从 AI Studio 一键部署到 Cloud Run 的新方式

产品管理总监

职场 AI 的入口

Cloud Run 凭借出色的简洁性、灵活性和可扩展性，已经成为广受欢迎的应用托管方案。但 AI 辅助开发的时代已经到来，从创意到应用的过程也比以往更快、更顺畅。今天，我们很高兴通过以下几种新的 Cloud Run 应用部署方式，让 AI 应用部署变得更加轻松、触手可及：

在 Google AI Studio 中，只需点击一个按钮，即可将应用部署到 Cloud Run

在 Google AI Studio 中，只需点击一个按钮，即可将应用部署到 Cloud Run

将 Gemma 3 模型从 Google AI Studio 直接部署到 Cloud Run，扩展你的 Gemma 项目

将 Gemma 3 模型从 Google AI Studio 直接部署到 Cloud Run，扩展你的 Gemma 项目

借助全新的 Cloud Run MCP server，让兼容 MCP 的 AI Agent 能够部署应用

借助全新的 Cloud Run MCP server，让兼容 MCP 的 AI Agent 能够部署应用

1. 借助 AI Studio 和 Cloud Run 简化应用开发与部署

Google AI Studio 是开始使用 Gemini 构建应用的最快方式。在 AI Studio 中开发好应用后，只需点击一个按钮，就能将它部署到 Cloud Run，让你在几秒钟内从代码获得可分享的 URL（视频以 2 倍速播放）：

在 AI Studio 中构建应用并部署到 Cloud Run

部署完成后，应用将拥有一个稳定的 HTTPS endpoint，并可自动扩缩容，包括在无人使用时缩容至零。你可以从 AI Studio 重新部署更新，也可以在 Cloud Run source editor 中继续后续开发。此外，你的 Gemini API key 会由 Cloud Run 在服务端安全管理，客户端设备无法访问。

对于托管使用 AI Studio 开发的应用而言，这也是一种非常经济的方案：Cloud Run 采用基于请求的计费方式，计费粒度为 100ms；除 Google Cloud 提供的任何免费 credits 外，每月还拥有 200 万次请求的免费额度。

2. 一键将你的 Gemma 应用部署到生产环境

Gemma 是单 GPU 性能领先的开放模型。为帮助你扩展 Gemma 项目，AI Studio 现在支持将 Gemma 3 模型直接部署到 Cloud Run：

在 AI Studio 中选择 Gemma，只需点击一下，不到一分钟即可使用 GPU 将其部署到 Cloud Run，且无须申请 quota（视频以 4 倍速播放）

这样一来，你就能获得一个运行在 Cloud Run 基础设施上的 endpoint：计费方式简单，按秒付费，支持缩容至零；GPU instance 的启动时间不到 5 秒，并且在无人使用时会缩容至零。它甚至可以开箱即用地兼容 Google Gen AI SDK，你只需更新代码中的两个参数，即可使用新部署的 endpoint：

3. 借助全新的 Cloud Run MCP server，让 AI Agent 能够部署应用

Model Context Protocol（MCP）是一项开放协议，用于标准化 AI Agent 与其环境交互的方式。在 Google I/O 上，我们曾表示，支持 Agent 与工具交互的开放标准，是我们的首要任务之一。

今天，我们正式推出 Cloud Run MCP server，让兼容 MCP 的 AI Agent 能够将应用部署到 Cloud Run。下面通过多种 MCP client 看看它的实际表现，包括 AI assistant 应用、由 AI 驱动的 Integrated Development Environment（IDE）以及 Agent SDK。

使用 Claude 桌面应用生成 Node.js 应用，并将其部署到 Cloud Run（视频以 4 倍速播放）

在 VS Code 中使用 Copilot 的 agent mode 和 Gemini 2.5 Pro 更新 FastAPI Python 应用，并通过 Cloud Run MCP server 完成部署（视频以 4 倍速播放）

3. Agent SDK

Google Gen AI SDK 或 Agent Development Kit 等 Agent SDK 也支持通过 MCP 调用工具，因此同样可以使用 Cloud Run MCP server 部署到 Cloud Run。

将 Cloud Run MCP server 添加到你常用的 MCP client：

借助 AI Studio 与 Cloud Run 的集成，以及全新的 Cloud Run MCP server，更快地构建、部署和扩展 AI 应用。现在就试试看：

在 AI Studio 中构建应用并部署到 Cloud Run

在 AI Studio 中构建应用并部署到 Cloud Run

在本地计算机上安装 Cloud Run MCP server

在本地计算机上安装 Cloud Run MCP server

在 AI Studio 中与 Gemma 3 对话，并将 Gemma 3 部署到 Cloud Run

在 AI Studio 中与 Gemma 3 对话，并将 Gemma 3 部署到 Cloud Run

AI 与 Machine Learning

应用开发

用更少资源完成更多工作：GKE 如何将每个 Agent 的成本降低 75%

作者：Drake Williams · 阅读时长 6 分钟

Gemini Enterprise Agent Platform 有哪些新变化

作者：Mike Clark · 阅读时长 6 分钟

使用任意 coding agent 自动化 Agent 开发生命周期

作者：Shubham Saboo · 阅读时长 7 分钟

将 Conversational Analytics 引入你的整个数据生态系统

作者：Richard Kuzma · 阅读时长 5 分钟