Prezentacja Next ‘26: Fabric of Unified Intelligence

1. Wprowadzenie

Witamy w samouczku „Fabric of Unified Intelligence”! To ćwiczenie jest częścią prezentacji podczas konferencji Google Cloud Next ’26.

W tym module dowiesz się, jak używać Gemini Enterprise do koordynowania wielu agentów wdrożonych w Cloud Run oraz udostępniać kontekst, aby zapewnić płynne przekazywanie zadań i usprawnić przepływy pracy.

Wyobraź sobie, że jesteś menedżerem produktu w fikcyjnej marce nowoczesnych mebli „Organic Living”. Chcesz wprowadzić nową linię produktów, ale standardowe badania rynku i procesy projektowania trwają zbyt długo. W tym module wdrożysz zespół agentów AI, aby zautomatyzować i przyspieszyć ten proces:

• Specjalista ds. strategii produktowej: udoskonala koncepcje produktów na podstawie danych rynkowych.
• Agent ds. badań rynku: analizuje trendy i opinie klientów.
• Agent orkiestratora: koordynuje przepływ pracy między innymi agentami.
• Dev Agent: przekształca plany w działania, tworząc zgłoszenia i szkielety kodu.

Po ukończeniu tego modułu będziesz mieć działający system wieloagentowy wdrożony w Cloud Run i zarządzany za pomocą Gemini Enterprise, co pokaże możliwości zunifikowanej inteligencji.

Wymagania wstępne

• Podstawowa znajomość konsoli Google Cloud i interfejsu wiersza poleceń gcloud.

Jakie zadania wykonasz

• wdrożyć system wieloagentowy w Cloud Run;
• Zarejestruj agentów w Gemini Enterprise.
• W Gemini Enterprise możesz wykonywać te czynności:
  • analizować dane i generować na ich podstawie statystyki,
  • Twórz filmy o swoich produktach za pomocą Veo.
  • Generuj wymagania dla zespołu programistów, aby zaktualizować witrynę na podstawie statystyk.

Czego potrzebujesz

• przeglądarka, np. Chrome;
• konto Google,

2. Konfiguracja środowiska

Konfiguracja projektu

Tworzenie projektu Google Cloud

1. W konsoli Google Cloud na stronie selektora projektu wybierz lub utwórz projekt w chmurze Google.
2. Sprawdź, czy w projekcie Cloud włączone są płatności. Dowiedz się, jak sprawdzić, czy w projekcie są włączone płatności.

Aktywowanie Cloud Shell

Cloud Shell to środowisko wiersza poleceń działające w Google Cloud, które zawiera niezbędne narzędzia.

1. Kliknij Aktywuj Cloud Shell u góry konsoli Google Cloud.
2. Po połączeniu z Cloud Shell sprawdź uwierzytelnianie:

   gcloud auth list
   

3. Sprawdź, czy projekt jest skonfigurowany:

   gcloud config get project
   

4. Jeśli projekt nie jest ustawiony zgodnie z oczekiwaniami, ustaw go:

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

Inicjowanie pliku zmiennych środowiskowych

Aby mieć pewność, że zmienne środowiskowe zostaną zachowane w przypadku odłączenia sesji Cloud Shell, zapiszesz je w pliku i w razie potrzeby będziesz je wczytywać.

1. W Cloud Shell utwórz plik i dodaj do niego identyfikator projektu:

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

Uzyskiwanie klucza interfejsu Gemini API z AI Studio

Agent do badań rynkowych korzysta z interfejsu Gemini Deep Research Interactions API. deep_research wywołuje interfejs Gemini Deep Research Interactions API, który jest obecnie dostępny tylko w punkcie końcowym AI Studio. Tworzy on osobny obiekt genai.Client z obiektem vertexai=False i przeprowadza uwierzytelnianie za pomocą klucza interfejsu API przechowywanego w zmiennej środowiskowej GEMINI_API_KEY.

1. Otwórz Google AI Studio.
2. Zaloguj się przy użyciu swojego konta Google.
3. Kliknij Utwórz klucz interfejsu API.
4. Nadaj kluczowi nazwę Unified Intelligence Agents.
5. W sekcji Wybierz zaimportowany projekt wybierz projekt lub go zaimportuj.
6. Kliknij Utwórz klucz.
7. Skopiuj wygenerowany klucz interfejsu API z panelu szczegółów.
8. W Cloud Shell zapisz ten klucz w pliku środowiska laboratorium (zastąp YOUR_GEMINI_API_KEY rzeczywistym kluczem):

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

Włącz interfejsy API

1. W Cloud Shell włącz interfejsy API wymagane w tym module:

   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
   

Klonowanie repozytorium

Zanim skonfigurujesz zbiór danych i agenty, musisz sklonować repozytorium zawierające kod źródłowy i skrypty danych.

1. W Cloud Shell sklonuj repozytorium next-26-keynotes:

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

3. Konfiguracja danych i zasobów

Konfigurowanie danych i agenta BigQuery

W tym kroku utworzysz zbiór danych BigQuery, wypełnisz go przykładowymi danymi o asortymencie mebli i sprzedaży, a następnie utworzysz agenta danych BigQuery, który będzie analizować te dane.

1. W Cloud Shell przejdź do katalogu data:

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

2. Aby uwierzytelnić się za pomocą domyślnych danych logowania aplikacji, uruchom to polecenie i postępuj zgodnie z instrukcjami:

   gcloud auth application-default login
   

3. Uruchom skrypt konfiguracji, aby utworzyć zbiór danych, tabele i widok:

   chmod +x setup_bigquery.sh
   ./setup_bigquery.sh
   

   Ten skrypt tworzy:
   • Zbiór danych: unified_intelligence_fabric_demo
   • Tabela: furniture_stock
   • Tabela: furniture_sales
   • Widok: dead_stock_view
4. Uruchom skrypt w Pythonie, aby wypełnić tabele przykładowymi danymi za pomocą narzędzia uv:

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

5. Utwórz agenta danych BigQuery:
   • W konsoli Cloud otwórz BigQuery Agents Hub.
   • W sekcji Katalog agentów kliknij Nowy agent.
   • Ustaw nazwę agenta na Unified Intelligence Data Agent.
   • Ustaw Źródło wiedzy na tabele w utworzonym właśnie zbiorze danych (furniture_stock, furniture_sales).
     • Wyszukaj tabele, wpisując furniture.
     • Naciśnij Enter.
     • Wybierz 2 tabele (furniture_stock, furniture_sales).
     • Kliknij Dodaj.
   • Kliknij Opublikuj.
   • Gdy pojawi się prośba o udostępnienie agenta, kliknij „Anuluj”. Role do konta usługi Compute dodasz w późniejszym kroku.
6. Przetestuj agenta:
   • W czacie testowym po prawej stronie zadaj pytanie, np.: What are the furniture items with the highest stock?
   • Sprawdź, czy zwraca wyniki na podstawie przykładowych danych. W danych wyjściowych powinna być widoczna tabela podobna do tej.
7. Identyfikator agenta zapisywania danych:
   • Po lewej stronie ekranu powinien być widoczny identyfikator utworzonego agenta. Będzie to wyglądać tak: agent_ba43c386-ae82-45e0-a2b5-1928440f0926.
   
   • Skopiuj identyfikator.
   • Aby zapisać ten identyfikator, uruchom w Cloud Shell to polecenie, zastępując YOUR_AGENT_ID rzeczywistym identyfikatorem:

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

Tworzenie folderu udostępnionego

W tym kroku utworzysz folder na Dysku Google i udostępnisz go kontu usługi Cloud Run. Ten folder będzie używany przez agentów do zapisywania i udostępniania plików (np. wygenerowanych wymagań).

1. Otwórz Dysk Google.
2. Kliknij Nowy > Nowy folder, nadaj mu nazwę Unified Intelligence Lab i kliknij Utwórz.
3. Kliknij prawym przyciskiem myszy nowo utworzony folder i wybierz Udostępnij > Udostępnij.
4. Aby uzyskać adres e-mail domyślnego konta usługi Compute Engine, uruchom w Cloud Shell to polecenie:

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

5. Skopiuj adres e-mail z danych wyjściowych.
6. W oknie udostępniania na Dysku Google dodaj ten adres e-mail.
7. Ustaw rolę na Edytujący.
8. Otwórz folder i skopiuj identyfikator z adresu URL. Adres URL będzie wyglądał tak: https://drive.google.com/drive/folders/YOUR_FOLDER_ID. Skopiuj ciąg alfanumeryczny na końcu adresu URL, który pojawia się po znaku /folders/.
9. W Cloud Shell zapisz ten identyfikator w pliku środowiska laboratorium (zastąp YOUR_FOLDER_ID rzeczywistym identyfikatorem):

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

Tworzenie zasobników GCS

Aby utworzyć zasobniki GCS na potrzeby artefaktów/zadań, filmów z kampanii i logów, uruchom w Cloud Shell te polecenia:

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

Ustawianie zasobnika filmów jako publicznego

Aby umożliwić witrynie dostęp do filmów, ustaw zasobnik filmów jako publiczny:

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

Przyznawanie ról uprawnień

W tej sekcji przypiszesz role uprawnień użytkownikowi oraz kilku kontom usługi lub agentom.

Przypisywanie ról użytkownikowi

Aby korzystać z funkcji Discovery Engine (wyszukiwanie i konwersacja), uruchom w Cloud Shell te polecenia, aby przypisać do konta użytkownika rolę Użytkownik Discovery Engine:

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"

Przypisywanie ról do konta usługi Compute Engine

Uwaga: dla uproszczenia używamy domyślnego konta usługi, ale w środowisku produkcyjnym nie należy tego robić.

Aby przyznać role kontu usługi Compute Engine, w Cloud Shell uruchom te polecenia:

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"

Przypisywanie ról do konta usługi Discovery Engine

Aby przyznać role kontu usługi Discovery Engine, uruchom w Cloud Shell te polecenia:

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"

Przyznawanie ról agentowi usługi AI Platform Reasoning Engine

W Cloud Shell uruchom te polecenia, aby przyznać role agentowi usługi 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. Konfigurowanie i wdrażanie agentów

Skonfiguruj i wdroż wszystkie niestandardowe agenty potrzebne do tego ćwiczenia.

Konfigurowanie i wdrażanie agenta strategii produktu

W tym kroku wdrożysz agenta strategii dotyczącej produktów w Cloud Run i zarejestrujesz go w aplikacji Gemini Enterprise. Ten agent odpowiada za ulepszanie koncepcji produktów na podstawie danych rynkowych.

Wymagania wstępne

Najpierw jednak skonfigurujesz zmienne środowiskowe dla agenta strategii dotyczącej produktu.

1. W Cloud Shell przejdź do katalogu Product Strategy Agent:

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

2. Aby skopiować plik .env.sample do .env, uruchom to polecenie:

   cp .env.sample .env
   

3. W Cloud Shell uruchom te polecenia, aby wypełnić plik .env szczegółami projektu:

   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
   

Wdrażanie agenta strategii dotyczącej produktu

1. Wdrażanie w Cloud Run Teraz w Cloud Shell wdróż agenta w Cloud Run. Repozytorium zawiera Makefile, który upraszcza ten proces:

   make deploy
   

   Po wdrożeniu otrzymasz adres URL agenta strategii dotyczącej produktu.
2. Aby uzyskać adres URL wdrożonej usługi i zapisać go w pliku środowiska modułu, uruchom w Cloud Shell to polecenie:

   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
   

Konfigurowanie i wdrażanie agenta do badań rynku

W tym kroku wdrożysz agenta do badań rynku w Cloud Run i zarejestrujesz go w aplikacji Gemini Enterprise. Ten agent analizuje trendy i opinie klientów.

Wymagania wstępne

Najpierw jednak skonfigurujesz zmienne środowiskowe dla agenta do badań rynku, w tym klucz interfejsu API narzędzia Deep Research.

1. W Cloud Shell przejdź do katalogu market-research:

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

2. Aby skopiować plik .env.sample do .env, uruchom to polecenie:

   cp .env.sample .env
   

3. W Cloud Shell uruchom te polecenia, aby wypełnić plik .env szczegółami projektu:

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

Tworzenie obiektów tajnych

Zmienna GEMINI_API_KEY jest przechowywana w Secret Manager i montowana w wersji Cloud Run w czasie wdrażania.

1. W Cloud Shell dodaj GEMINI_API_KEY do pliku .env:

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

2. Aby przesłać wartości tajne z lokalnego repozytorium .env do Secret Manager, uruchom to polecenie:

   make create-secrets
   

3. Uruchom to polecenie, aby przyznać Cloud Run dostęp do klucza tajnego:

   make grant-secret-access
   

Wdrażanie agenta badań rynku w Cloud Run

1. W Cloud Shell wdróż agenta za pomocą polecenia Makefile:

   make deploy
   

   Po wdrożeniu otrzymasz adres URL przedstawiciela ds. badań rynkowych.
2. Aby uzyskać adres URL wdrożonej usługi i zapisać go w pliku środowiska modułu, uruchom w Cloud Shell to polecenie:

   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
   

Konfigurowanie i wdrażanie agenta orkiestratora

W tym kroku wdrożysz agenta Orchestrator w Cloud Run i zarejestrujesz go w aplikacji Gemini Enterprise. Ten agent koordynuje przepływ pracy między innymi agentami.

Wymagania wstępne

Najpierw jednak skonfigurujesz zmienne środowiskowe dla agenta Orchestratora. Musi znać adresy URL agentów Strategia produktu i Badanie rynku, których wdrożono w poprzednich krokach.

1. W Cloud Shell przejdź do katalogu orchestrator:

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

2. Aby skopiować plik .env.sample do .env, uruchom to polecenie:

   cp .env.sample .env
   

3. Aby wypełnić plik .env szczegółami projektu i konfiguracją agenta danych BigQuery, uruchom w Cloud Shell te polecenia:

   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
   

Wdrażanie agenta aranżera

1. W Cloud Shell wdróż agenta Orchestratora za pomocą polecenia Makefile:

   make deploy
   

Po wdrożeniu otrzymasz adres URL agenta aranżera.

1. Aby uzyskać adres URL wdrożonej usługi i zapisać go w pliku środowiska modułu, uruchom w Cloud Shell to polecenie:

   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
   

Konfigurowanie i wdrażanie agenta deweloperskiego

W tym kroku wdrożysz agenta deweloperskiego w Cloud Run i zarejestrujesz go w aplikacji Gemini Enterprise. Ten agent przekształca plany w działania, tworząc zadania i szkielety kodu. Agent deweloperski może integrować się z Jirą, aby tworzyć zgłoszenia. Widać to w prezentacji. W tym ćwiczeniu pominiemy jednak integrację z Jirą i zamiast tego skonfigurujemy agenta tak, aby zapisywał zadania w Google Cloud Storage.

Wymagania wstępne

Najpierw jednak skonfigurujesz zmienne środowiskowe dla agenta deweloperskiego.

1. W Cloud Shell przejdź do katalogu dev-agent:

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

2. Aby skopiować plik .env.sample do .env, uruchom to polecenie:

   cp .env.sample .env
   

3. W Cloud Shell uruchom te polecenia, aby wypełnić plik .env szczegółami projektu:

   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
   

Wdrażanie agenta deweloperskiego

1. W Cloud Shell wdróż agenta deweloperskiego za pomocą polecenia Makefile:

   make deploy
   

Po wdrożeniu otrzymasz adres URL agenta deweloperskiego.

1. Aby uzyskać adres URL wdrożonej usługi i zapisać go w pliku środowiska modułu, uruchom w Cloud Shell to polecenie:

   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. Konfigurowanie Gemini Enterprise i rejestrowanie agentów

W tym ćwiczeniu używamy Gemini Enterprise do rejestrowania agentów i zarządzania nimi, co umożliwia im interakcję z Workspace i innymi systemami przedsiębiorstwa oraz udostępnianie ich użytkownikom.

Aby skorzystać z tego laboratorium, musisz zarejestrować się w wersji próbnej Gemini Enterprise Plus. Utworzysz też aplikację, której będziesz używać do rejestrowania agentów.

Rejestracja w wersji próbnej Gemini Enterprise

Interfejs Discovery Engine API został już włączony, więc nie musisz rozpoczynać okresu próbnego. Zamiast tego zobaczysz inny przycisk, który umożliwia utworzenie pierwszej aplikacji.

1. Otwórz stronę Gemini Enterprise w konsoli Google Cloud.
2. Wyświetli się ekran powitalny. Kliknij „Utwórz pierwszą aplikację”.

Tworzenie aplikacji

1. Wpisz n26-unified jako nazwę aplikacji. Zwróć uwagę na baner bezpłatnej wersji próbnej wyświetlany na ekranie.
2. W pozostałych polach pozostaw wartości domyślne i kliknij „Utwórz”.
3. Wyświetli się ekran powitalny. Kliknij link Podgląd.
4. Pojawi się nowe okno z aplikacją internetową Gemini Enterprise. Zwróć uwagę na adres URL u góry ekranu na pasku adresu. Ten adres URL będzie potrzebny w przyszłych sekcjach, aby uzyskać dostęp do aplikacji. Powinien on wyglądać podobnie do tego: https://vertexaisearch.cloud.google.com/home/cid/ebb52d4a-b33b-4007-a180-91d02fa124e1

Rejestrowanie agentów niestandardowych

Aby Gemini Enterprise mógł korzystać z Twojego agenta, musisz zarejestrować go w aplikacji Gemini Enterprise. Agenty niestandardowe wdrożone w Cloud Run można zarejestrować za pomocą integracji A2A (Agent-to-Agent).

1. W osobnym oknie konsoli otwórz ekran aplikacji Gemini Enterprise.
2. Kliknij aplikację o nazwie n26-unified.
3. W panelu nawigacyjnym po lewej stronie kliknij Agenci.

W poniższych krokach będziemy korzystać z tego samego ekranu Agenci.

Rejestrowanie agenta strategii produktu

1. Aby pobrać kartę agenta, uruchom w Cloud Shell to polecenie:

   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. Kliknij + Dodaj agenta.
3. Kliknij Agent niestandardowy utworzony przy użyciu A2A.
4. Wklej w polu tekstowym kod JSON karty agenta z poprzedniego kroku.
5. Kliknij Wyświetl podgląd szczegółów agenta.
6. Kliknij Dalej.
7. W przypadku autoryzacji agenta kliknij Pomiń i zakończ.
8. Na karcie Uprawnienia użytkowników przyznaj wszystkim użytkownikom rolę użytkownika agenta.
9. Kliknij Zapisz.

Rejestrowanie agenta do badań rynku w aplikacji Gemini Enterprise

1. Aby pobrać kartę agenta, uruchom w Cloud Shell to polecenie:

   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. Kliknij + Dodaj agenta.
3. Kliknij Agent niestandardowy utworzony przy użyciu A2A.
4. Wklej w polu tekstowym kod JSON karty agenta z poprzedniego kroku.
5. Kliknij Wyświetl podgląd szczegółów agenta.
6. Kliknij Dalej.
7. W przypadku autoryzacji agenta kliknij Pomiń i zakończ.
8. Na karcie Uprawnienia użytkowników przyznaj wszystkim użytkownikom rolę użytkownika agenta.
9. Kliknij Zapisz.

Rejestrowanie agenta aranżera

1. Aby pobrać kartę agenta, uruchom w Cloud Shell to polecenie:

   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. Kliknij + Dodaj agenta.
3. Kliknij Agent niestandardowy utworzony przy użyciu A2A.
4. Wklej w polu tekstowym kod JSON karty agenta z poprzedniego kroku.
5. Kliknij Wyświetl podgląd szczegółów agenta.
6. Kliknij Dalej.
7. W przypadku autoryzacji agenta kliknij Pomiń i zakończ.
8. Na karcie Uprawnienia użytkowników przyznaj wszystkim użytkownikom rolę użytkownika agenta.
9. Kliknij Zapisz.

Rejestrowanie agenta deweloperskiego

1. Aby pobrać kartę agenta, uruchom w Cloud Shell to polecenie:

   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. Kliknij + Dodaj agenta.
3. Kliknij Agent niestandardowy utworzony przy użyciu A2A.
4. Wklej w polu tekstowym kod JSON karty agenta z poprzedniego kroku.
5. Kliknij Wyświetl podgląd szczegółów agenta.
6. Kliknij Dalej.
7. W przypadku autoryzacji agenta kliknij Pomiń i zakończ.
8. Na karcie Uprawnienia użytkowników przyznaj wszystkim użytkownikom rolę użytkownika agenta.
9. Kliknij Zapisz.

🥳 Możesz teraz rozpocząć prezentację w Gemini Enterprise.

6. Akt 1. Strategia i orkiestracja w Gemini Enterprise

W tej części modułu wcielisz się w rolę wiceprezesa ds. sprzedaży w firmie „Organic Living”, który ma za zadanie ożywić linie produktów o płaskiej lub spadającej sprzedaży.

Aby przywrócić do życia mniej popularne linie produktów, poprosisz agenta o przeanalizowanie trendów, zidentyfikowanie zalegających w magazynie towarów i przygotowanie kampanii promującej ponowne wprowadzenie produktów na rynek. Zobaczysz, jak Gemini Enterprise koordynuje pracę wielu agentów, aby odpowiedzieć na jeden złożony prompt.

Przejdź do adresu URL aplikacji Gemini Enterprise

Jest to adres URL, który został zapisany w kroku 4: Skonfiguruj Gemini Enterprise i zarejestruj agentów. Jeśli nie masz adresu URL, możesz go uzyskać, wykonując te czynności:

1. Otwórz ekran aplikacji Gemini Enterprise.
2. Kliknij aplikację o nazwie n26-unified.
3. Kliknij adres URL zaczynający się od https://vertexaisearch.cloud.google.com.

Poproś agenta o pomoc w wykonaniu zadania

1. Rozpocznij nowy czat, wpisując tekst w polu czatu na stronie głównej lub klikając Nowy czat w oknie nawigacyjnym po lewej stronie.
2. Dodaj ten prompt:

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

3. Kliknij Prześlij (ikonę z samolotem z papieru) i obserwuj, jak agent Orchestratora wykonuje swoją pracę.

Obserwowanie danych wyjściowych

Za pomocą jednego prompta wiele agentów wykonuje serię zadań w ciągu kilku minut zamiast kilku godzin.

• Agent ds. badań rynku, oparty na technologii Deep Research, analizuje najnowsze informacje z wyszukiwarki Google, aby znaleźć najnowsze trendy w projektowaniu.
• Agent ds. statystyk dotyczących danych łączy się z globalnymi danymi o produktach i przekazuje wyniki badań do naszego wewnętrznego katalogu, aby zidentyfikować „martwe zapasy” (asortyment o niskiej rotacji), które spełniają te kryteria trendów.
• Agent ds. strategii dotyczącej produktu łączy wszystkie informacje, aby na podstawie badań i danych pochodzących od innych agentów opracować strategię kampanii ponownego wprowadzenia produktu na rynek.

Zatwierdzanie planu i sprawdzanie danych wyjściowych

1. Odpowiedz Yes, aby zatwierdzić plan

   Ostrzeżenie: ten krok zajmuje kilka minut, ponieważ obejmuje Deep Research, zbieranie danych i koordynację planu. Może się wydawać, że się zawiesił, ale działa w tle.

2. Obserwowanie danych wyjściowych
   • Zaczyna się od informacji od agenta ds. badań rynku i obejmuje obszerny plan, w tym zmianę marki witryny.
   • Zawiera dane pobrane z danych o produktach za pomocą skonfigurowanego wcześniej agenta danych BigQuery.
   • Zwróć uwagę na źródła u dołu wygenerowanych treści, aby mieć pewność, że analiza i rekomendacje są wiarygodne.

Generowanie filmów w nowym stylu Organic Living

1. Na czacie poproś agenta ds. strategii dotyczącej produktów o wygenerowanie filmów. Zacznij od wpisania @Product i wybrania z listy agenta strategii dotyczącej produktu.
2. Dodaj ten prompt:

   generate three videos for the landing page
   

3. Gemini użyje agenta strategii dotyczącej produktów, aby wygenerować komponenty wideo i podać ich adresy URL.

Współpraca z zespołem programistów

Podczas prezentacji Dev Agent wysłał powiadomienie w Google Chat do zespołu programistów. Usunęliśmy jednak ten krok z tego ćwiczenia, ponieważ przychodzące webhooki nie są obsługiwane na osobistych kontach Gmail. Zamiast tego agent deweloperski skupi się na utworzeniu zadania w Google Cloud Storage.

1. Na czacie poproś agenta ds. programistów o utworzenie zadania dla zespołu programistów. Zacznij od wpisania @Dev i wybrania z listy Dev Agent.
2. Dodaj ten prompt:

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

3. Sprawdź dane wyjściowe. Agent deweloperski potwierdzi utworzenie zadania i poda jego identyfikator (np. TASK-A3F7B2C1). Zanotuj ten identyfikator, ponieważ będzie Ci potrzebny w Akcie 2.

7. Akt 2. Tworzenie w interfejsie wiersza poleceń Gemini

W tym kroku przejdziesz do roli dewelopera. Twoim zadaniem jest utworzenie i uruchomienie strony docelowej nowej kampanii. Będziesz kontynuować zadanie utworzone w części 1.

Użyjesz interfejsu wiersza poleceń Gemini, aby utworzyć witrynę „Organic Living” na podstawie specyfikacji projektu znajdującej się w pliku zadania. Interfejs wiersza poleceń Gemini to agent AI o otwartym kodzie źródłowym, który udostępnia możliwości Gemini w wierszu poleceń. Jest już wstępnie zainstalowane w środowisku Cloud Shell.

Konfigurowanie interfejsu wiersza poleceń Gemini

1. W Cloud Shell utwórz nowy katalog dla projektu witryny i przejdź do niego:

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

2. Skopiuj instrukcje GEMINI.md i obraz projektu ze sklonowanego repozytorium do katalogu roboczego:

   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 .
   

   Plik GEMINI.md zawiera instrukcje systemowe i specyfikacje projektu, których ma przestrzegać asystent AI.

3. Utwórz katalog konfiguracji agenta i plik 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
   

Zacznij pisać prompt

1. Uruchom gemini-cli, aby rozpocząć interakcję:

   source ~/lab_env.sh
   gemini
   

2. Pojawi się pytanie, czy ufasz plikom w tym folderze. Wybierz opcję 1. Folder zaufania (witryna)
3. Wpisz auth i naciśnij Enter w wierszu poleceń Gemini CLI.
4. Kliknij Use Gemini API key (Użyj klucza interfejsu Gemini API). Spowoduje to automatyczne użycie zmiennej środowiskowej GEMINI_API_KEY załadowanej z lab_env.sh.

Uwaga: tryb YOLO jest wyłączony w przypadku interfejsu wiersza poleceń Gemini w Cloud Shell, więc musisz zatwierdzać działania na bieżąco. Te kroki nie uwzględniają tego.

1. W odpowiedzi na prompt gemini> powiedz agentowi, że chcesz pracować nad zadaniem utworzonym w części 1 (zastąp TASK-A3F7B2C1 rzeczywistym identyfikatorem zadania, który został przez Ciebie zapisany):

   @dev-agent let me work on TASK-A3F7B2C1
   

   Agent wyszuka zadanie w GCS i przedstawi Ci jego omówienie oraz plan działania.
2. Teraz poproś agenta o utworzenie witryny:

   Build and deploy it
   

   Gemini odczyta plik GEMINI.md w bieżącym katalogu i rozpocznie tworzenie witryny zgodnie ze specyfikacjami.
3. Po zakończeniu kompilacji i wdrożenia agent wyświetli wyniki, w tym adres URL wdrożonej usługi Cloud Run.
4. Kliknij podany adres URL, aby otworzyć nową witrynę „Organic Living” w nowej karcie i sprawdzić, czy jest zgodna ze specyfikacją projektu.

W prezentacji Keynote wykorzystano projekty z Figmy jako dane wejściowe dla agenta deweloperskiego, dzięki czemu wynik jest znacznie bardziej dopracowany. W tym ćwiczeniu używamy statycznego obrazu jako danych wejściowych dla agenta deweloperskiego.

8. Podsumowanie

W tym ćwiczeniu udało Ci się zademonstrować możliwości „Fabric of Unified Intelligence” poprzez wykonanie złożonego, wieloetapowego przepływu pracy obejmującego różne role i środowiska:

1. Orchestrated a Multi-Agent System: In Gemini Enterprise, you used a single prompt to engage a team of agents (Market Research, Data Insights, and Product Strategy) to analyze trends, identify inventory, and develop a relaunch strategy. Jeden prompt pozwala wykonać wiele czynności bez konieczności wykonywania każdego zadania z osobna.
2. Wygenerowane komponenty multimedialne: za pomocą agenta strategii produktowej wygenerowano komponenty wideo dla nowej linii produktów.
3. Symulowane przekazanie uprawnień: za pomocą agenta deweloperskiego wygenerowano zadanie w GCS, symulując przekazanie uprawnień z zespołu biznesowego do zespołu deweloperskiego. System zachował wspólny kontekst bez konieczności bezpośredniego udostępniania go przez Ciebie.
4. Tworzenie witryny za pomocą interfejsu wiersza poleceń Gemini: w Cloud Shell przełączono się na rolę dewelopera i użyto interfejsu wiersza poleceń Gemini do utworzenia i wdrożenia strony docelowej na podstawie zadania utworzonego w poprzednim kroku oraz specyfikacji projektu w GEMINI.md.

Ten przepływ pracy pokazuje, jak Gemini Enterprise może łączyć różne narzędzia, źródła danych i role, aby usprawnić złożone procesy biznesowe.

9. Czyszczenie

W tym module tworzymy wiele zasobów, dlatego zalecamy usunięcie całego projektu, aby uniknąć długotrwałego procesu zwalniania miejsca.

1. Aby usunąć cały projekt w chmurze Google Cloud, uruchom w Cloud Shell to polecenie:

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

10. Gratulacje

Gratulacje! Udało Ci się ukończyć ćwiczenie w Codelabs „Fabric of Unified Intelligence”.