作者：施威銘研究室
出版社：旗標科技股份有限公司
出版日期：2026/04/27

【內容】
隨著 Google Gemini 3 模型以及各式工具推出，在生成式 AI 的世界中 Google 強勢站穩腳步，再加上 Google 生態系的支援，採用 Google Gemini API 開發 AI Agent 是一個相當不錯的選擇。本書主要解說 Google Gemini API 中關鍵的成員，並利用 Python 版本的 Google GenAI SDK 實作範例，還會帶大家設計當前 AI Agent 的趨勢 -- Skills 機制，主題包含：

|簡易 Skills 機制|

現今 AI Agent 的共用規範標準就是 Skills，我們會帶大家實作一個簡單的 Skills 機制，讓你的 AI Agent 只要透過 markdown 檔，就可以讓非技術人員的一般使用者也可以客製自動化流程，或是搭配 CLI 工具與 MCP 伺服器等擴充模型能力，而不需要倚賴技術人員修改或是撰寫額外的程式碼。

|建構彈性的 MCP 系統|

即使有了 Skills 機制，也需要能夠實際完成任務的工具，MCP 就是其中之一。除此之外，MCP 也是擴充模型能力的好幫手，書中會設計讓使用者透過設定檔就能幫 AI Agent 串接各式功能 MCP 伺服器的機制，不論是要讀寫檔案、執行本機指令、操控瀏覽器，或是使用遠端 API 等等，都可以方便達成。

|Live API|

用講的絕對比用打的更快，書中會用 Live API 實作可隨時中斷插話的即時語音系統，讓你的 AI Agent 彷彿真人用講的就可以操控，而且還會自動記錄交談內容，維持前文脈絡，讓一般使用者透過口說介面就可以使用你的 AI Agent。

|把 Google 生態系當靠山|

網頁搜尋、找地點誰能比得過 Google，利用 Gemini API 內建工具即可直通 Google 搜尋與地圖，即時資訊一點都不漏，為模型補充新知識。

|多模態輸入/輸出|

讓你的 AI Agent 像是 NotebookLM 那樣看圖、看影片、聽語音，即使是 YouTube 影片，也可以直接丟連結自動處理。此外，透過 Gemini API，也可以用最強的 Nano Banana Pro 生圖、Veo 3.1 生影片通通沒問題。

|詳解 Function Calling 機制|

不論是要使用 MCP 伺服器或是 Skill 擴充模型功能、建置自動化流程，最終都需要倚賴 Function Calling 機制，因此在開發 AI Agent 時，最關鍵的就是把 Function Calling 架構好，對於 AI Agent 內建就要支援的功能，就可以利用 Function Calling 以自訂函式提供，效能遠勝需要傳輸成本的 MCP 伺服器與 Skill。有了這樣的基礎，還可以作為讓 MCP 協定妥善運作的基石。

|Interactions API|

Gemini API 提供有 Interactions API，可以像是 Live API 那樣幫你自動在雲端記錄交談內容保持前文脈絡不失憶，對於文字交談形式的 AI Agent 非常方便，不需要在程式碼這一端儲存對話記錄。

本書特色:


□ 實作會打字就能無限擴充 Agent 功能的 Skills 機制
□ 建構修改設定檔就能串接各式功能的彈性 MCP 系統
□ 把 Google 生態系當靠山，網頁、地圖資訊百搜不漏
□ 用 Live API 實現隨時可插話的即時語音交談介面
□ 實現像 NotebookLM 一樣直接看懂 YouTube 影片的超能力
□ 用 Nano Banana Pro 生成高品質圖片、Veo 3.1 生成 4K 影片
□ 內建 URL Context 工具快速上傳文件實現 RAG 檢索系統
□ 讓模型用 Code Execution 工具寫程式搞定各種問題
□ 詳解實現 Agent 的最底層 Function calling 機制