谷歌云AI 智能体技术白皮书中文翻译(一)
2026-01-30 10:25
谷歌云AI 智能体技术白皮书中文翻译(一)
引言 01
AI 智能体的核心概念 02
Google Cloud 智能体生态系统概览 04
每个智能体的关键组件09
基础数据在智能体系统中的作用17
关键要点23
如何构建AI 智能体 25
构建AI 智能体的完整工具包 27
分步指南：定义LLM 智能体 40
使用Google Agentspace 治理和扩展您的智能体团队 43
构建智能体的其他选项45
关键要点46
确保AI 智能体可靠且负责任 48
AgentOps：面向生产就绪智能体的框架 50
使用AgentOps 构建负责任且安全的 AI 智能体 54
关键要点56
来自Google 完整 AI 技术栈的更多内容 58
结论 59
资源 60
AI 智能体的发展代表了软件工程的一次范式转变，使初创企业能够自动化复杂的工作流程、创造新颖的用户体验，并解决以往在技术上不可行的业务问题。但是，从有前景的原型转变为生产就绪的智能体意味着要解决一系列新的挑战。如何管理其非确定性行为？如何验证其复杂的推理路径？最关键的是，从哪里开始？本技术指南将帮助回答这些问题。它提供了一个系统化、以操作为导向的路线图，以应对这一新格局，旨在帮助那些急于拥抱智能体系统潜力的初创企业和开发者。您将学习智能体系统的基础概念，从其核心架构组件到确保在生产环境中可靠且负责任运行的原则。您还将了解在Google Cloud 上构建和使用智能体更高效的全套工具，从使用智能体开发套件 (ADK) 的代码优先开发和使用智能体入门包的运营自动化，到使用 Google Agentspace 的无代码智能体创建。无论您是在验证一个想法、构建最小可行产品，还是在生产中支持一个产品，本指南都将对您项目的所有阶段提供帮助。初次接触AI 智能体？
准备构建？
跳转到第2 节，使用 ADK 创建您的第一个智能体。智能体已构建？
需要额外支持？
使用Gemini 套件更快地构建原型，并申请 Google for Startups Cloud Program，以获得专家指导和高达 35 万美元的云服务抵扣额度。智能体AI 生态系统提供了许多用于构建认知架构的工具、库和方法。有来自 Google 的开源框架，如 Genkit 和 Google Cloud 的对话式 AI 产品，以及流行的开源库，如 LangChain 和 CrewAI。本指南主要关注ADK，分享允许您在 Google Cloud 上构建健壮、可扩展的智能体的概念和架构模式，同时保留集成其他首选工具和库的能力。智能体AI领域正在快速发展。本节提供关于AI智能体的基础知识，解释其核心概念、目的和运作机制。它还详细介绍了Google Cloud内可用的相关工具和服务。更喜欢音频？ 收听使用 NotebookLM 创建的此部分播客版本。此播客是使用NotebookLM 创建的，提示如下：“作为播客主持人，为‘初创企业技术指南：AI 智能体’创建一个对话式且具有教育意义的播客，面向初创企业创始人和开发者的技术受众。播客必须涵盖使用 AI 智能体的三种主要途径（构建、使用、合作），详细说明像智能体开发套件 (ADK) 和预构建的 Gemini 智能体这样的工具。然后，它应该解释智能体的核心组件，包括模型、工具、编排和运行时。同时，涵盖如何通过像使用检索增强生成 (RAG) 的基础数据技术和利用多模态等技术来确保信任和能力。最后总结关键要点，并给出明确的行动号召，引导听众访问 Google 的资源。”“智能体工作流是下一个前沿。这不仅仅是问一个问题并得到一个答案。这是给AI一个复杂的目标——比如‘规划这个产品发布’或‘解决这个供应链中断’——并让它编排实现该目标所需的多步骤任务。这将从根本上改变生产力。” –Google Cloud首席执行官Thomas Kurian构建生产级的AI 智能体需要的不仅仅是选择一个大型语言模型。一个完整的解决方案需要可扩展的基础设施、健壮的数据集成工具以及适应多样化技术需求的架构模式。Google Cloud 支持智能体系统的全面开发，无论您是构建自己的智能体、使用预构建的 Google Cloud 智能体，还是引入合作伙伴的智能体。以模型上下文协议(MCP)和智能体间(A2A)协议为基础，这个通用框架旨在实现互操作性。这样，无论其来源或架构如何，您的智能体都可以在Google Cloud 生态系统内协作。如果您希望构建针对特定任务的定制智能体，那么这条路适合您。在这里，您有两个选择：追求最大控制力的代码优先方法，或追求加速开发的应用优先方法。这种方法最适合需要高度控制智能体行为的开发者、技术型初创企业和团队。Google Cloud 的智能体开发套件 (ADK) 就是为这种定制方法而构建的。ADK 使开发者能够构建、管理、评估和部署由 AI 驱动的智能体。它提供了一个健壮且灵活的环境，用于创建能够处理复杂任务和工作流程的对话式和非对话式智能体。使用ADK 构建的智能体可以轻松部署在 Vertex AI Agent Engine 上，这是一个专门为此目的设计的托管、可扩展环境。因为这些智能体是容器化的，它们也可以部署到任何运行容器的环境中，例如 Cloud Run 和 Google Kubernetes Engine (GKE)。- 编排逻辑：智能体的核心推理过程，如 ReAct 框架（见第 1.2 节），允许其规划和执行一系列工具调用和操作，以实现复杂目标。
- 工具定义和注册：用于定义自定义函数和 API 的接口，允许智能体与数据、API 和外部系统交互。
- 上下文管理：为智能体提供记忆的系统，允许您使用智能体来回忆用户偏好和跨多个交互的对话历史，以提供连贯的体验。
- 评估和可观测性：一套内置工具，用于严格测试智能体质量、调试智能体的逐步推理，并在生产环境中监控其性能。
- 容器化：将智能体打包成标准、可移植容器的能力，使其准备好部署在任何兼容的云环境中。
- 多智能体组合：构建系统，其中多个专业智能体可以协作、委派任务并共同解决问题。
- 自动化工作流，而不仅仅是对话：实施多步骤编排逻辑来解决复杂的业务问题，创造小团队扩展所需的运营杠杆。
- 构建有防御力的产品：将智能体直接连接到您的专有 API 和内部数据，以创建具有真正竞争壁垒的产品。
- 记住您的客户，提供真正个性化的体验：无缝集成短期对话上下文与长期知识，使您的智能体能够回忆过去的互动并建立真正的客户关系。
- 自信地发布：利用内置的评估和可观测性来严格测试和调试您的智能体，确保您交付可靠、生产级的产品。
- 专注于您的产品，而非基础设施：将您的智能体打包成标准容器，使用标准的 DevOps 实践实现更快、更可靠的生产路径。
用于应用优先开发的Google Agentspace构建的第二个主要途径是通过Google Agentspace。与代码优先的 ADK 不同，您可以使用 Google Agentspace 来编排您的整个 AI 团队，并授权非技术团队成员使用无代码设计器构建定制智能体。这种基于平台的方法非常适合管理多个智能体，并在您成熟的初创企业不断增长的SaaS 应用程序群中扩展其使用。统一的全公司搜索：连接并跨多个 SaaS 应用程序进行搜索。多模态数据合成：理解并综合来自文本、图像、图表和视频的信息，同时尊重数据权限。预构建智能体库：提供一套现成的智能体，用于深度研究或创意生成等复杂任务。无代码定制智能体构建器：包括智能体设计器，允许非技术用户通过提示驱动的界面创建智能体。打破数据孤岛：非开发团队可以构建和部署能够访问并跨这些分散的数据源和应用程序采取行动的智能体。自动化工作流：创建跨平台工作流，无需消耗稀缺的工程资源，让您的工程团队专注于核心产品开发。“将 Gemini 打造成一个世界模型是开发一种新的、更通用、更有用的 AI——一个通用 AI 助手的关键一步。这是一种智能的 AI，能够理解您所处的上下文，并能够代表您在任何设备上规划和采取行动。” – Google DeepMind 首席执行官 Demis Hassabis通过快速原型设计和将AI 集成到现有应用程序的简便方法，托管智能体让您专注于核心业务逻辑，而不是管理基础设施。如果您的工程资源有限，它们也是理想的选择。Gemini Code Assist 是一个面向开发者的 AI 助手。它集成到软件开发生命周期的多个环节，通过 IDE 扩展、命令行界面、GitHub 集成以及在各种 Google Cloud 服务中提供帮助。- IDE 集成：在流行的 IDE（VS Code、JetBrains IDEs、Android Studio）中，它提供代码补全、按需函数生成和聊天界面。它利用 Gemini 的大上下文窗口来提供与打开的代码库相关的响应。企业版可以连接到私有源代码仓库，以获得更定制的建议。
- 命令行界面：Gemini CLI 是一个开源的 AI 智能体，将 Gemini 功能直接带到终端，用于代码理解、文件操作和动态故障排除等任务。
- GitHub 集成：在 GitHub 上，Gemini Code Assist 可以自动审查拉取请求以识别错误和风格问题，并建议具体的代码更改。
- 智能体驱动开发：部署能够在完整项目上下文中执行复杂的、多文件编辑的 AI 智能体。这些智能体工作流包含人在回路 (HITL) 监督，并可以与遵循 MCP 的生态系统工具集成。
- Google Cloud 服务集成：直接在 Firebase（应用程序错误分析、性能洞察）、Colab Enterprise（Python 代码生成）、BigQuery（自然语言转 SQL、查询优化）、Cloud Run 和 Apigee 等服务中提供 AI 协助。
Gemini Code Assist 充当了力量倍增器。它可以处理整个开发生命周期中的软件开发任务，从编写样板代码等常规任务到多文件重构等更复杂的操作。您可以委托Gemini Code Assist 处理广泛的任务。以下是一些展示其能力的例子。- 用于自动化样板代码：生成一个在HTTP 请求上触发的 Python Cloud Function。它应解析 JSON 负载中的 userId 和 documentId，然后使用 google-cloud-firestore 客户端库从“users”集合中获取特定文档，并将其作为 JSON 响应返回。
- 用于全面测试：提供您现有的一个函数，并要求Code Assist生成完整的测试套件，包括对Cloud Storage或Firestore等Google Cloud服务所需的模拟。
- 用于大规模、Gemini驱动的重构：要求它分析代码库中的多个服务并生成战略计划。例如：“鉴于我们的‘用户服务’和‘认证服务’，提出一个逐步计划，将认证逻辑重构为一个单一的共享库，概述这种方法的权衡。”
Gemini Cloud Assist是您Google Cloud环境的AI专家，为基础设施管理和应用程序运营提供上下文感知的协助。它使用来自您项目的上下文，包括Google Cloud项目ID和控制台中正在查看的特定产品页面，来定制其支持。- 设计和部署：在应用程序设计中心内，您可以用自然语言描述期望的基础设施结果。Gemini Cloud Assist生成架构图和应用模板，这些可以导出为Terraform，以便与现有的基础设施即代码(IaC)工作流集成。
- 故障排除和解决：与Cloud Observability集成，以总结复杂的日志条目并解释错误消息。对于更深层次的问题，您可以启动调查，Gemini会分析日志和指标以确定根本原因。
- 配置和优化：在 FinOps Hub 和成本优化仪表板中提供个性化的成本和利用率建议。
- 安全和分析：支持对网络流和日志进行自然语言调查。它提供安全任务指导，如数据加密、密钥管理以及生成或测试自定义组织策略。它还可以推荐 IAM 角色并诊断权限错误。
释放时间：云管理可能消耗工程时间。Gemini Cloud Assist 让您腾出时间专注于构建产品。在Gemini Cloud Assist 中尝试这些提示：- 创建在Google Cloud 中设计、构建和部署 Web 应用程序的高级计划。
- 列出prod-v1 项目中所有未启用对象版本控制的 Cloud Storage 存储桶。
- 哪些公开的防火墙规则应用于带有网络标签external-web-server 的实例？
- 显示授予服务帐户data-pipeline@my-project.iam.gserviceaccount.com 的所有 IAM 角色。
Gemini in Colab Enterprise如果您的初创企业从事数据科学、机器学习或分析工作，Colab Enterprise中的Gemini将每个笔记本变成一个协作的AI 工作空间。它旨在在上下文中生成、解释和调试 Python 代码。- 在Colab 中自动补全和生成 Python 代码。
在Gemini in Colab Enterprise 中尝试这些提示：- 加速研发：自动化数据准备、分析和可视化中最繁琐的方面，使开发者能够显著更快地迭代新模型和想法。
- 降低入门门槛：数据科学新手工程师可以快速上手，而有经验的从业者可以更多地专注于模型实验，而不是数据整理。
如果您的用例更专业，您可以使用Google Cloud 的开放生态系统和通过Google Cloud Marketplace轻松地将第三方或开源智能体集成到您的技术栈中。探索Agent Garden 以部署预构建的 ADK 智能体，这些智能体已经支持数据推理和智能体间协作。您可以将它们与您构建的智能体混合搭配，加快产生影响力的时间。
