用于对文档和 API 调用进行质量检查的 GenAI 代理

1. 概览

在本实验中，您将创建一个 GenAI 代理，将其连接到 Cloud Run 应用，并将该代理集成到 Slack 工作区。

8541c95a7fbc9be7.png

学习内容

本实验包含多个主要部分：

  • 部署 Cloud Run 应用以集成 Gemini API
  • 创建和部署 Vertex AI Agent
  • 将聊天机器人集成到 Slack
  • 为 PDF 文档问答功能配置数据存储区

前提条件

  • 本实验假设您熟悉 Cloud 控制台和 Cloud Shell 环境。

2. 设置和要求

Cloud 项目设置

  1. 登录 Google Cloud 控制台，然后创建一个新项目或重复使用现有项目。如果您还没有 Gmail 或 Google Workspace 账号，则必须创建一个。

fbef9caa1602edd0.png

a99b7ace416376c4.png

5e3ff691252acf41.png

  • 项目名称是此项目参与者的显示名称。它是 Google API 尚未使用的字符串。您可以随时对其进行更新。
  • 项目 ID 在所有 Google Cloud 项目中是唯一的，并且是不可变的（一经设置便无法更改）。Cloud 控制台会自动生成一个唯一字符串；通常情况下，您无需关注该字符串。在大多数 Codelab 中，您都需要引用项目 ID（通常用 PROJECT_ID 标识）。如果您不喜欢生成的 ID，可以再随机生成一个 ID。或者，您也可以尝试自己的项目 ID，看看是否可用。完成此步骤后便无法更改该 ID，并且此 ID 在项目期间会一直保留。
  • 此外，还有第三个值，即部分 API 使用的项目编号，供您参考。如需详细了解所有这三个值，请参阅文档。
  1. 接下来，您需要在 Cloud 控制台中启用结算功能，以便使用 Cloud 资源/API。运行此 Codelab 应该不会产生太多的费用（如果有的话）。若要关闭资源以避免产生超出本教程范围的结算费用，您可以删除自己创建的资源或删除项目。Google Cloud 新用户符合参与 300 美元免费试用计划的条件。

环境设置

打开 Gemini Chat。

e1e9ad314691368a.png

启用 Cloud AI Companion API：

66cb6e561e384bbf.png

点击“Start chatting”，然后按照其中一个示例问题操作，或输入您自己的问题进行试用。

5482c153eef23126.png

建议尝试的提示：

  • 通过 5 个要点介绍 Cloud Run。
  • 您是 Google Cloud Run 产品经理，需要用 5 个关键要点向学生简要介绍 Cloud Run。
  • 您是 Google Cloud Run 产品经理，需要向一名经过认证的 Kubernetes 开发者简要说明 5 个 Cloud Run 要点。
  • 您是 Google Cloud Run 产品经理，请用 5 个关键要点向一名高级开发者说明何时使用 Cloud Run 而非 GKE。

如需详细了解如何撰写更优质的提示，请参阅提示指南。

Google Cloud 专用 Gemini 如何使用您的数据

Google 的隐私保护承诺

Google 是业界首家发布 AI/机器学习隐私权承诺的公司之一，该承诺概述了我们的信念：客户应拥有最高级别的安全性，并能够控制其在云中存储的数据。

您提交和接收的数据

您向 Gemini 提出的问题（包括您提交给 Gemini 以供分析或完成的任何输入信息或代码）称为“提示”。您从 Gemini 收到的答案或代码补全项称为“回答”。Gemini 不会将您发送的提示或得到的回答用作模型训练数据。

提示的加密

当您向 Gemini 提交问题时，系统会在传输过程中对您的数据进行加密，以便将其作为输入提供给 Gemini 中的底层模型。

通过 Gemini 生成的节目数据

Gemini 使用第一方 Google Cloud 代码以及部分第三方代码进行训练。您负责代码的安全性、测试和有效性，包括 Gemini 为您提供的任何代码补全、生成或分析。

详细了解 Google 如何处理你的提示。

3. 用于测试提示的选项

您可以通过多种方式测试提示。

Vertex AI Studio 是 Google Cloud 的 Vertex AI 平台的一部分，专为简化和加速生成式 AI 模型的开发和使用而设计。

Google AI Studio 是一款基于网络的工具，可用于对问题生成技术和 Gemini API 进行原型设计和实验。

Google Gemini Web 应用 (gemini.google.com) 是一款基于 Web 的工具，旨在帮助您探索和利用 Google 的 Gemini AI 模型的强大功能。

4. 克隆代码库

返回 Google Cloud 控制台，然后点击搜索栏右侧的图标激活 Cloud Shell。

3e0c761ca41f315e.png

在打开的终端中，运行以下命令

git clone https://github.com/GoogleCloudPlatform/genai-for-developers.git

cd genai-for-developers

git checkout slack-agent-jira-lab

点击“打开编辑器”

63e838aebfdd2423.png

使用“File / Open Folder”菜单项打开“genai-for-developers”。

e3b9bd9682acf539.png

打开新终端

62dccf5c78880ed9.png

5. 创建服务账号

创建新的服务账号和密钥。

您将使用此服务账号从 Cloud Run 应用对 Vertex AI Gemini API 进行 API 调用。

使用您的 Qwiklabs 项目详细信息配置项目详细信息。

示例：qwiklabs-gcp-00-2c10937585bb

gcloud config set project YOUR_QWIKLABS_PROJECT_ID

创建服务账号并授予角色。

export LOCATION=us-central1
export PROJECT_ID=$(gcloud config get-value project)
export SERVICE_ACCOUNT_NAME='vertex-client'
export DISPLAY_NAME='Vertex Client'
export KEY_FILE_NAME='vertex-client-key'

gcloud iam service-accounts create $SERVICE_ACCOUNT_NAME --project $PROJECT_ID --display-name "$DISPLAY_NAME"

gcloud projects add-iam-policy-binding $PROJECT_ID --member="serviceAccount:$SERVICE_ACCOUNT_NAME@$PROJECT_ID.iam.gserviceaccount.com" --role="roles/aiplatform.admin"

gcloud projects add-iam-policy-binding $PROJECT_ID --member="serviceAccount:$SERVICE_ACCOUNT_NAME@$PROJECT_ID.iam.gserviceaccount.com" --role="roles/aiplatform.user"

gcloud projects add-iam-policy-binding $PROJECT_ID --member="serviceAccount:$SERVICE_ACCOUNT_NAME@$PROJECT_ID.iam.gserviceaccount.com" --role="roles/cloudbuild.builds.editor"

gcloud projects add-iam-policy-binding $PROJECT_ID --member="serviceAccount:$SERVICE_ACCOUNT_NAME@$PROJECT_ID.iam.gserviceaccount.com" --role="roles/artifactregistry.admin"

gcloud projects add-iam-policy-binding $PROJECT_ID --member="serviceAccount:$SERVICE_ACCOUNT_NAME@$PROJECT_ID.iam.gserviceaccount.com" --role="roles/storage.admin"

gcloud projects add-iam-policy-binding $PROJECT_ID --member="serviceAccount:$SERVICE_ACCOUNT_NAME@$PROJECT_ID.iam.gserviceaccount.com" --role="roles/run.admin"

gcloud projects add-iam-policy-binding $PROJECT_ID --member="serviceAccount:$SERVICE_ACCOUNT_NAME@$PROJECT_ID.iam.gserviceaccount.com" --role="roles/secretmanager.secretAccessor"


gcloud iam service-accounts keys create $KEY_FILE_NAME.json --iam-account=$SERVICE_ACCOUNT_NAME@$PROJECT_ID.iam.gserviceaccount.com

如果系统提示您授权，请点击“授权”以继续。

6356559df3eccdda.png

启用所需服务以使用 Vertex AI API 和 Gemini 聊天功能。

gcloud services enable \
    generativelanguage.googleapis.com \
    aiplatform.googleapis.com \
    cloudaicompanion.googleapis.com \
    run.googleapis.com \
    cloudresourcemanager.googleapis.com

启用所需服务以使用 Vertex AI API 和 Gemini 聊天功能。

gcloud services enable \
    artifactregistry.googleapis.com \
    cloudbuild.googleapis.com \
    runapps.googleapis.com \
    workstations.googleapis.com \
    servicemanagement.googleapis.com \
    secretmanager.googleapis.com \
    containerscanning.googleapis.com

启用 Gemini Code Assist

点击“Gemini”图标，然后点击右下角的“Sign-in”和“Select Google Cloud project”。

4a7f4640f66037f.png

8b4405d7366d2cad.png

bd07352707166136.png

在弹出式窗口中，选择您的 Qwiklabs 项目。

示例：

70ae6837db397e2a.png

打开文件“devai-api/app/routes.py”，然后右键点击文件中的任意位置，并从上下文菜单中选择“Gemini Code Assist > Explain this"”。

e54daef175df3cf0.png

查看 Gemini 对所选文件的说明。

e666676dce8b94d6.png

6. 将 Devai-API 部署到 Cloud Run

检查您是否位于正确的文件夹中。

cd ~/genai-for-developers/devai-api

在本实验中，我们将遵循最佳实践，使用 Secret Manager 在 Cloud Run 中存储和引用访问令牌和 LangChain API 密钥值。

设置环境变量。

export JIRA_API_TOKEN=your-jira-token
export JIRA_USERNAME="YOUR-EMAIL"
export JIRA_INSTANCE_URL="https://YOUR-JIRA-PROJECT.atlassian.net"
export JIRA_PROJECT_KEY="YOUR-JIRA-PROJECT-KEY"
export JIRA_CLOUD=true

export GITLAB_PERSONAL_ACCESS_TOKEN=your-gitlab-token
export GITLAB_URL="https://gitlab.com"
export GITLAB_BRANCH="devai"
export GITLAB_BASE_BRANCH="main"
export GITLAB_REPOSITORY="GITLAB-USERID/GITLAB-REPO"

export LANGCHAIN_API_KEY=your-langchain-key
export LANGCHAIN_TRACING_V2=true
export LANGCHAIN_ENDPOINT="https://api.smith.langchain.com"

将 JIRA 访问令牌存储在 Secret Manager 中。

echo -n $JIRA_API_TOKEN | \
 gcloud secrets create JIRA_API_TOKEN \
 --data-file=-

将 GitLab 访问令牌存储在 Secret Manager 中。

echo -n $GITLAB_PERSONAL_ACCESS_TOKEN | \
 gcloud secrets create GITLAB_PERSONAL_ACCESS_TOKEN \
 --data-file=-

将 LangChain API 密钥存储在 Secret Manager 中。

echo -n $LANGCHAIN_API_KEY | \
 gcloud secrets create LANGCHAIN_API_KEY \
 --data-file=-

将应用部署到 Cloud Run。

gcloud run deploy devai-api \
  --source=. \
  --region="$LOCATION" \
  --allow-unauthenticated \
  --service-account vertex-client \
  --set-env-vars PROJECT_ID="$PROJECT_ID" \
  --set-env-vars LOCATION="$LOCATION" \
  --set-env-vars GITLAB_URL="$GITLAB_URL" \
  --set-env-vars GITLAB_REPOSITORY="$GITLAB_REPOSITORY" \
  --set-env-vars GITLAB_BRANCH="$GITLAB_BRANCH" \
  --set-env-vars GITLAB_BASE_BRANCH="$GITLAB_BASE_BRANCH" \
  --set-env-vars JIRA_USERNAME="$JIRA_USERNAME" \
  --set-env-vars JIRA_INSTANCE_URL="$JIRA_INSTANCE_URL" \
  --set-env-vars JIRA_PROJECT_KEY="$JIRA_PROJECT_KEY" \
  --set-env-vars JIRA_CLOUD="$JIRA_CLOUD" \
  --set-env-vars LANGCHAIN_TRACING_V2="$LANGCHAIN_TRACING_V2" \
  --update-secrets="LANGCHAIN_API_KEY=LANGCHAIN_API_KEY:latest" \
  --update-secrets="GITLAB_PERSONAL_ACCESS_TOKEN=GITLAB_PERSONAL_ACCESS_TOKEN:latest" \
  --update-secrets="JIRA_API_TOKEN=JIRA_API_TOKEN:latest" \
  --min-instances=1 \
  --max-instances=3

回答 Y 以创建 Artifact Registry Docker 代码库。

Deploying from source requires an Artifact Registry Docker repository to store built containers. A repository named [cloud-run-source-deploy] in 
region [us-central1] will be created.

Do you want to continue (Y/n)?  y

让 Gemini 解释该命令：

94d5487568b08dd2.png

请查看下面的 gcloud run deploy SERVICE_NAME --source=. 流程。了解详情。

5c122a89dd11822e.png

在后台，此命令使用 Google Cloud 的 buildpacks 和 Cloud Build 从源代码自动构建容器映像，而无需在机器上安装 Docker 或者设置 Buildpack 或 Cloud Build。也就是说，上述单个命令完成了本来还需要执行 gcloud builds submit 和 gcloud run deploy 命令才能完成的任务。

如果您提供了 Dockerfile（我们在本代码库中就提供了），Cloud Build 将使用该文件构建容器映像，而不是依赖于 buildpack 自动检测和构建容器映像。如需详细了解 Buildpack，请参阅文档。

在 Cloud 控制台中查看 Cloud Build 日志。

在 Artifact Registry 中查看创建的 Docker 映像。

打开 cloud-run-source-deploy/devai-api 并查看自动检测到的漏洞。查看可修复的问题，并根据说明了解如何进行修复。

d00c9434b511be44.png

在 Cloud 控制台中查看 Cloud Run 实例详情。

运行 curl 命令来测试端点。

curl -X POST \
   -H "Content-Type: application/json" \
   -d '{"prompt": "PROJECT-100"}' \
   $(gcloud  run services list --filter="(devai-api)" --format="value(URL)")/generate

审核输出：

bda86deaa1c449a8.png

7. Vertex AI Agent Builder

搜索并打开“Agent Builder”。

b99ae5b6ca1d6340.png

激活 API

4bf2b240bd51db8.png

创建 Agent 应用：

2e50007e454b504.png

在“显示名称”中输入“客服人员”，然后点击“同意并创建”。

6c49a874c48d0401.png

设置代理名称：

Agent

设置目标：

Help user with questions about JIRA project

设置说明：

- Greet the users, then ask how you can help them today.
- Summarize the user's request and ask them to confirm that you understood correctly.
  - If necessary, seek clarifying details.
- Thank the user for their business and say goodbye.

点击“保存”：

6ef0ca47100008e0.png

使用右侧的模拟器聊天功能测试客服人员：

32f49a9791302535.png

打开“工具”菜单，然后创建一个新工具：

c236b95409dfedc3.png

从“类型”下拉菜单中选择 OpenAPI。

设置工具名称：

jira-project-status

集合说明：

Returns JIRA project status

设置架构 (YAML) - 替换您的 Cloud Run 网址。

openapi: 3.0.0
info:
 title: CR API
 version: 1.0.0
 description: >-
   This is the OpenAPI specification of a service.
servers:
 - url: 'https://YOUR CLOUD RUN URL'
paths:
 /create-jira-issue:
   post:
     summary: Request impl
     operationId: create-jira-issue
     requestBody:
       description: Request impl
       required: true
       content:
         application/json:
           schema:
             $ref: '#/components/schemas/Prompt'
     responses:
       '200':
         description: Generated
         content:
           application/json:
             schema:
               type: string
 /generate:
   post:
     summary: Request impl
     operationId: generate
     requestBody:
       description: Request impl
       required: true
       content:
         application/json:
           schema:
             $ref: '#/components/schemas/Prompt'
     responses:
       '200':
         description: Generated
         content:
           application/json:
             schema:
               type: string

 /test:
   get:
     summary: Request impl
     operationId: test
     responses:
       '200':
         description: Generated
         content:
           application/json:
             schema:
               type: string                    
components:
 schemas:
   Prompt:
     type: object
     required:
       - prompt
     properties:
       prompt:
         type: string

保存工具配置：

f99ce79ba79e3a4b.png

返回代理配置和更新说明，了解如何使用该工具：

添加了有关使用新工具的说明：

- Use ${TOOL: jira-project-status} to help the user with JIRA project status.

4dabf135b37b044b.png

切换到“示例”标签页，然后添加新示例：

5b1fb22e49500362.png

设置显示名称：

jira-project-flow

使用底部的菜单，模拟用户与客服人员之间的对话：

54ffb5e7744a0772.png

14cced6461a65811.png

工具调用配置：

82af695d2f21c4f0.png

依次点击“保存”和“取消”。返回 Agent 模拟器并测试流程。

ec137f71bf6075e2.png

f76fd38c32e29f0a.png

查看 Vertex AI Agents 的最佳实践

代理设置

564dd5371999a3f1.png

b5b04f282fcee3e8.png

日志记录设置

af30487d72c1cfa2.png

模型配置。

53191049428693c7.png

集成了 GitGub，以推送和恢复代理配置。

7170649a9c027857.png

代理模拟器控件：

59fd8b2343e89513.png

8. Slack 集成

打开“集成”菜单，然后点击 Slack 功能块上的“关联”。

36f3992134479a37.png

e7ee0826668bfa2b.png

c3e36f4dacbe3f9b.png

打开链接，然后前往 https://api.slack.com/apps 创建新的 Slack 应用

cbf13edc1b284899.png

从“清单”中进行选择：

64fa9c75afecdb3e.png

选择一个工作区来开发应用

99a3d5b37cdf8f76.png

切换到 YAML 并粘贴以下清单：

display_information:
  name: Agent
  description: Agent
  background_color: "#1148b8"
features:
  app_home:
    home_tab_enabled: false
    messages_tab_enabled: true
    messages_tab_read_only_enabled: false
  bot_user:
    display_name: Agent
    always_online: true
oauth_config:
  scopes:
    bot:
      - app_mentions:read
      - chat:write
      - im:history
      - im:read
      - im:write
      - incoming-webhook
settings:
  event_subscriptions:
    request_url: https://dialogflow-slack-4vnhuutqka-uc.a.run.app
    bot_events:
      - app_mention
      - message.im
  org_deploy_enabled: false
  socket_mode_enabled: false
  token_rotation_enabled: false

点击“创建”：

5f0b3d2c44022eb9.png

安装到 Workspace：

aa1c2ea1b700c838.png

选择“#general”渠道，然后点击“允许”

18eba659946fc65f.png

在“基本信息 / 应用凭据”下，复制“签名密钥”，然后在 Slack 集成中进行设置。

31d62babb57e523d.png

bd9f7e3be3b9ea4e.png

打开“OAuth 和权限”，复制“聊天机器人用户 OAuth 令牌”，然后在 Slack 集成中进行设置。

e74c7e003c31258.png

设置必填字段，然后点击“开始”。

客服人员的“访问令牌”值为 Slack 中的“聊天机器人用户 OAUth 令牌”。

代理的“签名令牌”值为 Slack 中的“Signing Secret”。

a00d22bdaeed3ab8.png

7e71e37750fd063a.png

复制“Webhook 网址”，然后返回 Slack 应用配置。

打开“事件订阅”部分，然后粘贴网址。

a1e7271934c714d9.png

保存更改。

e6d9b43b3787b6e7.png

打开“Slack”，然后输入“@Agent”以添加客服人员。

例如，添加名称为“@CX”的应用。

72313066707f947b.png

63becbd80824f8d8.png

c98e193062b096f0.png

请向客服人员索要 JIRA 项目摘要。

6edfdb74760548ad.png

9. 针对 PDF 文档的问答

创建 Cloud Storage 存储分区

在 Cloud 控制台中打开 GCS：https://console.cloud.google.com/storage/browser

创建一个新存储分区。

对于存储分区名称，请输入“pdf-docs”+ GCP 项目的最后 5 位数字。

位置类型：multi-region, us。

存储类别：Standard

访问权限控制：Uniform

数据保护：uncheck soft delete policy

请点击“Create”。

确认“系统将禁止公开访问”。

下载 PDF 报告并将其上传到存储分区。https://services.google.com/fh/files/misc/exec_guide_gen_ai.pdf

包含已上传文件的存储分区视图：

ff09ac8da88fb680.png

数据存储区配置

返回代理控制台，打开“Agent”，然后向下滚动并点击“+ Data store”。

e20b69db922e37d7.png

请使用以下值：

工具名称：pdf-docs

类型：Data store

说明：pdf-docs

点击“Save”

c5bc7a2e458213ba.png

点击页面底部的“Create a data store”。

当系统询问“您是否同意在美国区域创建搜索和对话数据存储区？”时，点击“AGREE”。

在“提供公司”字段中输入“Google”。

在下一个屏幕上，点击“CREATE DATA STORE”。

选择“Cloud Storage”作为数据源。

准备数据以进行提取

https://cloud.google.com/generative-ai-app-builder/docs/prepare-data

HTML 和 TXT 文件不得超过 2.5 MB。

PDF、PPTX 和 DOCX 文件不得超过 100 MB。

您一次最多可以导入 10 万个文件。

选择：unstructured documents

然后选择您的 GCS 存储分区/文件夹。

e8534a921059e3a2.png

点击“继续”：ed5ad1fabe9503a4.png

数据存储名称类型：“pdf-docs”

从下拉菜单中选择“Digital parser”。

启用高级分块。

在分块中启用祖先标题。

请点击“Create”。

1a5222b86ee6c58e.png

3119b5fec43c9294.png

选择数据存储区，然后点击“Create”

43d5be0a0aca6f8.png

9fd7fc7c1462d114.png

点击相应数据存储区，然后查看“文档”“活动记录”和“处理配置”。

872d9142615e90c9.png

导入过程大约需要 5-10 分钟。

d9739a4af2244e03.png

解析和分块选项

您可以通过以下方式控制内容解析：

  • 数字解析器。除非指定其他解析器类型，否则数字解析器默认适用于所有文件类型。如果未为数据存储区指定其他默认解析器，或者指定的解析器不支持提取的文档的文件类型，则数字解析器会处理提取的文档。
  • 对 PDF 文件进行 OCR 解析。公开预览版。如果您打算上传扫描的 PDF 或包含图片中文本的 PDF，可以开启 OCR 解析器以改进 PDF 索引编制。请参阅 关于 PDF 的 OCR 解析。
  • 布局解析器。公开预览版。如果您打算将 Vertex AI Search 用于 RAG，请为 HTML、PDF 或 DOCX 文件开启布局解析器。如需了解此解析器以及如何启用它，请参阅针对 RAG 的分块文档。

详细了解如何对文档进行解析和分块。

工具配置

返回包含“工具”配置的标签页。

刷新浏览器，然后从“非结构化”下拉菜单中选择“pdf-docs”。

71323e788b35ca66.png

配置依据。

输入“Google”作为公司名称。

载荷设置 - 勾选“Include snippets in the response payload”

b0cb701d13ad4264.png

请点击“Save”。

91a546957bdfe029.png

7535b85cfc7febe6.png

代理的说明配置

返回到代理配置。

添加新说明：

- Provide detailed answer to users questions about the exec guide to gen ai using information in the ${TOOL:pdf-docs}

9b9548497ddaccbd.png

保存配置。

为 PDF-Docs 工具创建示例

切换到“示例”标签页。创建新示例。

使用操作“+”：

4da93695907c97ad.png

添加“用户输入”：

What are the main capabilities?

添加了“工具使用情况”部分。

  • 工具和操作：“pdf-docs”

输入（requestBody）

{
  "query": "Main capabilities",
  "filter": "",
  "userMetadata": {},
  "fallback": ""
}

工具输出：

{
  "answer": "Detailed answer about main capabilities",
  "snippets": [
    {
      "uri": "https://storage.cloud.google.com/pdf-docs-49ca4/exec_guide_gen_ai.pdf",
      "text": "Detailed answer about main capabilities",
      "title": "exec_guide_gen_ai"
    }
  ]
}

添加了“客服人员回复”

Detailed answer about main capabilities. 

https://storage.cloud.google.com/pdf-docs-49ca4/exec_guide_gen_ai.pdf

已配置的示例：

2968363e05f3325e.png

工具调用配置：

658316bb29ac352d.png

在模拟器中向客服人员发送问题，以测试配置。

问题：

What are the 10 steps in the exec guide?

5b2329c494ad0d17.png

选择“Agent”，然后点击“Save example”。

e79c86aa04a9572f.png

提供名称“user-question-flow”并保存。

设置客服回复的格式，并附上工具输出部分中的 PDF 文档链接。

50f2bcee082ac38d.png

保存示例。

返回模拟器，然后点击“Replay conversation”。检查更新后的响应格式。

8db40e424f448a2d.png

询问其他问题：

What are the main capabilities in the exec guide?

6f103fdac8ec4cda.png

来源 PDF 文档。

5b3e6d2ceda99247.png

问题：

What should I consider when evaluating projects?

ec7e0f5884772385.png

来源 PDF 文档。

57a0d331aa91f04b.png

问题：

What are the priority use cases in Retail and CPG in the exec guide?

7a18ba3ca0fe90c5.png

来源 PDF 文档。

b4d07e6e7d9adc00.png

10. 预建代理

在左侧菜单中浏览预建代理。

5720dc5343aede65.png

选择其中一个代理并进行部署。探索 Agent 的设置、说明和工具。

2a3db1129b5a1461.png

11. 恭喜！

恭喜，您已完成此实验！

所学内容：

  • 如何部署 Cloud Run 应用以集成 Gemini API
  • 如何创建和部署 Vertex AI Agent
  • 如何为客服人员添加 Slack 集成
  • 如何为 PDF 文档中的问答配置数据存储区

后续步骤：

清理

为避免因本教程中使用的资源导致您的 Google Cloud 账号产生费用，请删除包含这些资源的项目，或者保留项目但删除各个资源。

删除项目

若要避免产生费用，最简单的方法是删除您为本教程创建的项目。

©2024 Google LLC 保留所有权利。Google 和 Google 徽标是 Google LLC 的商标。其他所有公司名称和产品名称可能是其各自相关公司的商标。