Langsung ke konten utama
Dokumentasi
Mulai
Mulai Menggunakan Google Cloud
Daftar Produk
Cloud Customer Care
Produk Unggulan
Agent Platform
Pengelolaan API Apigee
BigQuery
Compute Engine
Cloud CDN
Cloud Run
Cloud Storage
Cloud SQL
Gemini Enterprise
Google Kubernetes Engine
Looker
Alat Lintas Produk
Pengelolaan akses dan resource
Pengelolaan biaya dan penggunaan
Infrastruktur sebagai kode
SDK, bahasa, framework, dan alat
Area Teknologi
AI dan ML
Pengembangan aplikasi
Hosting aplikasi
Compute
Pipeline dan analisis data
Database
Terdistribusi, hybrid, dan multicloud
Solusi industri
Migrasi
Jaringan
Kemampuan observasi dan pemantauan
Keamanan
Storage
/
Konsol
English
Deutsch
Español – América Latina
Français
Indonesia
Italiano
Português – Brasil
עברית
中文 – 简体
中文 – 繁體
日本語
한국어
Gemini Enterprise Agent Platform
Mulai gratis
Ringkasan
Studio
Agen
Model
Notebook
Harga
Agent Platform
AI Generatif
Blog Engineer
Dokumentasi
Lainnya
Ringkasan
Studio
Agen
Model
Notebook
Harga
Lainnya
Blog Engineer
Konsol
Ringkasan
Mendapatkan kunci API
Mulai
Membangun agen dengan ADK dan Agents CLI
Build
Ringkasan
Membuat agen
Ringkasan
Menyiapkan lingkungan
Agen bawaan
Agent Garden
Agen Deep Research Gemini
Menggunakan Deep Research
Kartu agen
Membuat agen di konsol
Agent Studio
Managed Agents API di Agent Platform
Ringkasan
Membuat dan mengelola agen
Berinteraksi dengan agen
Lingkungan sandbox
Mengevaluasi agen
Membuat agen dengan framework
Panduan memulai: Mengembangkan dengan framework agen di Agent Runtime
Agent Development Kit (ADK)
Ringkasan ADK
Panduan memulai: Mengembangkan dengan Agent Development Kit di Agent Runtime
Mengembangkan agen ADK
Agent2Agent
LangChain
LangGraph
AG2
LlamaIndex
Buat agen kustom
Registri Keterampilan
Ringkasan
Membuat dan mengelola keahlian
Authentication
Mengautentikasi ke layanan menggunakan 3-legged OAuth dengan pengelola autentikasi
Mengautentikasi ke layanan menggunakan 2-legged OAuth dengan pengelola autentikasi
Mengautentikasi ke layanan menggunakan kunci API dengan pengelola autentikasi
Mesin RAG
Ringkasan RAG
Panduan memulai RAG
Penagihan Mesin RAG
Mode deployment di RAG Engine
Ringkasan
Mengelola mode Spanner
Mode serverless
Beralih antar-mode
Penyerapan data
Model yang didukung
Model generatif
Model embedding
Penguraian dokumen
Dokumen yang didukung
Menyesuaikan transformasi RAG
Menggunakan parser tata letak Document AI
Menggunakan parser LLM
Pilihan database vektor dalam RAG
Ringkasan pilihan database vektor
Menggunakan RagManagedDb dengan RAG
Menggunakan Penelusuran Vektor 2.0 Agent Platform dengan RAG
Menggunakan Penelusuran Vektor Platform Agen dengan RAG
Menggunakan Feature Store dengan RAG
Menggunakan Weaviate dengan RAG
Menggunakan Pinecone dengan RAG
Menggunakan Penelusuran Agent Platform dengan RAG
Menyusun ulang peringkat untuk RAG
Mengelola korpus RAG Anda
Memfilter dengan penelusuran metadata
Menggunakan CMEK dengan RAG
Menggunakan RAG di Gemini Live API
Pengambilan Cross Corpus RAG
Tokenizer
Mencantumkan dan menghitung token
Menggunakan Count Tokens API
Set data multimodal
Menggunakan Agent Search
Melakukan penelusuran kemiripan vektor
Ringkasan Vector Search
Coba
Mulai
Panduan memulai Vector Search
Sebelum Anda memulai
Tutorial notebook
Tentang penelusuran campuran
Membuat dan mengelola indeks
Struktur dan format data input
Membuat dan mengelola indeks Anda
Indeks yang dioptimalkan untuk penyimpanan
Parameter konfigurasi indeks
Memperbarui dan membangun ulang indeks
Memfilter kecocokan vektor
Mengimpor data indeks dari BigQuery
Penyematan dengan metadata
Men-deploy dan membuat kueri indeks
Private Service Connect (direkomendasikan)
Menyiapkan Vector Search dengan Private Service Connect
Kueri
Autentikasi Token Web JSON
Endpoint publik
Deploy
Kueri
Akses layanan pribadi
Menyiapkan koneksi peering jaringan VPC
Deploy
Kueri
Autentikasi Token Web JSON
Memantau indeks yang di-deploy
Menggunakan kebijakan organisasi kustom
Mendapatkan dukungan
Pengambilan Agen (sebelumnya Vector Search 2.0) - Pengambilan Cerdas untuk Aplikasi AI
Ringkasan
Coba
Bermigrasi dari Vector Search 1.0
Koleksi
Embedding yang Dibuat Otomatis
Objek Data
Menggunakan ETag untuk Kontrol Konkurensi
Mengkueri Koleksi untuk Objek Data
Menelusuri Objek Data
Peringkat ulang
Indeks
Menggunakan MCP untuk terhubung ke AI dan aplikasi kustom
Kunci Enkripsi yang Dikelola Pelanggan (CMEK)
Logging audit
Kuota
Mendapatkan dukungan
Skalakan
Ringkasan
Agent Runtime
Ringkasan
Men-deploy agen
Menyediakan agen dengan Terraform
Mengelola agen yang di-deploy
Ringkasan
Mengelola akses agen
Mengelola revisi dan traffic
Menyiapkan pelacakan
Siapkan logging
Siapkan pemantauan
Menggunakan agen
Ringkasan
Agent Development Kit
Agent2Agent
LangChain
LangGraph
AG2
LlamaIndex
Khusus
