15:30 - 17:00

AI Agent 實戰工作坊:運用 ADK 構建 MCP 代理與 Cloud Run 部署全攻略

本課將帶領學員解如何透過代理開發套件(ADK)建立並部署一個能使用外部工具的 AI 代理服務。透過具 體情境,展示系統架構中推理層(代理程式)與工具層(MCP 伺服器)分離的核心概念。 課程受眾:本課程為入門級別,適合對開發 AI 代理程式、雲端容器化部署有興趣的軟體開發者與雲端從業 人員。 課程使用工具包含: 1. 代理開發套件(Agent Development Kit, ADK):用於開發工具型代理程式以及自動化部署流程。 2. 模型上下文協定(MCP)伺服器:作為代理程式的遠端工具層,用於提供 LLMs 專屬資料(如動物園資料 庫)。 3. Google Cloud Run 與 Docker 容器:用於將應用程式作為無伺服器(Serverless)容器來代管,享有自動 擴充與按用量付費的優勢。 4. Google Cloud Shell 與內建編輯器(Editor):作為主要的雲端開發與終端機環境。 5. Vertex AI 與外部 API(如維基百科/LangchainTool):整合強大的模型推理能力,並透過 API 賦予代理程 式獲取現實世界知識的能力。

課程目標

1. 結構化與開發 ADK 專案:學員將學會如何組織 Python 專案的結構,以符合代理開發套件(ADK)的部署 標準,並實際利用 google-adk 開發出能操作外部工具的 AI 代理程式。 2. 設計多代理工作流程(Multi-agent workflow):學員會實際打造一個協作流程,並學會如何整合外部工具 來擴充代理程式的內部知識庫。 3. 整合遠端 MCP 伺服器:學會讓 AI 代理程式安全地連線至遠端的模型上下文協定(MCP)伺服器,以便調 用其專屬的工具集。 4. 實踐無伺服器(Serverless)雲端部署:學會將建立好的 Python 應用程式封裝成無伺服器容器,並透過 ADK 命令行工具(CLI)無縫部署到 Google Cloud Run 上。 5. 配置企業級的安全驗證與資源管理:學會使用 IAM 角色配置安全的「服務對服務(service-to-service)」身 分驗證機制,以及如何在專案結束後正確刪除雲端資源以避免產生後續費用。

課程綱要

1. 解密 ADK 開發套件:學習如何結構化 Python 專案,利用 ADK 快速建構具備推理能力的 AI 代理。 2. MCP 伺服器配置與應用:掌握模型上下文協定(MCP),讓您的 AI 代理能安全地存取企業內部數據庫或 串接外部 API(如 Wikipedia),實現強大的檢索增強生成(RAG)應用。 3. Cloud Run Serverless 部署:實踐將 Python 應用程式容器化,並部署於 Google Cloud 的無伺服器平台 Cloud Run。透過自動擴展技術(Autoscaling),讓企業以最小基礎設施成本換取最大的商業營運效益。

學員自備裝置

1. 需自備筆電

2. 建議使用 Google Chrome 瀏覽器

學員基礎能力需求

適合對開發 AI 代理程式、雲端容器化部署有興趣的軟體開發者與雲端從業人員(需具備基礎雲端、開發能力)


  • ROOM
  • 西南準備室 7F