13 hands-on demos to build on Gemini Enterprise Agent Platform

Gemini 企业代理平台上的 13 个演示 | Google Cloud 博客

人工智能与机器学习

在 Gemini 企业代理平台上构建的 13 个动手实践演示

2026 年 7 月 18 日

##### Shubham Saboo

Google Cloud AI 高级人工智能产品经理

##### 立即试用 Gemini 企业商业版

职场人工智能的入口

立即体验

今年早些时候，我们推出了 Gemini 企业代理平台，您可以在该平台构建、扩展、治理和优化代理。今天，我们分享了 13 个演示，带您了解代理平台的功能。每个演示都教授一个可以立即应用的概念、模式或架构。

最棒的是？您无需按部就班地跟随。将 Agents CLI 安装到您最喜欢的编码代理（Antigravity、Claude Code、Codex 或您使用的任何工具）中，它会立即获得使它成为 ADK 和代理平台专家的七项技能。用普通英语描述您想构建的内容，您的编码代理会为您生成、评估、部署和监控代理。您将永远不需要离开编辑器。

让我们深入了解一下！

构建人工智能代理

这些演示都基于以代码优先的 ADK 构建。它们从基础开始，逐步向上构建。

1. 从这里开始：使用 ADK 构建您的第一个代理。ADK 基础教程是您完美的入门方式。您将设置环境，定义一个由 Gemini 驱动的基本对话代理，配置其设置，并通过命令行界面和网络用户界面进行测试。如果您之前从未接触过 ADK，请先完成这个教程。

1. 构建一个带人机协作的事件驱动审批代理。环境开销代理教程是该系列中最完整的“代理平台实战”演示。您将使用 ADK 2.0 的基于图的工作流 API 构建一个企业开销代理。低于阈值的开销会通过纯 Python 自动批准。高于阈值的开销会经过预大语言模型的安全筛查（PII 消除、提示注入防御），通过 Gemini 合规性分析，并在最终确定前暂停等待人机协作审核。您将其部署在 FastAPI 后端，通过 Pub/Sub 事件触发，并使用大语言模型作为裁判进行评估。记住这个代理——它会在扩展和治理部分再次出现。

1. 使用模型上下文协议将代理连接到您的数据。MCP 教程向您展示如何构建可重复使用的 MCP 工具，使 Gemini 能够查询 BigQuery、搜索文件并调用 API。MCP 是一个开放协议，因此您构建的工具可以在不同供应商和框架之间通用。

1. 使用代理到用户界面（A2UI）构建动态前端。最佳用户体验具有高度可视化特征。A2UI 教程向您展示如何构建一个代理，该代理可以实时动态渲染真实界面组件（布局、图表、交互式菜单），随着对话流程实时更新。该代理实际上会即时组装用户所需的界面。

1. 构建能够暂停、恢复且不会丢失上下文的长期运行代理。构建一个能响应单一提示的代理很简单，但实际企业工作流往往需要数天甚至数周才能完成。本教程将逐步演示如何构建能稳定运行数周的代理。你将学习三种架构模式：耐久状态机、事件驱动的空闲时间处理，以及通过持久会话实现的检查点与恢复机制。示例是一个入职协调代理，它能在容器重启后继续从上次中断处执行。

1. 使用Agents CLI将环境开销代理部署到Agent Runtime。还记得构建部分提到的开销代理吗？"部署到Agent Runtime"教程将接管该代理并推进至生产环境。你通过Agents CLI搭建部署配置，使用预演模式进行验证，然后正式部署。Cloud Trace、Cloud Logging和BigQuery Agent Analytics会自动接入，代理也会自动注册到Agent Registry，部署上线的瞬间即可在整个组织内被发现。

1. 为生产环境代理配置真实前端。前端教程是所有要素的整合点。你将在Cloud Run上构建管理仪表板，通过OIDC认证的Pub/Sub管道连接到Agent Runtime，并赋予管理者从浏览器恢复暂停的人机协作会话的能力。这将把开销代理和部署流程整合为完整的端到端企业架构。

管理AI代理

在组织内扩展代理需要内置的防护机制系统来管理访问权限、追踪端点并过滤流量。

1. 从首次提交代码起就保障代理生命周期安全。"安全代理开发"教程演示了如何通过测试驱动开发（TDD）优先构建购物助手，接入自定义STRIDE威胁模型，设置Semgrep提交前钩子，并配置PreToolUse拦截门禁以阻止高风险操作。你故意植入硬编码API密钥，当钩子触发时代理会立即检测并修复该问题。

1. 使用Agent Gateway控制代理访问权限。Agent Gateway教程涵盖运行时治理。你将在Agent Runtime上部署多工具ADK代理，通过Agent Gateway调用Cloud Run上的MCP服务器。每个代理都拥有端到端mTLS的唯一身份，所有外发请求需通过IAP认证和IAM授权。此外，Model Armor会检查所有内容是否存在提示注入和数据泄露。这是一套完整的生产级治理堆栈，所有功能都在一个演示中实现。

优化AI代理

部署代理只是开始。真正的挑战在于判断下一次提示优化究竟是提升了性能还是悄悄破坏了其他十个功能。Agent Platform为你提供了闭合这个循环所需的工具。

1. 从你的编码代理驱动代理质量飞轮。你优化了某个提示，看起来在三个示例中表现更好，但是否破坏了其他十个场景？本教程介绍了一个五阶段评估飞轮，可直接从你的编码代理运行：准备数据（来自OTel追踪、手工案例或合成场景），运行推理，使用Google自适应AutoRaters进行评分，分析失败集群，执行针对性优化。AutoRaters基于Google评估自身模型和第一方代理所使用的相同原则，由Google与DeepMind联合开发。用自然语言描述你希望测量的内容，你的编码代理将处理其余所有工作。

1. 使用 A2A 构建跨语言多代理流水线。在大型企业中，不同团队不可避免地会使用不同语言开发代理。本教程将引导您完成一个合同合规流水线，其中基于 Python 的代理使用 Gemini 提取条款，而基于 Go 的代理则根据公司政策验证这些条款。这两个服务通过代理到代理（A2A）协议连接，并由 ADK 进行编排。您将学习如何通过几行代码让 RemoteA2aAgent 将任何符合 A2A 标准的服务转换为本地子代理。

1. 使用 CrewAI、LangGraph、A2A 和 ADK 跨框架扩展代理。大多数生产团队不会统一采用单一代理框架。该实践教程将展示如何在所有框架间进行编排：ADK 控制室将规划委托给 LangGraph 状态机，状态机再将任务分配给 CrewAI 执行团队，所有组件均通过 A2A 协议连接。如果某一步骤失败，控制室会自动重新规划。

入门指南

如果您想在 10 分钟内看到完整的代理开发生命周期演示，请观看此操作指南。否则，请安装 Agents CLI，打开您的编码代理，立即开始构建。

发布于

• 人工智能与机器学习
• 开发者与实践者