Halaman ini menyediakan daftar resource pilihan untuk membantu Anda membangun dan men-deploy solusi AI di Cloud Run.
Cloud Run adalah platform aplikasi terkelola sepenuhnya untuk menjalankan kode, fungsi, atau container di infrastruktur Google yang sangat skalabel. Anda dapat menggunakan Cloud Run untuk menjalankan berbagai solusi AI, seperti endpoint inferensi AI, API model generatif, seluruh pipeline Retrieval-Augmented Generation (RAG), dan banyak lagi.
Gunakan kategori dan link di bawah untuk membuka panduan resmi, panduan memulai, dan konten komunitas yang berharga. Untuk dokumentasi dan rekomendasi Cloud Run, lihat Menjelajahi solusi AI di Cloud Run.
Catatan tentang sumber daya komunitas
Konten yang diberi label "Komunitas" adalah sumber daya pilihan dari komunitas developer, dan tidak dikembangkan atau dikelola oleh Google. Perhatikan peringatan berikut saat menggunakan sumber ini:
- Audit keamanan: Selalu tinjau kode dengan cermat, terutama cara kode menangani informasi pribadi, input pengguna, dan akses jaringan.
- Penghentian penggunaan dan update: Kode komunitas mungkin menjadi tidak berlaku lagi atau berhenti berfungsi dengan fitur Cloud Run atau versi AI baru tanpa peringatan. Periksa tanggal update terakhirnya dan apakah masih dipertahankan secara aktif.
- Efisiensi biaya: Meskipun penyiapan ini sering kali bertujuan untuk biaya rendah, penyiapan ini mungkin tidak mengikuti praktik terbaik Google untuk menghemat uang dalam project aktif. Pantau penagihan Anda dengan cermat.
- Kepatuhan terhadap lisensi: Pastikan Anda memahami dan mengikuti lisensi open source untuk setiap kode atau library komunitas yang Anda tambahkan ke aplikasi Anda.
- Uji sebelum men-deploy: Verifikasi semua setelan penting, dan coba solusi komunitas di lingkungan pengujian sebelum menggunakannya untuk proyek aktif.
Memfilter menurut kategori atau kata kunci
Gunakan filter atau kotak penelusuran untuk menemukan konten berdasarkan kategori atau kata kunci.
| Kategori | Judul dan deskripsi | Tanggal dipublikasikan |
|---|---|---|
|
Blog
Cold start
Deployment
|
Panduan untuk Cold Start AI di Cloud Run Postingan blog ini membahas tantangan cold start untuk aplikasi AI di Cloud Run dan menguraikan pengoptimalan di seluruh konfigurasi, arsitektur, dan setelan runtime untuk meningkatkan latensi saat menskalakan ke nol. |
2026-05-28 |
|
ADK
Agen
Codelab
MCP
Keamanan
|
Mengatur beban kerja agentic dengan Agent Gateway di Gemini Enterprise Agent Platform Codelab ini menunjukkan cara menggunakan Agent Gateway untuk mengatur dan mengamankan agen ADK yang berjalan di Agent Runtime saat terhubung ke alat eksternal yang dihosting sebagai server MCP di Cloud Run. |
2026-05-28 |
|
Agen
Komunitas
MCP
Keamanan
|
Mengamankan agen AI dengan Otorisasi MCP Artikel ini menunjukkan cara mengonfigurasi dan menerapkan otorisasi MCP untuk mengamankan sistem agentic yang men-deploy alat MCP jarak jauh di Cloud Run. |
2026-05-26 |
|
AI Studio
Blog
Cloud SQL
Firebase
Vibe coding
|
Artikel ini memperkenalkan update vibe coding full-stack di Google AI Studio, yang menjelaskan integrasi dengan Firebase dan Cloud SQL, serta alur aktivasi tanpa kartu kredit untuk men-deploy aplikasi ke Cloud Run. |
2026-05-21 |
|
ADK
Flutter
Go
Video
|
Membangun aplikasi agen AI dengan Go ADK, Cloud Run, dan Flutter Video ini menunjukkan cara membangun aplikasi agen AI menggunakan Go Agent Development Kit (ADK), men-deploy-nya sebagai layanan container di Cloud Run, dan mengaksesnya dari frontend Flutter multiplatform. |
2026-05-21 |
|
AI Studio
Cloud SQL
Video
|
Membangun aplikasi full-stack dengan Google AI Studio, Cloud Run, dan Cloud SQL Video ini memandu pengguna membangun aplikasi full-stack dalam Mode Build Google AI Studio dan men-deploy-nya ke Cloud Run dengan penyediaan database otomatis. |
2026-05-21 |
|
AlloyDB
BigQuery
Codelab
MCP Toolbox
MongoDB
|
Membangun Katalog E-commerce Cerdas dengan Persistensi Multi-database Bangun katalog e-commerce cerdas menggunakan AlloyDB, MongoDB, Cloud Storage, BigQuery, dan MCP Toolbox di Cloud Run, lalu deploy aplikasi chat multiagen. |
2026-04-22 |
|
Agen
Codelab
Gemini Enterprise
|
Keynote Berikutnya di ‘26: Fabric of Unified Intelligence Men-deploy sistem multi-agen di Cloud Run dan mengorkestrasinya menggunakan Gemini Enterprise dengan konteks bersama untuk mendemonstrasikan struktur kecerdasan terpadu. |
2026-04-22 |
|
ADK
Agen
Codelab
MCP
|
Membangun dan Men-deploy Agen Pet Passport di Cloud Run Codelab ini memandu Anda membangun dan men-deploy agen Pet Passport yang menggunakan alat menggunakan server ADK dan Google Model Context Protocol (MCP) di Cloud Run. |
2026-04-22 |
|
ADK
Agen
Codelab
Eventarc
|
Membangun Agen AI Berbasis Peristiwa dengan Eventarc, Cloud Run, dan ADK Pelajari cara membangun dan men-deploy agen AI berbasis peristiwa asinkron di Cloud Run menggunakan Eventarc dan Agent Development Kit (ADK). |
2026-04-22 |
|
Agen
Codelab
MCP
Keamanan
|
Men-deploy Agen yang Memahami Tata Kelola Perusahaan dengan MCP dan Cloud Run Di Bagian 2 seri ini, pelajari cara men-deploy server Model Context Protocol (MCP) di Cloud Run untuk bertindak sebagai bidang kontrol data dan menghubungkannya ke agen ADK yang mendukung tata kelola. |
2026-04-16 |
|
ADK
Agen
Codelab
Model Armor
Keamanan
|
Membangun Agen Aman dengan Model Armor dan Identity Bangun agen AI aman tingkat produksi menggunakan Agent Development Kit (ADK) dan deploy ke Google Cloud. Panduan ini membahas penerapan Model Armor untuk pemfilteran input/output dan Identitas Agen untuk kontrol akses. |
2026-04-16 |
|
ADK
Agen
Codelab
MCP
|
Way Back Home - Level 1: Pinpoint Location Membangun sistem AI multi-agen menggunakan Agent Development Kit (ADK) yang menggabungkan server MCP kustom dan integrasi OneMCP BigQuery. |
2026-04-16 |
|
AI Studio
Codelab
Deployment
Vibe coding
|
Vibe Coding dengan Gemini di Google AI Studio Codelab ini menunjukkan cara menggunakan Mode Build di Google AI Studio untuk membuat prototipe cepat aplikasi React dan men-deploy-nya ke Cloud Run dengan sekali klik. |
2026-04-15 |
|
Codelab
Gemma 4
GPU
LLM
|
Menjalankan inferensi model Gemma 4 di Cloud Run dengan GPU RTX 6000 Pro menggunakan vLLM Codelab ini menunjukkan cara men-deploy model Gemma 4 di GPU NVIDIA RTX Pro 6000 Cloud Run menggunakan vLLM untuk inferensi serverless dengan throughput tinggi. |
2026-04-13 |
|
ADK
Agen
Komunitas
|
Cara Saya Membuat dan Men-deploy Agen AI Nyata Menggunakan Google ADK di Cloud Run Buat perencana perjalanan multi-agen menggunakan Agent Development Kit (ADK) Google dan deploy ke Google Cloud Run. |
2026-04-10 |
|
Agen
Otomatisasi
Komunitas
SRE
Kasus penggunaan
|
Dari Insiden hingga Permintaan Tarik: Membangun Agen SRE yang Didukung AI di GCP Buat agen SRE yang mengotomatiskan analisis penyebab utama dan perbaikan software menggunakan Gemini, Spring Boot, dan Cloud Run. |
2026-04-10 |
|
Agen
Codelab
Framework
LangChain
|
Men-deploy Agen LangChain di Cloud Run Bangun agen AI berbasis LangChain, kemas ke dalam container, lalu deploy ke Google Cloud Run untuk penayangan. |
2026-03-27 |
|
Agen
Komunitas
Elasticsearch
Gemini
Multimodal
|
Snap, Plan, Go: Membangun Agen Perjalanan Multimodal dengan Google Cloud, Elasticsearch, dan Gemini Bangun agen perjalanan multimodal yang mengidentifikasi landmark dari gambar dan menyarankan rute perjalanan menggunakan Gemini di Cloud Run. |
2026-02-22 |
|
AI Studio
Codelab
Deployment
Vibe coding
|
Men-deploy dari AI Studio ke Cloud Run Dalam codelab ini, Anda akan membuat aplikasi web sederhana menggunakan vibe coding di Google AI Studio dan men-deploy-nya ke Cloud Run. |
2026-02-18 |
|
Framework
Gemini
LangChain
|
Panduan memulai: Membangun dan men-deploy aplikasi web Python (LangChain) ke Cloud Run Panduan memulai ini menunjukkan cara membangun dan men-deploy aplikasi LangChain menggunakan Cloud Run dan Gemini untuk merespons kueri tentang ibu kota kota. |
2026-02-03 |
|
Agen
Framework
Gemini
|
Panduan memulai: Membangun dan men-deploy aplikasi web Python (smolagents) ke Cloud Run Panduan memulai ini menunjukkan cara membangun dan men-deploy aplikasi smolagents menggunakan Cloud Run dan Gemini. |
28-01-2026 |
|
Agen
Antigravity
Video
|
Berhenti melakukan coding, dan mulailah merancang arsitektur: Google Antigravity + Cloud Run Video ini memperkenalkan IDE agentik Google, Antigravity. Gunakan untuk membuat dan men-deploy aplikasi full stack ke Cloud Run dari awal. Tonton video ini untuk menulis lembar spesifikasi untuk AI, memaksanya menggunakan Node.js modern (tanpa langkah-langkah build!), dan saksikan AI secara mandiri men-debug ketidakcocokan port selama deployment dengan menyentuh file konfigurasi. |
2025-12-08 |
|
Codelab
Alat
|
Men-deploy dan Menjalankan n8n di Google Cloud Run Codelab ini menunjukkan cara men-deploy instance alat otomatisasi alur kerja n8n yang siap produksi di Cloud Run, lengkap dengan database Cloud SQL untuk persistensi dan Secret Manager untuk data sensitif. |
2025-11-20 |
|
Blog
Gemma 3
|
Praktik langsung Gemma 3 di Google Cloud Postingan blog ini mengumumkan dua codelab yang menunjukkan kepada developer cara men-deploy Gemma 3 di Google Cloud menggunakan Cloud Run untuk pendekatan serverless atau Google Kubernetes Engine (GKE) untuk pendekatan platform. |
2025-11-17 |
|
Agen
GPU
Ollama
Video
|
Agen AI ini berjalan di Cloud Run + GPU NVIDIA Video ini menunjukkan cara membangun aplikasi agen AI nyata di GPU NVIDIA serverless. Tonton demo agen kesehatan pintar yang menggunakan model open source seperti Gemma dengan Ollama di Cloud Run, dan LangGraph untuk membangun alur kerja multi-agen (RAG + alat). |
2025-11-13 |
|
Codelab
GPU
LLM
|
Cara menjalankan inferensi LLM di GPU Cloud Run dengan vLLM dan OpenAI Python SDK Codelab ini menunjukkan cara men-deploy model yang di-tune untuk perintah Gemma 2 2b Google di Cloud Run dengan GPU, menggunakan vLLM sebagai mesin inferensi dan OpenAI Python SDK untuk melakukan penyelesaian kalimat. |
2025-11-13 |
|
ADK
Agen
Codelab
|
Men-deploy, Mengelola, dan Mengamati Agen ADK di Cloud Run Codelab ini memandu Anda men-deploy, mengelola, dan memantau agen canggih yang dibuat dengan Agent Development Kit (ADK) di Cloud Run. |
12-11-2025 |
|
Blog
Alat
|
Otomatisasi alur kerja AI yang mudah: Men-deploy n8n di Cloud Run Postingan blog ini menjelaskan cara men-deploy agen menggunakan alat otomatisasi alur kerja n8n di Cloud Run untuk membuat alur kerja yang didukung AI dan berintegrasi dengan alat seperti Google Workspace. |
2025-11-07 |
|
MCP
Video
|
Mendukung agen AI Anda dengan alat MCP di Google Cloud Run Video ini memperkenalkan MCP (Model Context Protocol) dan cara mempermudah pekerjaan developer agen AI. Dapatkan panduan membangun server MCP menggunakan FastMCP, dan men-deploy agen ADK di Cloud Run. Lihat cara kode menangani autentikasi layanan ke layanan menggunakan token OIDC bawaan Cloud Run. |
2025-11-06 |
|
Model Armor
Keamanan
Video
|
Kami mencoba melakukan jailbreak pada AI kami (dan Model Armor menghentikannya) Video ini menunjukkan contoh penggunaan Model Armor Google untuk memblokir ancaman dengan panggilan API. |
30-10-2025 |
|
Codelab
Gemini CLI
MCP
|
Cara men-deploy server MCP yang aman di Cloud Run Codelab ini memandu Anda men-deploy server Model Context Protocol (MCP) yang aman di Cloud Run dan terhubung ke server tersebut dari Gemini CLI. |
2025-10-28 |
|
ADK
Agen
Codelab
MCP
|
Membangun dan men-deploy agen ADK yang menggunakan server MCP di Cloud Run Codelab ini memandu Anda membuat dan men-deploy agen AI yang menggunakan alat dengan Agent Development Kit (ADK). Agen terhubung ke server MCP jarak jauh untuk alatnya, dan di-deploy sebagai container di Cloud Run. |
2025-10-27 |
|
Tolok ukur
Vertex AI
Video
|
Jangan menebak: Cara mengukur tolok ukur perintah AI Anda Video ini menunjukkan cara menggunakan Vertex AI untuk membangun aplikasi AI generatif yang andal menggunakan alat Google Cloud. Developer akan mempelajari cara menggunakan alat Google Cloud untuk pembuatan prototipe yang cepat, mendapatkan angka pasti dengan tolok ukur berbasis data, dan terakhir, membangun pipeline CI/CD otomatis untuk kontrol kualitas yang sebenarnya, sekaligus menghindari kesalahan umum. |
2025-10-23 |
|
Model AI
Tugas Cloud Run
Codelab
Penyesuaian model
|
Cara menyesuaikan LLM menggunakan Tugas Cloud Run Codelab ini memberikan panduan langkah demi langkah tentang cara menggunakan Tugas Cloud Run dengan GPU untuk menyesuaikan model Gemma 3 pada set data Text2Emoji, lalu menyajikan model yang dihasilkan di layanan Cloud Run dengan vLLM. |
2025-10-21 |
|
Inferensi batch
Tugas Cloud Run
Codelab
|
Cara menjalankan inferensi batch pada tugas Cloud Run Codelab ini menunjukkan cara menggunakan tugas Cloud Run yang didukung GPU untuk menjalankan inferensi batch pada model Llama 3.2-1b dan menulis hasilnya langsung ke bucket Cloud Storage. |
2025-10-21 |
|
ADK
Multi-agent
Video
|
Cara membangun aplikasi multiagen dengan ADK dan Gemini Video ini menunjukkan cara membuat aplikasi menggunakan ADK (Agent Development Toolkit) Google yang membantu Anda menyempurnakan dan berkolaborasi dalam konten. Pelajari cara kerja multi-agen stateful yang lebih baik daripada agen tunggal. |
2025-10-16 |
|
Komunitas
Keamanan
|
Memanggil layanan Cloud Run Anda secara aman dari mana saja Artikel ini memberikan contoh kode Python yang mendapatkan token identitas untuk memanggil layanan Cloud Run yang diautentikasi dengan aman dari lingkungan mana pun. Contoh ini menggunakan kredensial default aplikasi (ADC) untuk mengautentikasi panggilan. |
2025-10-15 |
|
Gemini
Video
|
Membangun aplikasi AI yang menonton video menggunakan Gemini Video ini menunjukkan cara membuat aplikasi yang menonton dan memahami video YouTube menggunakan Gemini 2.5 Pro. Gunakan perintah pintar untuk menyesuaikan output aplikasi Anda untuk postingan blog, ringkasan, kuis, dan lainnya. Video ini membahas cara mengintegrasikan Gemini untuk membuat konten teks dan gambar header dari input video, membahas pertimbangan biaya, dan menjelaskan cara menangani video yang lebih panjang dengan permintaan batch. |
2025-10-06 |
|
ADK
Agen
Codelab
GPU
LLM
MCP
|
Lab 3:Prototipe ke Produksi - Men-deploy Agen ADK ke Cloud Run dengan GPU Codelab ini menunjukkan cara men-deploy agen Agent Development Kit (ADK) yang siap produksi dengan backend Gemma yang diakselerasi GPU di Cloud Run. Codelab ini mencakup pengujian deployment, integrasi, dan performa. |
2025-10-03 |
|
Agen
Codelab
|
Codelab ini menunjukkan cara men-deploy aplikasi dua tingkat di Cloud Run, yang terdiri dari frontend Gradio dan backend agen ADK, dengan fokus pada penerapan komunikasi layanan-ke-layanan yang aman dan terautentikasi. |
2025-09-29 |
|
Model AI
Komunitas
RAG
|
AI Serverless: EmbeddingGemma dengan Cloud Run Artikel ini memberikan panduan langkah demi langkah tentang cara membuat container dan men-deploy model EmbeddingGemma ke Cloud Run dengan GPU, lalu menggunakannya untuk membangun aplikasi RAG. |
2025-09-24 |
|
Blog
Ekstensi
Gemini
|
Mengotomatiskan deployment aplikasi dan analisis keamanan dengan ekstensi Gemini CLI baru Postingan blog ini mengumumkan ekstensi Cloud Run di Gemini CLI untuk menyederhanakan deployment aplikasi dengan satu perintah /deploy. |
2025-09-10 |
|
Komunitas
Keamanan
|
Rantai Kepercayaan untuk AI: Mengamankan Arsitektur MCP Toolbox di Cloud Run Artikel ini menguraikan aplikasi pemesanan hotel sederhana yang dibangun di Google Cloud. Codelab ini menunjukkan model keamanan zero-trust yang tangguh menggunakan identitas layanan, dan menunjukkan cara membuat rantai kepercayaan yang aman dari pengguna akhir hingga database. |
03-09-2025 |
|
Model AI
Komunitas
Containerisasi
Docker
Ollama
RAG
|
AI Serverless: Qwen3 Embeddings dengan Cloud Run Artikel ini memberikan tutorial tentang cara men-deploy model Sematan Qwen3 ke Cloud Run dengan GPU. Artikel ini juga membahas containerisasi dengan Docker dan Ollama, serta memberikan contoh cara menggunakannya dalam aplikasi RAG. |
2025-08-20 |
|
Arsitektur
Komunitas
LLM
|
Masih Mengemas Model AI dalam Container? Do This Instead on Cloud Run Artikel ini menganjurkan arsitektur yang lebih efisien dan skalabel untuk menyajikan model bahasa besar (LLM) di Cloud Run dengan memisahkan file model dari penampung aplikasi, dan sebagai gantinya menggunakan Cloud Storage FUSE. |
2025-08-11 |
|
Model AI
Komunitas
|
Membangun Generator Podcast Berteknologi AI dengan Gemini dan Cloud Run Artikel ini menjelaskan cara membuat generator podcast serverless yang didukung AI yang menggunakan Gemini untuk meringkas konten dan Cloud Run. Contoh ini mengatur pipeline otomatis untuk membuat dan mengirimkan ringkasan audio harian dari feed RSS. |
2025-08-11 |
|
GenAI
Video
|
Membangun aplikasi AI generatif di Cloud Run Video ini akan memandu Anda memahami arsitektur dan kode, menggunakan AI untuk membantu setiap langkah. |
2025-07-17 |
|
Blog
Ekstensi
Gemini
|
Postingan blog ini mengumumkan kolaborasi antara Google Cloud dan Docker yang menyederhanakan deployment aplikasi AI yang kompleks dengan memungkinkan developer menggunakan perintah gcloud run compose up untuk men-deploy file compose.yaml mereka langsung ke Cloud Run. |
2025-07-10 |
|
Agen
Firebase
Video
|
Membangun agen AI dengan Cloud Run dan Firebase Genkit Video ini menunjukkan cara membangun agen AI dengan Cloud Run dan Firebase Genkit, yaitu builder agen AI serverless. |
2025-07-10 |
|
Komunitas
MCP
|
Mengaktifkan server MCP Anda dengan Google Cloud Run Artikel ini menjelaskan tujuan Model Context Protocol (MCP) dan memberikan tutorial tentang cara membangun dan men-deploy server MCP di Cloud Run untuk mengekspos resource sebagai alat bagi aplikasi AI. |
2025-07-09 |
|
AI Studio
Firebase
Gemini
LLM
Video
|
Video ini memberikan demo tentang cara membangun aplikasi dukungan teknis dengan cepat menggunakan AI Studio, Cloud Functions, dan Firebase Hosting. Pelajari cara memanfaatkan Model Bahasa Besar (LLM) dan lihat contoh praktis mengintegrasikan AI ke dalam aplikasi web tradisional. |
2025-06-19 |
|
Blog
MCP
|
Membangun dan Men-deploy Server MCP Jarak Jauh ke Google Cloud Run dalam Waktu Kurang dari 10 Menit Postingan blog ini memberikan panduan langkah demi langkah untuk membangun dan men-deploy server Model Context Protocol (MCP) jarak jauh yang aman di Google Cloud Run dalam waktu kurang dari 10 menit menggunakan FastMCP, lalu mengujinya dari klien lokal. |
2025-06-07 |
|
Komunitas
Model ML
Monitoring
|
Men-deploy & Memantau Model ML dengan Cloud Run — Ringan, Dapat Diskala, dan Hemat Biaya Artikel ini menjelaskan cara men-deploy, memantau, dan menskalakan model machine learning secara otomatis di Cloud Run, dengan memanfaatkan stack pemantauan ringan dengan layanan Google Cloud untuk melacak performa dan mengontrol biaya. |
2025-05-29 |
|
Model AI
AI Studio
Komunitas
LLM
|
Men-deploy Gemma Langsung dari AI Studio ke Cloud Run Artikel ini memberikan tutorial langkah demi langkah tentang cara mengambil model Gemma dari AI Studio, menyesuaikan kodenya untuk produksi, dan men-deploy-nya sebagai aplikasi web dalam penampung di Cloud Run. |
2025-05-29 |
|
ADK
Agen
Komunitas
MCP
|
Tiga Serangkai Arsitektur Agen: ADK, MCP, dan Cloud Run Artikel ini menunjukkan cara membangun arsitektur agentik AI dengan menyiapkan alur kerja Agent Development Kit (ADK) yang berkomunikasi dengan server Model Context Protocol (MCP) yang dihosting di Cloud Run untuk mengelola pemesanan penerbangan. |
2025-05-27 |
|
ADK
Agen
Framework
LangGraph
Vertex AI
Video
|
Membangun agen AI di Google Cloud Video ini menunjukkan cara membangun dan men-deploy agen AI menggunakan Cloud Run dan Vertex AI. Pelajari konsep utama seperti pemanggilan alat, agnostisisme model, dan penggunaan framework seperti LangGraph dan Agent Development Kit (ADK). |
2025-05-21 |
|
Agen
AI Studio
Blog
MCP
|
Postingan blog ini memperkenalkan cara menyederhanakan deployment AI dengan deployment sekali klik dari AI Studio ke Cloud Run, deployment langsung model Gemma 3, dan server MCP untuk deployment berbasis agen. |
2025-05-20 |
|
A2A
Agen
Komunitas
Framework
Kasus penggunaan
|
Mempelajari Protokol Agent2Agent (A2A) dengan Kasus Penggunaan Concierge Pembelian di Cloud Run Artikel ini menjelaskan protokol Agent2Agent (A2A) dan menunjukkan penggunaannya dengan aplikasi concierge pembelian. Aplikasi Cloud Run berisi beberapa agen AI, yang dibuat dengan framework yang berbeda, dan berkolaborasi di antara agen tersebut untuk memenuhi pesanan pengguna. |
2025-05-15 |
|
Model AI
Otomatisasi
CI/CD
Komunitas
GitHub
|
Mengotomatiskan Deployment Model ML dengan GitHub Actions dan Cloud Run Artikel ini memberikan panduan komprehensif tentang cara membuat pipeline CI/CD dengan GitHub Actions untuk mengotomatiskan build dan deployment model machine learning sebagai layanan yang di-container di Cloud Run. |
2025-05-08 |
|
Model AI
GPU
Ollama
Video
|
Cara menghosting DeepSeek dengan GPU Cloud Run dalam 3 langkah Video ini menunjukkan cara menyederhanakan hosting model AI DeepSeek dengan GPU Cloud Run. Pelajari cara men-deploy dan mengelola Model Bahasa Besar (LLM) di Google Cloud dengan tiga perintah. Tonton dan temukan kemampuan Cloud Run dan alat command line Ollama, yang memungkinkan developer mengoperasikan aplikasi AI dengan cepat menggunakan alokasi dan penskalaan resource sesuai permintaan. |
2025-04-24 |
|
Agen
Blog
Kasus penggunaan
|
Artikel ini menunjukkan cara CodeRabbit, alat peninjauan kode AI, memanfaatkan Cloud Run untuk membangun platform yang skalabel dan aman untuk mengeksekusi kode yang tidak tepercaya, yang pada akhirnya memangkas waktu peninjauan kode dan bug hingga setengahnya. |
2025-04-22 |
|
Komunitas
LLM
Keamanan
|
Membangun Solusi AI Berdaulat dengan Google Cloud - Cloud Run Artikel ini memberikan panduan langkah demi langkah tentang cara membangun dan men-deploy solusi AI berdaulat di Google Cloud dengan menggunakan Sovereign Controls dari Partners. Contoh ini menjalankan model Gemma di Cloud Run, yang memastikan residensi data dan kepatuhan terhadap peraturan Eropa. |
2025-04-03 |
|
Codelab
Gemini
|
Cara men-deploy aplikasi chatbot FastAPI ke Cloud Run menggunakan Gemini Codelab ini menunjukkan cara men-deploy aplikasi chatbot FastAPI ke Cloud Run. |
2025-04-02 |
|
Cloud Run Functions
Codelab
LLM
|
Cara menghosting LLM di sidecar untuk fungsi Cloud Run Codelab ini menunjukkan cara menghosting model gemma3:4b di sidecar untuk fungsi Cloud Run. |
2025-03-27 |
|
Blog
Deployment
|
Cara men-deploy AI serverless dengan Gemma 3 di Cloud Run Postingan blog ini mengumumkan Gemma 3, sekumpulan model AI terbuka yang ringan, dan menjelaskan cara men-deploy-nya di Cloud Run untuk aplikasi AI serverless yang skalabel dan hemat biaya. |
2025-03-12 |
|
Arsitektur
RAG
Vertex AI
|
Infrastruktur RAG untuk AI generatif menggunakan Vertex AI dan Penelusuran Vektor Dokumen ini menyajikan arsitektur referensi untuk membangun aplikasi AI generatif dengan Retrieval-Augmented Generation (RAG) di Google Cloud, yang memanfaatkan Penelusuran Vektor untuk pencocokan kemiripan skala besar dan Vertex AI untuk mengelola embedding dan model. |
2025-03-07 |
|
Blog
Vertex AI
|
Artikel ini memperkenalkan fitur di Vertex AI yang memungkinkan deployment aplikasi web sekali klik di Cloud Run. Gunakan perintah AI generatif untuk menyederhanakan proses mengubah konsep AI generatif menjadi prototipe yang dapat dibagikan. |
2025-02-20 |
|
Blog
GPU
Inferensi
RAG
Vertex AI
|
Mewujudkan Inference-as-a-Service dengan Cloud Run dan Vertex AI Postingan blog ini menjelaskan cara developer dapat mempercepat pengembangan aplikasi AI generatif dengan menerapkan model Inference-as-a-Service di Cloud Run. Hal ini memungkinkan hosting dan penskalaan LLM dengan dukungan GPU serta mengintegrasikannya dengan Retrieval-Augmented Generation (RAG) untuk respons khusus konteks. |
2025-02-20 |
|
Komunitas
LLM
|
Dari Zero hingga Deepseek di Cloud Run selama perjalanan pagi saya Artikel ini menunjukkan cara men-deploy model Deepseek R1 dengan cepat di Cloud Run dengan GPU menggunakan Ollama selama perjalanan pagi. Artikel ini membahas topik lanjutan seperti menyematkan model dalam container, pengujian A/B dengan pembagian traffic, dan menambahkan UI web dengan container sidecar. |
2025-02-11 |
|
Panggilan fungsi
Gemini
Video
|
Cara menggunakan panggilan fungsi Gemini dengan Cloud Run Video ini membahas kecanggihan panggilan fungsi Gemini dan mempelajari cara mengintegrasikan API eksternal ke dalam aplikasi AI Anda. Buat aplikasi cuaca yang memanfaatkan pemahaman bahasa alami Gemini untuk memproses permintaan pengguna dan mengambil data cuaca dari API eksternal, sehingga memberikan contoh praktis pemanggilan fungsi dalam tindakan. |
2025-01-23 |
|
Komunitas
LLM
Ollama
|
Cara menjalankan LLM terbuka (apa pun) dengan Ollama di Google Cloud Run [Langkah demi langkah] Artikel ini menunjukkan cara menghosting LLM terbuka apa pun, seperti Gemma 2, di Google Cloud Run menggunakan Ollama. Artikel ini juga menyertakan petunjuk untuk membuat bucket Cloud Storage untuk persistensi model dan menguji deployment. |
2025-01-20 |
|
Komunitas
Model ML
|
Deployment model Machine Learning Serverless dengan GPU menggunakan Google Cloud: Cloud Run Artikel ini memberikan panduan langkah demi langkah untuk men-deploy model machine learning (ML) dengan dukungan GPU di Cloud Run. Artikel ini mencakup semuanya mulai dari penyiapan project dan containerisasi hingga deployment otomatis dengan Cloud Build dan pengujian dengan curl dan JavaScript. |
2025-01-17 |
|
Pembuatan gambar
Vertex AI
Video
|
Text-to-image dengan Vertex AI Google Cloud di Cloud Run Video ini menunjukkan cara membuat aplikasi pembuatan gambar menggunakan Vertex AI di Google Cloud. Dengan model pembuatan gambar Vertex AI, developer dapat membuat visual yang memukau tanpa memerlukan infrastruktur atau pengelolaan model yang rumit. |
2025-01-16 |
|
Perlindungan data
Keamanan
Video
|
Melindungi data sensitif di aplikasi AI Video ini menunjukkan cara mengamankan data sensitif dalam aplikasi AI. Pelajari konsep utama, praktik terbaik, dan alat untuk melindungi data di sepanjang siklus proses AI. |
2024-11-21 |
|
Jendela dialog besar
Penyesuaian model
RAG
Video
|
RAG vs. Penyesuaian model vs. Jendela perintah besar Video ini membahas tiga metode utama untuk mengintegrasikan data Anda ke dalam aplikasi AI: perintah dengan jendela konteks panjang, Retrieval Augmented Generation (RAG), dan penyesuaian model. Pelajari kelebihan, keterbatasan, dan kasus penggunaan ideal untuk setiap pendekatan guna membuat keputusan yang tepat untuk project AI Anda dalam episode Serverless Expeditions ini. |
2024-11-14 |
|
Rekayasa perintah
Video
|
Rekayasa perintah untuk developer Video ini menunjukkan cara menggunakan rekayasa perintah untuk meningkatkan kualitas respons AI. Tonton video ini untuk mempelajari cara mendapatkan respons yang lebih akurat dan relevan dari AI generatif dengan teknik prompting chain of thought, few-shot, dan multi-shot. |
2024-10-31 |