Основной доклад на конференции «2026»: «Структура единого интеллекта».

1. Введение

Добро пожаловать на практическое занятие "Структура унифицированного интеллекта"! Это занятие является частью серии демонстраций, представленных на конференции Google Cloud Next '26.

В этой лабораторной работе вы изучите, как использовать Gemini Enterprise для организации работы нескольких агентов, развернутых в Cloud Run, обмена контекстной информацией для бесперебойной передачи задач и оптимизации рабочих процессов.

Представьте, что вы — менеджер по продуктам в вымышленном бренде современной мебели «Organic Living». Вы хотите запустить новую линейку продукции, но стандартные процессы маркетинговых исследований и проектирования занимают слишком много времени. В этой лаборатории вы задействуете команду агентов искусственного интеллекта для автоматизации и ускорения этого процесса:

• Специалист по продуктовой стратегии : уточняет концепции продуктов на основе рыночных данных.
• Специалист по маркетинговым исследованиям : анализирует тенденции и отзывы клиентов.
• Агент-оркестратор : координирует рабочий процесс между другими агентами.
• Dev Agent : Преобразует планы в действия, создавая задачи и генерируя код.

По завершении этой лабораторной работы у вас будет работающая многоагентная система, развернутая на Cloud Run и управляемая с помощью Gemini Enterprise, демонстрирующая возможности унифицированного интеллекта.

Предварительные требования

• Базовые знания консоли Google Cloud и интерфейса командной строки gcloud .

Что вы будете делать

• Разверните многоагентную систему в Cloud Run.
• Зарегистрируйте своих агентов в Gemini Enterprise.
• С помощью Gemini Enterprise вы сможете выполнять рабочие процессы для:
  • Проанализируйте свои данные и извлеките из них ценные выводы.
  • Создавайте видеоролики о своей продукции с помощью Veo.
  • Сформулируйте требования для вашей команды разработчиков по обновлению веб-сайта на основе полученных данных.

Что вам понадобится

• Веб-браузер, например Chrome .
• Аккаунт Google

2. Настройка среды

Настройка проекта

Создайте проект в Google Cloud.

1. В консоли Google Cloud на странице выбора проекта выберите или создайте проект Google Cloud .
2. Убедитесь, что для вашего облачного проекта включена функция выставления счетов. Узнайте, как проверить, включена ли функция выставления счетов для проекта .

Активировать Cloud Shell

Cloud Shell — это среда командной строки, работающая в Google Cloud и поставляемая с предустановленными необходимыми инструментами.

1. В верхней части консоли Google Cloud нажмите кнопку «Активировать Cloud Shell» .
2. После подключения к Cloud Shell подтвердите свою аутентификацию:

   gcloud auth list
   

3. Убедитесь, что ваш проект настроен:

   gcloud config get project
   

4. Если параметры вашего проекта заданы не так, как ожидалось, настройте их следующим образом:

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

Инициализация файла переменных среды

Чтобы гарантировать сохранение переменных окружения в случае разрыва сеанса Cloud Shell, вам следует сохранить их в файл и использовать его при необходимости.

1. В Cloud Shell создайте файл и добавьте в него идентификатор вашего проекта:

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

Получите ключ API Gemini из AI Studio.

Агент маркетинговых исследований использует API Gemini Deep Research Interactions. Инструмент deep_research вызывает API Gemini Deep Research Interactions, который в настоящее время доступен только через конечную точку AI Studio . Он создает отдельный объект genai.Client с vertexai=False и выполняет аутентификацию с помощью ключа API, хранящегося в переменной среды GEMINI_API_KEY .

1. Перейдите в Google AI Studio .
2. Войдите в систему, используя свою учетную запись Google.
3. Нажмите «Создать ключ API» .
4. Назовите ключевых Unified Intelligence Agents .
5. В разделе «Выберите импортированный проект» выберите свой проект или импортируйте его.
6. Нажмите «Создать ключ» .
7. Скопируйте сгенерированный ключ API из панели сведений.
8. В Cloud Shell сохраните этот ключ в файл среды вашей лаборатории (замените YOUR_GEMINI_API_KEY на фактический ключ):

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

Включить API

1. В Cloud Shell включите необходимые API для этой лабораторной работы:

   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
   

Клонируйте репозиторий

Прежде чем настраивать набор данных и агентов, необходимо клонировать репозиторий, содержащий исходный код и скрипты данных.

1. В Cloud Shell клонируйте репозиторий next-26-keynotes :

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

3. Конфигурация данных и ресурсов

Настройка данных и агента BigQuery

На этом этапе вы создадите набор данных BigQuery, заполните его условными данными об инвентаризации и продажах мебели, а также создадите агент данных BigQuery для анализа этих данных.

1. В Cloud Shell перейдите в каталог data :

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

2. Для аутентификации используйте учетные данные по умолчанию, выполните эту команду и следуйте инструкциям:

   gcloud auth application-default login
   

3. Запустите скрипт настройки, чтобы создать набор данных, таблицы и представление:

   chmod +x setup_bigquery.sh
   ./setup_bigquery.sh
   

   Этот скрипт создает:
   • Набор данных: unified_intelligence_fabric_demo
   • Таблица: furniture_stock
   • Таблица: furniture_sales
   • Просмотр: dead_stock_view
4. Запустите скрипт Python для заполнения таблиц примерами данных, используя uv :

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

5. Создание агента данных BigQuery :
   • Перейдите в раздел «Центр агентов BigQuery» в облачной консоли.
   • В разделе «Каталог агентов» нажмите «Новый агент» .
   • Установите имя агента на Unified Intelligence Data Agent .
   • В качестве источника знаний укажите таблицы из только что созданного набора данных ( furniture_stock , furniture_sales ).
     • Найдите столы, введя в поиск furniture .
     • Нажмите Enter.
     • Выберите две таблицы ( furniture_stock , furniture_sales ).
     • Нажмите «Добавить» .
   • Нажмите «Опубликовать» .
   • Когда появится запрос на предоставление доступа к агенту, нажмите «Отмена». Добавление ролей к учетной записи вычислительной службы будет выполнено позже.
6. Проверьте работу агента :
   • В тестовом чате справа задайте вопрос, например: What are the furniture items with the highest stock?
   • Убедитесь, что программа возвращает результаты на основе предоставленных тестовых данных. В выходных данных вы должны увидеть таблицу, похожую на эту.
7. Идентификатор агента сохранения данных :
   • В левой части экрана вы должны увидеть идентификатор только что созданного агента. Он будет выглядеть примерно так: agent_ba43c386-ae82-45e0-a2b5-1928440f0926 .
   
   • Скопируйте идентификатор.
   • Для сохранения выполните следующую команду в Cloud Shell, заменив YOUR_AGENT_ID на фактический ID:

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

Создать общую папку

На этом шаге вы создадите папку в Google Диске и предоставите к ней доступ учетной записи службы Cloud Run. Эта папка будет использоваться агентами для сохранения и обмена файлами (например, сгенерированными требованиями).

1. Перейдите в Google Диск .
2. Нажмите «Создать» > «Создать папку» , назовите её Unified Intelligence Lab и нажмите «Создать» .
3. Щелкните правой кнопкой мыши по только что созданной папке и выберите «Поделиться» > «Поделиться» .
4. В Cloud Shell выполните следующую команду, чтобы получить адрес электронной почты учетной записи службы Compute Engine по умолчанию:

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

5. Скопируйте адрес электронной почты из полученного результата.
6. В диалоговом окне «Поделиться» в Google Диске добавьте этот адрес электронной почты.
7. Установите роль «Редактор» .
8. Откройте папку и скопируйте её идентификатор из URL-адреса. URL-адрес будет выглядеть примерно так: https://drive.google.com/drive/folders/YOUR_FOLDER_ID . Скопируйте буквенно-цифровую строку в конце URL-адреса, которая находится после /folders/ .
9. В Cloud Shell сохраните этот ID в файл среды вашей лаборатории (замените YOUR_FOLDER_ID на ваш фактический ID):

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

Создать корзины GCS

В Cloud Shell выполните следующие команды для создания сегментов GCS для артефактов/задач, видеороликов кампаний и журналов:

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

Сделать Video Bucket общедоступным

Чтобы разрешить веб-сайту доступ к видео, сделайте видеохранилище общедоступным:

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

Предоставление ролей IAM

В этом разделе вы предоставите роли IAM вашему пользователю и нескольким учетным записям/агентам служб.

Предоставьте пользователю роли.

Для использования функций поисковой системы (поиск и диалоги) выполните следующие команды в Cloud Shell, чтобы предоставить вашей учетной записи роль пользователя поисковой системы:

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"

Предоставление ролей учетной записи службы Compute Engine.

Примечание: Для простоты мы используем учетную запись службы по умолчанию, но в рабочей среде этого делать не следует.

В Cloud Shell выполните следующие команды, чтобы предоставить роли учетной записи службы 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"

Предоставление ролей учетной записи службы Discovery Engine.

В Cloud Shell выполните следующие команды, чтобы предоставить роли учетной записи службы 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"

Предоставление ролей агенту службы логического рассуждения платформы ИИ.

В Cloud Shell выполните следующие команды, чтобы предоставить роли агенту службы механизма логического мышления платформы ИИ:

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. Настройка и развертывание агентов

Настройте и разверните все пользовательские агенты, необходимые для этой практической работы.

Настройка и развертывание агента стратегии продукта.

На этом этапе вы развернете агент стратегии продукта в Cloud Run и зарегистрируете его в приложении Gemini Enterprise. Этот агент отвечает за уточнение концепций продукта на основе рыночных данных.

Предварительные требования

Но сначала вам нужно будет настроить переменные среды для агента стратегии продукта.

1. В Cloud Shell перейдите в каталог Product Strategy Agent:

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

2. Выполните следующую команду, чтобы скопировать файл .env.sample в .env :

   cp .env.sample .env
   

3. В Cloud Shell выполните следующие команды, чтобы заполнить файл .env данными о вашем проекте:

   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
   

Разверните агент стратегии продукта.

1. Развертывание в Cloud Run. Теперь в Cloud Shell разверните агент в Cloud Run. В репозитории есть Makefile , который упрощает этот процесс:

   make deploy
   

   После развертывания вы получите URL-адрес для агента стратегии продукта.
2. В Cloud Shell выполните следующую команду, чтобы получить URL-адрес развернутой службы и сохранить его в файл среды тестирования:

   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
   

Настройка и развертывание агента маркетинговых исследований.

На этом этапе вы развернете агент маркетинговых исследований в Cloud Run и зарегистрируете его в приложении Gemini Enterprise. Этот агент анализирует тенденции и отзывы клиентов.

Предварительные требования

Но сначала вам нужно будет настроить переменные среды для агента маркетинговых исследований, включая ключ API для инструмента углубленного исследования.

1. В Cloud Shell перейдите в каталог market-research :

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

2. Выполните следующую команду, чтобы скопировать файл .env.sample в .env :

   cp .env.sample .env
   

3. В Cloud Shell выполните следующие команды, чтобы заполнить файл .env данными о вашем проекте:

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

Создавайте секреты

Переменная GEMINI_API_KEY хранится в Secret Manager и монтируется в ревизию Cloud Run во время развертывания.

1. В Cloud Shell добавьте параметр GEMINI_API_KEY в файл .env :

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

2. Выполните следующую команду, чтобы передать значения секретов из вашего локального файла .env в Secret Manager:

   make create-secrets
   

3. Выполните следующую команду, чтобы предоставить Cloud Run доступ к секрету:

   make grant-secret-access
   

Разверните агент маркетинговых исследований в облаке.

1. В Cloud Shell разверните агента с помощью Makefile :

   make deploy
   

   После развертывания вы получите URL-адрес для агента маркетинговых исследований.
2. В Cloud Shell выполните следующую команду, чтобы получить URL-адрес развернутой службы и сохранить его в файл среды тестирования:

   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
   

Настройка и развертывание агента Orchestrator

На этом этапе вы развернете агент Orchestrator в Cloud Run и зарегистрируете его в приложении Gemini Enterprise. Этот агент координирует рабочий процесс между другими агентами.

Предварительные требования

Но сначала вам нужно настроить переменные среды для агента Orchestrator. Ему необходимо знать URL-адреса агентов Product Strategy и Market Research, развернутых на предыдущих шагах.

1. В Cloud Shell перейдите в каталог orchestrator :

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

2. Выполните следующую команду, чтобы скопировать файл .env.sample в .env :

   cp .env.sample .env
   

3. В Cloud Shell выполните следующие команды, чтобы заполнить файл .env сведениями о вашем проекте и конфигурацией 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
   

Разверните агент Orchestrator.

1. В Cloud Shell разверните агент Orchestrator, используя Makefile :

   make deploy
   

После развертывания вы получите URL-адрес для агента Orchestrator.

1. В Cloud Shell выполните следующую команду, чтобы получить URL-адрес развернутой службы и сохранить его в файл среды тестирования:

   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
   

Настройка и развертывание агента разработки

На этом этапе вы развернете Dev Agent в Cloud Run и зарегистрируете его в приложении Gemini Enterprise. Этот агент преобразует планы в действия, создавая задачи и генерируя код. Dev Agent может интегрироваться с Jira для создания тикетов, что и показано в демонстрации на презентации. Однако в рамках этого практического занятия мы пропустим интеграцию с Jira и вместо этого будем использовать Google Cloud Storage для сохранения задач агентом.

Предварительные требования

Но сначала вам нужно будет настроить переменные среды для агента разработки.

1. В Cloud Shell перейдите в каталог dev-agent :

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

2. Выполните следующую команду, чтобы скопировать файл .env.sample в .env :

   cp .env.sample .env
   

3. В Cloud Shell выполните следующие команды, чтобы заполнить файл .env данными о вашем проекте:

   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
   

Разверните агент разработки.

1. В Cloud Shell разверните агент разработки, используя Makefile :

   make deploy
   

После развертывания вы получите URL-адрес для агента разработки.

1. В Cloud Shell выполните следующую команду, чтобы получить URL-адрес развернутой службы и сохранить его в файл среды тестирования:

   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. Настройте Gemini Enterprise и зарегистрируйте агентов.

В этом практическом занятии мы используем Gemini Enterprise для регистрации и управления агентами, что позволяет им взаимодействовать с Workspace и другими корпоративными системами, а также делает их доступными для взаимодействия пользователей.

Для участия в этом практическом занятии вам потребуется зарегистрироваться для пробной версии Gemini Enterprise Plus. Также вам предстоит создать приложение , которое вы будете использовать для регистрации ваших агентов.

Зарегистрируйтесь для участия в пробной версии Gemini Enterprise.

Поскольку API Discovery Engine уже активирован, вам не нужно явно запускать пробный период. Вместо этого вам будет предложена другая кнопка для создания вашего первого приложения.

1. Перейдите на страницу Gemini Enterprise в консоли Google Cloud .
2. Перед вами отобразится приветственный экран. Нажмите «Создать своё первое приложение».

Создать приложение

1. Введите n26-unified в качестве названия приложения. Обратите внимание на баннер бесплатной пробной версии, отображаемый на экране.
2. Оставьте остальные поля по умолчанию и нажмите «Создать».
3. Перед вами отобразится приветственный экран. Нажмите на ссылку «Предварительный просмотр» .
4. Откроется новое окно с веб-приложением Gemini Enterprise. Обратите внимание на URL-адрес в адресной строке вверху экрана . Этот URL-адрес понадобится вам в последующих разделах для доступа к приложению. Он должен выглядеть примерно так: https://vertexaisearch.cloud.google.com/home/cid/ebb52d4a-b33b-4007-a180-91d02fa124e1 .

Зарегистрировать пользовательских агентов

Для того чтобы Gemini Enterprise мог использовать ваш агент, необходимо зарегистрировать его в приложении Gemini Enterprise. Пользовательские агенты, развернутые в Cloud Run, можно зарегистрировать с помощью интеграции A2A (Agent-to-Agent).

1. В отдельном окне консоли перейдите на экран Gemini Enterprise Apps.
2. Нажмите на приложение под названием n26-unified
3. В левой боковой панели навигации нажмите на «Агенты».

В следующих шагах для выполнения действий будет использоваться тот же экран «Агенты».

Зарегистрируйте агента по стратегии продукта.

1. Чтобы получить карточку агента, в Cloud Shell выполните следующую команду:

   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. Нажмите + Добавить агента
3. Нажмите на «Пользовательский агент» через A2A
4. Вставьте JSON-файл карточки агента из предыдущего шага в текстовое поле.
5. Нажмите «Предварительный просмотр сведений об агенте» .
6. Нажмите Далее
7. Нажмите «Пропустить и завершить» для авторизации агента.
8. На вкладке «Разрешения пользователей» предоставьте всем пользователям роль «Пользователь-агент» .
9. Нажмите «Сохранить».

Зарегистрируйте агента по маркетинговым исследованиям в приложении Gemini Enterprise.

1. Чтобы получить карточку агента, в Cloud Shell выполните следующую команду:

   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. Нажмите + Добавить агента
3. Нажмите на «Пользовательский агент» через A2A
4. Вставьте JSON-файл карточки агента из предыдущего шага в текстовое поле.
5. Нажмите «Предварительный просмотр сведений об агенте» .
6. Нажмите Далее
7. Нажмите «Пропустить и завершить» для авторизации агента.
8. На вкладке «Разрешения пользователей» предоставьте всем пользователям роль «Пользователь-агент» .
9. Нажмите «Сохранить».

Зарегистрируйте агента оркестратора

1. Чтобы получить карточку агента, в Cloud Shell выполните следующую команду:

   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. Нажмите + Добавить агента
3. Нажмите на «Пользовательский агент» через A2A
4. Вставьте JSON-файл карточки агента из предыдущего шага в текстовое поле.
5. Нажмите «Предварительный просмотр сведений об агенте» .
6. Нажмите Далее
7. Нажмите «Пропустить и завершить» для авторизации агента.
8. На вкладке «Разрешения пользователей» предоставьте всем пользователям роль «Пользователь-агент» .
9. Нажмите «Сохранить».

Зарегистрируйте агента разработчика

1. Чтобы получить карточку агента, в Cloud Shell выполните следующую команду:

   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. Нажмите + Добавить агента
3. Нажмите на «Пользовательский агент» через A2A
4. Вставьте JSON-файл карточки агента из предыдущего шага в текстовое поле.
5. Нажмите «Предварительный просмотр сведений об агенте» .
6. Нажмите Далее
7. Нажмите «Пропустить и завершить» для авторизации агента.
8. На вкладке «Разрешения пользователей» предоставьте всем пользователям роль «Пользователь-агент» .
9. Нажмите «Сохранить».

🥳 Теперь вы готовы начать тестирование демоверсии в Gemini Enterprise!

6. Акт 1: Стратегия и координация в Gemini Enterprise

В этом разделе лаборатории вы будете играть роль вице-президента по мерчандайзингу в компании "Organic Living", отвечающего за обновление товарных линий с застоем или падением продаж.

Чтобы вернуть к жизни менее популярные товарные линейки, вы попросите своего агента проанализировать тенденции, выявить неликвидные запасы на складе и организовать кампанию по перезапуску. Вы увидите, как Gemini Enterprise координирует работу нескольких агентов для ответа на один сложный запрос.

Перейдите по URL-адресу приложения Gemini Enterprise.

Это URL-адрес, который вы записали на шаге 4: Настройка Gemini Enterprise и регистрация агентов. Если у вас нет URL-адреса, вы можете получить его, выполнив следующие действия:

1. Перейдите на экран Gemini Enterprise Apps.
2. Нажмите на приложение под названием n26-unified
3. Перейдите по ссылке, начинающейся с https://vertexaisearch.cloud.google.com

Попросите агента помочь вам с вашей задачей.

1. Чтобы начать новый чат, введите текст в поле чата на главной странице или нажмите «Новый чат» в левой боковой панели навигации.
2. Добавьте следующую подсказку:

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

3. Нажмите кнопку «Отправить» (значок с бумажным самолетиком) и наблюдайте, как агент Orchestrator творит чудеса.

Просмотрите результат.

С помощью этой одной подсказки несколько агентов выполняют ряд задач за минуты, а не за часы.

• Market Research Agent, работающий на базе Deep Research, анализирует последние данные поисковой выдачи Google, чтобы выявлять новейшие тенденции в дизайне.
• Data Insights Agent подключается к глобальным данным о продукции и передает результаты исследований в наш внутренний каталог для выявления товаров из категории «неликвидные запасы» (товары с низкой оборачиваемостью), соответствующих этим критериям тренда.
• Специалист по продуктовой стратегии объединяет все данные для разработки стратегии перезапуска проекта на основе исследований и информации, полученных от других специалистов.

Утвердите план и проконтролируйте результат.

1. Ответьте Yes , чтобы утвердить план.

   Внимание: выполнение этого этапа занимает несколько минут, поскольку он включает в себя углубленное исследование, сбор данных и планирование. Может показаться, что процесс зависает, но он выполняется в фоновом режиме.

2. Просмотрите результат.
   • Начинается с анализа данных, полученных от специалиста по маркетинговым исследованиям, и включает в себя подробный план, в том числе ребрендинг веб-сайта.
   • Включает данные, полученные из нашей базы данных о продуктах с помощью агента данных BigQuery, который мы настроили ранее.
   • Обратите внимание на источники внизу результата, чтобы убедиться в достоверности анализа и рекомендаций.

Создавайте видеоролики, основанные на новом стиле органического образа жизни.

1. В чате попросите специалиста по продуктовой стратегии создать видеоролики. Для начала наберите @Product и выберите специалиста по продуктовой стратегии из списка.
2. Добавьте следующую подсказку:

   generate three videos for the landing page
   

3. Компания Gemini будет использовать Product Strategy Agent для создания видеороликов и предоставления URL-адресов для них.

Скоординируйте действия с командой разработчиков.

В ходе демонстрации на презентации Dev Agent отправил уведомление в Google Chat команде разработчиков. Однако мы исключили этот шаг из данного практического занятия, поскольку входящие веб-хуки не поддерживаются в личных учетных записях Gmail. Вместо этого Dev Agent сосредоточится на создании задачи в Google Cloud Storage.

1. В чате попросите Dev Agent создать задачу для команды разработчиков. Для начала наберите @Dev и выберите Dev Agent из списка.
2. Добавьте следующую подсказку:

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

3. Обратите внимание на вывод. Агент разработчика подтвердит создание задачи и предоставит идентификатор задачи (например, TASK-A3F7B2C1 ). Запишите этот идентификатор задачи, так как он понадобится вам во втором акте.

7. Акт 2: Встраивание Gemini CLI

В этом акте вы переходите в роль разработчика. Вам поручено создать и запустить целевую страницу для новой кампании, выполняя задачу, поставленную в первом акте.

Для создания веб-сайта "Organic Living" на основе спецификации дизайна, содержащейся в файле задания, вы будете использовать Gemini CLI. Gemini CLI — это агент искусственного интеллекта с открытым исходным кодом, который переносит возможности Gemini в командную строку. Он уже предустановлен в вашей среде Cloud Shell.

Настройка Gemini CLI

1. В Cloud Shell создайте новую директорию для вашего веб-проекта и перейдите в неё:

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

2. Скопируйте инструкции GEMINI.md и образ проекта из клонированного репозитория в свою рабочую директорию:

   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 .
   

   Файл GEMINI.md содержит системные инструкции и технические характеристики, которым должен следовать ИИ-помощник.

3. Создайте каталог конфигурации агента и создайте файл 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
   

Начать подсказку

1. Для начала взаимодействия запустите gemini-cli :

   source ~/lab_env.sh
   gemini
   

2. Вам будет предложено подтвердить доверие к файлам в этой папке . Выберите вариант 1. Доверять папке (веб-сайту) .
3. В командной строке gemini введите auth и нажмите Enter.
4. Выберите «Использовать ключ API Gemini» . Это автоматически приведет к использованию переменной среды GEMINI_API_KEY , загруженной из lab_env.sh .

Примечание: режим YOLO отключен для Gemini CLI в Cloud Shell, поэтому вам потребуется подтверждать действия на каждом этапе. В описании шагов это не предусмотрено.

1. В командной строке gemini> сообщите агенту, что хотите работать над задачей, созданной в Акте 1 (замените TASK-A3F7B2C1 на фактический идентификатор задачи, который вы записали):

   @dev-agent let me work on TASK-A3F7B2C1
   

   Агент найдет задачу в GCS и предоставит вам общий обзор и план.
2. Теперь попросите агента создать веб-сайт:

   Build and deploy it
   

   Gemini прочтет файл GEMINI.md , расположенный в текущем каталоге, и начнет сборку веб-сайта в соответствии со спецификациями.
3. После завершения сборки и развертывания агент выведет результаты, включая URL-адрес развернутой службы Cloud Run.
4. Нажмите на указанный URL-адрес, чтобы открыть новый веб-сайт «Organic Living» в новой вкладке и убедиться, что он соответствует техническим требованиям к дизайну.

В демонстрационном примере Keynote в качестве входных данных для агента разработки используются дизайны из Figma, поэтому результат получается гораздо более качественным. В этом практическом занятии мы используем статическое изображение в качестве входных данных для агента разработки.

8. Подведение итогов

В этом практическом задании вы успешно продемонстрировали возможности «Структуры унифицированного интеллекта», выполнив сложный многоэтапный рабочий процесс в различных ролях и средах:

1. Организация многоагентной системы : В Gemini Enterprise вы использовали одну команду для привлечения группы агентов (отдел маркетинговых исследований, отдел анализа данных и отдел стратегии продукта) для анализа тенденций, определения наличия товаров на складе и разработки стратегии перезапуска. Одна команда позволяет выполнить множество задач, не требуя выполнения каждой из них по отдельности.
2. Созданные мультимедийные материалы : Вы использовали агент стратегии продукта для создания видеоматериалов для новой линейки продуктов.
3. Имитация передачи задач между различными ролями : Вы использовали Dev Agent для создания задачи в GCS, имитируя передачу задач от бизнес-команды к команде разработчиков. Система сохранила общий контекст без необходимости прямого его предоставления.
4. Создание веб-сайта с помощью Gemini CLI : В Cloud Shell вы переключились на роль разработчика и использовали Gemini CLI для создания и развертывания целевой страницы на основе задачи, созданной на предыдущем шаге, и спецификаций дизайна в GEMINI.md .

Этот рабочий процесс демонстрирует, как Gemini Enterprise может объединять различные инструменты, источники данных и роли для оптимизации сложных бизнес-процессов.

9. Уборка

Эта лабораторная работа генерирует большое количество ресурсов, поэтому мы рекомендуем удалить весь проект, чтобы избежать длительной процедуры очистки.

1. В Cloud Shell выполните следующую команду, чтобы удалить весь проект Google Cloud:

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

10. Поздравляем!

Поздравляем! Вы успешно завершили практическое занятие "Структура унифицированного интеллекта".