🏆SFEIR est le Google Cloud EMEA Training Partner of the Year 2025🤝Nouveau partenariat : Formations GitLab officielles🤖Nouvelle formation : Développeur Augmenté par l'IA
🏆SFEIR est le Google Cloud EMEA Training Partner of the Year 2025🤝Nouveau partenariat : Formations GitLab officielles🤖Nouvelle formation : Développeur Augmenté par l'IA
GCP300ANTIGRAVITYCLI

Formation Créer des agents avec Antigravity et l'Agents CLI

Dans ce cours, vous apprendrez à créer des agents d'entreprise sur la Gemini Enterprise Agent Platform. Vous découvrirez pourquoi les tâches métier réelles nécessitent des agents autonomes et comment tirer parti d'Antigravity et de l'Agent CLI pour transformer et automatiser votre workflow de développement ADK.

Vous apprendrez à gérer les agents, en examinant comment la plateforme se divise en un control plane qui définit les agents et un data plane qui les exécute via la Managed Agents API. À travers des leçons conceptuelles et un lab pratique de création d'un agent de zéro, vous apprendrez à assembler les composants d'un agent, à exécuter des boucles reason-act résilientes, à gérer un état persistant multi-tours et à assurer la scalabilité sur vos projets d'IA d'entreprise.

Google Cloud
✓ Formation officielle Google CloudNiveau Avancé⏱️ 0.5 jour (3.5h)

Ce que vous allez apprendre

  • Utiliser Antigravity et l'Agent CLI pour automatiser et accélérer le développement d'agents de niveau entreprise.
  • Expliquer comment l'Agent Development Kit (ADK) et l'Agents API simplifient la création d'agents d'entreprise autonomes.
  • Créer des agents managés, sécurisés et isolés en s'appuyant sur l'infrastructure Google via l'Agents API.
  • Interagir avec l'Agents API pour gérer le control plane et avec l'Interactions API pour travailler avec le data plane.
  • Étendre les agents avec des données montées, des skills, des outils et des serveurs MCP.
  • Exécuter des agents via des interactions en arrière-plan, une boucle reason-act streamée, des résultats typés résilients et un état multi-tours.
  • Appliquer le modèle de sécurité et les pratiques opérationnelles qui sécurisent un agent pour la production.

Prérequis

  • Connaissance de Google Cloud Platform

Public cible

  • Développeurs et ingénieurs logiciels, Ingénieurs Platform et DevOps, Architectes techniques / architectes de solutions, Spécialistes de l'automatisation

Programme de la Formation

9 modules pour maîtriser les fondamentaux

Objectifs
  • Expliquer le passage du développeur de l'implémentation manuelle à l'orchestration de haut niveau, en décrivant les phases d'intention de conception, de délégation et de vérification du modèle Vibe Coding
  • Construire une spécification d'agent formelle en syntaxe Gherkin pour définir explicitement les comportements corrects, les états d'échec et les cas limites avant d'écrire le moindre prompt
  • Évaluer la sortie générée d'un agent directement au regard d'une spécification stable pour garantir la précision et éviter le cumul d'erreurs pendant le build interactif
Sujets abordés
  • →Le modèle Vibe Coding
  • →Développement piloté par les spécifications et syntaxe Gherkin
  • →Prompting architectural et vérification des sorties
Objectifs
  • Différencier Agent Studio, la Managed Agents API et Antigravity pour choisir la solution de construction d'agents la plus adaptée selon les besoins de développement et de contrôle de l'infrastructure
  • Utiliser le panneau Artifacts de l'application Antigravity 2.0 Desktop pour inspecter, exécuter et référencer les sorties générées
  • Utiliser l'Antigravity CLI pour exécuter des tâches de codage agentique et des commandes de terminal, en maintenant un espace de travail et un contexte unifiés entre interfaces en ligne de commande et graphique.
Sujets abordés
  • →L'écosystème Antigravity
  • →Antigravity 2.0 Desktop et gestion des artefacts
  • →Antigravity CLI et configuration entreprise
Objectifs
  • Expliquer comment l'Agents CLI comble le fossé de contexte en montant des skills spécifiques au domaine qui alignent la sortie d'un agent de codage sur la surface ADK 2.0 actuelle
  • Appliquer les sept compétences clés de l'Agents CLI pour naviguer entre les phases distinctes de la boucle de développement d'agent
  • Gérer la session de développement en chargeant explicitement les skills pertinents pour conserver un contexte focalisé
Sujets abordés
  • →Combler le fossé de contexte de l'agent
  • →Les sept compétences clés du cycle de vie
  • →Gestion du contexte et contrôle de version
Objectifs
  • Construire rapidement une structure de projet d'agent fondamentale en exécutant la commande agents-cli scaffold create pour contourner les dialogues de configuration interactifs
  • Implémenter des capacités d'espace de travail supplémentaires, comme de nouvelles cibles de déploiement et des dépendances de paquets, à l'aide des outils de scaffolding en ligne de commande
  • Concevoir un espace de travail personnalisé de manière déclarative en fournissant à Antigravity une intention en langage naturel claire des objectifs de l'agent
Sujets abordés
  • →Génération rapide de projet
  • →Gestion de paquets et améliorations de déploiement
  • →Scaffolding piloté par l'intention
Objectifs
  • Décrire le cycle de vie de développement d'agent ADK de bout en bout et identifier le rôle précis des fichiers et répertoires clés générés lors du scaffolding
  • Exécuter la validation de code en local et les workflows de test interactifs à l'aide de agents-cli lint et du playground
  • Concevoir le module d'agent principal pour lier correctement modèles, instructions et outils dans un wrapper d'application standardisé.
Sujets abordés
  • →Le cycle de vie de développement et la structure de projet
  • →Configuration de l'agent principal
  • →Validation et test du code en local
Objectifs
  • Exécuter le workflow d'évaluation avec l'Agents CLI pour générer des traces d'exécution et noter systématiquement la performance de l'agent avec des métriques LLM-as-judge
  • Formuler des jeux de données d'évaluation complets et des configurations de métriques qui testent rigoureusement les comportements de l'agent
  • Analyser les scores d'évaluation pour identifier les modes d'échec courants, en affinant itérativement la logique de l'agent ou la description des métriques
Sujets abordés
  • →Structure et workflow d'évaluation
  • →Configurations et jeux de données d'évaluation
  • →Bonnes pratiques et itération d'évaluation
Objectifs
  • Différencier les stratégies de déploiement code-first et infrastructure-first pour choisir la fondation adaptée aux applications d'agents d'entreprise
  • Configurer un environnement d'exécution sécurisé en définissant des allowlists réseau et des montages de données externes pour contrôler strictement l'accès aux données et la portée réseau de l'agent
  • Exécuter les opérations de l'agent en définissant des ressources d'agent durables sur le control plane et en lançant des interactions éphémères sur le data plane
Sujets abordés
  • →Approches Infrastructure-First vs. Code-First
  • →L'environnement sandbox et les frontières de sécurité
  • →Opérations control plane vs. data plane
Activités

Lab : Construire, exécuter et durcir des agents avec la Managed Agents API

Objectifs
  • Différencier les outils exécutables des skills instructionnels pour équiper efficacement un agent autonome pour des tâches complexes du monde réel
  • Expliquer l'architecture Model Context Protocol (MCP) et comment elle s'appuie sur une communication standardisée pour découpler la logique de l'agent de l'exécution des outils externes
  • Assembler une configuration d'agent sur le control plane en intégrant des outils intégrés, des connexions à des serveurs MCP, des données montées et des skills publiés
Sujets abordés
  • →Outils vs. skills
  • →Architecture Model Context Protocol (MCP)
  • →Assemblage d'agent et publication de skills
Objectifs
  • Implémenter des patterns d'exécution de production robustes en utilisant des tâches longues asynchrones, le streaming SSE et des mécanismes de polling de repli pour gérer les coupures de connexion
  • Analyser les traces d'exécution de l'agent et la télémétrie fine de tokens pour surveiller les coûts opérationnels et identifier les boucles de raisonnement inefficaces
  • Gérer la persistance du contexte sur plusieurs tours de conversation en définissant explicitement les portées d'interaction et d'environnement, en garantissant que les opérations restent dans des frontières strictes de sécurité des données
Sujets abordés
  • →Patterns d'exécution et de reconnexion
  • →La boucle ReAct et la télémétrie de coûts
  • →Gestion de l'état et sécurité des données

Formations associées

Google Cloud

Créer des agents avec l'Agent Development Kit

Dans ce cours, vous apprendrez à utiliser l'Agent Development Kit (ADK) pour construire des systèmes où plusieurs agents d'IA collaborent sur des tâches complexes. Vous commencerez par le modèle d'agent ADK : comment l'ADK représente les agents, les outils et les runners, et comment un agent unique est configuré et exécuté. Vous rendrez ensuite des outils appelables par le modèle, persisterez l'état de session entre les agents, et instrumenterez le cycle de vie d'exécution avec des callbacks et des plugins. Vous orchestrerez ensuite plusieurs agents à l'aide des template workflow agents de l'ADK et des workflows basés sur des graphes, et les ancrerez dans les données d'entreprise via la récupération multi-source et les intégrations MCP. Enfin, vous déploierez un système multi-agents sur Agent Runtime en tant que service managé, puis l'enregistrerez et le partagerez via Gemini Enterprise pour que les utilisateurs de toute l'organisation puissent y accéder.

1 j
Avancé
Google Cloud

Déployer des systèmes multi-agents avec l'Agent Development Kit et l'Agent Engine

Dans ce cours, vous apprendrez à utiliser le Google Agent Development Kit pour construire des systèmes multi-agents complexes. Vous construirez des agents équipés d'outils et les connecterez avec des relations parent-enfant et des flux pour définir comment ils interagissent. Vous exécuterez vos agents localement et les déploierez sur Vertex AI Agent Engine pour qu'ils fonctionnent comme un flux agentique géré, avec les décisions d'infrastructure et la mise à l'échelle des ressources gérées par Agent Engine.

1 j
Avancé
Google Cloud

Série Antigravity pour l'entreprise

Cette série complète de 6 modules explore Google Antigravity, une plateforme de développement centrée sur les agents, conçue pour consolider des flux de travail de développement fragmentés au sein d'un harnais unifié côté serveur. Les apprenants progresseront de l'architecture fondamentale et de la mise à l'échelle multi-équipes vers des garde-fous d'entreprise avancés, un vibe coding responsable pour les équipes non techniques et un reporting de conformité déterministe pour les secteurs réglementés. Note pour les sessions Spark : les participants peuvent choisir 3 modules au choix pour composer une session Spark de 3 heures, ou suivre deux sessions de 3 heures (les 6 modules) pour couvrir l'intégralité de la série.

1 j
Intermédiaire
Voir toutes les formations →

Prochaines sessions

Aucune date ne vous convient ?

Nous organisons régulièrement de nouvelles sessions. Contactez-nous pour connaître les prochaines dates disponibles ou pour organiser une session à la date de votre choix.

S'inscrire à une date personnalisée

Processus Qualité

L'engagement de SFEIR Institute : une démarche d'excellence pour garantir la qualité et la réussite de toutes nos formations. En savoir plus sur notre démarche qualité

Méthodes pédagogiques mobilisées
  • Lectures / Apports théoriques (Slides) — Présentation de concepts via des supports visuels (PowerPoint, PDF).
  • Démonstration technique (Démos) — Le formateur réalise une manipulation ou une procédure devant les apprenants.
  • Laboratoires dirigés (Labs) — Mise en pratique guidée sur logiciel, machine ou environnement technique.
Dispositif d'évaluation et de suivi

L'atteinte des objectifs de la formation est évaluée à plusieurs niveaux pour garantir la qualité de la prestation :

  • Évaluation continue des acquis : Vérification des connaissances tout au long de la formation via des méthodes participatives (en fonction de la formation: quiz, exercices pratiques, mises en situation) sous la supervision du formateur.
  • Mesure de la progression : Dispositif d'auto-évaluation comparatif comprenant un diagnostic initial pour situer le niveau de départ, suivi d'une évaluation finale pour valider l'évolution des compétences.
  • Évaluation de la qualité : Questionnaire de satisfaction en fin de session pour mesurer la pertinence et l'efficacité de la formation ressentie par les participants.

Questions fréquentes

Aux développeurs et ingénieurs logiciels, aux ingénieurs Platform et DevOps, aux architectes techniques et architectes de solutions, et aux spécialistes de l'automatisation.
Une connaissance de Google Cloud Platform.
Vous utiliserez Antigravity et l'Agent CLI pour automatiser et accélérer le développement d'agents de niveau entreprise, vous créerez des agents managés, sécurisés et isolés avec l'Agents API, vous les étendrez avec des données montées, des skills, des outils et des serveurs MCP, et vous appliquerez le modèle de sécurité et les pratiques opérationnelles qui sécurisent un agent pour la production.
Neuf modules : vibe coding et développement piloté par les spécifications, Antigravity, l'Agents CLI, le scaffolding de projet, la structure de projet ADK, l'évaluation, la Managed Agents API, les outils et skills dont le Model Context Protocol (MCP), puis l'exécution et l'exploitation de l'agent.
La formation dure 3 h 30 et est animée par un formateur SFEIR Institute. Elle alterne apports conceptuels et un lab pratique : « Build, Run, and Harden Agents with Managed Agents API ».
Oui. Il s'agit d'une formation officielle Google Cloud dispensée par SFEIR Institute, partenaire certifié Google Cloud Training.

395€ € HT

par apprenant

RéserverDevis