Maison
gcp-examples-expert
jeremylongshore/claude-code-plugins-plus
Fournissez des exemples de code Google Cloud prêts à l'emploi issus des référentiels officiels, notamment des exemples ADK, des modèles Genkit, des notebooks Vertex AI et des modèles Gemini. À utiliser lorsqu'on vous demande de « montrer un exemple ADK » ou de « fournir un kit de démarrage GCP ».
...Développer toutÀ propos de « gcp-examples-expert »
La compétence « gcp-examples-expert » est conçue pour générer des exemples de code Google Cloud prêts à l’emploi à partir de diverses sources officielles, notamment des exemples ADK, des modèles Genkit, des notebooks Vertex AI et des modèles Gemini. Cette compétence a pour objectif d’aider les développeurs à accéder rapidement à des extraits de code et à des modèles pratiques afin d’accélérer le processus de développement, en leur permettant d’intégrer facilement les fonctionnalités de Google Cloud dans leurs applications. En automatisant la récupération d’exemples pertinents, elle résout le problème lié à la recherche manuelle et à l’adaptation de code provenant de sources dispersées, ce qui permet aux développeurs de gagner du temps et de réduire leurs efforts.
FAQ
Comment puis-je invoquer la compétence « gcp-examples-expert » ?
Appelez cette compétence lorsque les conditions de déclenchement sont remplies, par exemple lorsqu’on vous demande un exemple ADK ou un kit de démarrage GCP. Des expressions pertinentes en rapport avec l’objectif de la compétence peuvent également l’activer.
Quelles sont les conditions préalables à l’utilisation de cette compétence ?
Vous devez disposer des autorisations d’accès aux fichiers appropriées et avoir installé les dépendances requises dans votre environnement.
Quels outils sont autorisés dans cette compétence ?
La compétence peut utiliser des outils tels que les commandes Read, Write, Edit, Grep, Glob et Bash.
Puis-je modifier le résultat généré ?
Oui, la compétence fournit un résultat généré qui peut être vérifié et modifié selon vos besoins spécifiques.
Où puis-je trouver des exemples et de la documentation sur la gestion des erreurs ?
Vous trouverez des exemples détaillés dans le fichier `{baseDir}/references/examples.md` et des informations complètes sur la gestion des erreurs dans le fichier `{baseDir}/references/errors.md`.
GCP Examples Expert
Overview
Generate production-ready Google Cloud Platform code examples sourced from official repositories including ADK samples, Agent Starter Pack, Firebase Genkit, Vertex AI samples, Generative AI examples, and AgentSmithy. This skill maps user requirements to the appropriate GCP framework and delivers working code with security, monitoring, and deployment best practices baked in.
Prerequisites
- Google Cloud project with billing enabled and Vertex AI API activated
gcloudCLI authenticated with appropriate IAM roles (Vertex AI User, Cloud Run Developer)- Node.js 18+ for Genkit/TypeScript examples or Python 3.10+ for ADK/Vertex AI examples
- Firebase CLI for Genkit deployments (
npm install -g firebase-tools) - API keys or service account credentials configured via Secret Manager (never hardcoded)
Instructions
- Identify the target framework by matching the request to one of six categories: ADK agents, Agent Starter Pack, Genkit flows, Vertex AI training, Generative AI multimodal, or AgentSmithy orchestration
- Select the appropriate source repository and code pattern from
${CLAUDE_SKILL_DIR}/references/code-example-categories.md - Adapt the template to the specified programming language (TypeScript, Python, or Go)
- Configure security settings: IAM least-privilege service accounts, VPC Service Controls, Model Armor for prompt injection protection
- Add monitoring instrumentation: Cloud Monitoring dashboards, alerting policies, structured logging, OpenTelemetry tracing
- Set auto-scaling parameters with appropriate min/max instance counts for the deployment target
- Include cost optimization: select Gemini 2.5 Flash for simple tasks, Gemini 2.5 Pro for complex reasoning, batch predictions for bulk workloads
- Generate deployment configuration for the target platform (Cloud Run, Firebase Functions, or Vertex AI Endpoints)
- Provide Terraform or IaC templates for reproducible infrastructure provisioning
- Cite the source repository and link to official documentation for each pattern used
See ${CLAUDE_SKILL_DIR}/references/workflow.md for the phased workflow and ${CLAUDE_SKILL_DIR}/references/best-practices-applied.md for the full best-practices checklist.
Output
- Complete, runnable code example with imports, configuration, and error handling
- Deployment configuration (Cloud Run service YAML, Firebase function config, or Terraform module)
- Environment variable template listing required secrets and API keys
- Monitoring setup: dashboard JSON, alerting policy definitions, log-based metrics
- Cost estimate guidance based on model selection and expected throughput
- Source repository citation and documentation links
Error Handling
| Error | Cause | Solution |
|---|---|---|
| Invalid GCP project or API not enabled | Vertex AI API disabled or project ID misconfigured | Run gcloud services enable aiplatform.googleapis.com; verify project ID in gcloud config list |
| Permission denied on Vertex AI resources | Service account missing required IAM roles | Grant roles/aiplatform.user and roles/run.developer; check VPC-SC perimeter allows access |
| Model not available in region | Requested Gemini model not deployed in specified location | Use us-central1 or europe-west4 where Gemini models are available; check regional availability docs |
| Quota exceeded for API calls | Rate limit hit on Vertex AI prediction endpoint | Request quota increase via Cloud Console; implement exponential backoff with jitter |
| Dependency version conflict | Incompatible versions of AI SDK, Genkit, or provider packages | Pin versions in package.json or requirements.txt; use lockfile to ensure reproducibility |
See ${CLAUDE_SKILL_DIR}/references/errors.md for additional error scenarios.
Examples
Scenario 1: ADK Agent with Code Execution -- Create a production ADK agent using google/adk-samples patterns. Enable Code Execution Sandbox with 14-day state TTL, configure Memory Bank for persistent context, apply VPC Service Controls and IAM least-privilege. Deploy to Vertex AI Agent Engine.
Scenario 2: Genkit RAG Flow -- Implement a retrieval-augmented generation system using Firebase Genkit. Define a retriever with text-embedding-gecko embeddings, connect to a vector database, build a RAG flow with Zod-validated input/output schemas. Deploy to Cloud Run with auto-scaling (2-10 instances).
Scenario 3: Gemini Multimodal Analysis -- Analyze video content using the generative-ai repository patterns. Create a multimodal prompt combining video URIs with text questions using Gemini 2.5 Pro. Include safety filter configuration, token counting for cost estimation, and structured output parsing.
See ${CLAUDE_SKILL_DIR}/references/example-interactions.md for detailed interaction examples.
Resources
- google/adk-samples -- ADK agent creation patterns
- GoogleCloudPlatform/agent-starter-pack -- production agent templates
- genkit-ai/genkit -- RAG flows, tool calling, evaluation
- GoogleCloudPlatform/vertex-ai-samples -- model training, tuning, deployment
- GoogleCloudPlatform/generative-ai -- Gemini multimodal, function calling, grounding
- GoogleCloudPlatform/agentsmithy -- multi-agent orchestration
Installer gcp-examples-expert
Téléchargez et décompressez les fichiers de compétences dans votre répertoire .claude/skills/.
Télécharger le ZIPClonez le dépôt et copiez les fichiers de compétence dans votre projet.
git clone https://github.com/jeremylongshore/claude-code-plugins-plus-skills/blob/main/plugins/ai-ml/jeremy-gcp-starter-examples/skills/gcp-examples-expert/SKILL.md # Copy SKILL.md to your .claude/skills/ directory
Copier
