我的mcp代理人
使用谷歌代理开发工具包（ADK）构建的基础ReAct代理 代理生成于 googleCloudPlatform/agent-starter-pack 版本 0.18.0
项目结构
本项目组织如下：
my-mcp-agent/
├── app/ # Core application code
│ ├── agent.py # Main agent logic
│ ├── agent_engine_app.py # Agent Engine application logic
│ └── utils/ # Utility functions and helpers
├── .cloudbuild/ # CI/CD pipeline configurations for Google Cloud Build
├── deployment/ # Infrastructure and deployment scripts
├── notebooks/ # Jupyter notebooks for prototyping and evaluation
├── tests/ # Unit, integration, and load tests
├── Makefile # Makefile for common commands
├── GEMINI.md # AI-assisted development guide
└── pyproject.toml # Project dependencies and configuration需求
在开始之前，请确保您已经：
快速启动（本地测试）
安装所需的软件包并启动本地开发环境：
make install && make playground命令
| 命令 | 描述 |
|---|---|
make install | 使用uv安装所有必需的依赖项 |
make playground | 启动Streamlit接口，用于本地和远程测试代理 |
make backend | 将代理部署到代理引擎 |
make register-gemini-enterprise | 将已部署的代理注册到Gemini Enterprise（有关参数，请参阅Makefile） |
make test | 运行单元和集成测试 |
make lint | 运行代码质量检查（codespell、ruff、mypy） |
make setup-dev-env | 使用Terraform设置开发环境资源 |
有关完整的命令选项和用法，请参阅 Makefile.
用法
此模板遵循“自带代理”的方法——您专注于业务逻辑，模板处理其他所有内容（UI、基础设施、部署、监控）。
- 原型： 使用中的介绍笔记本构建您的生成式AI代理
notebooks/以供指导。使用顶点AI评估来评估性能。 - 整合： 通过编辑将您的代理导入应用程序
app/agent.py. - 测试： 使用Streamlit游乐场探索您的代理功能
make playground游乐场提供聊天历史记录、用户反馈和各种输入类型等功能，并在代码更改时自动重新加载您的代理。 - 监视器： 使用Cloud Logging、Tracing和Looker Studio仪表板跟踪性能并收集见解，以迭代您的应用程序。
该项目包括 GEMINI.md 该文件在询问有关模板的问题时为Gemini CLI等AI工具提供上下文。
部署
注： 为了使用Terraform对整个CI/CD管道和基础设施进行简化的单命令部署，您可以使用 agent-starter-pack setup-cicd CLI命令目前，GitHub支持Google Cloud Build和GitHub Actions作为CI/CD运行程序。开发环境
您可以使用以下命令测试向开发环境的部署：
gcloud config set project
make backend该存储库包括用于设置Dev-GoogleCloud项目的Terraform配置。 看 部署/README.md 以获取说明。
生产部署
该存储库包括用于设置生产Google Cloud项目的Terraform配置。参见 部署/README.md 有关如何部署基础架构和应用程序的详细说明。
监测和可观察性
您可以使用 此Looker Studio仪表板 用于可视化BigQuery中记录的事件的模板。请参阅“设置说明”选项卡以开始。
该应用程序使用OpenTetry实现全面的可观察性，所有事件都会发送到Google Cloud Trace和Logging进行监控，并发送到BigQuery进行长期存储。