O Vertex AI Agent Engine, que faz parte da plataforma Vertex AI, é um conjunto de serviços que permite aos desenvolvedores implantar, gerenciar e dimensionar agentes de IA em produção. O Agent Engine cuida da infraestrutura para escalonar agentes em produção, para que você possa se concentrar na criação de aplicativos. O Vertex AI Agent Engine oferece os seguintes serviços que podem ser usados individualmente ou em combinação:
Ambiente de execução:
- Implante e escalone agentes com um ambiente de execução gerenciado e recursos de gerenciamento completos.
- Personalize a imagem do contêiner do agente com scripts de instalação no momento da criação para dependências do sistema.
- Use recursos de segurança, incluindo o compliance com o VPC-SC, configuração de autenticação e o IAM.
- Acesse modelos e ferramentas com chamadas de função.
- Implante agentes criados usando diferentes frameworks do Python e o protocolo aberto Agent2Agent.
Qualidade e avaliação (visualização): avalie a qualidade do agente com o serviço de avaliação de IA generativa integrado e otimize os agentes com execuções treinamento de modelo Gemini.
**Sessões**: as sessões do Agent Engine permitem armazenar interações individuais entre usuários e agentes, fornecendo fontes definitivas para o contexto da conversa.
Banco de memória: o banco de memória do Agent Engine permite armazenar e recuperar informações de sessões para personalizar interações do agente.
Execução de código: a execução de código do Agent Engine permite que o agente execute o código em um ambiente de sandbox seguro, isolado e gerenciado.
Exemplo de repositório (visualização): armazene e recupere dinamicamente exemplos few-shot para melhorar o desempenho do agente.
Observabilidade: entenda o comportamento do agente com o Google Cloud Trace (compatível com o OpenTelemetry), Cloud Monitoring e Cloud Logging.
Governança: o Vertex AI Agent Engine oferece suporte a vários recursos para ajudar você a governar agentes em produção e atender às necessidades de segurança e corporativas:
Detectar ameaças com o Security Command Center: Detecção de ameaças do Agent Engine (visualização) é um serviço integrado do Security Command Center que ajuda a detectar e investigar possíveis ataques a agentes implantados no ambiente de execução do Vertex AI Agent Engine.
Identidade do agente (visualização): Use a identidade do agente do Identity Access Management (IAM) para fornecer recursos de segurança e gerenciamento de acesso ao usar agentes no ambiente de execução do Vertex AI Agent Engine.
O Vertex AI Agent Engine faz parte do Vertex AI Agent Builder, um conjunto de recursos para descobrir, criar e implantar agentes de IA.
Criar e implantar no Vertex AI Agent Engine
Observação:para uma experiência de desenvolvimento e implantação simplificada e baseada em IDE com o Vertex AI Agent Engine, considere o pacote inicial do agente. Ele oferece modelos prontos para uso, uma UI integrada para experimentação e simplifica a implantação, as operações, a avaliação, a personalização e a observabilidade.
O fluxo de trabalho para criar um agente no Vertex AI Agent Engine é:
| Etapas | Descrição |
|---|---|
| 1. configurar o ambiente | Configure o projeto do Google e instale a versão mais recente do SDK da Vertex AI para Python. |
| 2. Desenvolver um agente | Desenvolva um agente que possa ser implantado no Vertex AI Agent Engine. |
| 3. Implantar o agente | Implante o agente no ambiente de execução gerenciado do Vertex AI Agent Engine. |
| 4. Usar o agente | Consulte o agente enviando uma solicitação de API. |
| 5. Gerenciar o agente implantado | Gerencie e exclua os agentes que você implantou no Vertex AI Agent Engine. |
As etapas estão ilustradas no diagrama a seguir:
Frameworks compatíveis
A tabela a seguir descreve o nível de suporte que o Vertex AI Agent Engine oferece para vários frameworks de agentes:
| Nível de suporte | Frameworks de agentes |
|---|---|
| Modelo personalizado: é possível adaptar um modelo personalizado para oferecer suporte à implantação no Vertex AI Agent Engine do seu framework. | CrewAI, frameworks personalizados |
| Integração do SDK da Vertex AI: o Vertex AI Agent Engine fornece modelos gerenciados por framework no SDK e na documentação da Vertex AI. | AG2, LlamaIndex |
| Integração completa: os recursos são integrados para funcionar em todo o framework, o Vertex AI Agent Engine e o ecossistema mais amplo Google Cloud . | Kit de Desenvolvimento de Agente (ADK), LangChain, LangGraph |
Implantar em produção com o pacote inicial do agente
O pacote inicial do agente é uma coleção de modelos de agentes de IA generativa prontos para produção criados para o Vertex AI Agent Engine. O pacote inicial do agente oferece o seguinte:
- Modelos de agentes pré-criados: ReAct, RAG, multiagente e outros modelos.
- Playground interativo: teste e interaja com seu agente.
- Infraestrutura automatizada: usa o Terraform para gerenciamento de recursos simplificado.
- Pipelines de CI/CD: fluxos de trabalho de implantação automatizados que aproveitam o Cloud Build.
- Observabilidade: suporte integrado para Cloud Trace e Cloud Logging.
Para começar, consulte o Guia de início rápido.
Casos de uso
Para saber mais sobre o Vertex AI Agent Engine com exemplos completos, consulte os seguintes recursos:
| Caso de uso | Descrição | Links |
|---|---|---|
| Criar agentes conectando-se a APIs públicas | Converta entre moedas. Criar uma função que se conecta a um app de câmbio de moedas, permitindo ao modelo fornecer respostas precisas a consultas como "Qual é a taxa de câmbio de reais para dólares hoje?" |
Notebook do SDK da Vertex AI para Python: introdução à criação e implantação de um agente com o Vertex AI Agent Engine |
| Projetando um projeto solar comunitário. Identifique locais potenciais procure escritórios e fornecedores governamentais relevantes e analise imagens de satélite e o potencial solar de regiões e edifícios para encontrar o local ideal para instalar os painéis solares. |
Notebook do SDK da Vertex AI para Python: como criar e implantar um agente da API Google Maps com o Vertex AI Agent Engine | |
| Criar agentes conectando-se a bancos de dados | Integração com o AlloyDB e o Cloud SQL para PostgreSQL. | Postagem do blog: anúncio do LangChain no Vertex AI Agent Builder para AlloyDB e Cloud SQL para PostgreSQL Notebook do SDK da Vertex AI para Python: implantação de um aplicativo RAG com o Cloud SQL para PostgreSQL no Vertex AI Agent Engine Notebook do SDK da Vertex AI para Python: implantação de um aplicativo RAG com o AlloyDB para PostgreSQL no Vertex AI Agent Engine |
| Crie agentes com ferramentas que acessam dados no seu banco de dados. | Notebook do SDK da Vertex AI para Python: implantação de um agente com o Vertex AI Agent Engine e a caixa de ferramentas MCP para bancos de dados | |
| Consultar e entender repositórios de dados estruturados usando linguagem natural. | Notebook do SDK da Vertex AI para Python: como criar um agente de pesquisa de conversação com o Vertex AI Agent Engine e a RAG na Vertex AI para Pesquisa | |
| Consulte e entenda bancos de dados de gráficos usando linguagem natural | Postagem do blog: GenAI GraphRAG e agentes de IA usando o Vertex AI Agent Engine com o LangChain e o Neo4j | |
| Consultar e entender repositórios de vetores usando linguagem natural | Postagem do blog: simplificar a RAG da IA generativa com o MongoDB Atlas e o Vertex AI Agent Engine | |
| Criar agentes com o Kit de Desenvolvimento de Agente | Crie e implante agentes usando o Kit de Desenvolvimento de Agente. | Kit de Desenvolvimento de Agente: implantação no Vertex AI Agent Engine |
| Criar agentes com frameworks de OSS | Crie e implante agentes usando o framework de código aberto OneTwo. | Postagem do blog: OneTwo e Vertex AI Agent Engine: explorando o desenvolvimento avançado de agentes de IA no Google Cloud |
| Crie e implante agentes usando o framework de código aberto LangGraph. | Notebook do SDK da Vertex AI para Python: criar e implantar um aplicativo LangGraph com o Vertex AI Agent Engine | |
| Depuração e otimização de agentes | Crie e rastreie agentes usando o OpenTelemetry e o Cloud Trace. | Notebook do SDK da Vertex AI para Python: depuração e otimização de agentes: um guia de rastreamento no Vertex AI Agent Engine |
| Criar sistemas multiagente com o protocolo A2A (visualização) | Crie agentes interoperáveis que se comunicam e colaboram com outros agentes, independentemente do framework. | Para mais informações, consulte a documentação do protocolo A2A. |
Segurança corporativa
O Vertex AI Agent Engine oferece suporte a vários recursos para ajudar você a atender aos requisitos de segurança corporativa, aderir às políticas de segurança da sua organização e seguir as práticas recomendadas de segurança. Os seguintes recursos são compatíveis:
VPC Service Controls: o Vertex AI Agent Engine oferece suporte ao VPC Service Controls para fortalecer a segurança de dados e reduzir os riscos de exfiltração de dados. Quando o VPC Service Controls está configurado, o agente implantado mantém o acesso seguro às APIs e serviços do Google, como a API BigQuery, a API Cloud SQL Admin e a API Vertex AI, verificando a operação perfeita dentro do perímetro definido. Criticamente, o VPC Service Controls bloqueia efetivamente todo o acesso público à Internet, confinando a movimentação de dados aos limites de rede autorizados e aprimorando significativamente a postura de segurança da empresa.
Interface do Private Service Connect: para o ambiente de execução do Vertex AI Agent Engine, o PSC-I permite que os agentes interajam com serviços hospedados de forma privada na VPC de um usuário. Para mais informações, consulte Como usar a interface do Private Service Connect com o Vertex AI Agent Engine.
Chaves de criptografia gerenciadas pelo cliente (CMEK): o Vertex AI Agent Engine oferece suporte à CMEK para proteger seus dados com suas próprias chaves de criptografia, o que oferece propriedade e controle total das chaves que protegem seus dados em repouso no Google Cloud. Para mais informações, consulte CMEK do Agent Engine.
Residência de dados (DRZ): o Vertex AI Agent Engine oferece suporte à residência de dados (DRZ) para garantir que todos os dados em repouso sejam armazenados na região especificada.
HIPAA: como parte da plataforma Vertex AI, o Vertex AI Agent Engine oferece suporte a cargas de trabalho HIPAA.
Transparência no acesso: a transparência no acesso fornece registros que capturam as ações executadas pela equipe do Google ao acessar seu conteúdo. Para mais informações sobre como ativar a transparência no acesso para o Vertex AI Agent Engine, consulte Transparência no acesso na Vertex AI.
A tabela a seguir mostra quais recursos de segurança corporativa são compatíveis com cada serviço do Agent Engine:
| Recurso de segurança | Ambiente de execução | Sessões | Banco de memória | Exemplo de repositório | Execução de código |
|---|---|---|---|---|---|
| VPC Service Controls | Sim | Sim | Sim | Não | Sim |
| Chaves de criptografia gerenciadas pelo cliente | Sim | Sim | Sim | Não | Sim |
| Residência de dados (DRZ) em repouso | Sim | Sim | Sim | Não | Sim |
| HIPAA | Sim | Sim | Sim | Sim | Sim |
| Transparência no acesso | Sim | Sim | Sim | Não | Não |
| Aprovação de acesso | Sim | Sim | Sim | Não | Não |
Regiões compatíveis
Consulte Locais para conferir uma lista de regiões compatíveis com o Vertex AI Agent Engine.
Quota
Consulte Cotas e limites do sistema para informações sobre a cota do Vertex AI Agent Engine.
Preços
Um nível sem custo financeiro está disponível para o ambiente de execução do Vertex AI Agent Engine.
Para informações sobre preços do ambiente de execução do Agent Engine, consulte Preços da Vertex AI.
Migração para o SDK baseado no cliente
O módulo agent_engines no SDK da Vertex AI para Python está sendo refatorado para um
design baseado no cliente pelos seguintes motivos principais:
- Para se alinhar ao ADK do Google e ao SDK de IA generativa do Google em representações de tipo canônico. Isso garante uma maneira consistente e padronizada de representar tipos de dados em diferentes SDKs, o que simplifica a interoperabilidade e reduz a sobrecarga de conversão.
- Para o escopo de Google Cloud parâmetros no nível do cliente em aplicativos de vários projetos e locais. Isso permite que um aplicativo gerencie interações com recursos em diferentes Google Cloud projetos e locais geográficos configurando cada instância do cliente com as configurações específicas de projeto e local.
- Para melhorar a capacidade de descoberta e a coesão dos serviços do Vertex AI Agent Engine