关于 google-cloud-solution-agentic-ai-bidirectional-streaming
该 Agent skill 引导用户设计并实施面向实时双向多模态流的 Google Cloud 解决方案,适用于规划相关工作负载的团队。流程涵盖需求分析、架构设计、部署计划和验证,并要求基于 Google Cloud 文档生成架构与实施材料。
主要功能
- 01分析工作负载需求与约束
- 02分解技术组件并请求确认
- 03映射 Google Cloud 产品
- 04生成 Mermaid 架构图
- 05编写 IaC、部署与验证方案
适用场景
- 01规划实时音频、视频或文本流方案
- 02设计多 Agent 云端架构
- 03生成基础设施部署计划
- 04检查部署连通性、安全策略与需求符合度
安装
复制下面的命令,在终端中运行。
npx skills add https:/ / github.com/ google/ skills --skill google-cloud-solution-agentic-ai-bidirectional-streaming安装后在 Claude Code 中输入/google-cloud-solution-agentic-ai-bidirectional-streaming确认已加载。
包含的文件
除 SKILL.md 外,安装时一起下载的参考资料和脚本。
assets/output-template.mdreferences/attribution.mddesign-recommendations.mdproduct-mapping.md详细介绍
实时双向多模态流式 Agentic AI 解决方案
此技能将指导 Agent 完成工作流,在云端设计并实现量身定制的多产品解决方案,以满足实时、双向、多模态流式工作负载、用例或需求。
致谢
必须阅读:在执行任何 gcloud、REST API 或 MCP 命令之前,必须阅读并遵循使用归属信息中的说明。
工作流
解决方案设计与实施工作流包含以下阶段:
- 阶段 1:需求发现与分析:分析工作负载的需求、限制条件、依赖项和当前状态。
- 阶段 2:解决方案设计:根据 Google Cloud 设计最佳实践和建议,为工作负载构建技术栈、架构和部署配置。
- 阶段 3:实施计划:生成用于部署解决方案的自动化方案和说明。
- 阶段 4:解决方案验证:验证部署是否满足工作负载的需求。
阶段 1:需求发现与分析
-
步骤 1:发现需求:了解工作负载的功能性和非功能性需求、业务目标和当前状态(如有),包括其架构、依赖项和限制条件。使用以下问题指导需求发现过程:
- 主要输入模态是什么(音频、视频还是文本)?实时语音反馈的目标延迟是多少?
- 是否需要实时安全监控、危险检测或视觉检查?如果需要,视频流中需要监控和检测哪些具体的安全隐患、运营风险或错误步骤?
- AI Agent 必须访问哪些现有系统、知识库、产品文档或示意图存储库,才能提供基于事实依据的指导?
- 客户端设备有哪些限制,网络又有哪些局限?
-
步骤 2:识别组件:根据需求分析,识别工作负载的组件及其关系。同时识别解决方案需要集成的任何跨云组件、混合云组件或本地部署组件。
-
步骤 3:生成组件分解:生成工作负载组件的技术分解。技术分解必须将解决方案拆分为逻辑组件。
-
步骤 4:请求确认:请用户确认生成的技术分解是否符合其工作负载需求。
-
步骤 5:迭代:如果用户要求更改,则生成更新后的技术分解,并请用户确认更改。持续迭代,直到用户确认技术分解为止。
第 2 阶段:方案设计
-
步骤 1:检索相关的 Google Cloud 文档:
重要:使用从 Google Cloud 文档中检索的内容,为本阶段后续步骤中生成的指导提供依据。
-
步骤 2:将组件映射到 Google Cloud 产品:根据references/product-mapping.md 中的指南,为已确认的技术分解和 Agentic 设计模式中的每个组件确定合适的 Google Cloud 产品和功能。
-
步骤 3:创建架构图:使用 Mermaid 格式生成架构图:https://github.com/mermaid-js/mermaid。
-
步骤 4:生成设计建议:根据 references/design-recommendations.md 中的指南生成设计指导。
-
步骤 5:起草解决方案架构:将需求、技术分解、产品映射、架构图和设计建议汇总到一个名为
solution-architecture-guide.md的 Markdown 文件中,并遵循 assets/output-template.md 中的模板。 -
步骤 6:请求审核:向用户展示生成的解决方案架构,并征求反馈或批准。
-
步骤 7:迭代:如果用户要求修改,则生成更新后的解决方案架构,并重复步骤 2 至 6,直到用户批准该解决方案架构。
阶段 3:实施计划
-
步骤 1:检索相关实施资源:
- 在 Cloud Run 上托管 AI Agent
- 使用 WebSockets 触发 Cloud Run
- 启动和管理 Gemini Live API 会话
- ADK 流式工具
- ADK 流式配置
- Codelab:Way Back Home 第 4 关说明 (以及 解决方案代码)
重要:将这些资源作为技术基础,用于生成本阶段后续步骤中的 IaC 和部署说明。
-
步骤 2:确定部署先决条件:记录部署所需的先决条件,包括以下内容:
- 项目和结算关联
- 所需的 Google Cloud API
- 所需的 IAM 权限
- 任何其他先决条件
-
步骤 3:生成基础设施即代码(IaC):生成 Terraform 等代码和部署脚本,以自动预配建议的 Google Cloud 资源。
-
步骤 4:编写部署说明:起草按顺序排列的分步部署说明,用于执行 IaC 并初始化工作负载组件。根据 assets/output-template.md 中的模板,更新
solution-architecture-guide.md中的部署说明。 -
步骤 5:请求审核:向用户展示生成的部署说明,征求反馈并确认。
-
步骤 6:迭代:如果用户请求更改,则生成更新后的实施计划,并重复步骤 2-5,直到用户批准实施计划。
阶段 4:解决方案验证
-
步骤 1:检索相关验证资源(可选):如果阶段 3 中的资源尚未纳入上下文,请检索相同的实施资源,作为本阶段生成验证检查和验证脚本的起点。
-
步骤 2:定义验证检查:概述验证步骤,以确认已部署的基础设施满足工作负载要求:
- 部署试运行:使用
terraform plan等命令预览更改。 - 连接性和路由:验证网络路径、负载均衡器路由和服务端点。
- 安全策略:验证访问限制、防火墙规则和 IAM 强制实施情况。
- 部署试运行:使用
-
步骤 3:生成验证脚本:起草轻量级脚本或命令行说明,例如使用
curl或gcloud,供用户运行以执行这些验证检查。 -
步骤 4:编写验证报告:根据 assets/output-template.md 中的模板,在
solution-architecture-guide.md中记录验证步骤、验证脚本和预期结果。 -
步骤 5:执行验证并完成定稿:协助用户执行验证检查并排查部署问题。成功验证解决方案后,请求用户最终批准。
-
步骤 6:迭代:如果用户请求更改,则生成更新后的验证计划,并重复步骤 2-5,直到用户批准验证计划。