google-cloud-solution-build-deploy-agents

Официальный skill Google ведёт интерактивную разработку и развёртывание AI-агента или multi-agent-системы на Google Cloud для конкретной workload-задачи. Это не общий справочник по архитектуре Google Cloud и не инструкция для узкого продукта без agent-контекста. Workflow разделён на четыре фазы: анализ требований, проектирование решения, план реализации и валидация. Сначала собираются функциональные и нефункциональные требования, бизнес-цели, текущее состояние, архитектура, зависимости, ограничения, требования к безопасности, приватности, compliance, надёжности, disaster recovery, стоимости, эксплуатации, производительности и sustainability. Также выясняется, какие существующие системы, базы знаний и документы должны быть доступны агентам, и проверяются противоречия в исходных требованиях. Если данных недостаточно, skill обязан задать вопросы; до разрешения каждой неоднозначности нельзя рекомендовать архитектуру или продукты. После анализа оцениваются сложность, workflow, latency и cost, чтобы выбрать single-agent как простой старт или multi-agent для сложной кооперации специализированных компонентов. Затем создаётся техническая декомпозиция с логическими компонентами, связями и возможными cross-cloud, hybrid и on-premises частями, после чего требуется подтверждение пользователя. В фазе solution design используются связанные Google Cloud guidance и product mappings для выбора networking, frontend, agent/model runtime, memory store и tool-компонентов. Результат включает Mermaid-диаграмму, требования, декомпозицию, сопоставление продуктов и рекомендации, собранные в solution-architecture.md; документ нужно показать на review и дождаться одобрения. Implementation phase фиксирует проекты и billing, нужные API и IAM permissions, создаёт IaC и deployment scripts, а при уместности предлагает Agents CLI scaffold create или scaffold enhance. Инструкции должны показать ADK-код stateful agent node, который принимает prompt, вызывает model и возвращает tool execution request, регистрацию database reader через MCP, scale-to-zero для Cloud Run, зашифрованные environment variables для model parameters и приватных credentials, а также agents-cli deploy рядом с raw scripts, если он подходит. Перед переходом дальше план реализации также передаётся на review. В validation phase описываются terraform plan и agents-cli deploy --dry-run или -n, локальный agents-cli run, системные agents-cli eval run, сетевые пути и routing, service endpoints, ограниченные access policies, firewall rules и IAM enforcement. Генерируются лёгкие проверки через curl, gcloud или agents-cli, включая post-deployment вызов agents-cli run --url <service-url>; всё собирается в validation-plan.md и снова проходит review. Финализация допускается после выполнения проверок и устранения проблем, с отдельным подтверждением пользователя. Skill сохраняет контрольные точки и не перескакивает через согласование: архитектура, implementation plan и validation plan пересматриваются итеративно, пока пользователь не одобрит изменения. Его безопасное ограничение состоит в том, что он не должен угадывать отсутствующие требования, выдавать архитектуру при нерешённых противоречиях или считать deployment production-ready без dry-run, локальных evaluation, connectivity-проверок и контроля security-политик.