‫Google משתמשת בטכנולוגיית AI כדי לתרגם תוכן לשפה המועדפת עליך. בתרגומים כאלו עשויות להיות שגיאות.

איך בונים אפליקציה ל-Google Chat עם סוכן Agent2Agent

בדף הזה מוסבר איך ליצור אפליקציית Google Chat שמקשרת לסוכן AI שמשתמש בפרוטוקול Agent2Agent (A2A). מפתחים את הסוכן באמצעות הערכה לפיתוח סוכנים (ADK) ומארחים אותו ב-Vertex AI Agent Engine.

סוכני AI תופסים את הסביבה שלהם באופן אוטונומי, מסיקים מסקנות ומבצעים פעולות מורכבות עם כמה שלבים כדי להשיג יעד מוגדר. במדריך הזה נסביר איך פורסים את הדוגמה של LLM Auditor multi-agent, שכוללת ביקורת על עובדות ושינוי שלהן באמצעות עיגון של Gemini וחיפוש Google.

דוגמה לאפליקציית צ'אט מרובת-סוכנים של LLM Auditor.

התרשים הבא מציג את הארכיטקטורה ואת דפוס העברת ההודעות:

ארכיטקטורה של אפליקציה ל-Chat שהוטמעה באמצעות סוכן AI מסוג A2A.

בתרשים, משתמש שמקיים אינטראקציה עם אפליקציית צ'אט שמוטמע בה סוכן A2A, נהנה מזרימת המידע הבאה:

משתמש שולח הודעה לאפליקציית Chat, בצ'אט ישיר או במרחב ב-Chat.
הלוגיקה של אפליקציית Chat, שמוטמעת ב-Apps Script או כשרת אינטרנט עם נקודות קצה של HTTP, מקבלת את ההודעה ומעבדת אותה.
סוכן A2A שמתארח ב-Vertex AI Agent Engine מקבל את האינטראקציה ומעבד אותה.
אפשר גם לשלב את אפליקציית Chat או את סוכן ה-AI עם שירותי Google Workspace, כמו יומן או Sheets, או עם שירותים אחרים של Google, כמו מפות Google או YouTube.
אפליקציית Chat שולחת תשובות באופן אסינכרוני, באמצעות Google Chat API כדי להעביר את ההתקדמות של סוכן ה-AI.
התשובות מועברות למשתמש.

מטרות

מגדירים את הסביבה.
פורסים את סוכן ה-A2A.
פורסים את אפליקציית Chat.
מגדירים את אפליקציית Chat.
בודקים את אפליקציית Chat.

דרישות מוקדמות

חשבון Google Workspace בתוכנית Business או Enterprise עם גישה ל-Google Chat.
פרויקט ב-Google Cloud שהחיוב בו מופעל. כדי לבדוק אם החיוב מופעל בפרויקט קיים, אפשר לעיין במאמר אימות סטטוס החיוב של הפרויקטים. כדי ליצור פרויקט ולהגדיר חיוב, אפשר לעיין במאמר בנושא יצירת פרויקט ב-Google Cloud.
דרישות מוקדמות לסוכן LLM Auditor ADK
- ‫Python 3.11+: כדי להתקין, פועלים לפי ההוראות באתר Python הרשמי.
- ‫Python Poetry: כדי להתקין, פועלים לפי ההוראות באתר הרשמי של Poetry.
- ‫Google Cloud CLI: כדי להתקין את הכלי, פועלים לפי ההוראות באתר הרשמי של Google Cloud.

הגדרת הסביבה

הפעלת ממשקי ה-API של Google Cloud

לפני שאתם משתמשים בממשקי Google API, אתם צריכים להפעיל אותם בפרויקט ב-Google Cloud. בכל פרויקט אפשר להפעיל ממשק API אחד או יותר.

במסוף Google Cloud, מפעילים את ממשקי ה-API של Google Chat,‏ Vertex AI ו-Cloud Resource Manager.

הפעלת ממשקי ה-API

מגדירים את מסך ההסכמה של OAuth

כל האפליקציות שמשתמשות ב-OAuth 2.0 דורשות הגדרה של מסך הסכמה. הגדרת מסך ההסכמה ל-OAuth של האפליקציה קובעת מה מוצג למשתמשים ולבודקי האפליקציה, ורושמת את האפליקציה כדי שתוכלו לפרסם אותה בהמשך.

ב-Google API Console, נכנסים לתפריט > Google Auth platform > Branding.
מעבר לדף Branding
אם כבר הגדרתם את פלטפורמת האימות של Google, אתם יכולים לקבוע את ההגדרות הבאות של מסך ההסכמה ל-OAuth בקטעים Branding,‏ Audience וData Access. אם מופיעה ההודעה Google Auth platform not configured yet, לוחצים על Get Started:

בקטע App Information בשדה App name, מזינים שם לאפליקציה.
בקטע User support email, בוחרים כתובת אימייל לתמיכה שאליה משתמשים יפנו אם יש להם שאלות לגבי ההסכמה שלהם.
לוחצים על Next.
בקטע Audience, לוחצים על Internal.
לוחצים על Next.
בקטע Contact Information, מזינים כתובת אימייל שאליה אפשר לשלוח התראות על שינויים בפרויקט.
לוחצים על Next.
בקטע Finish, קוראים את המדיניות של Google בנושא נתוני משתמשים בשירותי API. אם אתם מסכימים, מסמנים את התיבה I agree to the Google API Services: User Data Policy.
לוחצים על Continue.
לוחצים על Create.

כרגע אתם יכולים לדלג על הוספת היקפי הרשאות. בעתיד, כשתיצרו אפליקציה לשימוש מחוץ לארגון שלכם ב-Google Workspace, תצטרכו לשנות את סוג המשתמש ל-External. לאחר מכן מוסיפים את היקפי ההרשאות שהאפליקציה דורשת. למידע נוסף, אפשר לעיין במדריך המלא בנושא הגדרת הסכמה ל-OAuth.

איך יוצרים חשבון שירות במסוף Google Cloud

כדי ליצור חשבון שירות חדש עם התפקיד Vertex AI User, פועלים לפי השלבים הבאים:

Google Cloud Console

במסוף Google Cloud, לוחצים על סמל התפריט > IAM & Admin > Service Accounts.
לדף Service accounts

שאר השלבים יופיעו במסוף Google Cloud.
בוחרים פרויקט ב-Google Cloud.
לוחצים על יצירת חשבון שירות.
מזינים שם לחשבון השירות שיופיע במסוף Google Cloud.
הערה: כברירת מחדל, Google יוצרת מזהה ייחודי לחשבון השירות על סמך השם של חשבון השירות. אפשר לשנות את המזהה בשדה של מזהה חשבון השירות. אי אפשר יהיה לשנות את המזהה בשלב מאוחר יותר.
אם לא רוצים להגדיר את אמצעי בקרת הגישה עכשיו, לוחצים על Done כדי לסיים את יצירת חשבון השירות. כדי להגדיר אמצעי בקרת גישה עכשיו, לוחצים על Create and continue וממשיכים לשלב הבא.
הערה: מתן בקרת גישה כאן משפיע רק על משאבים ב-Google Cloud. משאבי Google Workspace (כמו Google Sheets ו-Google Drive) משותפים ומוגדרים בנפרד.
אופציונלי: מקצים תפקידים לחשבון השירות כדי לתת גישה למשאבים בפרויקט בענן של Google בנוסף למשאבים ב-Google Workspace. מידע נוסף על ניהול הגישה לפרויקטים, לתיקיות ולארגונים
לוחצים על המשך.
אופציונלי: מזינים משתמשים או קבוצות שיכולים לנהל את חשבון השירות הזה ולבצע פעולות באמצעותו. פרטים נוספים מופיעים במאמר התחזות לחשבון שירות.
לוחצים על Done כדי לסיים ליצור את חשבון השירות.
רושמים את כתובת האימייל של חשבון השירות.

‫CLI של gcloud

יוצרים את חשבון השירות:

gcloud iam service-accounts create SERVICE_ACCOUNT_NAME \
  --display-name="SERVICE_ACCOUNT_NAME"

אופציונלי: מקצים תפקידים לחשבון השירות כדי לתת גישה למשאבים בפרויקט בענן של Google בנוסף למשאבים ב-Google Workspace. מידע נוסף על ניהול הגישה לפרויקטים, לתיקיות ולארגונים

חשבון השירות מופיע בדף של חשבון השירות.

יצירת מפתח פרטי

כדי ליצור ולהוריד מפתח פרטי לחשבון השירות, פועלים לפי השלבים הבאים:

במסוף Google Cloud, לוחצים על סמל התפריט > IAM & Admin > Service Accounts.
לדף Service accounts

שאר השלבים יופיעו במסוף Google Cloud.
בוחרים פרויקט ב-Google Cloud.
לוחצים על כתובת האימייל של חשבון השירות שעבורו רוצים ליצור מפתח.
לוחצים על הכרטיסייה Keys.
לוחצים על התפריט הנפתח Add key ובוחרים באפשרות Create new key.
בוחרים באפשרות JSON בתור Key type ולוחצים על Create.
זוג המפתחות הציבורי/פרטי החדש נוצר ומורד למחשב שלכם כקובץ מפתח של חשבון שירות. שומרים את קובץ ה-JSON שהורדתם בשם credentials.json בספריית העבודה. הקובץ הזה הוא העותק היחיד של המפתח. אחרי שמורידים את קובץ המפתח, אי אפשר להוריד אותו שוב. מידע על אחסון מאובטח של המפתח זמין במאמר שיטות מומלצות לניהול מפתחות של חשבונות שירות.

מידע נוסף על חשבונות שירות זמין במאמר בנושא חשבונות שירות במסמכי העזרה של Google Cloud IAM.

פריסת סוכן A2A

אם עדיין לא עשיתם זאת, תצטרכו לבצע אימות באמצעות חשבון Google Cloud ולהגדיר את Google Cloud CLI לשימוש בפרויקט בענן של Google Cloud.
```
gcloud auth application-default login
gcloud config set project PROJECT_ID
gcloud auth application-default set-quota-project PROJECT_ID
```
מחליפים את PROJECT_ID במזהה של פרויקט בענן.
מורידים את מאגר הדוגמאות של ADK ב-GitHub באמצעות הלחצן הזה:

הורדת adk-samples
בסביבת הפיתוח המקומית המועדפת, מחלצים את קובץ הארכיון שהורדתם ופותחים את הספרייה adk-samples/python/agents/llm-auditor.
```
unzip adk-samples-main.zip
cd adk-samples-main/python/agents/llm-auditor
```

מעדכנים את ההטמעה כדי לפרוס את סוכן ADK כסוכן מרוחק A2A:

‫pyproject.toml: מוסיפים את יחסי התלות של ADK ו-A2A SDK בקבוצת הפריסה.

apps-script/chat/a2a-ai-agent/llm-auditor/pyproject.toml

הצגת הקוד ב-GitHub

[project]
name = "llm-auditor"
version = "0.1.0"
description = "The LLM Auditor evaluates LLM-generated answers, verifies actual accuracy using the web, and refines the response to ensure alignment with real-world knowledge."
authors = [
    { name = "Chun-Sung Ferng", email = "csferng@google.com" },
    { name = "Cyrus Rashtchian", email = "cyroid@google.com" },
    { name = "Da-Cheng Juan", email = "dacheng@google.com" },
    { name = "Ivan Kuznetsov", email = "ivanku@google.com" },
]
license = "Apache License 2.0"
readme = "README.md"

[tool.poetry.dependencies]
python = "^3.10"
google-adk = "^1.0.0"
google-cloud-aiplatform = { extras = [
    "adk",
    "agent-engines",
], version = "^1.93.0" }
google-genai = "^1.9.0"
pydantic = "^2.10.6"
python-dotenv = "^1.0.1"

[tool.poetry.group.dev]
optional = true

[tool.poetry.group.dev.dependencies]
google-adk = { version = "^1.0.0", extras = ["eval"] }
pytest = "^8.3.5"
pytest-asyncio = "^0.26.0"

[tool.poetry.group.deployment]
optional = true

[tool.poetry.group.deployment.dependencies]
absl-py = "^2.2.1"
google-adk = "^1.0.0"
a2a-sdk = "^0.3.0"

[build-system]
requires = ["poetry-core>=2.0.0,<3.0.0"]
build-backend = "poetry.core.masonry.api"

‫deployment/deploy.py: מחליפים את פריסת אפליקציית ADK בסוכן ובכרטיס A2A.

apps-script/chat/a2a-ai-agent/llm-auditor/deployment/deploy.py

הצגת הקוד ב-GitHub

# Copyright 2025 Google LLC
#
# Licensed under the Apache License, Version 2.0 (the "License");
# you may not use this file except in compliance with the License.
# You may obtain a copy of the License at
#
#     http://www.apache.org/licenses/LICENSE-2.0
#
# Unless required by applicable law or agreed to in writing, software
# distributed under the License is distributed on an "AS IS" BASIS,
# WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
# See the License for the specific language governing permissions and
# limitations under the License.

"""Deployment script for LLM Auditor."""

import os

from absl import app
from absl import flags
from dotenv import load_dotenv
from llm_auditor.agent import root_agent
import vertexai
from vertexai import agent_engines

# A2A wrapping
from a2a.types import AgentSkill
from google.adk.a2a.executor.a2a_agent_executor import A2aAgentExecutor
from google.adk.runners import InMemoryRunner
from vertexai.preview.reasoning_engines.templates.a2a import create_agent_card
from vertexai.preview.reasoning_engines import A2aAgent

FLAGS = flags.FLAGS
flags.DEFINE_string("project_id", None, "GCP project ID.")
flags.DEFINE_string("location", None, "GCP location.")
flags.DEFINE_string("bucket", None, "GCP bucket.")
flags.DEFINE_string("resource_id", None, "ReasoningEngine resource ID.")

flags.DEFINE_bool("list", False, "List all agents.")
flags.DEFINE_bool("create", False, "Creates a new agent.")
flags.DEFINE_bool("delete", False, "Deletes an existing agent.")
flags.mark_bool_flags_as_mutual_exclusive(["create", "delete"])


def create() -> None:
    """Creates an agent engine for LLM Auditor."""
    agent_card = create_agent_card(
        agent_name=root_agent.name,
        description=root_agent.description,
        skills=[AgentSkill(
            id='audit_llm_output',
            name='Audit LLM Output',
            description='Critiques and revises outputs from large language models.',
            tags=['LLM', 'Audit', 'Revision'],
            examples=[
                'The earth is flat.',
                'The capital of France is Berlin.',
                'The last winner of the Super Bowl was the New England Patriots in 2020.',
            ],
        )]
    )
    a2a_agent = A2aAgent(
        agent_card=agent_card,
        agent_executor_builder=lambda: A2aAgentExecutor(
            runner=InMemoryRunner(
                app_name=root_agent.name,
                agent=root_agent,
            )
        )
    )
    a2a_agent.set_up()

    remote_agent = agent_engines.create(
        a2a_agent,
        display_name=root_agent.name,
        requirements=[
                "google-adk (>=0.0.2)",
                "google-cloud-aiplatform[agent_engines] (>=1.88.0,<2.0.0)",
                "google-genai (>=1.5.0,<2.0.0)",
                "pydantic (>=2.10.6,<3.0.0)",
                "absl-py (>=2.2.1,<3.0.0)",
                "a2a-sdk>=0.3.22",
                "uvicorn",
        ],
        # In-memory runner
        max_instances=1,
        env_vars ={
            "NUM_WORKERS": "1"
        },
        extra_packages=["./llm_auditor"],
    )
    print(f"Created remote agent: {remote_agent.resource_name}")


def delete(resource_id: str) -> None:
    remote_agent = agent_engines.get(resource_id)
    remote_agent.delete(force=True)
    print(f"Deleted remote agent: {resource_id}")


def list_agents() -> None:
    remote_agents = agent_engines.list()
    TEMPLATE = '''
{agent.name} ("{agent.display_name}")
- Create time: {agent.create_time}
- Update time: {agent.update_time}
'''
    remote_agents_string = '\n'.join(TEMPLATE.format(agent=agent) for agent in remote_agents)
    print(f"All remote agents:\n{remote_agents_string}")

def main(argv: list[str]) -> None:
    del argv  # unused
    load_dotenv()

    project_id = (
        FLAGS.project_id
        if FLAGS.project_id
        else os.getenv("GOOGLE_CLOUD_PROJECT")
    )
    location = (
        FLAGS.location if FLAGS.location else os.getenv("GOOGLE_CLOUD_LOCATION")
    )
    bucket = (
        FLAGS.bucket if FLAGS.bucket
        else os.getenv("GOOGLE_CLOUD_STORAGE_BUCKET")
    )

    print(f"PROJECT: {project_id}")
    print(f"LOCATION: {location}")
    print(f"BUCKET: {bucket}")

    if not project_id:
        print("Missing required environment variable: GOOGLE_CLOUD_PROJECT")
        return
    elif not location:
        print("Missing required environment variable: GOOGLE_CLOUD_LOCATION")
        return
    elif not bucket:
        print(
            "Missing required environment variable: GOOGLE_CLOUD_STORAGE_BUCKET"
        )
        return

    vertexai.init(
        project=project_id,
        location=location,
        staging_bucket=f"gs://{bucket}",
    )

    if FLAGS.list:
        list_agents()
    elif FLAGS.create:
        create()
    elif FLAGS.delete:
        if not FLAGS.resource_id:
            print("resource_id is required for delete")
            return
        delete(FLAGS.resource_id)
    else:
        print("Unknown command")


if __name__ == "__main__":
    app.run(main)

יוצרים קטגוריה של Cloud Storage שמוקדשת לסוכן ADK.
```
gcloud storage buckets create gs://CLOUD_STORAGE_BUCKET_NAME --project=PROJECT_ID --location=PROJECT_LOCATION
```
מחליפים את מה שכתוב בשדות הבאים:
1. ‫CLOUD_STORAGE_BUCKET_NAME בשם ייחודי לקטגוריה שרוצים להשתמש בה.
2. ‫PROJECT_ID במזהה הפרויקט בענן.
3. ‫PROJECT_LOCATION במיקום של פרויקט בענן.
מגדירים את משתני הסביבה הבאים:
```
export GOOGLE_GENAI_USE_VERTEXAI=true
export GOOGLE_CLOUD_PROJECT=PROJECT_ID
export GOOGLE_CLOUD_LOCATION=PROJECT_LOCATION
export GOOGLE_CLOUD_STORAGE_BUCKET=CLOUD_STORAGE_BUCKET_NAME
```
מחליפים את מה שכתוב בשדות הבאים:
1. ‫CLOUD_STORAGE_BUCKET_NAME בשם הקטגוריה שיצרתם.
2. ‫PROJECT_ID במזהה הפרויקט בענן.
3. PROJECT_LOCATION במיקום של הפרויקט בענן.

התקנה ופריסה של סוכן ADK מסביבה וירטואלית.

python3 -m venv myenv
source myenv/bin/activate
poetry install --with deployment
python3 deployment/deploy.py --create

אחזור מזהה הסוכן. תצטרכו אותה מאוחר יותר כדי להגדיר את אפליקציית Chat.
```
python3 deployment/deploy.py --list
```

יצירה והגדרה של פרויקט אפליקציית Chat

לוחצים על הלחצן הבא כדי לפתוח את הפרויקט A2A AI Agent Quickstart ב-Apps Script.

פתיחת הפרויקט
לוחצים על סקירה כללית > יצירת עותק.
בפרויקט Apps Script, לוחצים על Project Settings (הגדרות הפרויקט) > Edit script properties (עריכת מאפייני התסריט) > Add script property (הוספת מאפיין תסריט) כדי להוסיף את מאפייני התסריט הבאים:
1. ‫REASONING_ENGINE_RESOURCE_NAME עם שם המשאב של סוכן Vertex AI שהעתקתם בשלבים הקודמים.
2. ‫SERVICE_ACCOUNT_KEY עם מפתח ה-JSON מחשבון השירות שהורדתם בשלבים הקודמים, כמו { ... }.
לוחצים על שמירת מאפייני הסקריפט.
ב-Google API Console, לוחצים על סמל התפריט > IAM & Admin > Settings (הגדרות).

כניסה לדף IAM & Admin Settings
מעתיקים את הערך בשדה מספר הפרויקט.
בפרויקט Apps Script, לוחצים על הגדרות הפרויקט.
בקטע פרויקט ב-Google Cloud Platform‏ (GCP), לוחצים על שינוי הפרויקט.
בשדה GCP project number (מספר הפרויקט ב-GCP), מדביקים את מספר הפרויקט ב-Google Cloud שהועתק בשלבים הקודמים.
לוחצים על הגדרת פרויקט. הפרויקט בענן והפרויקט ב-Apps Script מקושרים עכשיו.

יצירת פריסת בדיקה

כדי להשתמש בפרויקט הזה של Apps Script בשלב הבא, צריך מזהה פריסה.

כדי לקבל את מזהה הפריסה הראשית, מבצעים את הפעולות הבאות:

בפרויקט Apps Script של אפליקציית Chat, לוחצים על Deploy (פריסה) > Test deployments (פריסות לבדיקה).
בקטע Head deployment ID (מזהה הפריסה של הגרסה האחרונה), לוחצים על Copy (העתקה).
לוחצים על סיום.

הגדרת אפליקציית Chat

כדי לפרוס את אפליקציית Google Chat לבדיקה, פועלים לפי השלבים הבאים באמצעות הפריסה של Apps Script:

ב-קונסולה לממשקי API, מחפשים את Google Chat API ולוחצים על Google Chat API.
לוחצים על ניהול.
לוחצים על Configuration (הגדרה) ומגדירים את אפליקציית Chat:
1. בשדה App name, מזינים A2A Quickstart.
2. בשדה כתובת ה-URL של האווטאר מזינים את הערך https://developers.google.com/workspace/chat/images/quickstart-app-avatar.png.
3. בשדה Description (תיאור) מזינים A2A Quickstart.
4. בקטע פונקציונליות, בוחרים באפשרות הצטרפות למרחבים ולשיחות קבוצתיות.
5. בקטע 'הגדרות חיבור', בוחרים באפשרות פרויקט Apps Script.
6. בשדה Deployment ID (מזהה הפריסה), מדביקים את מזהה הפריסה של Head שהעתקתם קודם.
7. בקטע 'חשיפה', בוחרים באפשרות אנשים וקבוצות ספציפיים בדומיין ומזינים את כתובת האימייל.
לוחצים על שמירה.

אפליקציית Chat מוכנה להגיב להודעות.

בדיקת אפליקציית Chat

כדי לבדוק את אפליקציית Chat, פותחים מרחב לצ'אט ישיר עם אפליקציית Chat ושולחים הודעה:

פותחים את Google Chat באמצעות חשבון Google Workspace שציינתם כשנרשמתם כבודקים מהימנים.

מעבר אל Google Chat
לוחצים על צ'אט חדש.
בשדה Add 1 or more people (הוספת אדם אחד או יותר), מקלידים את השם של אפליקציית Chat.
בוחרים את אפליקציית Chat מתוך התוצאות. ייפתח צ'אט ישיר.

הערה: אם אפליקציית Chat לא מופיעה ברשימת התוצאות, צריך לוודא שחשבון Google Workspace נכלל בהגדרות החשיפה של ההגדרה של Chat API בדף Google API Console.
בצ'אט הישיר החדש עם האפליקציה, כותבים The Eiffel Tower was completed in 1900 ומקישים עלenter.

אפליקציית הצ'אט תשיב עם תשובות של סוכני משנה מסוג מבקר ועורך.

כדי להוסיף בודקים מהימנים ולקבל מידע נוסף על בדיקת תכונות אינטראקטיביות, אפשר לעיין במאמר בדיקת תכונות אינטראקטיביות באפליקציות ל-Google Chat.

פתרון בעיות

כשמוחזרת שגיאה מאפליקציה או מכרטיס ב-Google Chat, בממשק של Chat מוצגת ההודעה "משהו השתבש". או 'לא הצלחנו לעבד את הבקשה שלך'. לפעמים בממשק המשתמש של Chat לא מוצגת הודעת שגיאה, אבל אפליקציית Chat או הכרטיס מפיקים תוצאה לא צפויה. לדוגמה, יכול להיות שהודעה בכרטיס לא תופיע.

יכול להיות שלא תוצג הודעת שגיאה בממשק המשתמש של Chat, אבל אם הפעלתם את רישום השגיאות באפליקציות של Chat, תוכלו לראות הודעות שגיאה תיאוריות ונתוני יומן שיעזרו לכם לתקן את השגיאות. לקבלת עזרה בצפייה בשגיאות, באיתור באגים ובתיקון שגיאות, אפשר לעיין במאמר פתרון בעיות ותיקון שגיאות ב-Google Chat.

הסרת המשאבים

כדי להימנע מחיובים בחשבון Google Cloud בגלל השימוש במשאבים שנעשה במסגרת המדריך הזה, מומלץ למחוק את פרויקט בענן.

זהירות: כשמוחקים פרויקט:

התוכן של הפרויקט נמחק כולו. אם השתמשתם בפרויקט קיים כדי לתרגל את המדריך הזה, כשתמחקו אותו תימחק גם כל העבודה שביצעתם באותו פרויקט.
מאבדים את מזהה הפרויקט בהתאמה אישית. יכול להיות שיצרתם מזהה פרויקט מותאם אישית כשפתחתם את הפרויקט הזה, ואתם רוצים להשתמש בו בעתיד. כדי לשמור על כתובות ה-URL שמשתמשות במזהה הפרויקט, כמו כתובת URL ב-appspot.com, צריך למחוק את המשאבים שנבחרו בפרויקט אבל לא את הפרויקט כולו.

אם אתם מתכננים להיעזר במספר מדריכי לימוד או מדריכים למתחילים, מומלץ להשתמש שוב באותו פרויקט כדי לא לחרוג ממכסות הפרויקטים.

במסוף Google API, עוברים לדף Manage resources. לוחצים על תפריט > IAM & Admin > Manage Resources.
כניסה ל-Resource Manager
ברשימת הפרויקטים, בוחרים את הפרויקט שרוצים למחוק ולוחצים על מחיקה .
כדי למחוק את הפרויקט, כותבים את מזהה הפרויקט בתיבת הדו-שיח ולוחצים על Shut down.