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)

Mike Ye

Mike Ye

Cloud Mile 萬里雲集團 台灣 AI 團隊技術主管

Mike Ye, 現任職 CloudMile 台灣 AI 團隊技術主管,擁有 Google 專業雲端架構師與機器學習工程師雙認證。曾任瀚宇彩晶技術主管、類神經網路公司 CIO。專長涵蓋大型語言模型(LLM)導入、AI 轉型策略與雲端資料平台建置。

具備極豐富的跨產業實戰經驗:曾主導公部門 ML 影像辨識、經濟部 SBIR 智慧推薦系統,並成功協助全球前三大藥廠規劃 BI 數據策略與 AI 客服、金融業建置 AI 行銷助手,以及傳統製造業與 SaaS 產品的 Data & AI 平台落地。其專案實績更橫跨遊戲、媒體、家電、美妝等 B2B 與 B2C 領域。

  • ROOM
  • 西南準備室 7F