Next '26 Keynote: Fabric of Unified Intelligence

1. Introduzione

Ti diamo il benvenuto nel codelab "Fabric of Unified Intelligence". Questo codelab fa parte delle demo del keynote di Google Cloud Next '26.

In questo lab esplorerai come utilizzare Gemini Enterprise per orchestrare più agenti di cui è stato eseguito il deployment su Cloud Run, condividere il contesto per trasferimenti senza interruzioni e semplificare i workflow.

Immagina di essere un product manager di "Organic Living", un brand fittizio di arredamento moderno. Vuoi lanciare una nuova linea di prodotti, ma le ricerche di mercato e i processi di progettazione standard richiedono troppo tempo. In questo lab, eseguirai il deployment di un team di agenti AI per automatizzare e accelerare questo processo:

• Agente di strategia di prodotto: perfeziona i concetti di prodotto in base ai dati di mercato.
• Agente di ricerche di mercato: analizza le tendenze e il feedback dei clienti.
• Agente di orchestrazione: coordina il flusso di lavoro tra gli altri agenti.
• Dev Agent: trasforma i piani in azioni creando ticket e codice di scaffolding.

Al termine di questo lab, avrai un sistema multi-agente funzionante di cui è stato eseguito il deployment su Cloud Run e orchestrato utilizzando Gemini Enterprise, dimostrando la potenza dell'intelligenza unificata.

Prerequisiti

• Familiarità di base con la console Google Cloud e la CLI gcloud.

In questo lab proverai a:

• Esegui il deployment di un sistema multi-agente su Cloud Run.
• Registra i tuoi agenti con Gemini Enterprise.
• Tramite Gemini Enterprise eseguirai i flussi di lavoro per:
  • Analizza i tuoi dati e genera approfondimenti.
  • Crea video per i tuoi prodotti con Veo.
  • Genera requisiti per il tuo team di sviluppo per aggiornare il sito web in base agli approfondimenti.

Che cosa ti serve

• Un browser web come Chrome.
• Un Account Google

2. Configurazione dell'ambiente

Configurazione del progetto

Crea un progetto Google Cloud

1. Nella console Google Cloud, nella pagina di selezione del progetto, seleziona o crea un progetto Google Cloud.
2. Verifica che la fatturazione sia attivata per il tuo progetto Cloud. Scopri come verificare se la fatturazione è abilitata per un progetto.

Attiva Cloud Shell

Cloud Shell è un ambiente a riga di comando in esecuzione in Google Cloud che viene precaricato con gli strumenti necessari.

1. Fai clic su Attiva Cloud Shell nella parte superiore della console Google Cloud.
2. Una volta connesso a Cloud Shell, verifica l'autenticazione:

   gcloud auth list
   

3. Verifica che il progetto sia configurato:

   gcloud config get project
   

4. Se il progetto non è impostato come previsto, impostalo:

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

Inizializza il file delle variabili di ambiente

Per assicurarti che le variabili di ambiente vengano conservate in caso di disconnessione della sessione Cloud Shell, le salverai in un file e le utilizzerai quando necessario.

1. In Cloud Shell, crea il file e aggiungi l'ID progetto:

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

Ottenere la chiave API Gemini da AI Studio

L'agente di ricerca di mercato esegue il wrapping dell'API Interactions di Gemini Deep Research. Lo strumento deep_research chiama l'API Gemini Deep Research Interactions, attualmente disponibile solo tramite l'endpoint AI Studio. Crea un genai.Client separato con vertexai=False e si autentica utilizzando una chiave API memorizzata nella variabile di ambiente GEMINI_API_KEY.

1. Vai a Google AI Studio.
2. Esegui l'accesso con il tuo Account Google.
3. Fai clic su Crea chiave API.
4. Assegna alla chiave il nome Unified Intelligence Agents.
5. In Scegli un progetto importato, seleziona il tuo progetto o importalo.
6. Fai clic su Crea chiave.
7. Copia la chiave API generata dal riquadro dei dettagli.
8. In Cloud Shell, salva questa chiave nel file dell'ambiente lab (sostituisci YOUR_GEMINI_API_KEY con la chiave effettiva):

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

Abilita API

1. In Cloud Shell, abilita le API richieste per questo lab:

   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
   

Clona il repository

Prima di poter configurare il set di dati e gli agenti, devi clonare il repository contenente il codice sorgente e gli script di dati.

1. In Cloud Shell, clona il repository next-26-keynotes:

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

3. Configurazione di dati e risorse

Configurare BigQuery Data and Agent

In questo passaggio, creerai un set di dati BigQuery, lo compilerai con dati simulati di inventario e vendite di mobili e creerai un agente BigQuery Data Agent per analizzare questi dati.

1. In Cloud Shell, vai alla directory data:

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

2. Esegui l'autenticazione con le credenziali predefinite dell'applicazione, esegui questo comando e segui le istruzioni:

   gcloud auth application-default login
   

3. Esegui lo script di configurazione per creare il set di dati, le tabelle e la visualizzazione:

   chmod +x setup_bigquery.sh
   ./setup_bigquery.sh
   

   Questo script crea:
   • Set di dati: unified_intelligence_fabric_demo
   • Tabella: furniture_stock
   • Tabella: furniture_sales
   • Visualizzazione: dead_stock_view
4. Esegui lo script Python per compilare le tabelle con dati di esempio utilizzando uv:

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

5. Crea l'agente dati BigQuery:
   • Vai all'hub degli agenti BigQuery nella console Cloud.
   • Nella sezione Catalogo agenti, fai clic su Nuovo agente.
   • Imposta Nome agente su Unified Intelligence Data Agent.
   • Imposta Knowledge Source (Fonte di conoscenza) sulle tabelle del set di dati che hai appena creato (furniture_stock, furniture_sales).
     • Cerca le tabelle digitando furniture.
     • Premi Invio.
     • Seleziona le due tabelle (furniture_stock, furniture_sales).
     • Fai clic su Aggiungi.
   • Fai clic su Pubblica.
   • Quando ti viene chiesto di condividere l'agente, fai clic su "Annulla". Aggiungerai i ruoli al service account Compute in un passaggio successivo.
6. Testa l'agente:
   • Nella chat di test a destra, poni una domanda come: What are the furniture items with the highest stock?
   • Verifica che restituisca risultati basati sui dati di esempio. Nell'output dovresti vedere una tabella simile a questa.
7. ID agente dati di salvataggio:
   • Sul lato sinistro dello schermo, dovresti vedere l'ID dell'agente che hai appena creato. L'aspetto sarà simile a questo: agent_ba43c386-ae82-45e0-a2b5-1928440f0926.
   
   • Copia l'ID.
   • Esegui questo comando in Cloud Shell per salvarlo, sostituendo YOUR_AGENT_ID con l'ID effettivo:

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

Creare una cartella condivisa

In questo passaggio, creerai una cartella in Google Drive e la condividerai con il service account Cloud Run. Questa cartella verrà utilizzata dagli agenti per salvare e condividere file (come i requisiti generati).

1. Vai a Google Drive.
2. Fai clic su Nuovo > Nuova cartella, assegnale il nome Unified Intelligence Lab e fai clic su Crea.
3. Fai clic con il tasto destro del mouse sulla cartella appena creata e seleziona Condividi > Condividi.
4. In Cloud Shell, esegui questo comando per ottenere l'indirizzo email del service account Compute Engine predefinito:

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

5. Copia l'indirizzo email dall'output.
6. Nella finestra di dialogo di condivisione di Google Drive, aggiungi questo indirizzo email.
7. Imposta il ruolo su Editor.
8. Apri la cartella e copia l'ID dall'URL. L'URL sarà simile a https://drive.google.com/drive/folders/YOUR_FOLDER_ID. Copia la stringa alfanumerica alla fine dell'URL, che viene visualizzata dopo /folders/.
9. In Cloud Shell, salva questo ID nel file dell'ambiente lab (sostituisci YOUR_FOLDER_ID con il tuo ID effettivo):

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

Crea bucket GCS

In Cloud Shell, esegui questi comandi per creare bucket GCS per artefatti/attività, video delle campagne e log:

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

Rendere pubblico il bucket video

Per consentire al sito web di accedere ai video, rendi pubblico il bucket video:

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

Concedi ruoli IAM

In questa sezione, concederai i ruoli IAM per il tuo utente e diversi service account/agenti.

Concedere ruoli all'utente

Per utilizzare le funzionalità di Discovery Engine (Ricerca e conversazione), esegui i seguenti comandi in Cloud Shell per concedere il ruolo Utente Discovery Engine al tuo account utente:

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"

Concedi ruoli al service account Compute Engine

Nota: per semplicità, utilizziamo il service account predefinito, ma non dovresti farlo in produzione.

In Cloud Shell, esegui questi comandi per concedere ruoli al service account Compute Engine:

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"

Concedi ruoli al service account Discovery Engine

In Cloud Shell, esegui questi comandi per concedere ruoli al service account Discovery Engine:

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"

Concedi ruoli al service agent AI Platform Reasoning Engine

In Cloud Shell, esegui questi comandi per concedere ruoli all'agente di servizio AI Platform Reasoning Engine:

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. Configura e implementa gli agenti

Configura e implementa tutti gli agenti personalizzati necessari per questo codelab.

Configura ed esegui il deployment dell'agente di strategia di prodotto

In questo passaggio, devi eseguire il deployment dell'agente di strategia di prodotto su Cloud Run e registrarlo nell'app Gemini Enterprise. Questo agente è responsabile del perfezionamento dei concetti di prodotto in base ai dati di mercato.

Prerequisiti

Ma prima, configurerai le variabili di ambiente per l'agente di strategia di prodotto.

1. In Cloud Shell, vai alla directory dell'agente di strategia di prodotto:

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

2. Esegui questo comando per copiare il file .env.sample in .env:

   cp .env.sample .env
   

3. In Cloud Shell, esegui i seguenti comandi per compilare il file .env con i dettagli del progetto:

   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
   

Esegui il deployment dell'agente di strategia per il prodotto

1. Esegui il deployment in Cloud Run Ora, in Cloud Shell, esegui il deployment dell'agente in Cloud Run. Il repository include un Makefile che semplifica questa procedura:

   make deploy
   

   Una volta eseguito il deployment, riceverai un URL per l'agente di strategia di prodotto.
2. In Cloud Shell, esegui questo comando per ottenere l'URL del servizio di cui è stato eseguito il deployment e salvarlo nel file dell'ambiente lab:

   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
   

Configura ed esegui il deployment dell'agente di ricerca di mercato

In questo passaggio, eseguirai il deployment dell'agente di ricerca di mercato in Cloud Run e lo registrerai nell'app Gemini Enterprise. Questo agente analizza le tendenze e il feedback dei clienti.

Prerequisiti

Ma prima, configurerai le variabili di ambiente per l'agente di ricerca di mercato, inclusa una chiave API per lo strumento Deep Research.

1. In Cloud Shell, vai alla directory market-research:

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

2. Esegui questo comando per copiare il file .env.sample in .env:

   cp .env.sample .env
   

3. In Cloud Shell, esegui i seguenti comandi per compilare il file .env con i dettagli del progetto:

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

Crea secret

La variabile GEMINI_API_KEY viene archiviata in Secret Manager e montata nella revisione di Cloud Run al momento del deployment.

1. In Cloud Shell, aggiungi GEMINI_API_KEY al file .env:

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

2. Esegui questo comando per eseguire il push dei valori dei secret dal file .env locale a Secret Manager:

   make create-secrets
   

3. Esegui questo comando per concedere a Cloud Run l'accesso al secret:

   make grant-secret-access
   

Esegui il deployment dell'agente di ricerche di mercato in Cloud Run

1. In Cloud Shell, esegui il deployment dell'agente utilizzando Makefile:

   make deploy
   

   Una volta eseguito il deployment, riceverai un URL per l'agente di ricerche di mercato.
2. In Cloud Shell, esegui questo comando per ottenere l'URL del servizio di cui è stato eseguito il deployment e salvarlo nel file dell'ambiente lab:

   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
   

Configura ed esegui il deployment dell'agente orchestratore

In questo passaggio, eseguirai il deployment dell'agente orchestratore su Cloud Run e lo registrerai nell'app Gemini Enterprise. Questo agente coordina il flusso di lavoro tra gli altri agenti.

Prerequisiti

Prima di tutto, devi configurare le variabili di ambiente per l'agente Orchestrator. Deve conoscere gli URL degli agenti di strategia di prodotto e ricerca di mercato che hai implementato nei passaggi precedenti.

1. In Cloud Shell, vai alla directory orchestrator:

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

2. Esegui questo comando per copiare il file .env.sample in .env:

   cp .env.sample .env
   

3. In Cloud Shell, esegui i seguenti comandi per compilare il file .env con i dettagli del progetto e la configurazione di BigQuery Data Agent:

   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
   

Esegui il deployment dell'agente di orchestrazione

1. In Cloud Shell, esegui il deployment dell'agente Orchestrator utilizzando Makefile:

   make deploy
   

Una volta eseguito il deployment, riceverai un URL per l'agente di orchestrazione.

1. In Cloud Shell, esegui questo comando per ottenere l'URL del servizio di cui è stato eseguito il deployment e salvarlo nel file dell'ambiente lab:

   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
   

Configura e implementa l'agente di sviluppo

In questo passaggio, eseguirai il deployment di Dev Agent su Cloud Run e lo registrerai nell'app Gemini Enterprise. Questo agente traduce i piani in azioni creando attività e codice di scaffolding. L'agente di sviluppo può integrarsi con Jira per creare ticket, come mostrato nella demo di Keynote. Tuttavia, per questo codelab, salteremo l'integrazione di Jira e faremo in modo che l'agente salvi le attività in Google Cloud Storage.

Prerequisiti

Ma prima, configurerai le variabili di ambiente per l'agente di sviluppo.

1. In Cloud Shell, vai alla directory dev-agent:

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

2. Esegui questo comando per copiare il file .env.sample in .env:

   cp .env.sample .env
   

3. In Cloud Shell, esegui i seguenti comandi per compilare il file .env con i dettagli del progetto:

   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
   

Esegui il deployment dell'agente di sviluppo

1. In Cloud Shell, esegui il deployment dell'agente di sviluppo utilizzando Makefile:

   make deploy
   

Una volta eseguito il deployment, riceverai un URL per l'agente di sviluppo.

1. In Cloud Shell, esegui questo comando per ottenere l'URL del servizio di cui è stato eseguito il deployment e salvarlo nel file dell'ambiente lab:

   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. Configurare Gemini Enterprise e registrare gli agenti

In questo codelab, utilizziamo Gemini Enterprise per registrare e gestire gli agenti, consentendo loro di interagire con Workspace e altri sistemi aziendali e rendendoli disponibili per l'interazione degli utenti.

Per questo codelab, dovrai registrarti per una prova di Gemini Enterprise Plus. Creerai anche un'app che utilizzerai per registrare i tuoi agenti.

Registrati alla prova di Gemini Enterprise

Poiché abbiamo già abilitato l'API Discovery Engine, non devi avviare esplicitamente una prova. Viene visualizzato un pulsante diverso per creare la tua prima app.

1. Vai alla pagina Gemini Enterprise in console Google Cloud.
2. Viene visualizzata una schermata di benvenuto. Fai clic su "Crea la tua prima app".

Crea un'applicazione

1. Inserisci n26-unified come nome dell'app. Prendi nota del banner della prova senza costi visualizzato sullo schermo.
2. Lascia invariati i valori predefiniti degli altri campi e fai clic su "Crea".
3. Viene visualizzata una schermata di benvenuto. Fai clic sul link Anteprima.
4. Si aprirà una nuova finestra popup con l'applicazione web Gemini Enterprise. Prendi nota dell'URL nella parte superiore dello schermo nella barra degli URL. Avrai bisogno di questo URL nelle sezioni future per accedere all'applicazione. Dovrebbe avere un aspetto simile a https://vertexaisearch.cloud.google.com/home/cid/ebb52d4a-b33b-4007-a180-91d02fa124e1.

Registra gli agenti personalizzati

Affinché Gemini Enterprise possa utilizzare il tuo agente, devi registrarlo con un'applicazione Gemini Enterprise. Gli agenti personalizzati di cui è stato eseguito il deployment in Cloud Run possono essere registrati con l'integrazione A2A (Agent-to-Agent).

1. In una finestra separata della console, vai alla schermata delle app Gemini Enterprise.
2. Fai clic sull'app denominata n26-unified.
3. Nel riquadro di navigazione a sinistra, fai clic su Agenti.

I passaggi riportati di seguito utilizzeranno la stessa schermata Agenti per essere completati.

Registra l'agente di strategia di prodotto

1. Per ottenere la scheda dell'agente, esegui questo comando in Cloud Shell:

   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. Fai clic su + Aggiungi agente.
3. Fai clic su Agente personalizzato tramite A2A.
4. Incolla il JSON della scheda dell'agente dal passaggio precedente nella casella di testo.
5. Fai clic su Anteprima dettagli agente.
6. Fai clic su Avanti.
7. Fai clic su Salta e termina per l'autorizzazione dell'agente.
8. Nella scheda Autorizzazioni utente, assegna il ruolo Agent User a Tutti gli utenti.
9. Fai clic su Salva.

Registra l'agente di ricerca di mercato con l'applicazione Gemini Enterprise

1. Per ottenere la scheda dell'agente, esegui questo comando in Cloud Shell:

   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. Fai clic su + Aggiungi agente.
3. Fai clic su Agente personalizzato tramite A2A.
4. Incolla il JSON della scheda dell'agente dal passaggio precedente nella casella di testo.
5. Fai clic su Anteprima dettagli agente.
6. Fai clic su Avanti.
7. Fai clic su Salta e termina per l'autorizzazione dell'agente.
8. Nella scheda Autorizzazioni utente, assegna il ruolo Agent User a Tutti gli utenti.
9. Fai clic su Salva.

Registra l'agente di orchestrazione

1. Per ottenere la scheda dell'agente, esegui questo comando in Cloud Shell:

   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. Fai clic su + Aggiungi agente.
3. Fai clic su Agente personalizzato tramite A2A.
4. Incolla il JSON della scheda dell'agente dal passaggio precedente nella casella di testo.
5. Fai clic su Anteprima dettagli agente.
6. Fai clic su Avanti.
7. Fai clic su Salta e termina per l'autorizzazione dell'agente.
8. Nella scheda Autorizzazioni utente, assegna il ruolo Agent User a Tutti gli utenti.
9. Fai clic su Salva.

Registra l'agente di sviluppo

1. Per ottenere la scheda dell'agente, esegui questo comando in Cloud Shell:

   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. Fai clic su + Aggiungi agente.
3. Fai clic su Agente personalizzato tramite A2A.
4. Incolla il JSON della scheda dell'agente dal passaggio precedente nella casella di testo.
5. Fai clic su Anteprima dettagli agente.
6. Fai clic su Avanti.
7. Fai clic su Salta e termina per l'autorizzazione dell'agente.
8. Nella scheda Autorizzazioni utente, assegna il ruolo Agent User a Tutti gli utenti.
9. Fai clic su Salva.

🥳 Ora puoi iniziare a eseguire la demo in Gemini Enterprise.

6. Atto 1: Strategia e orchestrazione in Gemini Enterprise

In questa sezione del lab, interpreterai il ruolo del vicepresidente del merchandising di "Organic Living", responsabile del rilancio delle linee di prodotti con vendite piatte/in calo.

Per riportare in vita alcune linee di prodotto meno popolari, chiederai al tuo agente di analizzare le tendenze, identificare le scorte morte nel tuo magazzino e orchestrare una campagna di rilancio. Vedrai come Gemini Enterprise orchestra più agenti per rispondere a un singolo prompt complesso.

Vai all'URL dell'app Gemini Enterprise

Questo è l'URL che hai annotato nel passaggio 4: configura Gemini Enterprise e registra gli agenti. Se non hai l'URL, puoi ottenerlo seguendo questi passaggi:

1. Vai alla schermata delle app Gemini Enterprise
2. Fai clic sull'app denominata n26-unified.
3. Fai clic sull'URL che inizia con https://vertexaisearch.cloud.google.com

Chiedere all'agente di aiutarti con l'attività

1. Inizia nella nuova chat digitando nella casella di chat della home page o fai clic su Nuova chat nel riquadro di navigazione a sinistra.
2. Aggiungi il seguente prompt:

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

3. Fai clic su Invia (l'icona con l'aeroplano di carta) e guarda l'agente Orchestrator fare la sua magia.

Osserva l'output

Con un solo prompt, più agenti completano una serie di attività in pochi minuti anziché ore.

• Market Research Agent, basato su Deep Research, analizza le informazioni più recenti della Ricerca Google per trovare le ultime tendenze di design.
• Data Insights Agent si connette ai dati di prodotto globali e inserisce i risultati della ricerca nel nostro catalogo interno per identificare gli articoli "invenduti" (inventario a bassa velocità) che corrispondono a questi criteri di tendenza.
• L'agente di strategia di prodotto mette insieme tutti gli elementi per generare una strategia di campagna di rilancio basata sulla ricerca e sui dati degli altri agenti.

Approva il piano e osserva l'output

1. Rispondi con Yes per approvare il piano

   Avviso:il completamento di questo passaggio richiede alcuni minuti perché prevede Deep Research, la raccolta dei dati e l'orchestrazione del piano. Potrebbe sembrare che sia bloccato, ma sta funzionando in background.

2. Osserva l'output
   • Inizia con gli approfondimenti dell'agente di ricerca di mercato e include un piano completo che prevede il rebranding del sito web.
   • Include i dati recuperati dai nostri dati di prodotto utilizzando l'agente dati BigQuery che abbiamo configurato in precedenza.
   • Prendi nota delle fonti in fondo all'output per avere fiducia nell'analisi e nei consigli.

Generare video in base al nuovo stile Vita biologica

1. Nella chat, chiedi all'agente di strategia di prodotto di generare video. Inizia digitando @Product e selezionando Product Strategy Agent dall'elenco.
2. Aggiungi il seguente prompt:

   generate three videos for the landing page
   

3. Gemini utilizzerà l'agente di strategia di prodotto per generare asset video e fornire i relativi URL.

Coordinarsi con il team di sviluppo

Nella demo della presentazione, l'agente di sviluppo ha inviato una notifica di Google Chat al team di sviluppo. Tuttavia, abbiamo rimosso questo passaggio dal codelab perché gli webhook in entrata non sono supportati sugli account Gmail personali. L'agente di sviluppo si concentrerà invece sulla creazione dell'attività in Google Cloud Storage.

1. Nella chat, chiedi all'agente sviluppatore di creare un'attività per il team di sviluppo. Inizia digitando @Dev e selezionando Dev Agent dall'elenco.
2. Aggiungi il seguente prompt:

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

3. Osserva l'output. L'agente di sviluppo confermerà di aver creato un'attività e fornirà un ID attività (ad es. TASK-A3F7B2C1). Prendi nota di questo ID attività, in quanto ti servirà nell'atto 2.

7. Atto 2: crea in Gemini CLI

In questo atto, passi al ruolo di sviluppatore. Ti è stato assegnato il compito di creare e lanciare la pagina di destinazione per la nuova campagna, dando seguito all'attività creata nell'Atto 1.

Utilizzerai Gemini CLI per creare il sito web "Organic Living" in base a una specifica di progettazione presente nel file dell'attività. Gemini CLI è un agente AI open source che porta la potenza di Gemini nella riga di comando. È già preinstallato nel tuo ambiente Cloud Shell.

Configura Gemini CLI

1. In Cloud Shell, crea una nuova directory per il progetto del tuo sito web e vai al suo interno:

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

2. Copia le istruzioni GEMINI.md e l'immagine di progettazione dal repository clonato alla directory di lavoro:

   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 .
   

   Il file GEMINI.md contiene le istruzioni di sistema e le specifiche di progettazione che l'assistente AI deve seguire.

3. Crea la directory di configurazione dell'agente e il file 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
   

Inizia a scrivere prompt

1. Esegui gemini-cli per avviare l'interazione:

   source ~/lab_env.sh
   gemini
   

2. Ti verrà chiesto se ritieni attendibili i file in questa cartella. Seleziona l'opzione 1. Cartella Fiducia (sito web).
3. Digita auth e premi Invio nel prompt della CLI Gemini.
4. Seleziona Usa chiave API Gemini. In questo modo, verrà utilizzata automaticamente la variabile di ambiente GEMINI_API_KEY caricata da lab_env.sh.

Nota: la modalità YOLO è disattivata per Gemini CLI in Cloud Shell, quindi dovrai approvare le azioni man mano. I passaggi non tengono conto di questo.

1. Al prompt gemini>, comunica all'agente che vuoi lavorare sull'attività creata nell'atto 1 (sostituisci TASK-A3F7B2C1 con l'ID attività effettivo che hai annotato):

   @dev-agent let me work on TASK-A3F7B2C1
   

   L'agente cercherà l'attività in GCS e ti fornirà una panoramica e un piano.
2. Ora, chiedi all'agente di creare il sito web:

   Build and deploy it
   

   Gemini leggerà il file GEMINI.md nella directory corrente e inizierà a creare il sito web in base alle specifiche.
3. Una volta completata la build e il deployment, l'agente restituirà i risultati, incluso l'URL del servizio Cloud Run di cui è stato eseguito il deployment.
4. Fai clic sull'URL fornito per aprire il nuovo sito web "Organic Living" in una nuova scheda e verificare che corrisponda alle specifiche di progettazione.

La demo di Keynote utilizza i progetti Figma come input per l'agente di sviluppo, quindi l'output è molto più raffinato. In questo codelab utilizziamo un'immagine statica come input per l'agente di sviluppo.

8. Riepilogo

In questo codelab hai dimostrato con successo la potenza del "tessuto dell'intelligence unificata" completando un flusso di lavoro complesso e in più passaggi in diversi ruoli e ambienti:

1. Orchestrazione di un sistema multi-agente: in Gemini Enterprise, hai utilizzato un singolo prompt per coinvolgere un team di agenti (ricerca di mercato, approfondimenti sui dati e strategia di prodotto) per analizzare le tendenze, identificare l'inventario e sviluppare una strategia di rilancio. Un prompt consente di svolgere molte attività senza doverle completare separatamente.
2. Asset multimediali generati: hai utilizzato l'agente di strategia di prodotto per generare asset video per la nuova linea di prodotti.
3. Trasferimento interfunzionale simulato: hai utilizzato l'agente di sviluppo per generare un'attività in GCS, simulando un trasferimento dal team aziendale al team di sviluppo. Il sistema ha mantenuto il contesto condiviso senza che tu dovessi condividerlo direttamente.
4. Creazione di un sito web con Gemini CLI: in Cloud Shell, hai cambiato ruolo in sviluppatore e hai utilizzato Gemini CLI per creare e implementare una pagina di destinazione in base all'attività creata nel passaggio precedente e alle specifiche di progettazione in GEMINI.md.

Questo flusso di lavoro mostra come Gemini Enterprise può connettere diversi strumenti, origini dati e ruoli per semplificare processi aziendali complessi.

9. Elimina

Questo lab crea molte risorse, pertanto ti consigliamo di eliminare l'intero progetto per evitare un passaggio di liberazione spazio lungo.

1. In Cloud Shell, esegui questo comando per eliminare l'intero progetto Google Cloud:

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

10. Complimenti

Complimenti! Hai completato correttamente il codelab "Fabric of Unified Intelligence".