CertifyDeckCargando contenido…
Professional Agentic Architect · Preguntas de ejemplo
10 preguntas reales del banco de Professional Agentic Architect de CertifyDeck, repartidas por los dominios del temario oficial de Google Cloud Certified Professional Agentic Architect, con la respuesta correcta y la explicación completa de por qué las demás opciones no lo son. Son preguntas originales redactadas a partir del temario público, no dumps, y tienen el mismo estilo que encontrarás en los tests de práctica y en el simulador.
Respuesta correcta: A. Ejecutar cm fix con la opción --context y describir la restricción de usar el asistente de consultas parametrizadas.
Responde cada pregunta antes de abrir la explicación y anota por qué descartas las demás opciones. En Professional Agentic Architect, la mayoría de los fallos vienen de elegir una opción técnicamente posible que no cumple todos los requisitos del escenario.
Estas 10 preguntas sirven para conocer el formato, no como diagnóstico. Para saber en qué dominios fallas, practica por dominio gratis y haz un examen de prueba cronometrado con la ponderación y la duración oficiales.
Empieza gratis, sin registro ni tarjeta. Todas las preguntas llevan una explicación como las de arriba y el simulador reproduce el formato oficial de Professional Agentic Architect.
La opción -c o --context de cm fix transmite al agente restricciones de arquitectura o normas de codificación, como usar un asistente concreto de consultas parametrizadas seguro, para que el parche generado las cumpla sin ediciones manuales. --no-cache solo fuerza un parche nuevo con el mismo enfoque, y desactivar el entorno aislado o la política de comandos debilita la protección del equipo sin indicar al agente qué asistente usar.
Respuesta correcta: C. Establece authProviderType en google_credentials para adjuntar las credenciales predeterminadas de la aplicación (ADC) de cada desarrollador.
Con authProviderType en google_credentials, Antigravity adjunta las credenciales predeterminadas de la aplicación de Google, que cada desarrollador configura en local con gcloud, así que no se guarda ningún token en el archivo y las llamadas se hacen como el desarrollador. Mover el token al archivo global sigue dejando un token estático que caduca en la configuración. Una clave de cuenta de servicio en el repositorio es una credencial de larga duración que no es la identidad del desarrollador, y un secreto de cliente en el archivo compartido acabaría en el repositorio.
Respuesta correcta: D. Registrar la URL oauthcallback del proveedor de autenticación como URI de redirección autorizado en la aplicación de GitLab.
Al configurar el cliente OAuth de un proveedor de 3 patas, debes registrar en la aplicación OAuth del tercero el URI de redirección de callback propio del proveedor, que termina en oauthcallback. El URI de continuación es donde tu propio frontend recibe al usuario tras el consentimiento, así que apuntarlo a GitLab no resuelve la comprobación de redirección. Un proveedor de 2 patas eliminaría la autoridad delegada del desarrollador que el escenario necesita.
Respuesta correcta: A. Conceder el rol Agent Identity User sobre el recurso del proveedor de autenticación al identificador de principal del agente.
El agente se autentica ante auth manager con su propia identidad SPIFFE y el acceso a cada proveedor se rige por IAM; la concesión documentada es el rol Agent Identity User sobre el recurso del proveedor para el principal del agente. Concederlo a un conjunto de principales de todo el proyecto permitiría que cualquier agente usara el proveedor, y el rol Admin añade permisos de gestión que el agente no necesita. El agente de servicio no es la identidad que recupera las credenciales.
Respuesta correcta: B. Añadir un vertex_embedding_config con un modelo y una plantilla de texto al campo vectorial del esquema vectorial de la Collection.
En Agent Retrieval, un campo vectorial cuyo esquema incluye vertex_embedding_config se rellena automáticamente, con el modelo y la plantilla de texto configurados, cada vez que se crea un Data Object sin valor para ese campo. Un campo solo disperso busca palabras clave, no significado, lo que incumple el requisito. La validación flexible del esquema controla el rigor con el que se comprueban los campos de datos y no genera embeddings al buscar.
Respuesta correcta: C. Habilitar Claude desde su ficha de Model Garden y pasar el identificador del modelo Claude al LlmAgent para llamar a la API gestionada.
Los modelos Claude en Agent Platform son API totalmente gestionadas y sin servidor que admiten el registro de peticiones y respuestas de Agent Platform, y el registro de ADK dirige un identificador de modelo Claude a su envoltorio Claude en Agent Platform. LiteLlm con una clave de Anthropic llama directamente a la API de Anthropic, así que las peticiones no pasan por Agent Platform, y un endpoint dedicado o un clúster de GKE implican aprovisionar y gestionar infraestructura.
Respuesta correcta: B. Crear una política de alertas de Cloud Monitoring sobre las puntuaciones que exporta el monitor, con un canal de notificación por correo.
Los monitores online exportan las puntuaciones numéricas de evaluación a Cloud Monitoring, donde las políticas de alertas sobre esas métricas avisan a canales de notificación como el correo, y cada incidente lleva etiquetas del monitor asociado. Un umbral en test_config.json solo afecta a las ejecuciones de evaluación de ADK en desarrollo, una ejecución horaria de la CLI añade esfuerzo operativo y no puntúa el tráfico real, y Model Armor analiza peticiones y respuestas por seguridad en lugar de medir el éxito de la tarea.
Respuesta correcta: C. Activar Agent Anomaly Detection en los agentes para analizar sus logs y trazas fuera de banda.
Agent Anomaly Detection analiza los logs y las trazas de los agentes de forma asíncrona, así que no añade latencia, y sus detectores cubren fallos en cascada como bucles infinitos y reintentos oscilantes, además del agotamiento de recursos; los hallazgos aparecen en Security Command Center. La gobernanza semántica y Model Armor son comprobaciones en línea en la ruta de la petición y se centran en la intención o el contenido, no en ejecuciones desbocadas. max_iterations exige cambiar código y no genera hallazgos de seguridad.
Respuesta correcta: D. Reordenar cada ejemplo para que el razonamiento paso a paso vaya antes del veredicto final en JSON.
La lista de comprobación de peticiones de Google señala el orden incorrecto de la cadena de pensamiento: los ejemplos no deben mostrar al modelo dando su respuesta estructurada final antes de completar su razonamiento paso a paso. Poner el razonamiento primero hace que el veredicto se derive de él, y los separadores o un formato de salida definido permiten seguir separando el razonamiento de la respuesta. Quitar el razonamiento renuncia a la ventaja de explicarlo, y añadir ejemplos o moverlos a las instrucciones del sistema mantiene el orden erróneo.
Respuesta correcta: A. Añadir la anotación readOnlyHint a las definiciones de las herramientas de solo lectura y después recargar las acciones personalizadas.
Por defecto, todas las acciones importadas de un servidor MCP personalizado requieren confirmación del usuario porque Gemini Enterprise supone que pueden modificar datos; añadir readOnlyHint a las herramientas no destructivas hace que se salten la confirmación, y recargar las acciones personalizadas aplica el cambio. destructiveHint hace lo contrario y mantiene la confirmación, lo que solo es adecuado para las herramientas que modifican datos. La confirmación depende de las anotaciones de las herramientas, no de un rol de IAM, y desactivar todas las acciones elimina la capacidad en lugar de agilizarla.