Gabung Login

Terapkan keterampilan Anda di Konsol Google Cloud

Anton Chernov

Menjadi anggota sejak 2025

Gold League

9446 poin
Men-deploy Arsitektur Multi-Agen Earned Apr 12, 2026 EDT
Deploy Your First Agent Earned Apr 4, 2026 EDT
Orchestrate Complex Multi-Agent Workflows Earned Apr 4, 2026 EDT
Coordinate Multiple Agents Earned Apr 4, 2026 EDT
Mengelola Memori dan Status Agen Earned Mar 22, 2026 EDT
Menambahkan Kemampuan Agen dengan Alat Earned Mar 21, 2026 EDT
Membangun Agen dengan Agent Development Kit (ADK) Earned Mar 21, 2026 EDT
Engineer AI Agents with Agent Development Kit (ADK) Earned Mar 20, 2026 EDT
Mengoptimalkan Perilaku Agen Earned Mar 20, 2026 EDT
Membangun Agen Pertama Anda dengan Agent Development Kit (ADK) Earned Mar 20, 2026 EDT
Dasar-Dasar Agen Earned Mar 19, 2026 EDT
Mengembangkan Aplikasi Serverless di Cloud Run Earned Mei 3, 2025 EDT
Desain Perintah dalam Vertex AI Earned Apr 23, 2025 EDT
Mengembangkan Aplikasi GenAI dengan Gemini dan Streamlit Earned Apr 22, 2025 EDT

Selesaikan badge keahlian Men-deploy Arsitektur Multi-Agen tingkat lanjut untuk menunjukkan keterampilan Anda dalam hal berikut: membangun sistem multi-agen dengan ADK, menghubungkan agen dengan protokol Agent-to-Agent (A2A), mengintegrasikan alat eksternal menggunakan Model Context Protocol (MCP), dan men-deploy solusi multi-agen lengkap ke Agent Engine.

Pelajari lebih lanjut

Take your agents from localhost to production. This course teaches you to deploy ADK agents to Vertex AI Agent Engine and Cloud Run, with optional cross-session memory via Memory Bank.

Pelajari lebih lanjut

Learn to orchestrate complex multi-agent workflows. This lesson teaches you to choose the right workflow patterns, manage state across agents, understand when custom logic is needed, and introduces distributed agent systems with A2A Protocol.

Pelajari lebih lanjut

Learn to coordinate multiple specialized agents working together. This lesson teaches you when to use multi-agent systems, how to orchestrate agents with workflow patterns, and how agents communicate through shared state. By the end, you’ll build a complete multi-agent application.

Pelajari lebih lanjut

Anda telah membangun agen LLM dasar yang merespons kueri. Sekarang, mari kita jadikan agen itu stateful. Gunakan status sesi untuk membangun agen yang mempertahankan konteks, mengingat preferensi pengguna, dan memberikan pengalaman yang dipersonalisasi.

Pelajari lebih lanjut

Anda telah membangun agen dengan konfigurasi lanjutan. Sekarang, berikan agen itu kemampuan dunia nyata. Lengkapi agen dengan alat yang memungkinkannya menelusuri web, mengeksekusi kode, membuat kueri database, dan menjalankan tindakan kustom.

Pelajari lebih lanjut

Pelajari cara menggunakan Agent Development Kit (ADK). Kursus ini membahas framework open source ADK, mulai dari rekayasa perintah sederhana hingga pendekatan pengembangan software terstruktur berbasis kode yang cocok untuk sistem multi-agen tingkat perusahaan.

Pelajari lebih lanjut

Complete the intermediate Engineer AI Agents with Agent Development Kit (ADK) skill badge by completing this course to demonstrate skills in the following: formulating real-world language model research problems; building a simple tokenizer; preparing a dataset for training a transformer language model; running the training loop of a small language model.

Pelajari lebih lanjut

Anda telah membangun agen pertama Anda. Sekarang saatnya mengembangkannya lebih lanjut. Dalam kursus ini, Anda akan meningkatkan keterampilan dengan mempelajari cara mengubah agen AI dasar menjadi asisten yang canggih dan presisi. Hal ini dilakukan dengan menerapkan petunjuk tingkat lanjut, pemilihan model, kemampuan perencanaan, dan pola output terstruktur. Gabung dengan forum komunitas untuk bertanya dan berdiskusi

Pelajari lebih lanjut

Wujudkan pemahaman Anda tentang agen agar menjadi realita praktis dengan membangun, mengonfigurasi, dan menjalankan agen AI pertama Anda menggunakan Agent Development Kit (ADK) Google. Dalam kursus praktik ini, Anda akan menyiapkan lingkungan pengembangan ADK yang lengkap, membuat agen dengan kode Python dan konfigurasi YAML, serta menjalankannya melalui berbagai antarmuka. Anda juga akan mempelajari parameter inti yang menentukan perilaku agen, dengan menerapkan hal yang telah Anda pelajari di kursus 1 pada kode yang berfungsi.

Pelajari lebih lanjut

Agen AI merepresentasikan peralihan besar melampaui model bahasa besar (LLM) tradisional: alih-alih hanya menghasilkan solusi berbasis teks, agen AI juga dapat bertindak secara otonom untuk mengeksekusinya. Kursus ini memperkenalkan dasar-dasar Agen AI, apa perbedaannya dengan API LLM, dan di mana agem ini memberikan nilai tambah di dunia nyata. Berdasarkan laporan resmi agen Google, kursus ini memberikan landasan teoritis yang dibutuhkan sebelum menulis baris kode agen pertama Anda—cocok untuk developer, arsitek, dan pengambil keputusan teknis yang ingin memahami sistem AI melalui lensa perilaku otonom dan berorientasi pada sasaran (bukan hanya pembuatan teks). Bergabunglah dengan forum komunitas untuk bertanya dan berdiskusi.

Pelajari lebih lanjut

Selesaikan badge keahlian Mengembangkan Aplikasi Serverless di Cloud Run untuk menunjukkan keterampilan Anda dalam hal berikut: mengintegrasikan Cloud Run dengan Cloud Storage untuk pengelolaan data, membangun sistem asinkron yang tangguh menggunakan Cloud Run dan Pub/Sub, membuat gateway REST API yang didukung Cloud Run, dan membangun serta men-deploy layanan di Cloud Run.

Pelajari lebih lanjut

Selesaikan badge keahlian pengantar Desain Perintah dalam Vertex AI untuk menunjukkan keterampilan Anda dalam hal berikut: rekayasa perintah, analisis gambar, dan teknik generatif multimodal, dalam Vertex AI. Pelajari cara membuat perintah yang efektif, memandu output AI generatif, dan menerapkan model Gemini dalam skenario pemasaran di dunia nyata.

Pelajari lebih lanjut

Selesaikan badge keahlian tingkat menengah Mengembangkan Aplikasi GenAI dengan Gemini dan Streamlit untuk menunjukkan keterampilan dalam hal berikut: membuat teks, menerapkan panggilan fungsi dengan Python SDK dan Gemini API, serta men-deploy aplikasi Streamlit dengan Cloud Run. Anda akan mempelajari berbagai cara memberikan perintah kepada Gemini untuk membuat teks, menggunakan Cloud Shell untuk menguji dan melakukan iterasi pada aplikasi Streamlit, lalu mengemasnya sebagai container Docker yang di-deploy di Cloud Run.

Pelajari lebih lanjut