在 Google Cloud 上使用 Claude 构建应用
Building with Claude on Google Cloud · Code w/ Claude 2026 · 中文技术知识库
Building with Claude on Google Cloud · Code w/ Claude 2026 · 中文技术知识库
这是一份脱离网站外壳也可以独立阅读的讲座报告。它以旧金山场录播的完整英文自动字幕（ASR）576 条时间轴片段为主要证据，结合来源清单和重建报告整理而成。字幕原文共 24,652 字符（约 24.6k）；文中技术主张以讲者口述为边界，并在关键处保留时间戳。
报告有三个重要边界：
- 官方没有发布独立 PPT 或讲稿。下文的架构图、角色链条和流程图都改成了文字化概念说明；此前网页报告中的 SVG 是依据字幕和讲者口述重建的原创示意，不是官方幻灯片截图。
- 录播播放器 facade、封面图、筛选器和网站交互不属于本知识库；需要观看实机画面时，请使用原始 YouTube 链接并跳到相应时间点。
- 第 12.4 节明确是讲座外的 Google 官方文档补充，不应与讲者在现场说过的内容混为一谈。
1. 讲座元信息
| 项目 | 内容 |
|---|---|
| 议题名称 | Building with Claude on Google Cloud |
| 讲者 | Ivan Nardini — Developer Relations Engineer (AI/ML)，Google Cloud |
| 大会 | Code w/ Claude 2026（Anthropic 开发者大会） |
| 旧金山场 | 2026 年 5 月 6 日 16:05–16:35 |
| 伦敦场 | 2026 年 5 月 19 日 16:05–16:35，同一议题重讲 |
| 时长 | 约 26 分钟（含现场演示）；议题时段约 30 分钟 |
| 旧金山录播 | https://www.youtube.com/watch?v=SqHsS737CeA（Claude 官方频道） |
| 旧金山议题页 | https://claude.com/code-with-claude/session/sf-building-with-claude-on-google-cloud |
| 伦敦议题页 | https://claude.com/code-with-claude/session/ldn-building-with-claude-on-google-cloud |
| 形式 | “from zero to deployed” 的现场实战：一个人依次扮演 5 个角色，构建反馈应用并走完软件生命周期 |
资料获取与证据边界
- 录播与字幕：完整取得访问内容。 研究记录确认已取得旧金山场录播及其英文 ASR，共 576 条片段、24,652 字符；但播放器后来无法初始化，因此没有取得实况画面帧。本报告的技术内容按字幕逐条整理，而不是根据一张未公开的幻灯片猜测。
- PPT / 讲稿：未公开。 议题页和大会录播汇总页没有 slides、transcript 或 captions 下载入口。因此所有图形在脱离网站后均以文字说明呈现；原网页中的 SVG 仅是基于口述的重建，不冒充原始幻灯片。
- 示例代码：未给出仓库 URL。 讲者在 25:36 说演示代码会在议题结束后随即发布，并提到 quickstart，但没有口播具体地址。
- 字幕校正：必要且有记录。 ASR 把 Claude 识别成
cloud、clock、claw或co code，把 Anthropic 识别成Antropic或entropic，也误识别了 Looker、OWASP 等专名；完整校正表见第 16 章。 - 本次迁移的输入边界：
docs/research/building-with-claude-on-google-cloud-source.md与docs/research/building-with-claude-on-google-cloud-sources.md。迁移前的独立 HTML/CSS/JS 只作为历史版式参考，不是当前知识库正文；字幕获取方法和来源置信度保留在第 16 章。
2. 讲座的核心命题
在 0:31 左右，讲者提出两个举手问题：
- 过去一周，有多少人使用过 AI 工具写代码或构建应用？——绝大多数人举手。
- 有多少人用同一个 AI 工具在 Google Cloud 上构建并部署应用？——只有极少数人举手。
两次举手之间的落差定义了整场要解决的问题：AI 编码工具已经普及，但“用 AI 一路做到在云上部署上线”仍是少数人的能力。讲者的目标，是让后者也变得同样简单。
为了证明这一点，他在 1:08 宣布自己会依次戴上 5 顶“帽子”：用 Claude Code 把一个真实功能从想法推进到上线，再把运行中的数据反馈回产品决策。最终产出的是一个反馈打分应用，现场观众还可以给讲座评分。
3. 理论框架：软件开发生命周期中的 5 个角色
讲者在 1:17 将企业交付新功能的过程简化成一条信息流。文字化概念图如下（不是幻灯片截图）：
PM（idea）
→ UI/UX 设计师（让想法有形状）
→ 软件工程师（实现核心逻辑）
→ 安全工程师（通过发布前评审提高发布信心）
→ 数据角色（从上线数据产生 insights）
└──────────────────────────────→ 反馈给 PM，驱动产品迭代| 角色 | 职责 | 传统协作中的摩擦 |
|---|---|---|
| PM（产品经理） | 产生改进产品或实现新功能的 idea | 想法通常要先交给设计师，才能被别人“看见” |
| UI/UX 设计师 | 把想法设计和可视化出来，让它 get a shape | 需要通过原型和多轮沟通把想法变成界面 |
| 软件工程师 | 实现背后的核心逻辑，使功能可交付、可访问 | 还要回答云架构、服务选型和部署问题 |
| 安全工程师 | 发布前运行安全评审，be confident in the release | 云上发布还引入身份、权限和暴露面的考量 |
| 数据角色（增长营销 / 数据分析师） | 分析应用收集的数据，产生 insights 并回传 PM | 若没有分析链路，发布后的反馈无法进入下一轮产品迭代 |
在 3:01，讲者的关键论点是：Claude Code 增强（augment）全部角色，而不只是软件工程师。演示中贯穿的组件包括：
- Subagents（子代理），把可拆分的工作并行化；
- MCP servers（Model Context Protocol 服务器），让 agent 获得外部知识和系统能力；
- Skills（技能），覆盖架构中的具体实现模块；
- Plan Mode（计划模式），在写代码前提出方案；
- CLAUDE.md，提供项目级角色和任务上下文；
- 内置 security review，在发布前检查并处理问题。
讲者也明确承认这是一种“对真实情况的强烈简化（a strong simplification）”。例如本次 demo 里，安全工程师不只批准应用是否足够安全，还顺手完成了部署；真实企业通常会把这两项职责分开，但 demo 给了他这样的自由度。
4. 环境搭建：让 Claude Code 使用 Google Cloud 上的 Claude 模型
在 3:40 起，讲者说明 Google Cloud 与 Anthropic 共同把接入过程做得尽量直接。
4.1 多种接入方式，首选 ADC
Claude Code 使用 Google Cloud 上的 Claude 模型有多种方式，但讲者称最简单、最快的是 Application Default Credentials（ADC，应用默认凭据）。ADC 会自动发现凭据（例如用户凭据），并依据当前运行环境自动适配。
4.2 新增的向导式配置
讲者介绍 Claude Code 近期加入的配置向导（wizard）。它可以：
- 自动检测你的 project；
- 检测模型所在的 region；
- 检查项目中有哪些模型可用；
- 允许你把选定模型 pin 住，随后开始构建应用。
4.3 工程收益
ADC 加上向导意味着：
- 无需轮换 API keys（no API keys to rotate）；
- 无需设置环境变量（no environment variables to set）。
讲者对此的评价是：“在这个方面，这是一次质的飞跃。”这里记录的是讲座中的体验判断；向导具体能力的来源等级和获取方法见第 16 章的 S15。
5. 为什么在 Google Cloud 上使用 Claude
在 4:46，讲者预设了一个企业听众会问的问题：既然已经会用 Claude Code 和 Claude 模型，把 Claude 放到 GCP 上有什么不同？他的回答可以归纳为五项理由。
5.1 按用量计费
- 按 token 计费，为实际使用量付费。
- 不会收到 message cap（消息数上限）；讲者将它视为与订阅制额度模型的关键差异。
5.2 生产级容量：Provisioned Throughput
对于需要进入生产环境的企业应用，可以使用 Provisioned Throughput（预留吞吐量），预留一部分吞吐能力来支撑应用，从而获得更确定的容量保障。
5.3 配置简单
结合第 4 章的 ADC 方式，没有 API key 要轮换，也没有环境变量要设置。
5.4 治理、隔离与数据边界
- 在自己的项目中访问模型，并应用自己设定的策略（your own policies set）。
- 讲者强调 the data stays in your project：与 Claude Code 交互相关的数据留在你的项目内。这是他为企业采纳提出的数据边界论据；报告不把它扩展成字幕之外的独立合规承诺。
5.5 地域与可用性
- 模型在多个区域提供服务。
- 可以在 global endpoint（全球端点）与 regional endpoint（区域端点）之间按可用性需求选择。
- 讲者以 Google Cloud 的身份强调其 availability service standards，并称可以在“市场上最高性能的基础设施之一”上运行 Claude。
因此，按讲者的企业论证，Google Cloud 上的 Claude 组合了可按量计费、可预留容量、低摩擦接入、项目内数据边界以及多区域与端点的可用性选择。
6. 角色一：PM——从餐巾纸草图到可运行原型
6.1 传统流程与新流程
在 6:51 前后，讲者对比了两种路径：过去是“有想法 → 找 UI/UX 设计师 → 反复 back and forth → 拿到第一版原型”；现在则可以把一张在旧金山咖啡馆随手画的草图直接交给 Claude Code。
传统：idea → UI/UX 设计师 → 第一版原型
↕ 多轮 back and forth
演示：手绘草图 → Claude Code + CLAUDE.md → 几分钟内得到 wireframe/prototype
→ 交给 UX 设计师6.2 演示实现细节
7:43 的演示使用 Claude Code 界面和一张非常简单的手绘图片。CLAUDE.md 提供了项目上下文，明确告诉 Claude：我们是 PM，希望从这张图出发渲染一个应用的 prototype / wireframe，供 UX 设计师继续使用。
输入是图片，结果是 Claude 在几分钟内完成原型渲染。
6.3 要点
这一步的价值不只在于生成一张界面：它压缩了过去为了让 idea 获得第一版形状而产生的沟通成本，也证明 Claude Code 可以增强非工程角色（PM）。讲者希望听众关注的是节省的时间量级，而不是把 demo 当成企业设计流程的完整替代品。
7. 角色二：UI/UX 设计师——Plan Mode 与设计规范注入
PM 交付原型后，UI/UX 设计师要把它变成更稳固、可用于生产的界面（a more solid interface）。本次用例至少包含三个页面：
- Landing page（落地页）；
- Thank-you page（感谢页）；
- Dashboard（仪表盘），实时展示现场观众提交的反馈。
7.1 Plan Mode 的机制
在 9:26，讲者刻意启用 Claude Code 的 Plan Mode（计划模式）。它把 Claude 置于一种状态：在实现任何代码之前，先思考并提出它将要做什么（it thinks and proposes what it’s going to do before implementing any code）。
文字化流程如下：
提示 + 线框图
↓
Plan Mode：提出计划（此时还没有写代码）
↑
个人偏好，或外部规范（例如通过 MCP server 访问 Figma）
↓
人工查看 → 认可 → accept
↓
Claude Code 实现全部组件 → 优化后的版本Plan Mode 留出一个明确的介入窗口：使用者可以在代码产生前，根据自己的 preference 或某项 standard 改变方向。外部设计规范可能经由访问 Figma 的 MCP server 获得；本场实际演示并没有声称已经连接 Figma。
7.2 演示细节
在 9:59，讲者以 PM 交付的 wireframe 为起点，开启 Plan Mode，并用一份 design doc 模拟“从 Figma 接收设计指令”的真实场景。Claude 先针对幻灯片口述中定义的所有组件生成计划；讲者查看计划、认可并 accept，然后让 Claude Code 实现全部组件。
结果是一个优化后的版本：从“原型”跃迁为可以在本场会议中真实使用的东西。这个方法论要点是：外部设计规范在计划阶段参与决策，而不是事后才审查代码。
8. 角色三：软件工程师——MCP + Skills + Subagents 三件套
8.1 问题设定
在 11:00，软件工程师接手前端和全部组件。讲者故意设置了一个贴近听众的前提：这位工程师“就像这个房间里的一些人一样”，可能完全不知道怎样把应用部署到 Google Cloud。问题变成：为了部署一个简单应用，GCP 上究竟需要哪些组件？
8.2 Google Cloud 的两项关键投入
讲者说 Google Cloud 花了大量时间与快速成长的 vibe coding 生态集成，并在最近几个月发布了两个重要组件。
Developer Knowledge API + 配套 MCP server
在 11:55，他介绍了 Developer Knowledge API 及其配套 MCP server：
- 它提供来自 Google Cloud 的最新文档；
- Claude Code 可以通过 MCP server 直接消费这些文档；
- 目标是帮助 agent 判断在 Google Cloud 上部署某类应用的合适架构和实现方式。
因此讲者的核心论点是：你不需要预先知道如何在 Google Cloud 上部署应用，可以借助 Claude Code 和这个 MCP server 来完成设计与构建。
Google Cloud Skills
12:23 介绍了另一项投入：Google Cloud Skills。讲者给出的分工非常明确：
| 组件 | 解决的问题 |
|---|---|
| MCP server（Developer Knowledge） | 设计整体架构（design the architecture），提供全局图景 |
| Skills | 覆盖架构中的单个模块（cover the single blocks），处理具体实现 |
例如，Skill 可以帮助 Claude 在 Cloud Run 上部署 API，或把 Cloud Run 与 Firestore 连接起来。一句话概括：MCP 负责“该用什么架构”，Skills 负责“这一块具体怎么落地”。
8.3 目标架构与数据流
13:02 讲到的演示架构，用文字化概念图表示为：
[前端反馈应用]
↓
[Feedback API] ──部署于──> [Cloud Run：serverless / 无服务器服务]
↓
[Firestore：面向 Web 的数据库，收集原始反馈响应]
↓
[BigQuery：分析型数据仓库，存放原始响应并做后处理]
↓
[Looker：消费加工后的信息，提供报表与可视化仪表盘]讲者给出的选型理由是：
- Cloud Run：Feedback API 部署为
serverless function。他随后补充，对不熟悉 GCP 的人来说，Cloud Run 是可用于部署应用的无服务器服务。 - Firestore：面向 Web 的数据库，用来收集反馈应用提交的原始响应。
- BigQuery：应用需要数据分析，因此原始响应要进入分析型数据仓库，并在其中做后处理。
- Looker：构建仪表盘来消费这些信息。
他再次强调：使用 Claude Code 加 MCP server 可以搭建这套链路，而无需具备相关的 GCP 前置知识（without you having a prior knowledge of how to do that）。
8.4 Subagents：并行化实现
当文档 MCP server 和 Skills 就绪后，架构可以并行实现。15:02 的演示启动了 3 个不同的 Subagents：
| 子代理 | 负责部分 |
|---|---|
| 1 | API |
| 2 | Ingestion pipeline（数据摄取管道） |
| 3 | Dashboard（仪表盘） |
讲者把它比作日常开发生命周期里运行一个团队的 sprint：并行的 agent 执行对应并行的人力协作。
8.5 演示执行顺序
15:34 的工程演示按以下顺序进行：
- 展示已启用的文档 MCP server 和若干预先构建好的 Skills。
- 输入一个非常简单的提示词。
- 先设计 cloud-native backend，让 Claude 产出架构草案；这一步本可以再次使用 Plan Mode，但讲者为简洁起见没有使用。
- 使用其中一个 Skill 实现 API。
- 确认 API spec 满意，此时“架构 + API 规范”已经就绪。
- 并行运行多个 agent，实现应用的三个组件。
- 由 Claude Code 在实现完成后管理测试环节（manage the testing part）。
- 得到一个准备部署到 Google Cloud 的应用。
9. 角色四：安全工程师——发布前的安全评审
9.1 为什么需要这一步
在 16:49，代码已经准备部署；但应用要上云并向更大范围的受众开放，需要能够有信心地部署（deploy it confidently）。因此，讲者把安全评审放在发布前，用来提高发布信心。
9.2 两个典型检查项
讲者在 17:20 强调，具体要求取决于企业，并举了两个例子：
- OWASP 常见问题：检查应用面对最常见的 OWASP 问题是否足够稳固。
- Service Account 的最小权限：云上应用往往使用服务账号。应限制该账号调用特定 API（例如读写数据库 API）的权限，把它约束在某个 certain role 内，以限制应用在云上操作时可能造成的影响。
这代表了相对本地运行新增的一类考量：身份与权限边界，即 IAM / least privilege。这只是示例，不是对某个具体企业安全基线的完整定义。
9.3 演示执行与结果
讲者在 18:09 再次说明这部分是强烈简化：demo 中安全工程师既做批准，又负责部署；真实企业往往会分离职责。
18:39 的实际流程是：
- 调用 Claude Code 预置的 security review，只给一个非常简单的提示词；
- Claude Code 运行首轮检查，复核实现是否对齐要求；
- 发现一个潜在问题；
- 自动修复该问题；
- 完成安全检查后部署后端 API；
- 产生一个承载应用的 endpoint，应用上线（the app is live）。
10. 现场实机演示：应用真实上线并收集反馈
10.1 运行中的应用
19:24 讲者切换到自己的笔记本，展示运行在 GCP Cloud Run 上的应用。它对应最初的反馈 wireframe，于是手绘草图、原型、实现和部署形成了一条连续路径。
10.2 现场互动与实时仪表盘
20:04，讲者邀请观众为演讲评分。现场有人给了 5 分，并填写评论提交；仪表盘实时更新了响应数量、评分和可视化。
10.3 Feedback Analyzer
20:30，讲者展示一个“为了好玩”额外做的 Feedback Analyzer。点击后，它调用 Google Cloud 上的 Claude，根据已经收到的反馈与评论生成摘要。
这个附加功能揭示了一个重要的运行时关系：Claude 不只是构建期的工具，也是应用的一部分；同一套 Google Cloud 上的 Claude 既帮助开发应用，又成为应用本身可调用的推理能力。
10.4 视频限制
本知识库不嵌入视频，也不放置网页报告中的播放器 facade。研究时 YouTube 播放器在浏览器自动化窗口中拒绝初始化：Error 153，video.readyState 始终为 0，videoWidth 为 0，所以无法提取实况帧。读者可通过 YouTube 录播 跳到本章的时间戳观看现场画面。
11. 角色五：数据角色——分析、洞察与产品闭环
11.1 生命周期尚未结束
应用上线并开始收集使用数据后，生命周期还有最后一步。20:56 讲者用仪表盘中的 Response time（响应时间） 作为 KPI 示例：一个人完成一次反馈提交所花的时长。
它代表完整闭环：
收集数据 → 分析数据 → 生成 insights → 改进应用 → 回到 PM这条数据角色到 PM 的反馈回路，正好闭合第 3 章的五角色模型。
11.2 BigQuery 与 Looker
在 21:42，讲者为 GCP 新手点出两个分析服务：
- BigQuery：分析型数据仓库，承担数据分析；
- Looker：承担 reporting（报表）和仪表盘呈现。
11.3 这部分没有现场演示
讲者表示不需要先掌握 BigQuery 查询或 Looker 仪表盘构建，因为这两者同样提供 MCP server。但由于时间关系，他没有现场查询 BigQuery 或搭建 Looker 看板，而是告诉观众去哪里找资料，把这部分留作练习（as an exercise），等待演示代码和 quickstart。按他的评价，两部分集成“相当直接”，而可做出的仪表盘“相当强大”。这段是讲者的介绍和建议，不应写成已经在现场完成的步骤。
12. Google Cloud 的 MCP 生态：Agent Platform 与 Agent Registry
12.1 Agent Platform 与 Agent Registry
22:43，讲者切回笔记本，展示 Google Cloud 近期发布的 Agent Platform。其中的一项服务是 Agent Registry（代理注册中心）；讲者说它列出了 Google Cloud 上原生支持（natively support）的全部 MCP server。
他现场指出其中两个：
- Developer Knowledge service，也就是前面用于架构设计的服务；
- BigQuery MCP server，可以查询刚从反馈应用收集的数据。
12.2 Agent Registry 的三项价值
23:15，讲者明确列出注册中心的作用：
- 告诉你如何在自己一侧配置该 MCP server；
- 提供一些 observability（可观测性） 特性；
- 提供该 MCP server 全部 tools 的描述，让你知道 Claude Code 将如何使用它查询数据。
第三点特别关键：了解有哪些 tool 以及每个 tool 做什么，才有可能预判 agent 的行为和它会如何操作数据。这里关于“工具描述决定行为可预期性”的表述，是本报告基于讲者列举的能力作出的实践推论，不是讲者逐字给出的结论。
12.3 MCP Toolbox for Databases：Looker 集成
23:51，讲者介绍 MCP Toolbox for Databases：
- 一个开源的 Model Context Protocol server；
- 包含与 Looker 的集成；
- quickstart 文档完善，说明如何配置 Claude Code 并开始使用；
- 用来消费 BigQuery 数据和构建仪表盘。
12.4 补充背景：讲座外的 Google 官方文档
证据边界：本小节不是讲座内容。
docs/research/building-with-claude-on-google-cloud-sources.md记录了 Google 文档的 WebFetch 摘要，但没有保留 S10–S12 的规范 URL；迁移前的版式参考中也没有这些链接。因此下面保留为来源 ledger 摘要，但独立 URL 核查状态标为unknown/open（未知/待补）。不要把它们当作当前、独立核验过的官方文档，也不要回写成 Ivan Nardini 在录播中说过的话。developerknowledge.googleapis.com是 ledger 记录的服务端点，不是文档 URL。
- S10 — Developer Knowledge API / MCP server（规范 URL：
unknown/open）： 来源 ledger 摘要称，这是一项托管式服务，让 AI 开发工具检索 Google 开发者文档，覆盖 Firebase、Google Cloud、Android、Maps 等产品，并返回 Markdown 文档；记录的端点是developerknowledge.googleapis.com。摘要还称其目标是减少 agent “自信地写出不存在的代码”或引用过时 API 版本的问题，并可通过 MCP 的tools/list方法枚举工具；官方文档 URL 在现有证据中仍待补。 - S11 — Agent Registry（规范 URL：
unknown/open）： 来源 ledger 摘要称，这是存储、发现和治理 MCP servers、tools、skills 与 agents 的集中式目录；记录了自动注册，以及通过 API、gcloudCLI 或 Terraform 手动注册，还提到 Google 与 Google Cloud 远程 MCP server 可能在启用相应服务时自动注册，并可依托 Cloud IAM Deny policy 做细粒度访问控制。官方文档 URL 在现有证据中仍待补。 - S12 — Google 托管 MCP server 的传输（规范 URL：
unknown/open）： 来源 ledger 摘要称，Google 托管 MCP server 使用 Streamable HTTP，而非本地 server 常见的stdio，并可整合 Cloud IAM 与 Audit Logs。官方文档 URL 在现有证据中仍待补。
13. 总结：讲者给出的两点结论
讲者在 24:36 收尾时说，全场本质上想传达两件事：
- Claude Code 的组件能真正加速软件开发。 Skills、MCP server、Subagents 等能力可以显著加速开发过程。这个 demo 用约 26 分钟跨越 5 个角色，从手绘草图走到云上部署，再连接到数据分析链路。
- 在 GCP 上使用 Claude 模型是无缝的。 可以“以非常无缝的方式（in a very seamless way）”让 Claude Code 配合 GCP 上的 Claude 模型。讲者的依据是跨越多个角色运行多段会话时，体验仍然直接、顺畅。
后续资源
在 25:36，讲者提到：
- 演示代码会在议题结束后随即发布，但未口播具体仓库 URL；
- 有一份高质量 quickstart；
- Google Cloud 侧和 Anthropic 侧都有维护良好的文档，建议直接查阅。
14. 技术要点速查清单
Claude Code 侧
| 组件 | 本讲中的用途 | 关键机制 |
|---|---|---|
| CLAUDE.md | 声明“我们是 PM”以及任务目标 | 向 Claude 提供项目级指令上下文 |
| 图片输入 | 手绘草图 → wireframe/prototype | 用多模态输入直接驱动原型实现 |
| Plan Mode | UI/UX 阶段先生成实现计划，等待人工确认 | 写代码前先提出方案，提供按个人偏好或外部规范调整的窗口 |
| MCP servers | Developer Knowledge 设计架构；BigQuery 查询数据；MCP Toolbox for Databases 连接 Looker 做看板；Figma 获取设计规范（本场以 design doc 模拟） | 让 agent 获得外部知识和外部系统操作能力 |
| Skills | 在 Cloud Run 上部署 API；连接 Cloud Run 与 Firestore | 覆盖架构中的单个实现模块，与 MCP 的整体架构职责相对 |
| Subagents | 3 个并行任务：API / Ingestion pipeline / Dashboard | 并行实现，类比团队 sprint |
| 内置 security review | 发布前评审，发现并自动修复一个问题 | 预置能力，简单提示词即可触发 |
| 测试管理 | 实现结束后处理测试环节 | 由 Claude Code 一并管理 |
Google Cloud 侧
| 服务或能力 | 本讲中的角色 |
|---|---|
| Application Default Credentials (ADC) | Claude Code 接入 Claude 模型的最简认证方式 |
| Cloud Run | 无服务器部署 Feedback API |
| Firestore | 面向 Web 的数据库，保存原始反馈 |
| BigQuery | 分析型数据仓库，存储原始数据并后处理 |
| Looker | 报表与仪表盘 |
| Service Account + IAM 角色限制 | 以 least privilege 约束应用在云上的操作边界 |
| Developer Knowledge API + MCP server | 提供最新的官方文档，支撑架构决策 |
| Agent Platform / Agent Registry | MCP server 目录、配置指引、可观测性和工具描述 |
| MCP Toolbox for Databases | 开源 MCP server，含 Looker 集成 |
| Provisioned Throughput | 为生产级企业应用预留吞吐量 |
| Global / Regional endpoints | 按可用性需求选择模型服务地域 |
企业选择 Google Cloud 上 Claude 的五项理由
- 按 token 计费，没有 message cap；
- 用 Provisioned Throughput 支撑生产应用；
- 使用 ADC，无需密钥轮换、无需环境变量；
- 在自有项目中访问模型、应用自有策略，数据留在项目内；
- 多区域服务、global / regional endpoints 与可用性服务标准。
15. 时间轴索引
以下保留录播的 34 个关键时间点。Markdown 不提供网页筛选器；每个时间戳都直接链接到同一支旧金山场录播。
| 时间 | 阶段 | 内容 |
|---|---|---|
| 0:05 | 开场 | 讲者自我介绍：Google Cloud Developer Advocate，与 Anthropic 合作构建内容 |
| 0:31 | 开场 | 两个举手问题，定义问题空间 |
| 1:08 | 开场 | 宣布将扮演 5 个角色 |
| 1:17 | 框架 | 企业团队场景与 5 角色模型 |
| 3:01 | 框架 | Claude Code 增强全部角色的论点 |
| 3:40 | 环境 | ADC 与配置向导 |
| 4:46 | 论证 | 选择 Google Cloud 上 Claude：计费、预留吞吐、配置、数据边界、地域可用性 |
| 6:51 | 角色一 | PM：草图到原型 |
| 7:43 | 角色一 | PM 实机演示：CLAUDE.md 与图片输入 |
| 8:40 | 角色二 | UI/UX：三个页面需求 |
| 9:26 | 角色二 | Plan Mode 机制与价值，含 Figma MCP 规范注入 |
| 9:59 | 角色二 | UI/UX 实机演示：design doc 模拟 Figma、计划确认、优化版本 |
| 11:00 | 角色三 | 软件工程师：不懂 GCP 部署的问题设定 |
| 11:55 | 角色三 | Developer Knowledge API + MCP server |
| 12:23 | 角色三 | Google Cloud Skills |
| 13:02 | 角色三 | 目标架构：Cloud Run / Firestore / BigQuery / Looker |
| 14:04 | 角色三 | MCP 与 Skills 的职责分工：整体架构 vs. 单个模块 |
| 15:02 | 角色三 | Subagents 并行实现，类比 team sprint |
| 15:34 | 角色三 | 架构草案 → Skill 实现 API → 并行实现 → 测试 → 待部署 |
| 16:49 | 角色四 | 安全工程师：需要有信心地部署 |
| 17:20 | 角色四 | OWASP 检查与 Service Account 最小权限 |
| 18:09 | 角色四 | 讲者自陈该角色表示为强烈简化 |
| 18:39 | 角色四 | 预置 security review → 发现并自动修复一个问题 → 部署 API → 应用上线 |
| 19:24 | 实机 | 切换笔记本，展示 Cloud Run 上真实运行的应用 |
| 20:04 | 实机 | 现场互动打分：观众给出 5 分，仪表盘实时更新 |
| 20:30 | 实机 | Feedback Analyzer 调用 Google Cloud 上的 Claude 生成反馈摘要 |
| 20:56 | 数据 | 数据角色：Response time KPI 与洞察闭环 |
| 21:42 | 数据 | BigQuery 与 Looker；MCP server 免除前置知识 |
| 22:43 | 生态 | Agent Platform 与 Agent Registry 实机展示 |
| 23:15 | 生态 | Agent Registry 三项价值：配置指引、可观测性、工具描述 |
| 23:51 | 生态 | MCP Toolbox for Databases 与 Looker 集成 |
| 24:36 | 收尾 | 两点结论 |
| 25:36 | 收尾 | 代码发布、quickstart 与 Google Cloud / Anthropic 文档指引 |
| 26:00 | 收尾 | 致谢与联系方式（社交媒体） |
16. 字幕校正、方法说明与来源
16.1 ASR 字幕专有名词校正表
自动字幕里的误识别不应被当作技术名称。以下表格保留原始错误形态，方便和英文字幕对照：
| ASR 中的错误形式 | 校正后的名称 |
|---|---|
cloud code / co code / clock code / claw code / cl code / coco | Claude Code |
cloud models / clock models / claw | Claude models |
cloud on Google cloud / claw on GCP | Claude on Google Cloud |
Antropic / Antropi / entropic / entropics | Anthropic |
Nardini | Ivan Nardini |
sub aents | Subagents |
bequery | BigQuery |
Lucer / looker | Looker |
fire store | Firestore |
OASP | OWASP |
MCP toolbox of DB | MCP Toolbox for Databases |
provisioning throughput | Provisioned Throughput |
agent registry / agent platform | Agent Registry / Agent Platform |
developer knowledge API | Developer Knowledge API |
UIUX | UI/UX |
16.2 字幕获取方法
研究过程中的匿名下载通道均被 YouTube 拦截：
yt-dlp的web、tv、mweb、ios、web_embeddedclient 都返回Sign in to confirm you're not a bot；- innertube
playerAPI 返回空的 caption 列表； timedtext端点以 4 种格式请求时均返回 HTTP 200，但内容为 0 字节，原因是缺少 proof-of-origin token；get_transcriptinnertube 端点返回400 Precondition check failed。
最终通过 browser-skill 驱动已登录的 Chromium，展开 transcript engagement panel，把 visibility 属性设为 ENGAGEMENT_PANEL_VISIBILITY_EXPANDED，再从 DOM 的 ytd-transcript-segment-renderer 提取成功。结果是 576 条字幕片段，落盘为 transcript_raw.txt，共 24,652 字符。
16.3 无法获取的内容与明确声明
- 幻灯片原图（S07）：官方没有发布 PPT 文件。所有原网页图形和本迁移报告的概念图都只是依据讲者口述重建；SVG（如在原网页中出现）是原创重建，不是官方幻灯片截图。
- 讲座实况画面（S09）：播放器初始化失败，显示
Error 153；video.readyState恒为0、videoWidth为0，因此无法提取视频帧。Markdown 不放播放器 facade，读者应直接访问录播链接。 - 演示代码仓库：讲者在 25:36 承诺会发布代码，但未口播 URL，本次研究未找到对应仓库。
16.4 来源清单与置信度
置信度定义：verified 表示在可访问的一手页面或本机输出中直接确认；ASR-supported（中文正文简称“字幕支持”）表示由自动生成字幕和时间戳支持，但未用音频/视频或官方材料独立核对；documented-plan 表示来源 ledger 报告了官方文档摘要，但本次没有实测；inference 表示结构或语境推断；unknown/open（未知/待补） 表示主张或规范 URL 无法用现有证据独立核验。以下记录的检索日期均为 2026-08-04。
| ID | 主张或资产 | 来源 | 置信度 | 备注 |
|---|---|---|---|---|
| S01 | 议题标题、讲者 Ivan Nardini、旧金山场 2026-05-06 16:05–16:35 | 旧金山议题页 | verified | 一手议题页 |
| S02 | 伦敦场 2026-05-19 同题重讲 | 伦敦议题页 | verified | 一手议题页 |
| S03 | 视频标题与 Claude 官方频道 | YouTube oEmbed / 视频 | verified | oEmbed JSON / 视频元信息 |
| S04 | 完整英文 ASR、576 条片段、24,652 字符 | YouTube 视频 SqHsS737CeA 的 transcript 面板 | verified | 通过已登录浏览器提取 |
| S05 | 技术论点、5 角色模型、架构选型和演示流程 | S04 字幕逐条 | 字幕支持 | 保留时间戳；未用音频/视频或官方幻灯片独立核对 |
| S06 | 官方未发布 PPT、讲稿或字幕下载文件 | S01、S02 与大会录播汇总页 | verified | 页面无下载入口 |
| S07 | 5 角色图、架构图、并行子代理图等幻灯片画面 | 无法获取 | unknown | 仅可依据 S04 口述重建；不是官方截图 |
| S08 | 视频封面缩略图 | https://i.ytimg.com/vi/SqHsS737CeA/maxresdefault.jpg | verified | HTTP 200、68,749 字节；本 Markdown 不作为播放器 facade 使用 |
| S09 | 讲座实况画面帧 | 无法获取 | unknown | 播放器返回 Error 153，无法截帧 |
| S10 | Developer Knowledge API / MCP 端点、覆盖产品、Markdown 返回、tools/list | Google 官方文档（WebFetch 摘要；未保留规范 URL） | unknown/open（未知/待补） | 讲座外补充；URL 核查仍待补 |
| S11 | Agent Registry 的 MCP/tools/skills/agents 目录、注册与治理机制 | Google 官方文档（WebFetch 摘要；未保留规范 URL） | unknown/open（未知/待补） | 讲座外补充；URL 核查仍待补 |
| S12 | Google 托管 MCP server 使用 Streamable HTTP，并集成 Cloud IAM / Audit Logs | Google 官方文档（WebFetch 摘要；未保留规范 URL） | unknown/open（未知/待补） | 讲座外补充；URL 核查仍待补 |
| S13 | ASR 专名误识别对照 | S04 原文与技术语境比对 | 字幕支持 | 基于字幕的编辑校正；第 16.1 节完整公布 |
| S14 | SF 页面的视频 ID 为 SqHsS737CeA，与伦敦搜索结果 ID 不同但标题相同 | S01 页面 HTML + S03 | verified | 判定为同题两场重讲；正文基于 SF 场 |
| S15 | Claude Code 向导可检测 project / region / 可用模型并 pin 模型 | S04 的 3:40–4:46 字幕 | 字幕支持 | 讲者称近期引入；未独立实测或用官方文档核对 |
16.5 主要参考来源
- 讲座录播（旧金山场，含完整自动字幕）：https://www.youtube.com/watch?v=SqHsS737CeA
- 旧金山议题页：https://claude.com/code-with-claude/session/sf-building-with-claude-on-google-cloud
- 伦敦议题页（同题重讲）：https://claude.com/code-with-claude/session/ldn-building-with-claude-on-google-cloud
- 大会录播汇总：https://claude.com/code-with-claude/san-francisco#recordings
- Claude Code 在 Google Cloud Agent Platform 上的配置文档：https://code.claude.com/docs/en/google-vertex-ai
- Claude on Google Cloud 平台文档：https://platform.claude.com/docs/en/build-with-claude/claude-on-vertex-ai
最终来源声明： 本条目的讲座部分严格基于 576 条英文 ASR 及其上下文校正；S05、S13、S15 标为
字幕支持，不冒充独立事实核验；S10–S12 / 第 12.4 节是单独标注的来源 ledger 摘要，规范 URL 核查状态为unknown/open（未知/待补）。官方幻灯片未公开，SVG 只能被称为重建示意；视频画面因 Error 153 未获取，网页 facade 和交互筛选器均不属于这份 Markdown 知识库。