GSP1227

總覽

開發人員可利用函式呼叫功能，在程式碼加入函式說明，然後透過要求將說明傳給語言模型。模型的回應會提供與說明相符的函式名稱，以及用來呼叫這個函式的引數。

Gemini

Gemini 是由 Google DeepMind 開發的一系列強大生成式 AI 模型，可以解讀及生成文字、程式碼、圖像、音訊和影片等多種形式的內容。

Agent Platform 的 Gemini API

Agent Platform 的 Gemini API 是經統合的介面，開發人員可與 Gemini 模型互動，輕鬆將強大的 AI 功能整合至自家應用程式。如要瞭解最新資訊和最新版本的特定功能，請參閱官方的 Gemini 說明文件。

Gemini 模型

• Gemini Pro：適用於下列複雜的推論作業：
  • 分析及總結大量資訊。
  • 進行精細的跨模態 (文字、程式碼、圖像等) 推論。
  • 運用內容豐富的程式碼集有效解決問題。
• Gemini Flash：速度和效率最優異，具備下列優勢：
  • 回覆時間不到一秒，處理量高。
  • 品質高、費用較為低廉，適合各種工作。
  • 具備經過強化的多模態功能，包括更強大的空間理解能力、新的輸出模態 (文字、音訊、圖像)，並能使用原生工具，例如使用 Google 搜尋，以及執行程式碼和第三方函式。

事前準備

開始這個實驗室之前，您應已熟悉下列概念：

• 基本 Python 程式設計。
• 一般 API 概念。
• 在 Agent Platform Workbench 的 Jupyter 筆記本執行 Python 程式碼。

目標

本實驗室的內容包括：

• 安裝 Google Gen AI SDK for Python
• 使用 Agent Platform 的 Gemini API 與 模型互動：
  • 以文字提示詞生成函式呼叫，協助消費者取得 Google 商店產品的資訊
  • 以文字提示詞生成函式呼叫，並呼叫外部 API 來為地址建立地理編碼
  • 以文字提示詞生成函式呼叫，擷取記錄資料中的實體

設定和需求

瞭解以下事項後，再點選「Start Lab」按鈕

請詳閱以下操作說明。實驗室活動會計時，且中途無法暫停。點選「Start Lab」後就會開始計時，顯示可使用 Google Cloud 資源的時間。

您將在真正的雲端環境完成實作實驗室活動，而不是模擬或示範環境。為此，我們會提供新的暫時憑證，供您在實驗室活動期間登入及存取 Google Cloud。

為了順利完成這個實驗室，請先確認：

• 可以使用標準的網際網路瀏覽器 (Chrome 瀏覽器為佳)。

• 是時候完成實驗室活動了！別忘了，活動一旦開始將無法暫停。

如何開始實驗室及登入 Google Cloud 控制台

1. 按一下「Start Lab」按鈕。如果實驗室會產生費用，請在開啟的對話方塊中選取付款方式。右側的「Lab setup and access」面板會顯示下列項目：

   • 「Open Google Cloud console」按鈕
   • 此實驗室所需的臨時憑證 (使用者名稱和密碼)
   • 完成此實驗室所需的其他資訊 (如有)

   請注意，實驗室計時器位於頁面頂端附近，會顯示剩餘時間。

2. 按一下「Open Google Cloud console」。如果使用 Chrome 瀏覽器，也可以按一下滑鼠右鍵，選取「在無痕視窗中開啟連結」。

   接著，實驗室會啟動相關資源，並開啟另一個分頁，顯示「登入」頁面。

   提示：您可以在不同的視窗並排開啟分頁。

   注意：頁面顯示「選擇帳戶」對話方塊時，請點選「使用其他帳戶」。

3. 如有必要，請將下方的 Username 貼到「登入」對話方塊。

   {{{user_0.username | "Username"}}}

   您也可以在「Lab setup and access」面板找到「Username」。

4. 點選「下一步」。

5. 複製下方的 Password，並貼到「歡迎使用」對話方塊。

   {{{user_0.password | "Password"}}}

   您也可以在「Lab setup and access」面板找到「Password」。

6. 點選「下一步」。

   重要事項：請務必使用實驗室提供的憑證，而非自己的 Google Cloud 帳戶憑證。 注意：如果使用自己的 Google Cloud 帳戶來進行這個實驗室，可能會產生額外費用。

7. 繼續點按後續頁面：

   • 接受條款及細則。
   • 由於這是臨時帳戶，請勿新增救援選項或雙重驗證機制。
   • 請勿申請免費試用。

Google Cloud 控制台稍後會在這個分頁開啟。

注意：如要使用 Google Cloud 產品和服務，請按一下「導覽選單」，或在「搜尋」欄位輸入服務或產品名稱。

工作 1：在 Agent Platform Workbench 開啟筆記本

1. 在 Google Cloud 控制台，依序點選「導覽選單」圖示 >「Agent Platform」>「Notebooks」>「Workbench」。

2. 找出 執行個體，然後點選「Open JupyterLab」按鈕。

Workbench 執行個體的 JupyterLab 介面會在新瀏覽器分頁中開啟。

工作 2：設定筆記本

1. 開啟 檔案。

2. 出現「Select Kernel」對話方塊時，從可用核心清單選取「Python 3 (Local)」。

3. 執行筆記本的「Getting Started」部分。專案 ID 和位置已預先設定完成。

在後續章節，您將執行各個筆記本儲存格，瞭解如何搭配使用 Agent Platform 中的 Gemini API 與 Google Gen AI SDK for Python。

點選「Check my progress」，確認目標已達成。 安裝 Gen AI SDK for Python 並匯入程式庫

工作 3：運用函式呼叫取得 Google 商店結構化查詢

使用生成式文字模型時，想要求大型語言模型以 JSON 等結構化格式提供一致回應，可能並不簡單。運用函式呼叫，即可透過提示詞和非結構化輸入內容，輕鬆操作大型語言模型，要求模型傳回可用於呼叫外部函式的結構化回應。

您可以透過函式呼叫，利用使用者輸入的提示詞和函式定義，取得結構化輸出內容，再使用輸出內容，向外部系統提出 API 要求，然後將函式回應傳回至大型語言模型，生成回覆給使用者。換句話說，Gemini 函式呼叫可從使用者的非結構化文字或訊息，擷取出結構化參數。在這個例子中，您可以搭配使用函式呼叫與 Gemini 模型中的對話模式，協助消費者取得 Google 商店內的產品資訊。

1. 在這項工作，請執行各個筆記本儲存格，瞭解如何使用 Gemini 模型，協助消費者取得 Google 商店內的產品資訊。

點選「Check my progress」，確認目標已達成。 生成簡單的函式呼叫

工作 4：使用函式呼叫，透過 Maps API 為地址進行地理編碼

在這個例子中，您將使用 Gemini API 中的文字模式，定義以多個參數做為輸入內容的函式，接著依據函式呼叫回應發出即時 API 呼叫，將地址轉換為經緯度座標。

1. 在這項工作，請執行各個筆記本儲存格，瞭解如何透過 Gemini Flash 模型生成函式呼叫，為地址建立地理編碼。

點選「Check my progress」，確認目標已達成。 生成複雜的函式呼叫

恭喜！

恭喜！在這個實驗室，您學到如何運用 Agent Platform 的 Gemini API，以文字提示詞生成函式呼叫。您透過 Gemini Flash 模型生成了函式呼叫，協助消費者取得 Google 商店產品的資訊、為地址建立地理編碼，並擷取記錄資料中的實體。

後續步驟/瞭解詳情

歡迎參考下列資源，進一步瞭解生成式 AI 和 Gemini Enterprise Agent Platform：

• 請參閱 Google DeepMind Gemini 模型總覽，瞭解核心模型功能。
• 如需設計、擴充及部署指南，請參閱官方 Agent Platform 說明文件。
• 請參閱 Agent Platform 的代理總覽，瞭解如何建構及管理自訂代理。
• YouTube 上的生成式 AI 播放清單提供教學影片和產品示範，歡迎多加利用。
• 前往 Google Cloud 生成式 AI 存放區，查看其他筆記本和範例。
• 如需自訂代理範本，請瀏覽 Google Agent Development Kit (ADK) 範例存放區。

Google Cloud 教育訓練與認證

協助您瞭解如何充分運用 Google Cloud 的技術。我們的課程會介紹專業技能和最佳做法，讓您可以快速掌握要領並持續進修。我們提供從基本到進階等級的訓練課程，並有隨選、線上和虛擬課程等選項，方便您抽空參加。認證可協助您驗證及證明自己在 Google Cloud 技術方面的技能和專業知識。

使用手冊上次更新日期：2026 年 5 月 18 日

實驗室上次測試日期：2026 年 5 月 4 日

Copyright 2026 Google LLC 保留所有權利。Google 和 Google 標誌是 Google LLC 的商標，其他公司和產品名稱則有可能是其關聯公司的商標。