通过BigQuery查询Google Cloud审计日志,检查AI代理访问的资源、调用主体和权限错误,并帮助区分VPC Service Controls边界拒绝与IAM权限不足。
- 审计代理访问过的资源
- 识别调用代理的主体
- 排查VPC Service Controls或IAM拒绝
设计并验证企业级 Gemini 平台方案,梳理多项目配置、网络、身份认证、治理策略与安全措施,并整理部署配置和上线后的检查项。
Designs, engineers, and validates enterprise Gemini platform architectures. Use when designing multi-project hierarchies (Host, Central Governance Hub, Runtime Spoke, Tool/MCP Spoke), configuring Agent Gateway, authoring Agent Connectivity Templates (ALL_TRAFFIC vs PRIVATE_RANGES_ONLY), deploying Secure Web Proxy (SWP) with Policy-Based Routing (PBR) or Cross-Cloud mTLS Egress Hubs, configuring Private CA TrustConfig with Internal ALB + Serverless NEG, implementing Unified Access Policies (UAP Policy V2 CEL) and Semantic Governance (SGP), configuring 3P IdP Token Exchange (EntraID/Ping/Okta via ext_proc + STS) or Agent Identity Auth Manager (SPIFFE), enforcing Model Armor Floor Settings and Fail-Closed guardrails, deploying Cross-Project Registry sync, binding ADK agents on Agent Runtime, or executing Day-2 lifecycle operations. Don't use for read-only live log triage or incident diagnosis, or generic Google Cloud Identity and Access Management (IAM) debugging.
实测评分 未实测
查看安装方法此技能协助设计企业级 Gemini 平台架构,并整理实施方案和部署后的检查项。可规划由 Host、Governance Hub、Runtime Spoke 和 Tool/MCP Spoke 组成的多项目结构,评估 Agent Gateway 与 Agent Connectivity Template 的通信方式,以及通过 Secure Web Proxy 或 Policy-Based Routing 转发外部流量。还涉及 Private CA 连接、与外部身份提供方交换令牌、Unified Access Policy、Semantic Governance Policy、Model Armor、Agent Runtime 上 ADK 代理的身份设置、注册表同步和日常运维。输出可包括架构方案、CLI 命令、配置文件,以及利用审计日志进行部署后验证的项目。
当团队要跨多个项目或网络设计基于 Gemini 的代理平台时,可以使用此技能。它适合需要一并规划通信路径、身份边界和安全策略,并且希望整理设计后的审计与运维步骤的团队。
使用时需要 Google Cloud SDK、身份验证、启用相关 API、计费设置和适当的 IAM 权限。本技能不处理一般 IAM 故障排查,也不负责只读日志分析或事件诊断。授予权限、修改组织策略或访问控制、删除资源前,需要明确确认。
本介绍由 AI(OpenAI Codex)根据公开的 SKILL.md 撰写。准确的规格请查看下方原文。
AI 根据 SKILL.md 的内容检查了需要注意的操作和使用前提。评分只依据实际运行的结果(实测对比)。
不计入评分。 由 AI(OpenAI Codex)于 2026年11月4日 评估。仅供参考,安装前请同时查看原文。
安装前可以查看交给 AI 代理的指令内容。
还没有评价。欢迎分享你的使用感受。
无需登录即可发表。欢迎分享使用感受、提问,或说明在哪些环境下无法运行。
还没有评论。来写第一条吧。
通过BigQuery查询Google Cloud审计日志,检查AI代理访问的资源、调用主体和权限错误,并帮助区分VPC Service Controls边界拒绝与IAM权限不足。
为 AI 代理创建 Terraform 告警配置,监控延迟、错误、令牌用量、安全信号和响应质量。先检查遥测数据与现有策略、避免重复并验证配置;质量告警需要 Vertex AI。
根据智能体的真实运行记录和人工评判,制定评估标准与指标。对比评分差异后调整规则和阈值,并在获批后将指标注册到 Agent Platform 评估服务。
将Model Garden模型部署到Agent Platform端点,查询兼容硬件与预估时价,跟踪部署、测试推理,并在使用后撤下模型和清理端点。
管理 Agent Platform 中接收模型在线预测请求的端点,包括列表、查看详情、创建、更新和删除,并排查权限、配额及资源繁忙错误。
在 Google Cloud 上评估 AI 模型和智能体,通过整理测试数据、选择评分指标、生成模拟用户场景、分析失败案例并比较修改前后的结果,为提示词和代码改进提供依据。