Carlo Giordano
회원 가입일: 2021
골드 리그
6804포인트
회원 가입일: 2021
이 과정에서는 Google Cloud의 생성형 AI 기반 파트너인 Gemini가 Google 제품 및 서비스를 사용해 애플리케이션을 개발, 테스트, 배포, 관리하는 데 어떤 도움이 되는지 알아봅니다. Gemini의 도움을 받아 웹 애플리케이션을 개발 및 빌드하고, 애플리케이션의 오류를 수정하고, 테스트를 개발하고, 데이터를 쿼리하는 방법을 배웁니다. 실무형 실습을 통해 Gemini로 소프트웨어 개발 수명 주기(SDLC)가 얼마나 개선되는지 경험할 수 있습니다. Duet AI의 이름이 Google의 차세대 모델인 Gemini로 변경되었습니다.
이 과정에서는 Google Cloud의 생성형 AI 기반 공동작업 도구인 Gemini가 개발자의 애플리케이션 빌드에 어떤 도움이 되는지 알아봅니다. Gemini에 프롬프트를 입력하여 코드에 대한 설명을 얻고 Google Cloud 서비스를 추천받고 애플리케이션의 코드를 생성하는 방법을 배울 수 있습니다. 실무형 실습을 통해 Gemini로 애플리케이션 개발 워크플로가 얼마나 개선되는지 경험할 수 있습니다. Duet AI의 이름이 Google의 차세대 모델인 Gemini로 변경되었습니다.
첫 번째 에이전트를 빌드해 보았으니, 이제 한 단계 더 나아갈 차례입니다. 이 과정에서는 고급 요청 사항, 모델 선택, 계획 기능, 구조화된 출력 패턴을 적용하여 기본적인 AI 에이전트를 정교하고 정확한 어시스턴트로 발전시키는 기술을 연마하게 됩니다. Gemini Enterprise Agent Ready(GEAR) 프로그램의 다른 콘텐츠도 살펴봅니다. 커뮤니티 포럼에서 질문하고 토론하기.
미래로 나아가는 여정을 '에이전트 전략: 발견, 설계, 프로토타입 제작'으로 시작해 보세요. 이 과정에서는 Google의 에이전트 AI Transformation 프레임워크를 체계적으로 익히고 단순한 챗봇을 발전시켜 자율적으로 협업하는 팀원으로 만드는 방법을 학습할 수 있습니다. 소매 산업 사례를 통해 비즈니스 가치를 정량화하고 AI 프로젝트의 우선순위를 설정하며 중요한 사용자 여정을 설계하는 방법을 익히게 됩니다. 또한 Google AI Studio와 Gemini Enterprise 같은 노 코드 도구를 활용해 실제로 작동하는 프로토타입을 빌드하는 실습도 포함되어 있습니다. 이 과정은 비즈니스 및 기술 리더가 조직을 에이전트 AI 시대로 이끄는 데 필요한 로드맵을 명확하게 보여줍니다.
생성형 AI 에이전트를 프로토타입에서 프로덕션으로 가져가는 데 필요한 AgentOps 관행을 알아봅니다. 이 과정에서는 엔드 투 엔드 모니터링 가능성, CI/CD 파이프라인의 품질 검사 자동화, 엔터프라이즈 규정 준수를 위한 에이전트 인프라 보호를 다룹니다. Gemini Enterprise Agent Ready(GEAR) 프로그램의 다른 콘텐츠도 살펴봅니다.
쿼리에 응답하는 기본적인 LLM 에이전트를 빌드해 보았으니 이제 이를 스테이트풀(Stateful) 에이전트로 만들어 보겠습니다. 세션 상태를 활용하여 컨텍스트를 유지하고, 사용자 선호도를 기억하고, 개인화된 경험을 제공하는 에이전트를 빌드해 봅니다. 에이전트를 스테이트리스(Stateless) 응답자에서 지능형 어시스턴트로 전환할 수 있습니다. Gemini Enterprise Agent Ready(GEAR) 프로그램의 다른 콘텐츠도 살펴봅니다. 커뮤니티 포럼에서 질문하고 토론하기
고급 구성으로 에이전트를 빌드해 보았으니 이제 실제 사용 가능한 기능을 추가해 볼 차례입니다. 에이전트에 웹 검색, 코드 실행, 데이터베이스 쿼리, 커스텀 작업 수행을 지원하는 도구를 탑재해 보세요. 에이전트를 지능형 응답자에서 직접 작업을 수행하는 유능한 어시스턴트로 만들 수 있습니다. Gemini Enterprise Agent Ready(GEAR) 프로그램의 다른 콘텐츠도 살펴봅니다. 커뮤니티 포럼에서 질문하고 토론하세요.
데이터베이스용 MCP 도구 상자를 사용하여 엔터프라이즈 데이터베이스를 활용할 수 있는 AI 에이전트를 빌드하세요. 안전한 데이터베이스 상호작용 도구를 정의하고 지능형 쿼리 기능(벡터 임베딩, 구조화된 쿼리 활용)을 구현해 봅니다.
This course brings AI-driven, natural-language data engineering into the IDE and CLI workflows you already use. Built on the Agent Development Kit (ADK), the Data Agent Kit connects to a wide array of Google Cloud services, including BigQuery, Spanner, BigLake, Dataproc, and Managed Airflow. By using it, you can collapse days of pipeline scaffolding, data build tool (dbt) authoring, and orchestration wiring into prompt-driven sessions. As an intermediate-to-advanced practitioner, you will learn to build a data agent with the Agent Development Kit (ADK). You'll wire up the Model Context Protocol (MCP) layer, and use your agent to explore catalogs, transform data, train models, and orchestrate scheduled pipelines on Google Cloud.
Close the gap between general AI capabilities and your domain knowledge through Agent Skills. This course walks you through the full lifecycle of custom skill building, from local scaffolding and testing to enterprise scaling and sharing using Google's agent ecosystem, including Google Antigravity, ADK, and Skill Registry. Additionally, you use Google Agents CLI toolkit to attach skills to standalone 24/7 cloud agents, equipping your team with reliable, autonomous digital coworkers.
중급 에이전트 개발 키트(ADK)로 AI 에이전트 엔지니어링 기술 배지 과정을 완료하여 실제 언어 모델 조사 문제 공식화, 간단한 토크나이저 빌드, Transformer 언어 모델 학습을 위한 데이터 세트 준비, 소규모 언어 모델의 학습 루프 실행 등과 같은 기술 역량을 입증하세요.
이 과정에서는 Google Antigravity에서 에이전트를 조정하여 추진력 있는 속도로 소프트웨어를 빌드하는 방법을 알아봅니다. 이 실무형 과정에서는 먼저 Antigravity를 설치하고 시작하는 방법을 안내합니다. 다음으로 Firebase를 사용하여 Antigravity로 빌드한 앱의 서비스를 사용 설정합니다. 마지막으로 Antigravity에서 에이전트가 병렬로 작동하도록 프롬프트를 작성하여 Voyager라는 비디오 게임을 빌드합니다.