Dieses Dokument im Architecture Center enthält Links zu Architekturleitfäden, mit denen Sie agentische KI-Anwendungen in Google Clouderstellen und bereitstellen können.
| Architekturleitfaden | Beschreibung |
|---|---|
| Designmuster für Ihr agentisches KI-System wählen |
Ein Designleitfaden, der Ihnen bei der Auswahl eines Designmusters für Ihr agentisches KI-System hilft. |
| Komponenten für die agentische KI-Architektur auswählen |
Ein Designleitfaden, der Ihnen bei der Auswahl von Architekturkomponenten für Ihre agentischen KI-Anwendungen in Google Cloudhilft. |
| Muster für private Netzwerke mit mehreren Agenten in Google Cloud |
Ein Designleitfaden, der Sie beim Entwerfen einer privaten Netzwerkinfrastruktur unterstützt, die eine öffentlich zugängliche Gemini Enterprise-Anwendung mit mehreren Agenten und privaten Verbindungen zwischen Agenten, Sub-Agenten und Tools unterstützt. |
| Multi-Agenten-KI-System |
Eine Referenzarchitektur, die Ihnen hilft, ein robustes Multi-Agenten-KI-System in Google Cloudzu entwerfen. |
| Mehrmandantenfähiges agentisches KI-System |
Eine Referenzarchitektur, die Sie beim Entwerfen eines robusten, mandantenfähigen agentischen KI-Systems in Google Cloudunterstützt. |
| Agentisches KI-System mit einem einzelnen Agenten, das ADK und Cloud Run verwendet |
Eine Referenzarchitektur, die Sie beim Entwerfen eines agentischen KI-Systems mit einem einzelnen Agenten unterstützt, indem Sie das Agent Development Kit (ADK) und Cloud Run mit Gemini und dem Model Context Protocol (MCP) verwenden. |
| Interaktives Lernen verwalten |
Eine allgemeine Architektur zum Entwerfen eines KI-Systems mit einem einzelnen Agenten, das das Wissen eines Nutzers zu einem bestimmten Thema bewertet und eine personalisierte Lernerfahrung generiert. |
| Data-Science-Workflows automatisieren |
Eine allgemeine Architektur zum Entwerfen eines agentischen KI-Systems, das komplexe Datenanalyse- und Machine-Learning-Aufgaben automatisiert. |
| Grenzenloses Open Data Lakehouse erstellen |
Eine allgemeine Architektur zum Erstellen eines grenzenlosen Open Data Lakehouse, das eine hochgradig verwaltete, sichere Pipeline von grenzenlosen Rohdatensilos zu KI- und agentenbasierten Aktionen einrichtet. |
| Vertrauenswürdiges agentisches System mit der Google Maps Platform erstellen |
Eine allgemeine Architektur zum Erstellen vertrauenswürdiger und effektiver KI-Agenten durch Fundierung mit realen Karten- und Kalenderdaten. |
| Multimodale Daten klassifizieren |
Eine allgemeine Architektur zum Entwerfen eines agentischen KI-Systems, das unterschiedliche multimodale Daten analysiert und eine Klassifizierung mit hoher Konfidenz erstellt. |
| Technische Workflows mit bidirektionalem multimodalem Streaming steuern |
Eine allgemeine Architektur zum Erstellen und Bereitstellen eines agentischen KI-Systems mit mehreren Agenten, das technische Unterstützung und automatisierte Sicherheitsüberwachung über einen kontinuierlichen, bidirektionalen Stream multimodaler Daten bietet. |
| Agentische Analyse-Workflows für verteilte Daten implementieren |
Eine allgemeine Architektur für die Implementierung von cloudübergreifenden Analyse-Workflows, die KI-Agenten verwenden. |
| Multimodale GraphRAG-Ressourcenorchestrierung |
Eine allgemeine Architektur zum Erstellen und Bereitstellen eines agentischen KI-Systems, das fragmentierte multimodale Daten in einem durchsuchbaren Knowledge Graph konsolidiert. |
| Zugriff auf unterschiedliche Unternehmenssysteme orchestrieren |
Eine allgemeine Architektur zum Entwerfen eines agentischen KI-Systems, das Interaktionen mit unterschiedlichen Unternehmenssystemen orchestriert. |
| Workflows für SecOps orchestrieren |
Eine allgemeine Architektur zum Erstellen eines Multi-Agenten-KI-Systems, das komplexe Untersuchungs- und Priorisierungsprozesse in einem Security Operations Center (SOC) orchestriert. |