Next ‘26 Keynote: Fabric of Unified Intelligence

1. บทนำ

ยินดีต้อนรับสู่ Codelab "Fabric of Unified Intelligence" Codelab นี้เป็นส่วนหนึ่งของเดโมในคำปราศรัยสำคัญของ Google Cloud Next ‘26

ในแล็บนี้ คุณจะได้สำรวจวิธีใช้ Gemini Enterprise เพื่อจัดระเบียบ Agent หลายตัวที่ติดตั้งใช้งานใน Cloud Run แชร์บริบทเพื่อการส่งต่อที่ราบรื่น และปรับปรุงเวิร์กโฟลว์

สมมติว่าคุณเป็นผู้จัดการผลิตภัณฑ์ที่ "Organic Living" ซึ่งเป็นแบรนด์เฟอร์นิเจอร์สมัยใหม่ที่สมมติขึ้น คุณต้องการเปิดตัวสายผลิตภัณฑ์ใหม่ แต่กระบวนการวิจัยตลาดและการออกแบบมาตรฐานใช้เวลานานเกินไป ในแล็บนี้ คุณจะได้ติดตั้งใช้งานทีมเอเจนต์ AI เพื่อทำให้กระบวนการนี้เป็นไปโดยอัตโนมัติและเร็วขึ้น

  • ตัวแทนฝ่ายกลยุทธ์ผลิตภัณฑ์: ปรับแต่งแนวคิดผลิตภัณฑ์ตามข้อมูลตลาด
  • ตัวแทนวิจัยตลาด: วิเคราะห์เทรนด์และฟีดแบ็กของลูกค้า
  • Orchestrator Agent: ประสานงานเวิร์กโฟลว์ระหว่าง Agent อื่นๆ
  • Dev Agent: แปลงแผนเป็นดำเนินการโดยการสร้างคำขอและโค้ดโครงร่าง

เมื่อสิ้นสุดแล็บนี้ คุณจะมีระบบแบบหลาย Agent ที่ใช้งานได้ซึ่งติดตั้งใช้งานใน Cloud Run และจัดการโดยใช้ Gemini Enterprise ซึ่งแสดงให้เห็นถึงประสิทธิภาพของข้อมูลอัจฉริยะแบบรวม

ข้อกำหนดเบื้องต้น

  • มีความคุ้นเคยพื้นฐานกับ คอนโซล Google Cloud และ gcloud CLI

สิ่งที่คุณต้องดำเนินการ

  • ติดตั้งใช้งานระบบแบบหลาย Agent ใน Cloud Run
  • ลงทะเบียน Agent กับ Gemini Enterprise
  • คุณจะดำเนินการเวิร์กโฟลว์ผ่าน Gemini Enterprise เพื่อทำสิ่งต่อไปนี้
    • วิเคราะห์ข้อมูลและสร้างข้อมูลเชิงลึกจากข้อมูล
    • สร้างวิดีโอสำหรับผลิตภัณฑ์ด้วย Veo
    • สร้างข้อกำหนดให้ทีมพัฒนาอัปเดตเว็บไซต์ตามข้อมูลเชิงลึก

สิ่งที่คุณต้องมี

  • เว็บเบราว์เซอร์ เช่น Chrome
  • บัญชี Google

2. การตั้งค่าสภาพแวดล้อม

การตั้งค่าโปรเจ็กต์

สร้างโปรเจ็กต์ Google Cloud

  1. ในคอนโซล Google Cloud ในหน้าตัวเลือกโปรเจ็กต์ ให้เลือกหรือสร้างโปรเจ็กต์ Google Cloud
  2. ตรวจสอบว่าได้เปิดใช้การเรียกเก็บเงินสำหรับโปรเจ็กต์ที่อยู่ในระบบคลาวด์แล้ว ดูวิธีตรวจสอบว่าได้เปิดใช้การเรียกเก็บเงินในโปรเจ็กต์แล้วหรือไม่

เปิดใช้งาน Cloud Shell

Cloud Shell คือสภาพแวดล้อมบรรทัดคำสั่งที่ทำงานใน Google Cloud ซึ่งโหลดเครื่องมือที่จำเป็นไว้ล่วงหน้า

  1. คลิกเปิดใช้งาน Cloud Shell ที่ด้านบนของคอนโซล Google Cloud
  2. เมื่อเชื่อมต่อกับ Cloud Shell แล้ว ให้ยืนยันการตรวจสอบสิทธิ์โดยทำดังนี้
    gcloud auth list
  3. ตรวจสอบว่าได้กำหนดค่าโปรเจ็กต์แล้ว
    gcloud config get project
  4. หากไม่ได้ตั้งค่าโปรเจ็กต์ตามที่คาดไว้ ให้ตั้งค่าดังนี้
    export PROJECT_ID=<YOUR_PROJECT_ID>
gcloud config set project $PROJECT_ID

เริ่มต้นไฟล์ตัวแปรสภาพแวดล้อม

หากต้องการให้ตัวแปรสภาพแวดล้อมยังคงอยู่แม้ว่าเซสชัน Cloud Shell จะขาดการเชื่อมต่อ คุณจะต้องบันทึกตัวแปรเหล่านั้นลงในไฟล์และเรียกใช้เมื่อจำเป็น

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

รับคีย์ Gemini API จาก AI Studio

Market Research Agent จะรวม Gemini Deep Research Interactions API deep_research จะเรียกใช้ Gemini Deep Research Interactions API ซึ่งปัจจุบันพร้อมให้บริการผ่านปลายทาง AI Studio เท่านั้น โดยจะสร้าง genai.Client แยกต่างหากด้วย vertexai=False และตรวจสอบสิทธิ์โดยใช้คีย์ API ที่จัดเก็บไว้ในตัวแปรสภาพแวดล้อม GEMINI_API_KEY

  1. ไปที่ Google AI Studio
  2. ลงชื่อเข้าใช้ด้วยบัญชี Google
  3. คลิก Create API key
  4. ตั้งชื่อคีย์ Unified Intelligence Agents
  5. ในส่วนเลือกโปรเจ็กต์ที่นำเข้า ให้เลือกโปรเจ็กต์หรือนำเข้าโปรเจ็กต์
  6. คลิกสร้างคีย์
  7. คัดลอกคีย์ API ที่สร้างขึ้นจากแผงรายละเอียด
  8. ใน Cloud Shell ให้บันทึกคีย์นี้ลงในไฟล์สภาพแวดล้อมของแล็บ (แทนที่ YOUR_GEMINI_API_KEY ด้วยคีย์จริง)
    echo "export GEMINI_API_KEY=\"YOUR_GEMINI_API_KEY\"" >> ~/lab_env.sh
source ~/lab_env.sh

เปิดใช้ API

  1. ใน Cloud Shell ให้เปิดใช้ API ที่จำเป็นสำหรับ Lab นี้
    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

โคลนที่เก็บ

ก่อนที่จะตั้งค่าชุดข้อมูลและเอเจนต์ได้ คุณต้องโคลนที่เก็บที่มีซอร์สโค้ดและสคริปต์ข้อมูล

  1. ใน Cloud Shell ให้โคลนที่เก็บ next-26-keynotes
    cd $HOME
git clone https://github.com/GoogleCloudPlatform/next-26-keynotes.git

3. การกำหนดค่าข้อมูลและทรัพยากร

ตั้งค่าข้อมูลและเอเจนต์ BigQuery

ในขั้นตอนนี้ คุณจะสร้างชุดข้อมูล BigQuery ป้อนข้อมูลสินค้าคงคลังและข้อมูลการขายของเฟอร์นิเจอร์จำลอง และสร้าง Data Agent ของ BigQuery เพื่อวิเคราะห์ข้อมูลนี้

  1. ใน Cloud Shell ให้ไปที่ไดเรกทอรี data โดยใช้คำสั่งต่อไปนี้
    cd $HOME/next-26-keynotes/genkey/fabric-unified-intelligence/data
  2. ตรวจสอบสิทธิ์ด้วยข้อมูลเข้าสู่ระบบเริ่มต้นของแอปพลิเคชันโดยเรียกใช้คำสั่งนี้และทำตามข้อความแจ้ง
    gcloud auth application-default login
  3. เรียกใช้สคริปต์การตั้งค่าเพื่อสร้างชุดข้อมูล ตาราง และมุมมอง
    chmod +x setup_bigquery.sh
./setup_bigquery.sh
    สคริปต์นี้จะสร้างรายการต่อไปนี้
    • ชุดข้อมูล: unified_intelligence_fabric_demo
    • ตาราง: furniture_stock
    • ตาราง: furniture_sales
    • ข้อมูลพร็อพเพอร์ตี้: dead_stock_view
  4. เรียกใช้สคริปต์ Python เพื่อป้อนข้อมูลตัวอย่างลงในตารางโดยใช้ uv:
    uv run --with google-cloud-bigquery ./populate_tables.py
  5. สร้างตัวแทนข้อมูล BigQuery
    • ไปที่ฮับตัวแทน BigQuery ใน Cloud Console
    • คลิกเอเจนต์ใหม่ในส่วนแคตตาล็อกเอเจนต์
    • ตั้งค่าชื่อตัวแทนเป็น Unified Intelligence Data Agent
    • ตั้งค่าแหล่งความรู้เป็นตารางในชุดข้อมูลที่เพิ่งสร้าง (furniture_stock, furniture_sales)
      • ค้นหาตารางโดยพิมพ์ furniture
      • กด Return
      • เลือกตารางทั้ง 2 ตาราง (furniture_stock, furniture_sales)
      • คลิกเพิ่ม
    • คลิกเผยแพร่
    • เมื่อได้รับข้อความแจ้งให้แชร์ตัวแทน ให้คลิก "ยกเลิก" คุณจะเพิ่มบทบาทให้กับบัญชีบริการ Compute ในขั้นตอนถัดไป
  6. ทดสอบ Agent
    • ในแชททดสอบทางด้านขวา ให้ถามคำถาม เช่น What are the furniture items with the highest stock?
    • ตรวจสอบว่าฟังก์ชันจะแสดงผลลัพธ์ตามข้อมูลตัวอย่าง คุณควรเห็นตารางในเอาต์พุตที่คล้ายกับตารางนี้agent-output
  7. รหัสตัวแทนการบันทึกข้อมูล:
    • คุณควรเห็นรหัสของเอเจนต์ที่เพิ่งสร้างที่ด้านซ้ายของหน้าจอ โดยจะมีลักษณะดังนี้ agent_ba43c386-ae82-45e0-a2b5-1928440f0926
    agent-id
    • คัดลอกรหัส
    • เรียกใช้คำสั่งต่อไปนี้ใน Cloud Shell เพื่อบันทึก โดยแทนที่ YOUR_AGENT_ID ด้วยรหัสจริง
    echo "export BQ_DATA_AGENT_ID=YOUR_AGENT_ID" >> ~/lab_env.sh
source ~/lab_env.sh

สร้างโฟลเดอร์ที่แชร์

ในขั้นตอนนี้ คุณจะสร้างโฟลเดอร์ใน Google ไดรฟ์และแชร์กับบัญชีบริการ Cloud Run เอเจนต์จะใช้โฟลเดอร์นี้เพื่อบันทึกและแชร์ไฟล์ (เช่น ข้อกำหนดที่สร้างขึ้น)

  1. ไปที่ Google ไดรฟ์
  2. คลิกใหม่ > โฟลเดอร์ใหม่ ตั้งชื่อว่า Unified Intelligence Lab แล้วคลิกสร้าง
  3. คลิกขวาที่โฟลเดอร์ที่สร้างขึ้นใหม่ แล้วเลือกแชร์ > แชร์
  4. ใน Cloud Shell ให้เรียกใช้คำสั่งต่อไปนี้เพื่อรับอีเมลของบัญชีบริการ Compute Engine เริ่มต้น
    PROJECT_NUMBER=$(gcloud projects describe $(gcloud config get-value project) --format="value(projectNumber)")
echo "${PROJECT_NUMBER}-compute@developer.gserviceaccount.com"
  5. คัดลอกที่อยู่อีเมลจากเอาต์พุต
  6. ในกล่องโต้ตอบการแชร์ของ Google ไดรฟ์ ให้เพิ่มอีเมลนี้
  7. ตั้งค่าบทบาทเป็นผู้แก้ไข
  8. เปิดโฟลเดอร์แล้วคัดลอกรหัสจาก URL URL จะมีลักษณะดังนี้ https://drive.google.com/drive/folders/YOUR_FOLDER_ID คัดลอกสตริงตัวอักษรและตัวเลขคละกันที่ท้าย URL ซึ่งจะปรากฏหลัง /folders/
  9. ใน Cloud Shell ให้บันทึกรหัสนี้ลงในไฟล์สภาพแวดล้อมของ Lab (แทนที่ YOUR_FOLDER_ID ด้วยรหัสจริงของคุณ)
    echo "export GOOGLE_DRIVE_FOLDER_ID=YOUR_FOLDER_ID" >> ~/lab_env.sh
source ~/lab_env.sh

สร้างที่เก็บข้อมูล GCS

ใน Cloud Shell ให้เรียกใช้คำสั่งต่อไปนี้เพื่อสร้าง Bucket ของ GCS สำหรับอาร์ติแฟกต์/งาน วิดีโอแคมเปญ และบันทึก

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

ทำให้ที่เก็บข้อมูลวิดีโอเป็นแบบสาธารณะ

หากต้องการอนุญาตให้เว็บไซต์เข้าถึงวิดีโอ ให้ตั้งค่า Bucket วิดีโอเป็นสาธารณะโดยทำดังนี้

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

มอบบทบาท IAM

ในส่วนนี้ คุณจะมอบบทบาท IAM ให้กับผู้ใช้และบัญชีบริการ/ตัวแทนหลายบัญชี

มอบบทบาทให้กับผู้ใช้

หากต้องการใช้ฟีเจอร์ Discovery Engine (การค้นหาและการสนทนา) ให้เรียกใช้คำสั่งต่อไปนี้ใน Cloud Shell เพื่อให้บทบาทผู้ใช้ Discovery Engine แก่บัญชีผู้ใช้

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"

มอบบทบาทให้กับบัญชีบริการ Compute Engine

ใน Cloud Shell ให้เรียกใช้คำสั่งต่อไปนี้เพื่อมอบบทบาทให้กับบัญชีบริการ 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}-compute@developer.gserviceaccount.com\"" >> ~/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"

มอบบทบาทให้กับบัญชีบริการ Discovery Engine

ใน Cloud Shell ให้เรียกใช้คำสั่งต่อไปนี้เพื่อมอบบทบาทให้กับบัญชีบริการ 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"

มอบบทบาทให้กับ Agent บริการเครื่องมือให้เหตุผลของ AI Platform

ใน Cloud Shell ให้เรียกใช้คำสั่งต่อไปนี้เพื่อมอบบทบาทให้กับตัวแทนบริการ Reasoning Engine ของ AI Platform

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. กำหนดค่าและติดตั้งใช้งาน Agent

กำหนดค่าและติดตั้งใช้งานเอเจนต์ที่กำหนดเองทั้งหมดที่จำเป็นสำหรับ Codelab นี้

กำหนดค่าและติดตั้งใช้งาน Product Strategy Agent

ในขั้นตอนนี้ คุณจะติดตั้งใช้งาน Product Strategy Agent ใน Cloud Run และลงทะเบียนกับแอป Gemini Enterprise โดยเอเจนต์นี้มีหน้าที่ปรับแต่งแนวคิดผลิตภัณฑ์ตามข้อมูลตลาด

ข้อกำหนดเบื้องต้น

แต่ก่อนอื่น คุณจะต้องกำหนดค่าตัวแปรสภาพแวดล้อมสำหรับตัวแทนกลยุทธ์ผลิตภัณฑ์

  1. ใน Cloud Shell ให้ไปที่ไดเรกทอรี Product Strategy Agent โดยใช้คำสั่งต่อไปนี้
    cd $HOME/next-26-keynotes/genkey/fabric-unified-intelligence/agents/product-strategy
  2. เรียกใช้คำสั่งต่อไปนี้เพื่อคัดลอกไฟล์ .env.sample ไปยัง .env
    cp .env.sample .env
  3. ใน Cloud Shell ให้เรียกใช้คำสั่งต่อไปนี้เพื่อป้อนรายละเอียดโปรเจ็กต์ลงในไฟล์ .env
    source ~/lab_env.sh
sed -i "s/YOUR_PROJECT_ID/${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

ติดตั้งใช้งาน Product Strategy Agent

  1. ทำให้ใช้งานได้กับ Cloud Run ตอนนี้ใน Cloud Shell ให้ทำให้เอเจนต์ใช้งานได้กับ Cloud Run ที่เก็บมี Makefile ที่ช่วยลดความยุ่งยากในกระบวนการนี้
    make deploy
    เมื่อติดตั้งใช้งานแล้ว คุณจะได้รับ URL สำหรับตัวแทนกลยุทธ์ผลิตภัณฑ์
  2. ใน Cloud Shell ให้เรียกใช้คำสั่งต่อไปนี้เพื่อรับ URL ของบริการที่ติดตั้งใช้งานและบันทึกลงในไฟล์สภาพแวดล้อมของ 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

กำหนดค่าและติดตั้งใช้งานเอเจนต์วิจัยตลาด

ในขั้นตอนนี้ คุณจะติดตั้งใช้งาน Market Research Agent ใน Cloud Run และลงทะเบียนกับแอป Gemini Enterprise โดย Agent นี้จะวิเคราะห์เทรนด์และความคิดเห็นของลูกค้า

ข้อกำหนดเบื้องต้น

แต่ก่อนอื่น คุณจะต้องกำหนดค่าตัวแปรสภาพแวดล้อมสำหรับตัวแทนวิจัยตลาด รวมถึงคีย์ API สำหรับเครื่องมือค้นคว้า Deep Research

  1. ใน Cloud Shell ให้ไปที่ไดเรกทอรี market-research โดยใช้คำสั่งต่อไปนี้
    cd $HOME/next-26-keynotes/genkey/fabric-unified-intelligence/agents/market-research
  2. เรียกใช้คำสั่งต่อไปนี้เพื่อคัดลอกไฟล์ .env.sample ไปยัง .env
    cp .env.sample .env
  3. ใน Cloud Shell ให้เรียกใช้คำสั่งต่อไปนี้เพื่อป้อนรายละเอียดโปรเจ็กต์ลงในไฟล์ .env
    source ~/lab_env.sh
sed -i "s/YOUR_PROJECT_ID/${PROJECT_ID}/" .env
sed -i "s/YOUR_LOGS_BUCKET_NAME/${PROJECT_ID}-logs/" .env

สร้างข้อมูลลับ

ระบบจะจัดเก็บตัวแปร GEMINI_API_KEY ไว้ใน Secret Manager และติดตั้งในการแก้ไข Cloud Run ในเวลาที่ติดตั้งใช้งาน

  1. ใน Cloud Shell ให้เพิ่ม GEMINI_API_KEY ลงในไฟล์ .env
    source ~/lab_env.sh
echo "GEMINI_API_KEY=${GEMINI_API_KEY}" >> .env
  2. เรียกใช้คำสั่งต่อไปนี้เพื่อพุชค่าข้อมูลลับจาก .env ในเครื่องไปยัง Secret Manager
    make create-secrets
  3. เรียกใช้คำสั่งต่อไปนี้เพื่อให้สิทธิ์เข้าถึงข้อมูลลับแก่ Cloud Run
    make grant-secret-access

ติดตั้งใช้งานเอเจนต์วิจัยตลาดใน Cloud Run

  1. ใน Cloud Shell ให้ติดตั้งใช้งานเอเจนต์โดยใช้ Makefile ดังนี้
    make deploy
    เมื่อติดตั้งใช้งานแล้ว คุณจะได้รับ URL สำหรับเอเจนต์วิจัยตลาด
  2. ใน Cloud Shell ให้เรียกใช้คำสั่งต่อไปนี้เพื่อรับ URL ของบริการที่ติดตั้งใช้งานและบันทึกลงในไฟล์สภาพแวดล้อมของ 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

กำหนดค่าและติดตั้งใช้งาน Orchestrator Agent

ในขั้นตอนนี้ คุณจะติดตั้งใช้งาน Orchestrator Agent ใน Cloud Run และลงทะเบียนกับแอป Gemini Enterprise โดย Agent นี้จะประสานงานเวิร์กโฟลว์ระหว่าง Agent อื่นๆ

ข้อกำหนดเบื้องต้น

แต่ก่อนอื่น คุณจะต้องกำหนดค่าตัวแปรสภาพแวดล้อมสำหรับ Orchestrator Agent โดยจะต้องทราบ URL ของเอเจนต์กลยุทธ์ผลิตภัณฑ์และการวิจัยตลาดที่คุณติดตั้งใช้งานในขั้นตอนก่อนหน้า

  1. ใน Cloud Shell ให้ไปที่ไดเรกทอรี orchestrator โดยใช้คำสั่งต่อไปนี้
    cd $HOME/next-26-keynotes/genkey/fabric-unified-intelligence/agents/orchestrator
  2. เรียกใช้คำสั่งต่อไปนี้เพื่อคัดลอกไฟล์ .env.sample ไปยัง .env
    cp .env.sample .env
  3. ใน Cloud Shell ให้เรียกใช้คำสั่งต่อไปนี้เพื่อป้อนรายละเอียดโปรเจ็กต์และการกำหนดค่า BigQuery Data Agent ลงในไฟล์ .env
    source ~/lab_env.sh
sed -i "s/YOUR_PROJECT_ID/${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

ติดตั้งใช้งาน Orchestrator Agent

  1. ใน Cloud Shell ให้ติดตั้งใช้งานเอเจนต์ Orchestrator โดยใช้ Makefile
    make deploy

เมื่อติดตั้งใช้งานแล้ว คุณจะได้รับ URL สำหรับ Orchestrator Agent

  1. ใน Cloud Shell ให้เรียกใช้คำสั่งต่อไปนี้เพื่อรับ URL ของบริการที่ติดตั้งใช้งานและบันทึกลงในไฟล์สภาพแวดล้อมของ 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

กำหนดค่าและติดตั้งใช้งาน Dev Agent

ในขั้นตอนนี้ คุณจะติดตั้งใช้งาน Dev Agent ใน Cloud Run และลงทะเบียนกับแอป Gemini Enterprise โดย Agent นี้จะแปลแผนเป็นดำเนินการโดยการสร้างงานและโค้ดโครงร่าง Dev Agent สามารถผสานรวมกับ Jira เพื่อสร้างคำขอ และนั่นคือสิ่งที่แสดงในการสาธิตในคีย์โน้ต อย่างไรก็ตาม สำหรับ Codelab นี้ เราจะข้ามการผสานรวม Jira และให้ Agent บันทึกงานไปยัง Google Cloud Storage แทน

ข้อกำหนดเบื้องต้น

แต่ก่อนอื่น คุณจะต้องกำหนดค่าตัวแปรสภาพแวดล้อมสำหรับ Dev Agent

  1. ใน Cloud Shell ให้ไปที่ไดเรกทอรี dev-agent โดยใช้คำสั่งต่อไปนี้
    cd $HOME/next-26-keynotes/genkey/fabric-unified-intelligence/agents/dev-agent
  2. เรียกใช้คำสั่งต่อไปนี้เพื่อคัดลอกไฟล์ .env.sample ไปยัง .env
    cp .env.sample .env
  3. ใน Cloud Shell ให้เรียกใช้คำสั่งต่อไปนี้เพื่อป้อนรายละเอียดโปรเจ็กต์ลงในไฟล์ .env
    source ~/lab_env.sh
sed -i "s/YOUR_PROJECT_ID/${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

ติดตั้งใช้งาน Dev Agent

  1. ใน Cloud Shell ให้ติดตั้งใช้งานเอเจนต์สำหรับนักพัฒนาซอฟต์แวร์โดยใช้ Makefile ดังนี้
    make deploy

เมื่อติดตั้งใช้งานแล้ว คุณจะได้รับ URL สำหรับตัวแทนนักพัฒนาแอป

  1. ใน Cloud Shell ให้เรียกใช้คำสั่งต่อไปนี้เพื่อรับ URL ของบริการที่ติดตั้งใช้งานและบันทึกลงในไฟล์สภาพแวดล้อมของ 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. ตั้งค่า Gemini Enterprise และลงทะเบียน Agent

ใน Codelab นี้ เราจะใช้ Gemini Enterprise เพื่อลงทะเบียนและจัดการเอเจนต์ ซึ่งจะช่วยให้เอเจนต์โต้ตอบกับ Workspace และระบบอื่นๆ ขององค์กรได้ รวมถึงทำให้ผู้ใช้โต้ตอบกับเอเจนต์ได้

คุณจะต้องลงชื่อสมัครทดลองใช้ Gemini Enterprise Plus สำหรับ Codelab นี้ นอกจากนี้ คุณยังต้องสร้างแอปที่จะใช้เพื่อลงทะเบียนเอเจนต์ด้วย

ลงชื่อสมัครทดลองใช้ Gemini Enterprise

เนื่องจากเราได้เปิดใช้ Discovery Engine API แล้ว คุณจึงไม่จำเป็นต้องเริ่มช่วงทดลองใช้โดยชัดแจ้ง แต่คุณจะเห็นปุ่มอื่นแทนเพื่อสร้างแอปแรก

  1. ไปที่หน้า Gemini Enterprise ในคอนโซล Google Cloud
  2. คุณจะเห็นหน้าจอต้อนรับ คลิก "สร้างแอปแรก"gemini-enterprise-app

สร้างแอปพลิเคชัน

  1. ป้อน n26-unified สำหรับชื่อแอป โปรดสังเกตแบนเนอร์ช่วงทดลองใช้ฟรีที่แสดงบนหน้าจอแบนเนอร์ทดลองใช้
  2. ปล่อยให้ช่องอื่นๆ เป็นค่าเริ่มต้น แล้วคลิก "สร้าง"
  3. คุณจะเห็นหน้าจอต้อนรับ คลิกลิงก์แสดงตัวอย่างgemini-enterprise-app-preview
  4. หน้าต่างใหม่จะปรากฏขึ้นพร้อมกับเว็บแอปพลิเคชัน Gemini Enterprise จด URL ที่ด้านบนของหน้าจอในแถบ URL คุณจะต้องใช้ URL นี้ในส่วนต่อๆ ไปเพื่อเข้าถึงแอปพลิเคชัน โดยควรมีลักษณะคล้ายกับ https://vertexaisearch.cloud.google.com/home/cid/ebb52d4a-b33b-4007-a180-91d02fa124e1gemini-enterprise-web-app

ลงทะเบียนตัวแทนที่กำหนดเอง

หากต้องการให้ Gemini Enterprise ใช้เอเจนต์ของคุณ คุณต้องลงทะเบียนเอเจนต์กับแอปพลิเคชัน Gemini Enterprise Agent ที่กำหนดเองซึ่งติดตั้งใช้งานใน Cloud Run สามารถลงทะเบียนกับการผสานรวม A2A (Agent-to-Agent) ได้

  1. ในหน้าต่างแยกต่างหากในคอนโซล ให้ไปที่หน้าจอแอป Gemini Enterprise
  2. คลิกแอปชื่อ n26-unified
  3. คลิกเอเจนต์ในการนำทางด้านซ้าย

ลงทะเบียนตัวแทนกลยุทธ์ผลิตภัณฑ์

  1. รับการ์ด Agent โดยเรียกใช้คำสั่งต่อไปนี้ใน 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. คลิก + เพิ่มตัวแทน
  3. คลิก Custom agent via A2A
  4. วาง JSON ของการ์ดตัวแทนจากขั้นตอนก่อนหน้าในกล่องข้อความ
  5. คลิกดูตัวอย่างรายละเอียดเอเจนต์
  6. คลิกถัดไป
  7. คลิกข้ามและเสร็จสิ้นสำหรับการให้สิทธิ์ตัวแทน
  8. ในแท็บสิทธิ์ของผู้ใช้ ให้มอบบทบาทผู้ใช้ที่เป็นตัวแทนแก่ผู้ใช้ทั้งหมด
  9. คลิกบันทึก

ลงทะเบียนตัวแทนวิจัยตลาดด้วยแอปพลิเคชัน Gemini Enterprise

  1. รับการ์ด Agent โดยเรียกใช้คำสั่งต่อไปนี้ใน 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. คลิก + เพิ่มตัวแทน
  3. คลิก Custom agent via A2A
  4. วาง JSON ของการ์ดตัวแทนจากขั้นตอนก่อนหน้าในกล่องข้อความ
  5. คลิกดูตัวอย่างรายละเอียดเอเจนต์
  6. คลิกถัดไป
  7. คลิกข้ามและเสร็จสิ้นสำหรับการให้สิทธิ์ตัวแทน
  8. ในแท็บสิทธิ์ของผู้ใช้ ให้มอบบทบาทผู้ใช้ที่เป็นตัวแทนแก่ผู้ใช้ทั้งหมด
  9. คลิกบันทึก

ลงทะเบียน Orchestrator Agent

  1. รับการ์ด Agent โดยเรียกใช้คำสั่งต่อไปนี้ใน 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. คลิก + เพิ่มตัวแทน
  3. คลิก Custom agent via A2A
  4. วาง JSON ของการ์ดตัวแทนจากขั้นตอนก่อนหน้าในกล่องข้อความ
  5. คลิกดูตัวอย่างรายละเอียดเอเจนต์
  6. คลิกถัดไป
  7. คลิกข้ามและเสร็จสิ้นสำหรับการให้สิทธิ์ตัวแทน
  8. ในแท็บสิทธิ์ของผู้ใช้ ให้มอบบทบาทผู้ใช้ที่เป็นตัวแทนแก่ผู้ใช้ทั้งหมด
  9. คลิกบันทึก

ลงทะเบียนตัวแทนนักพัฒนาแอป

  1. รับการ์ด Agent โดยเรียกใช้คำสั่งต่อไปนี้ใน 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. คลิก + เพิ่มตัวแทน
  3. คลิก Custom agent via A2A
  4. วาง JSON ของการ์ดตัวแทนจากขั้นตอนก่อนหน้าในกล่องข้อความ
  5. คลิกดูตัวอย่างรายละเอียดเอเจนต์
  6. คลิกถัดไป
  7. คลิกข้ามและเสร็จสิ้นสำหรับการให้สิทธิ์ตัวแทน
  8. ในแท็บสิทธิ์ของผู้ใช้ ให้มอบบทบาทผู้ใช้ที่เป็นตัวแทนแก่ผู้ใช้ทั้งหมด
  9. คลิกบันทึก

6. องก์ที่ 1: กลยุทธ์และการจัดการเป็นกลุ่มใน Gemini Enterprise

ในส่วนนี้ของห้องทดลอง คุณจะสวมบทบาทเป็นรองประธานฝ่ายการขายสินค้าที่ "Organic Living" ซึ่งมีหน้าที่ฟื้นฟูกลุ่มผลิตภัณฑ์ที่มีการขายลดลงหรือคงที่

หากต้องการฟื้นคืนชีพสายผลิตภัณฑ์ที่ได้รับความนิยมน้อยลง คุณจะต้องขอให้ตัวแทนวิเคราะห์เทรนด์ ระบุสินค้าคงค้างในคลังสินค้า และประสานงานแคมเปญเปิดตัวอีกครั้ง คุณจะเห็นวิธีที่ Gemini Enterprise จัดการ Agent หลายตัวเพื่อตอบพรอมต์เดียวที่ซับซ้อน

นี่คือ URL ที่คุณจดไว้ในขั้นตอนที่ 4: ตั้งค่า Gemini Enterprise และลงทะเบียน Agent หากไม่มี URL คุณจะรับ URL ได้โดยทำตามขั้นตอนต่อไปนี้

  1. ไปที่หน้าจอแอป Gemini Enterprise
  2. คลิกแอปชื่อ n26-unified
  3. คลิก URL ที่ขึ้นต้นด้วย https://vertexaisearch.cloud.google.com

แจ้งให้ตัวแทนช่วยทำงานของคุณ

  1. เริ่มแชทใหม่โดยพิมพ์ในช่องแชทบนหน้าแรก หรือคลิกแชทใหม่ในการนำทางด้านซ้าย
  2. เพิ่มพรอมต์ต่อไปนี้
    Analyze current interior design trends and identify dead stock in our warehouse that matches the trend. Orchestrate a relaunch campaign
  3. คลิกส่ง (ไอคอนที่มีเครื่องบินกระดาษ) แล้วดู Orchestrator Agent ทำงานอย่างมหัศจรรย์

สังเกตเอาต์พุต

ด้วยพรอมต์เดียวนี้ Agent หลายตัวจะทำงานต่างๆ ให้เสร็จภายในไม่กี่นาทีแทนที่จะเป็นชั่วโมง

  • Market Research Agent ซึ่งขับเคลื่อนโดย Deep Research จะวิเคราะห์ข้อมูล Google Search ล่าสุดเพื่อค้นหาเทรนด์การออกแบบล่าสุด
  • เอเจนต์ข้อมูลเชิงลึกจะเชื่อมต่อกับข้อมูลผลิตภัณฑ์ทั่วโลกและป้อนผลการวิจัยลงในแคตตาล็อกภายในของเราเพื่อระบุสินค้า "สินค้าคงค้าง" (สินค้าคงคลังที่มีความเร็วต่ำ) ที่ตรงกับเกณฑ์เทรนด์เหล่านี้
  • เอเจนต์กลยุทธ์ผลิตภัณฑ์จะรวบรวมทุกอย่างเข้าด้วยกันเพื่อสร้างกลยุทธ์แคมเปญเปิดตัวอีกครั้งโดยอิงตามการวิจัยและข้อมูลจากเอเจนต์อื่นๆ

อนุมัติแผนและสังเกตผลลัพธ์

  1. ตอบด้วย Yes เพื่ออนุมัติแผน
  2. สังเกตเอาต์พุต
    • เริ่มต้นด้วยข้อมูลเชิงลึกจากตัวแทนวิจัยตลาดและมีแผนที่ครอบคลุม รวมถึงการเปลี่ยนแบรนด์เว็บไซต์
    • รวมข้อมูลที่ดึงมาจากข้อมูลสินค้าโดยใช้ BigQuery Data Agent ที่เราตั้งค่าไว้ก่อนหน้านี้
    • โปรดสังเกตแหล่งที่มาที่ด้านล่างของเอาต์พุตเพื่อให้คุณมั่นใจในการวิเคราะห์และคำแนะนำ

สร้างวิดีโอตามสไตล์ Organic Living ใหม่

  1. ในแชท ให้ขอให้ตัวแทนฝ่ายกลยุทธ์ผลิตภัณฑ์สร้างวิดีโอ เริ่มต้นด้วยการพิมพ์ @Product แล้วเลือก Product Strategy Agent จากรายการ
  2. เพิ่มพรอมต์ต่อไปนี้
    generate three videos for the landing page
  3. Gemini จะใช้เอเจนต์กลยุทธ์ผลิตภัณฑ์เพื่อสร้างชิ้นงานวิดีโอและระบุ URL ของชิ้นงาน

ประสานงานกับทีมพัฒนา

ในการสาธิตในคีย์โน้ต Dev Agent ได้ส่งการแจ้งเตือน Google Chat ไปยังทีมพัฒนา อย่างไรก็ตาม เราได้นำขั้นตอนดังกล่าวออกจาก Codelab นี้แล้วเนื่องจากบัญชี Gmail ส่วนตัวไม่รองรับ Webhook ขาเข้า แต่ Dev Agent จะมุ่งเน้นที่การสร้างงานใน Google Cloud Storage แทน

  1. ในแชท ให้ขอให้ตัวแทนนักพัฒนาซอฟต์แวร์สร้างงานสำหรับทีมพัฒนา เริ่มโดยพิมพ์ @Dev แล้วเลือก Dev Agent จากรายการ
  2. เพิ่มพรอมต์ต่อไปนี้
    create a task for the dev team to get started on the new product landing page.
  3. สังเกตเอาต์พุต ตัวแทนนักพัฒนาแอปจะยืนยันว่าได้สร้างงานแล้วและจะให้รหัสงาน (เช่น TASK-A3F7B2C1) โปรดจดรหัสงานนี้ไว้เนื่องจากคุณจะต้องใช้รหัสนี้ในองก์ที่ 2

7. องก์ที่ 2: สร้างใน Gemini CLI

ในขั้นตอนนี้ คุณจะเปลี่ยนไปรับบทบาทของนักพัฒนาแอป คุณได้รับมอบหมายให้สร้างและเปิดตัวหน้า Landing Page สำหรับแคมเปญใหม่ โดยต่อยอดจากงานที่สร้างไว้ในองก์ที่ 1

คุณจะใช้ Gemini CLI เพื่อสร้างเว็บไซต์ "Organic Living" ตามข้อกำหนดการออกแบบที่อยู่ในไฟล์งาน Gemini CLI เป็น AI Agent แบบโอเพนซอร์สที่นำความสามารถของ Gemini มาไว้ในบรรทัดคำสั่ง เนื่องจากมีการติดตั้งไว้ล่วงหน้าแล้วในสภาพแวดล้อม Cloud Shell

กำหนดค่า Gemini CLI

  1. ใน Cloud Shell ให้สร้างไดเรกทอรีใหม่สำหรับโปรเจ็กต์เว็บไซต์ แล้วไปที่ไดเรกทอรีนั้น
    mkdir -p $HOME/website
cd $HOME/website
  2. คัดลอกGEMINI.mdวิธีการและรูปภาพการออกแบบจากที่เก็บที่โคลนไปยังไดเรกทอรีการทำงาน
    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 .
  3. สร้างไดเรกทอรีการกำหนดค่าของเอเจนต์และสร้างไฟล์ 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

เริ่มพรอมต์

  1. เรียกใช้ gemini-cli เพื่อเริ่มการโต้ตอบ
    source ~/lab_env.sh
gemini
  2. ระบบจะถามว่าคุณเชื่อถือไฟล์ในโฟลเดอร์นี้หรือไม่ เลือกตัวเลือก 1 โฟลเดอร์ที่เชื่อถือได้ (เว็บไซต์)
  3. พิมพ์ auth แล้วกด Return ในพรอมต์ของ Gemini CLI
  4. เลือกใช้คีย์ Gemini API ซึ่งจะใช้ตัวแปรสภาพแวดล้อม GEMINI_API_KEY ที่คุณโหลดจาก lab_env.sh โดยอัตโนมัติ
  1. ที่gemini>พรอมต์ ให้บอกตัวแทนว่าคุณต้องการทำงานที่สร้างขึ้นในองก์ที่ 1 (แทนที่ TASK-A3F7B2C1 ด้วยรหัสงานจริงที่คุณจดไว้)
    @dev-agent let me work on TASK-A3F7B2C1
    Agent จะค้นหางานใน GCS และให้ภาพรวมและแผนแก่คุณ
  2. ตอนนี้ให้ขอให้ Agent สร้างเว็บไซต์
    Build and deploy it
    Gemini จะอ่านไฟล์ GEMINI.md ในไดเรกทอรีปัจจุบันและเริ่มสร้างเว็บไซต์ตามข้อกำหนด
  3. เมื่อบิลด์และการติดตั้งใช้งานเสร็จสมบูรณ์แล้ว เอเจนต์จะแสดงผลลัพธ์ รวมถึง URL ของบริการ Cloud Run ที่ติดตั้งใช้งาน
  4. คลิก URL ที่ระบุเพื่อเปิดเว็บไซต์ใหม่ "Organic Living" ในแท็บใหม่ และตรวจสอบว่าตรงกับข้อกำหนดการออกแบบ

8. สรุป

ใน Codelab นี้ คุณได้แสดงให้เห็นถึงประสิทธิภาพของ "Fabric of Unified Intelligence" โดยการทำเวิร์กโฟลว์ที่ซับซ้อนแบบหลายขั้นตอนให้เสร็จสมบูรณ์ในบทบาทและสภาพแวดล้อมที่แตกต่างกัน

  1. ประสานงานระบบหลายเอเจนต์: ใน Gemini Enterprise คุณใช้พรอมต์เดียวเพื่อดึงดูดทีมเอเจนต์ (การวิจัยตลาด ข้อมูลเชิงลึก และกลยุทธ์ผลิตภัณฑ์) เพื่อวิเคราะห์แนวโน้ม ระบุสินค้าคงคลัง และพัฒนากลยุทธ์การเปิดตัวอีกครั้ง พรอมต์เดียวช่วยให้ทำสิ่งต่างๆ ได้มากมายโดยไม่ต้องทำงานแต่ละอย่างแยกกัน
  2. ชิ้นงานมัลติมีเดียที่สร้างขึ้น: คุณใช้ตัวแทนกลยุทธ์ผลิตภัณฑ์เพื่อสร้างชิ้นงานวิดีโอสำหรับกลุ่มผลิตภัณฑ์ใหม่
  3. การส่งต่อข้ามบทบาทจำลอง: คุณใช้ Dev Agent เพื่อสร้างงานใน GCS ซึ่งจำลองการส่งต่อจากทีมธุรกิจไปยังทีมพัฒนา ระบบจะรักษาบริบทที่แชร์ไว้โดยที่คุณไม่ต้องแชร์โดยตรง
  4. สร้างเว็บไซต์ด้วย Gemini CLI: ใน Cloud Shell คุณเปลี่ยนไปใช้บทบาทนักพัฒนาซอฟต์แวร์และใช้ Gemini CLI เพื่อสร้างและทำให้ใช้งานได้หน้า Landing Page ตามงานที่สร้างไว้ในขั้นตอนก่อนหน้าและข้อกำหนดการออกแบบใน GEMINI.md

เวิร์กโฟลว์นี้แสดงให้เห็นว่า Gemini Enterprise เชื่อมต่อเครื่องมือ แหล่งข้อมูล และบทบาทต่างๆ เพื่อปรับปรุงกระบวนการทางธุรกิจที่ซับซ้อนได้อย่างไร

9. ล้าง

เนื่องจาก Lab นี้สร้างทรัพยากรจำนวนมาก เราจึงขอแนะนำให้ลบทั้งโปรเจ็กต์เพื่อหลีกเลี่ยงขั้นตอนการล้างข้อมูลที่ยาวนาน

  1. ใน Cloud Shell ให้เรียกใช้คำสั่งต่อไปนี้เพื่อลบทั้งโปรเจ็กต์ Google Cloud
source ~/lab_env.sh
gcloud projects delete "${PROJECT_ID}"

10. ขอแสดงความยินดี

ยินดีด้วย คุณทำ Codelab "Fabric of Unified Intelligence" เสร็จสมบูรณ์แล้ว