[GCP] GenAI 서비스 학습 Log

개요

---

아래는 GCP 기반의 GenAI Agent를 학습하고, 관련 경험을 쌓고자 하는 사람들에게 유용한 링크이다

GCP 서비스 학습 링크

---

GCP 서비스들에 대한 기본 지침서

https://cloud.google.com/docs?hl=ko

GCP 모든 제품군 보기

https://console.cloud.google.com/products

 

 

GCP GenAI 서비스 학습 링크

---

GCP Vertex AI 서비스에 대한 기본 지침서
https://cloud.google.com/vertex-ai/generative-ai/docs

(각 서비스의 개요와 빠른 시작 등이 포함되어 있다. 빠른 시작에서 사용되는 Notebook 등은 아래 github에서 확인할 수 있는 듯 하다.)

 

GCP Vertext AI 서비스 공식 github(샘플, 노트북, 설명 포함)

https://github.com/GoogleCloudPlatform/generative-ai

(주제별로 GenAI 서비스에 대한 유형별 Sample Notebook 라이브러리이다. 위에서는 이론을 github에서는 실제 코드를 확인하면 좋을 듯 하다.)

 

카테고리	설명
gemini/	스타터 노트북, 사용 사례, 함수 호출, 샘플 앱 등을 통해 Gemini를 알아보세요.
search/	웹사이트와 기업 데이터를 위한 검색 엔진을 빠르게 구축하는 데 도움이 되는 Google 관리 솔루션인 Vertex AI Search를 사용하는 데 관심이 있다면 이 폴더를 사용하세요 . (이전 명칭: Generative AI App Builder의 Enterprise Search)
rag-grounding/	이 폴더를 사용하여 검색 증강 생성(RAG) 및 Vertex AI를 활용한 Grounding에 대한 정보를 확인하세요. 이 폴더는 이 주제에 중점을 둔 다른 디렉토리의 노트북과 샘플 색인입니다.
vision/	Vertex AI의 Imagen(Vertex AI Imagen API) 기능을 사용하여 직접 솔루션을 구축하고 싶다면 이 폴더를 사용하세요. Vertex AI의 Imagen이 제공하는 기능은 다음과 같습니다. 이미지 생성 이미지 편집 시각적 캡션 시각적 질문 답변
audio/	Vertex AI(Vertex AI Chirp API)의 Google Universal Speech Model(USM) 버전인 Chirp의 기능을 사용하여 처음부터 자체 솔루션을 구축하는 데 관심이 있는 경우 이 폴더를 사용하세요.
setup-env/	Google Cloud, Vertex AI Python SDK, Google Colab 및 Vertex AI Workbench에서 노트북 환경을 설정하는 방법에 대한 지침입니다.
RESOURCES.md	Google Cloud의 생성 AI에 대한 학습 리소스(예: 블로그, YouTube 재생 목록)

 

ADK Agent 샘플 목록

https://github.com/google/adk-samples

( 이 저장소는 에이전트 개발 키트[ADK]를 기반으로 개발 프로세스를 가속화하도록 설계된 즉시 사용 가능한 에이전트를 제공합니다. 이러한 에이전트는 간단한 대화형 봇부터 복잡한 다중 에이전트 워크플로까지 다양한 일반적인 사용 사례와 복잡성을 지원합니다.)

 

GCP Agent Starter Pack

https://github.com/GoogleCloudPlatform/agent-starter-pack

(
Google Cloud용으로 구축된 프로덕션에 바로 사용할 수 있는 생성형 AI 에이전트 템플릿 모음입니다.
Gen AI 에이전트를 구축하고 배포할 때 흔히 발생하는 과제(배포 및 운영, 평가, 사용자 정의, 관찰 가능성)를 해결하여 포괄적이고 생산에 바로 사용할 수 있는 솔루션을 제공함으로써 개발을 가속화합니다.
)

 

GCP Agent Starter Pack을 통한 RAG 아키텍처 챗봇 구축하기

---

Prerequisite

- GCP Project 생성

- 로컬 gcloud cli 설정

- GCP Project 콘솔에서, Vertex AI 이동 후 API 활성화

Projects$ python -m venv venv && source venv/bin/activate
(venv) ➜  Projects pip install agent-starter-pack
...
Successfully installed Jinja2-3.1.6 MarkupSafe-3.0.2 agent-starter-pack-0.4.4 annotated-types-0.7.0 arrow-1.3.0 backoff-2.2.1 binaryornot-0.4.4 cachetools-5.5.2 certifi-2025.4.26 chardet-5.2.0 charset-normalizer-3.4.2 cookiecutter-2.5.0 docstring-parser-0.16 google-api-core-2.24.2 google-auth-2.40.2 google-cloud-aiplatform-1.87.0 google-cloud-bigquery-3.33.0 google-cloud-core-2.4.3 google-cloud-resource-manager-1.14.2 google-cloud-storage-2.19.0 google-crc32c-1.7.1 google-resumable-media-2.7.2 googleapis-common-protos-1.70.0 grpc-google-iam-v1-0.14.2 grpcio-1.71.0 grpcio-status-1.71.0 idna-3.10 markdown-it-py-3.0.0 mdurl-0.1.2 numpy-2.2.6 proto-plus-1.26.1 protobuf-5.29.4 pyasn1-0.6.1 pyasn1-modules-0.4.2 pydantic-2.11.5 pydantic-core-2.33.2 pygments-2.19.1 python-dateutil-2.9.0.post0 python-slugify-8.0.4 pyyaml-6.0.2 requests-2.32.3 rich-13.7.1 rsa-4.9.1 shapely-2.1.1 six-1.17.0 text-unidecode-1.3 types-python-dateutil-2.9.0.20250516 typing-inspection-0.4.1 urllib3-2.4.0

[notice] A new release of pip is available: 24.3.1 -> 25.1.1
[notice] To update, run: pip install --upgrade pip
...
(venv) ➜  Projects ls                          
aws-conch-kb-team            conch-nkb                    gcp-genai-chatbot-quickstart lgc-log-analysis             speedetail
aws-conch-team               gcp-genai-assetization       gcp-genai-prerequisite       my-app
(venv) ➜  Projects agent-starter-pack create gcp-agent-demo

⚠️  Update available: 0.4.4 → 0.5.0
Run `pip install --upgrade agent-starter-pack` to update.
Or, if you used pipx: `pipx upgrade agent-starter-pack`
Or, if you used uv: `uv pip install --upgrade agent-starter-pack`

=== GCP Agent Starter Pack 🚀===
Welcome to the Agent Starter Pack!
This tool will help you create an end-to-end production-ready AI agent in Google Cloud!


> Please select a agent to get started:
1. adk_base - A base ReAct agent built with Google's Agent Development Kit (ADK)
2. agentic_rag - ADK RAG agent for document retrieval and Q&A. Includes a data pipeline for ingesting and indexing documents into Vertex AI Search or Vector Search.
3. langgraph_base_react - An agent implementing a base ReAct agent using LangGraph
4. crewai_coding_crew - A multi-agent system implemented with CrewAI created to support coding activities
5. live_api - A real-time multimodal RAG agent powered by Gemini Live API, supporting audio/video/text chat with vector DB-backed responses

Enter the number of your template choice (1): 2

> This agent includes a data ingestion pipeline.
> Please select a datastore type for your data:
1. Vertex AI Search - Managed, serverless document store that enables Google-quality search and RAG for generative AI.
2. Vertex AI Vector Search - Scalable vector search engine for building search, recommendation systems, and generative AI applications. Based on ScaNN algorithm.

Enter the number of your choice [1/2] (1): 2

> Please select a deployment target:
1. Vertex AI Agent Engine - Vertex AI Managed platform for scalable agent deployments
2. Cloud Run - GCP Serverless container execution

Enter the number of your deployment target choice (1): 2

Enter desired GCP region (Gemini uses global endpoint by default) (us-central1): 

> You are logged in with account: 'sddev1002@lgcns.com'
> You are using project: 'gcp-agent-demo'
> Do you want to continue? (The CLI will check if Vertex AI is enabled in this project) [Y/skip/edit] (Y): 
> Successfully configured project: gcp-agent-demo
> Testing GCP and Vertex AI Connection...
> ✓ Successfully verified connection to Vertex AI in project gcp-agent-demo

===== DATA INGESTION SETUP =====
This agent uses a datastore for grounded responses.
The agent will work without data, but for optimal results:
1. Set up dev environment:
   export PROJECT_ID=gcp-agent-demo && cd gcp-agent-demo && make setup-dev-env

   See deployment/README.md for more info
2. Run the data ingestion pipeline:
   export PROJECT_ID=gcp-agent-demo && cd gcp-agent-demo && make data-ingestion

   See data_ingestion/README.md for more info
=================================


> 👍 Done. Execute the following command to get started:

> Success! Your agent project is ready.

📖 Project README: cat gcp-agent-demo/README.md
   Online Development Guide: https://goo.gle/asp-dev

🚀 To get started, run the following command:
   cd gcp-agent-demo && make install && make playground

 

# local test
cd gcp-agent-demo && make install && make playground

 

# deploy backend
gcloud services enable serviceusage.googleapis.com cloudresourcemanager.googleapis.com
make backend