google-cloud-solution-agentic-ai-bidirectional-streaming

google-cloud-solution-agentic-ai-bidirectional-streaming — официальный навык Google для проектирования решений, где несколько AI-агентов работают с непрерывным потоком мультимодальных данных и должны давать технические подсказки в реальном времени или помогать с контролем безопасности. Его область — двунаправленный streaming с аудио, видео или другими мультимодальными входами, когда важны задержка обратной связи, обнаружение опасностей, визуальная инспекция, доступ к документации и ограничения клиентского устройства или сети. Источник прямо отделяет такой сценарий от обычного текстового чата и задач без требований к real-time streaming, поэтому навык не следует применять как универсальный шаблон для любого диалога с моделью. Workflow начинается с discovery. Сначала собираются функциональные и нефункциональные требования, бизнес-цели, текущее состояние, архитектура, зависимости и ограничения. Вопросы охватывают первичные модальности и целевую задержку, конкретные опасности или неправильные действия, которые нужно отслеживать в видеопотоке, существующие системы и базы знаний, а также ограничения устройства и сети. Затем агент определяет компоненты workload и их связи, не забывая о cross-cloud, hybrid и on-premise частях, после чего раскладывает решение на логические компоненты. Полученную декомпозицию нужно показать пользователю для подтверждения; если требования меняются, её следует пересобирать и повторно подтверждать. Это важная часть навыка: он не предполагает, что архитектуру можно безопасно выбрать до уточнения контекста. После подтверждения состава начинается solution design. Навык предлагает получить актуальные материалы Google Cloud о live bidirectional multimodal streaming, multi-agent AI system, выборе компонентов agentic AI-архитектуры и private networking patterns. Эти документы должны служить фактической основой последующих рекомендаций. Компоненты сопоставляются с продуктами и возможностями Google Cloud, создаётся архитектурная диаграмма в Mermaid, а требования, декомпозиция, mapping продуктов и рекомендации собираются в файл solution-architecture-guide.md. Затем проект нужно представить на review и повторять design-итерацию до одобрения, а не считать автоматически сгенерированную схему готовой. Implementation phase использует отдельные официальные материалы о размещении AI-агентов в Cloud Run, WebSockets для Cloud Run, запуске и управлении сессией Gemini Live API, streaming tools и streaming configuration ADK, а также пример Way Back Home с решением. На их основе формируются prerequisites: проекты и billing associations, нужные Google Cloud API, IAM permissions и другие зависимости. После этого навык помогает подготовить Infrastructure as Code, например Terraform, deployment scripts и последовательные инструкции, которые дополняют тот же solution-architecture-guide.md. Выбор конкретных ресурсов и прав должен следовать подтверждённому workload, а не предположению, что любой поток можно развернуть одинаково. Последняя фаза — validation. План проверки включает deployment dry-run вроде terraform plan, проверку сетевых путей, routing и service endpoints, а также security policies, firewall rules и IAM enforcement. Для выполнения проверки можно подготовить лёгкие команды или скрипты с curl и gcloud, затем собрать ожидаемые результаты в validation report и снова попросить пользователя подтвердить итог. Навык поддерживает troubleshooting и итерации до финального approval, но сам по себе не доказывает, что инфраструктура развёрнута, что задержка соответствует цели, что safety monitoring достаточно полно или что конкретные IAM-настройки безопасны. Перед практическим применением нужно подтвердить доступность документации и инструментов, версии компонентов, сетевые условия, права проекта и результаты реальных проверок.