien mit stagnierenden oder rückläufigen Umsätzen zu revitalisieren.

Um weniger beliebte Produktlinien wiederzubeleben, bitten Sie Ihren Kundenservicemitarbeiter, Trends zu analysieren, Ladenhüter in Ihrem Lager zu identifizieren und eine Relaunch-Kampagne zu organisieren. Sie sehen, wie Gemini Enterprise mehrere Agents orchestriert, um auf einen einzelnen, komplexen Prompt zu reagieren.

Rufen Sie die URL der Gemini Enterprise-App auf.

Das ist die URL, die Sie sich in Schritt 4: Gemini Enterprise einrichten und Agenten registrieren notiert haben. Wenn Sie die URL nicht haben, können Sie sie so abrufen:

1. Rufen Sie den Bildschirm „Gemini Enterprise-Apps“ auf.
2. Klicken Sie auf die App mit dem Namen n26-unified.
3. Klicken Sie auf die URL, die mit https://vertexaisearch.cloud.google.com beginnt.

KI‑Agenten auffordern, bei einer Aufgabe zu helfen

1. Beginnen Sie im neuen Chat, indem Sie in das Chatfeld auf Ihrer Startseite tippen, oder klicken Sie in der Navigation auf der linken Seite auf Neuer Chat.
2. Fügen Sie den folgenden Prompt hinzu:

   Analyze current interior design trends and identify dead stock in our warehouse that matches the trend. Orchestrate a relaunch campaign
   

3. Klicken Sie auf Senden (das Symbol mit dem Papierflieger) und sehen Sie zu, wie der Orchestrator-Agent seine Arbeit erledigt.

Ausgabe ansehen

Mit diesem einen Prompt erledigen mehrere Agenten eine Reihe von Aufgaben in wenigen Minuten statt in Stunden.

• Der Market Research Agent, der auf Deep Research basiert, analysiert die neuesten Informationen aus der Google Suche, um aktuelle Designtrends zu ermitteln.
• Der Data Insights Agent stellt eine Verbindung zu globalen Produktdaten her und speist die Forschungsergebnisse in unseren internen Katalog ein, um „Lagerhüter“ (Inventar mit geringer Umschlagshäufigkeit) zu identifizieren, die diesen Trendkriterien entsprechen.
• Der Product Strategy Agent fasst alles zusammen, um eine Relaunch-Kampagnenstrategie zu erstellen, die auf den Recherchen und Daten der anderen Agents basiert.

Plan genehmigen und Ausgabe beobachten

1. Antworte mit Yes, um den Plan zu genehmigen.

   Warnung:Dieser Schritt dauert einige Minuten, da er Deep Research, Datenerfassung und Planorchestrierung umfasst. Es kann so aussehen, als ob die App nicht reagiert, aber sie arbeitet im Hintergrund.

2. Ausgabe ansehen
   • Beginnt mit Statistiken des Market Research Agent und umfasst einen umfassenden Plan, einschließlich eines Website-Rebrandings.
   • Enthält Daten, die mit dem zuvor eingerichteten BigQuery Data Agent aus unseren Produktdaten abgerufen wurden.
   • Die Quellen unten in der Ausgabe können Ihnen helfen, die Analyse und die Empfehlungen besser nachzuvollziehen.

Videos im neuen Stil „Organic Living“ erstellen

1. Bitten Sie den Kundenservicemitarbeiter im Chat, Videos zu generieren. Geben Sie zuerst @Product ein und wählen Sie Product Strategy Agent aus der Liste aus.
2. Fügen Sie den folgenden Prompt hinzu:

   generate three videos for the landing page
   

3. Gemini verwendet den Product Strategy Agent, um Video-Assets zu generieren und URLs dafür bereitzustellen.

Mit dem Entwicklerteam abstimmen

In der Keynote-Demo hat der Dev Agent eine Google Chat-Benachrichtigung an das Entwicklerteam gesendet. Wir haben diesen Schritt jedoch aus diesem Codelab entfernt, da eingehende Webhooks in privaten Gmail-Konten nicht unterstützt werden. Stattdessen konzentriert sich der Dev Agent auf das Erstellen der Aufgabe in Google Cloud Storage.

1. Bitten Sie den Entwickler-Support-Agenten im Chat, eine Aufgabe für das Entwicklerteam zu erstellen. Geben Sie zuerst @Dev ein und wählen Sie dann Dev Agent aus der Liste aus.
2. Fügen Sie den folgenden Prompt hinzu:

   create a task for the dev team to get started on the new product landing page.
   

3. Sehen Sie sich die Ausgabe an. Der Dev Agent bestätigt, dass er eine Aufgabe erstellt hat, und gibt eine Aufgaben-ID an, z.B. TASK-A3F7B2C1. Notieren Sie sich diese Aufgaben-ID, da Sie sie in Akt 2 benötigen.

7. Akt 2: Mit der Gemini CLI entwickeln

In diesem Akt schlüpfen Sie in die Rolle des Entwicklers. Sie wurden damit beauftragt, die Landingpage für die neue Kampagne zu erstellen und zu veröffentlichen. Dabei müssen Sie die Aufgabe aus Akt 1 fortsetzen.

Sie verwenden die Gemini CLI, um die Website „Organic Living“ basierend auf einer Designspezifikation in der Aufgabenbeschreibung zu erstellen. Gemini CLI ist ein Open-Source-KI-Agent, der die Leistungsfähigkeit von Gemini in die Befehlszeile bringt. Es ist bereits in Ihrer Cloud Shell-Umgebung vorinstalliert.

Gemini CLI konfigurieren

1. Erstellen Sie in Cloud Shell ein neues Verzeichnis für Ihr Websiteprojekt und rufen Sie es auf:

   mkdir -p $HOME/website
   cd $HOME/website
   

2. Kopieren Sie die GEMINI.md-Anleitung und das Designbild aus dem geklonten Repository in Ihr Arbeitsverzeichnis:

   cp $HOME/next-26-keynotes/genkey/fabric-unified-intelligence/gemini-cli/GEMINI.md .
   cp $HOME/next-26-keynotes/genkey/fabric-unified-intelligence/gemini-cli/Organic_Living_Website_Design.png .
   

   Die Datei GEMINI.md enthält Systemanweisungen und Designspezifikationen, die der KI-Assistent befolgen muss.

3. Erstellen Sie das Agent-Konfigurationsverzeichnis und die Datei dev-agent.md:

   source ~/lab_env.sh
   mkdir -p ~/.gemini/agents
   cat > ~/.gemini/agents/dev-agent.md <<EOF
   ---
   kind: remote
   name: dev-agent
   agent_card_url: ${DEV_AGENT_URL}/.well-known/agent-card.json
   description: "Task assistant. Use for: creating/looking up/starting APPDEV tasks."
   auth:
     type: google-credentials
   ---
   EOF
   

Prompts eingeben

1. Führen Sie gemini-cli aus, um die Interaktion zu starten:

   source ~/lab_env.sh
   gemini
   

2. Sie werden gefragt, ob Sie den Dateien in diesem Ordner vertrauen. Wählen Sie Option 1 aus. Vertrauenswürdiger Ordner (Website)
3. Geben Sie auth ein und drücken Sie die Eingabetaste.
4. Wählen Sie Gemini API-Schlüssel verwenden aus. Dabei wird automatisch die Umgebungsvariable GEMINI_API_KEY verwendet, die Sie aus lab_env.sh geladen haben.

Hinweis: Der YOLO-Modus ist für die Gemini CLI in Cloud Shell deaktiviert. Sie müssen Aktionen also unterwegs genehmigen. Das wird in den Schritten nicht berücksichtigt.

1. Geben Sie am Prompt gemini> an, dass Sie an der in Akt 1 erstellten Aufgabe arbeiten möchten (ersetzen Sie TASK-A3F7B2C1 durch die tatsächliche Aufgaben-ID, die Sie notiert haben):

   @dev-agent let me work on TASK-A3F7B2C1
   

   Der Agent sucht die Aufgabe in GCS und gibt Ihnen eine Übersicht und einen Plan.
2. Bitten Sie den Agent nun, die Website zu erstellen:

   Build and deploy it
   

   Gemini liest die Datei GEMINI.md im aktuellen Verzeichnis und beginnt mit der Erstellung der Website gemäß den Spezifikationen.
3. Sobald der Build und die Bereitstellung abgeschlossen sind, gibt der Agent die Ergebnisse aus, einschließlich der URL des bereitgestellten Cloud Run-Dienstes.
4. Klicken Sie auf die angegebene URL, um die neue Website „Organic Living“ in einem neuen Tab zu öffnen und zu prüfen, ob sie den Designvorgaben entspricht.

In der Keynote-Demo werden Figma-Designs als Eingaben für den Entwickler-Agent verwendet, sodass die Ausgabe viel ausgefeilter ist. In diesem Codelab verwenden wir ein statisches Bild als Eingabe für den Entwickler-Agent.

8. Zusammenfassung

In diesem Codelab haben Sie die Leistungsfähigkeit des „Fabric of Unified Intelligence“ demonstriert, indem Sie einen komplexen, mehrstufigen Workflow über verschiedene Rollen und Umgebungen hinweg durchlaufen haben:

1. Multi-Agent-System orchestriert: In Gemini Enterprise haben Sie mit einem einzigen Prompt ein Team von Agenten (Marktforschung, Data Insights und Produktstrategie) eingesetzt, um Trends zu analysieren, Inventar zu identifizieren und eine Relaunch-Strategie zu entwickeln. Mit einem Prompt können Sie viele Dinge erledigen, ohne jede Aufgabe einzeln ausführen zu müssen.
2. Generierte Multimedia-Assets: Sie haben den Product Strategy Agent verwendet, um Video-Assets für die neue Produktlinie zu generieren.
3. Simulierte Übergabe zwischen Rollen: Sie haben den Dev Agent verwendet, um eine Aufgabe in GCS zu erstellen und so eine Übergabe vom Geschäftsteam an das Entwicklungsteam zu simulieren. Das System hat den gemeinsamen Kontext beibehalten, ohne dass Sie ihn direkt teilen mussten.
4. Website mit der Gemini CLI erstellt: In Cloud Shell haben Sie zur Entwicklerrolle gewechselt und die Gemini CLI verwendet, um eine Landingpage basierend auf der im vorherigen Schritt erstellten Aufgabe und den Designvorgaben in GEMINI.md zu erstellen und bereitzustellen.

Dieser Workflow zeigt, wie Gemini Enterprise verschiedene Tools, Datenquellen und Rollen verbinden kann, um komplexe Geschäftsprozesse zu optimieren.

9. Bereinigen

In diesem Lab werden viele Ressourcen erstellt. Daher empfehlen wir, das gesamte Projekt zu löschen, um einen langwierigen Bereinigungsschritt zu vermeiden.

1. Führen Sie in Cloud Shell den folgenden Befehl aus, um das gesamte Google Cloud-Projekt zu löschen:

source ~/lab_env.sh
gcloud projects delete "${PROJECT_ID}"

10. Glückwunsch

Glückwunsch! Sie haben das Codelab „Fabric of Unified Intelligence“ erfolgreich abgeschlossen.