Dokumen di Architecture Center ini menyediakan link ke panduan arsitektur yang dapat Anda gunakan untuk membangun dan men-deploy aplikasi AI agentic di Google Cloud.
| Panduan arsitektur | Deskripsi |
|---|---|
| Memilih pola desain untuk sistem AI agentic Anda |
Panduan desain untuk membantu Anda memilih pola desain untuk sistem AI agentic Anda. |
| Memilih komponen arsitektur AI agentic Anda |
Panduan desain untuk membantu Anda memilih komponen arsitektur untuk aplikasi AI agentic Anda di Google Cloud. |
| Pola jaringan pribadi multi-agen di Google Cloud |
Panduan desain untuk membantu Anda mendesain infrastruktur jaringan pribadi yang mendukung aplikasi Gemini Enterprise multi-agen yang dapat diakses publik dengan koneksi pribadi antara agen, sub-agen, dan alat. |
| Sistem AI multi-agen |
Arsitektur referensi untuk membantu Anda mendesain sistem AI multi-agen yang andal di Google Cloud. |
| Sistem AI agentic multi-tenant |
Arsitektur referensi untuk membantu Anda mendesain sistem AI agentic multi-tenant yang andal di Google Cloud. |
| Sistem AI agen tunggal menggunakan ADK dan Cloud Run |
Arsitektur referensi untuk membantu Anda mendesain sistem AI agen tunggal menggunakan Agent Development Kit (ADK) dan Cloud Run dengan Gemini dan Model Context Protocol (MCP). |
| Mengelola pembelajaran interaktif |
Arsitektur tingkat tinggi untuk mendesain sistem AI agen tunggal yang menilai pengetahuan pengguna tentang topik tertentu dan menghasilkan pengalaman belajar yang dipersonalisasi. |
| Mengotomatiskan alur kerja data science |
Arsitektur tingkat tinggi untuk mendesain sistem AI multi-agen yang mengotomatiskan tugas analisis data dan machine learning yang kompleks. |
| Membangun data lakehouse terbuka tanpa batas |
Arsitektur tingkat tinggi untuk membangun data lakehouse terbuka tanpa batas yang membuat pipeline yang sangat diatur dan aman dari silo tanpa batas mentah hingga tindakan berbasis AI dan agen. |
| Membangun sistem agentic tepercaya dengan Google Maps Platform |
Arsitektur tingkat tinggi untuk membangun agen AI yang tepercaya dan efektif dengan melakukan grounding pada data peta dan kalender dunia nyata. |
| Mengklasifikasikan data multimodal |
Arsitektur tingkat tinggi untuk mendesain sistem AI multi-agen yang menganalisis data multimodal yang berbeda dan menghasilkan klasifikasi dengan keyakinan tinggi. |
| Pandu alur kerja teknis dengan streaming multimodal dua arah |
Arsitektur tingkat tinggi untuk membangun dan men-deploy sistem AI multi-agen yang memberikan panduan teknis dan pemantauan keamanan otomatis melalui aliran data multimodal dua arah yang berkelanjutan. |
| Menerapkan alur kerja analisis agentic untuk data terdistribusi |
Arsitektur tingkat tinggi untuk menerapkan alur kerja analisis lintas cloud yang menggunakan agen AI. |
| Orkestrasi resource GraphRAG Multimodal |
Arsitektur tingkat tinggi untuk membangun dan men-deploy sistem AI multi-agen yang menggabungkan data multimodal yang terfragmentasi ke dalam pustaka pengetahuan yang dapat ditelusuri. |
| Mengorkestrasi akses ke berbagai sistem perusahaan |
Arsitektur tingkat tinggi untuk mendesain sistem AI agentic yang mengorkestrasi interaksi dengan berbagai sistem perusahaan. |
| Mengorkestrasi alur kerja operasi keamanan |
Arsitektur tingkat tinggi untuk membangun sistem AI multi-agen yang mengorkestrasi proses investigasi dan triase yang kompleks di pusat operasi keamanan (SOC). |