top of page

Vertex AI Agent Builder 教學:應用實作與費用解析

  • 作家相片: 庭妤 郭
    庭妤 郭
  • 5天前
  • 讀畢需時 8 分鐘

想知道 Vertex AI Agent Builder 是什麼?本篇完整解析其應用場景、核心設計與實作流程,教你如何整合 Gemini、AI Search、BigQuery 等工具,打造 AI 對話系統。

影片來源:NewsPiggy 科技新聞(YouTube)

目錄

Vertex AI Agent Builder
圖片來源:Google Cloud

一、Vertex AI Agent Builder 是什麼?

Vertex AI Agent Builder 是 Google Cloud 提供的生成式 AI 工具之一,隸屬於 Vertex AI 平台 旗下,專門設計給企業與開發者用來打造具備「自然語言理解」、「任務導向執行能力」的智慧對話 Agent(AI 助手)。

簡單來說,這是一個讓你不用寫太多程式碼,也能打造 ChatGPT 類的企業助手的平台。透過圖形化介面與模組化設計,你可以:

  • 設計能理解用戶意圖的對話邏輯

  • 指定要查詢的資料來源(如 BigQuery、Google Sheets)

  • 建立自動化工作流程(如幫你寄信、生成摘要、查資料)

  • 結合 Gemini 模型做文字理解與輸出

  • 讓整個流程自動上線並支援 API 呼叫或 Web UI 嵌入

這個工具的目的,就是幫助你把一個 AI 模型,變成一個「可以被用戶互動、執行任務」的對話式應用

🧠 那和一般的對話模型有什麼差別?

你可能已經聽過 Gemini、ChatGPT 或 Claude 等大型語言模型(LLM),這些模型本身很會「說話」,但缺乏指令執行力、資料查詢能力與對話管理邏輯。Agent Builder 補足了這一塊。

你可以這樣理解:

工具

角色

能力

Gemini 模型

腦袋

負責理解語言與生成內容

Agent Builder

人體

幫你串接任務、查資料、處理邏輯、控制流程

Vertex AI Studio

筆記本

幫你設計 prompt 與測試生成結果

二、Vertex AI Agent Builder 能做什麼?核心功能與應用場景總整理

Vertex AI Agent Builder 的核心價值在於:不只讓 AI「會聊天」,更讓它「能完成任務」。它透過圖形化的流程設計介面,結合 Google Cloud 的語意理解技術(如 Gemini)、知識查找(Search)與資料觸發能力(如 BigQuery、Cloud Functions),讓你能快速打造出可實際執行工作的 AI 助手。

🔍 Agent Builder 的應用場景與整合模組

  1. 企業內部智慧助理(PM / HR / 業務)

讓員工能以自然語言詢問:

  • 「如何請特休?」

  • 「我的報表在哪下載?」

  • 「幫我查一下去年 Q4 的營收總額」

整合模組:

  • Vertex AI Search:連接企業內部知識庫(如 Drive 或 SOP)

  • Gemini:理解語意並摘要成自然語句

  • Agent Builder:處理多輪對話與查詢流程

  • BigQuery / Looker:回傳圖表、報表摘要(如營收趨勢)


  1. 電商客服與導購助理

全天候回答商品資訊、退貨流程、運費規則,還可做產品推薦。

整合模組:

  • Vertex AI Search:搜尋產品 FAQ 或政策文件

  • Gemini Prompt:產出口語化、親切的回應語氣

  • Agent Builder:設計使用者意圖與對話節點

  • Dialogflow CX:進階對話分流與邏輯判斷(可選)


  1. 教學平台助教 / HR 查詢助手

提供員工或學員即時課程查詢、制度說明、流程導引,提升學習效率與制度透明度。

整合模組:

  • Vertex AI Search:搜尋教材與內訓手冊

  • Chirp:支援語音輸入轉文字

  • Gemini:生成摘要回應

  • Agent Builder:管理問答流程與角色

  • Notebook:記錄學習狀況或查詢紀錄


  1. 資料驅動型對話助手(商務 / 行政應用)

協助內部人員查詢資料、觸發自動化任務,例如:

  • 查詢客戶訂單

  • 發送報表 Email

  • 觸發 CRM 系統更新

整合模組:

  • BigQuery:即時查詢結構化資料

  • Cloud Functions:觸發 API 或更新內部系統

  • Gemini:簡化結果與人性化說明

  • Agent Builder:設計對話任務與追問流程


  1. 文件問答與 RAG 系統應用

打造具知識來源的 AI 助理,查資料同時回應自然、不失準確。

整合模組:

  • Vertex AI Search:進行資料檢索(Retrieval)

  • Gemini:根據查詢內容生成語意回應(Generation)

  • Agent Builder:控制多輪對話與條件跳轉

  • Cloud Logging:記錄提問歷程與回覆依據


🧩 核心優勢總覽

功能項目

說明

圖形化流程設計

無需寫程式,即可設計複雜對話邏輯

Gemini 整合

將強大的語意理解直接作為語言引擎

知識查找能力

支援 Vertex AI Search 做文件語意搜尋

雲端一鍵部署

可輸出為 Web 工具、API 或第三方系統介接

高擴充性

可搭配 BigQuery、Looker、Cloud Functions、Google Workspace API

📌 補充提醒:上述所有應用幾乎都可以用「低程式碼」甚至「完全無程式碼」方式完成開發與部署。如果有更進階的需求,也能透過 REST API 與外部系統或 UI 做串接與擴展。


三、Agent Builder 的核心組件與設計邏輯

在 Vertex AI Agent Builder 中,你不是只寫一段 prompt 而已,而是設計一個具備「對話理解 + 資料查找 + 任務執行能力」的智慧代理。要做到這件事,它內部設計了幾個重要的元件組合,下面幫你簡單拆解:

1. Intents(意圖)

這是 Agent 理解使用者需求的第一步。你可以預設一些常見問題或話語的樣本,告訴系統:

「當使用者說出這些話時,他的意圖是『查詢銷售報表』。」

系統會自動進行語意分類(分類任務),來決定進入哪個對話流程。

2. Grounding(知識接地)

很多時候,LLM(如 Gemini)只能胡亂生成答案,因為它不知道你企業內部的資料。

這時候可以透過 Grounding 把 Agent 接上:

  • BigQuery 資料表

  • Google Drive 文件

  • 自建的 RAG 系統(例如 Vertex AI Search)

讓 AI 回答時有依據、不亂編,提升準確度與可信度。

3. Functions(任務功能呼叫)

除了回答問題,Agent 也能「執行事情」。例如:

  • 幫我發一封郵件

  • 查詢資料庫的某個欄位

  • 把用戶資料寫入 Google Sheets

你可以把這些操作寫成 Cloud Function 或 API,再在 Agent Builder 裡掛上來,讓語意觸發功能呼叫,這就是 Function Calling 的邏輯。

4. Flows(對話流程)

你可以用圖形化方式設計多段式對話流程,例如:

「你想查詢什麼月份的報表呢?」→ 等待輸入→ 呼叫 BigQuery → 回答

這些流程都可以視覺化拉線建立,也能重複使用,並進行條件分支或錯誤處理。

5. Prompt Design(提示設計)

每個 Flow 或 Intent 的節點中,都可以設計自己的 Prompt:

  • 可以是範本 + 使用者輸入變數

  • 支援多模型(Gemini、Codey 等)選用

  • 支援 JSON 格式輸出、自動解析欄位

這讓整個系統既有彈性又易於控管。


四、從零開始打造一個 Agent:實作流程教學(對照 Codelab)

如果你是第一次使用 Vertex AI Agent Builder,以下是最推薦的新手教學路線。這個流程會帶你一步步從零建立一個能回答問題、連接資料、甚至具備任務執行能力的 AI 助理。

以下內容對照 Google 官方 Codelab 教學,並補充額外操作建議與實戰說明:

🔧 步驟一:建立新 Agent 專案

  1. 前往 Google Cloud Console → Vertex AI → Agent Builder

  2. 點選「建立新 Agent」

  3. 命名後,選擇預設語言(例如:中文)、模型版本(預設 Gemini)

📌 初次使用會自動幫你部署基本環境,無需額外設定 VM 或部署架構。

🧠 步驟二:設計 Intents(定義使用者意圖)

  1. 建立一個 Intent,例如「查詢業績」

  2. 加入幾個範例說法,例如:

    • 「我想看 3 月的銷售成績」

    • 「幫我查一下最近的業績」

  3. 設定這個意圖啟動的對話流程或回覆範本

✅ 系統會自動學習這些句子,讓你無需手動設計所有變化說法。

🔍 步驟三:串接資料(Grounding / Search)

  1. 在「Grounding」區塊中選擇資料來源

  2. 可以選:

    • BigQuery(查表格資料)

    • Cloud Storage(文件資料)

    • Vertex AI Search(語意搜尋)

  3. 指定使用者輸入欄位與資料欄位的對應邏輯

📌 建議使用 Vertex AI Search + FAQ 文件建立最簡單的企業知識查詢場景。

⚙️ 步驟四:設定任務功能(Function)

  1. 建立一個自訂功能,例如「查詢銷售報表」

  2. 將後端 API 或 Cloud Function 連結進來(支援 REST 呼叫)

  3. 定義輸入與輸出參數,綁定到使用者輸入的變數上

📌 可以搭配 Dialogflow CX 或 Workflows 擴充更複雜流程邏輯。

🔁 步驟五:設計對話流程(Flow)

  1. 使用圖形介面拖曳節點,建立:

    • 提問節點:「你要查哪個月份的業績?」

    • 回應節點:「好的,我來查詢...」

    • Function 呼叫 → 回傳結果 → Gemini 生成摘要回覆

  2. 可依不同意圖進入不同 Flow,也可進行條件跳轉(例如當輸入為空時提示補充)

📤 步驟六:測試與部署

  1. 使用測試區即時對話測試

  2. 若一切正常,可直接點選「部署」發佈至應用端點(例如網頁或行動裝置)

  3. 可選擇串接 Vertex AI Studio 的 Prompt 或 Search 查詢模組進行強化

這個流程大致從設計 → 訓練 → 整合 → 部署一氣呵成,無需寫一行程式,也能產出企業等級的 AI Agent!


五、與其他 Google AI 工具的整合優勢

Vertex AI Agent Builder 不只是單一對話設計工具,它真正的強大來自與整個 Google Cloud AI 生態系的「無縫整合」。你可以根據需求自由搭配以下服務,打造出具有業務價值的 AI 應用:

🔍 Vertex AI Search:快速構建語意型查詢系統,支援內部知識庫查詢與 FAQ 回答。

🧠 Gemini 模型(Pro / Flash):提供自然語言生成、摘要、翻譯、分類等語意處理能力。

🗃 BigQuery:與結構化資料連動,讓 Agent 能即時查詢資料庫並回傳整理過的內容。

📊 Looker / Studio:整合資料視覺化平台,讓 AI 回答包含圖表或即時分析。

📞 Cloud Functions / Pub/Sub:讓 Agent 能根據對話結果「做出動作」,例如傳 Email、更新報表、觸發通知等。

透過這些模組的搭配,你能做的不只是問答,而是真正建立「有行動力」的 AI 助手。


六、Agent Builder 要錢嗎?

好消息是,Vertex AI Agent Builder 本身完全免費使用,也就是你可以不限次數建立 Agent 專案、設計對話流程、串接模組,不需額外付費。

但需注意:

  • 模型使用費用(例如使用 Gemini 進行文字生成、摘要)會依照 token 數量進行計費。

  • 串接資源(如 BigQuery、Cloud Functions) 若有使用到,也會根據用量收費。

  • 建議初學者啟用帳號後先使用 Google Cloud 免費額度($300),並從 Gemini Flash、Notebook 免費層開始操作,幾乎可以完整體驗無壓力。


七、小結:誰該開始用 Agent Builder?

如果你希望導入 AI,但不想從零打造模型、也不想處理繁複的後端流程,那麼 Agent Builder 絕對是一個「快速落地」的好選擇。它特別適合以下角色:

PM 或 AI 產品設計師:可快速驗證對話流程與用戶反應

企業資訊部門:設計內部智慧查詢助手,減少人力負擔

行銷與客服團隊:打造客服 AI 回答常見問題,提升效率

教育與培訓平台:建立互動式學習助教或語音答疑助手

新創團隊與 SaaS 公司:加速 AI MVP 推出與迭代測試

簡單來說,只要你想「用 AI 解決問題,而不是只聊聊天」,那就非常值得試試 Vertex AI Agent Builder。你不需要工程背景,也能在一週內上線一個真正能用的 AI 助理。

🎓 Google 官方學習資源推薦:


Comments


​文章分類
熱門標籤
bottom of page