Ringkasan Platform Agen

Gemini Enterprise Agent Platform adalah platform terpadu untuk membangun, men-deploy, mengatur, dan mengoptimalkan agen AI dan solusi berbasis model tingkat perusahaan. Sebagai evolusi Agent Platform, platform ini mendukung siklus proses AI lengkap, mulai dari mengakses lebih dari 200 model dasar hingga men-deploy dan mengelola agen Anda.

Agent Platform hadir untuk Anda, dengan alat untuk semua tingkat keahlian:

  • Pengembangan low-code:
    • Agent Studio: Mendesain agen dan berinteraksi dengan model tanpa kode.
  • Pengembangan berbasis kode:
    • Notebook Colab Enterprise: Melakukan pengembangan berbasis kode, analisis data, dan eksperimen.
    • Agent Development Kit: Membangun Agen canggih yang mampu melakukan penalaran kompleks dan penggunaan alat dengan framework modular dan agnostik model ini.

Untuk memenuhi persyaratan perusahaan, Agent Platform menyertakan keamanan dan tata kelola terintegrasi. Agent Identity memungkinkan Anda memberikan izin terperinci kepada agen. Agent Gateway, bersama dengan Model Armor, mengamankan semua interaksi agen, menerapkan kebijakan runtime, dan membantu melindungi dari ancaman serta memastikan operasi yang sesuai.

Komponen Gemini Enterprise Agent Platform

Gemini Enterprise Agent Platform disusun berdasarkan empat pilar utama: Bangun, Skalakan, Atur, dan Optimalkan.
Gambar 1: Agent Platform diatur berdasarkan empat pilar: Build, Scale, Govern, dan Optimize.

Gemini Enterprise Agent Platform diatur berdasarkan empat pilar utama:

Build

Gunakan alat dan layanan ini untuk mendesain, membuat prototipe, dan mengembangkan agen AI Anda.

  • Agent Development Kit: Framework modular dan agnostik model untuk membangun dan men-deploy agen AI yang kompleks.
  • Agent Studio: Kanvas visual low-code untuk mendesain, membuat prototipe, dan mengelola loop dan alur kerja penalaran agen.
  • Agent Garden: A library agen dan template bawaan untuk mempercepat pengembangan.
  • Model Garden: Akses ke model canggih Google (seperti model Gemini), model pihak ketiga, dan model open source.
  • RAG Engine: Menghubungkan data perusahaan pribadi ke LLM dengan aman untuk meningkatkan akurasi jawaban dan mengurangi halusinasi.
  • **Vector Search:** Mesin penelusuran native AI untuk menyimpan, menelusuri, dan mengelola data untuk aplikasi AI.
  • **Managed Agents API di Agent Platform:** API berbasis konfigurasi dan REST-first untuk membangun agen otonom di dalam sandbox yang terkelola sepenuhnya. Buat dan kelola konfigurasi agen dan lingkungan sandbox dengan sumber terpasang, seperti keterampilan dan artefak, menggunakan Agents API, dan berinteraksi langsung dengan agen yang di-deploy saat runtime menggunakan Interactions API.

Scale

Deploy dan kelola agen Anda di lingkungan runtime stateful berperforma tinggi.

  • Menskalakan agen dengan Agent Runtime: Lingkungan runtime berperforma tinggi dan dapat diskalakan untuk men-deploy dan mengelola agen, yang mendukung fitur seperti cold start sub-detik dan agen yang berjalan lama. agen.
  • Sesi Agent Platform: Mengelola data dan konteks stateful dalam satu interaksi agen.
  • Bank Memori Agent Platform: Memungkinkan agen memiliki memori persisten dan mengingat informasi di beberapa sesi.
  • Eksekusi Kode: Memungkinkan agen AI membuat dan menjalankan kode Python di lingkungan sandbox yang aman untuk melakukan penghitungan, analisis data, dan logika kompleks lainnya.

Govern

Amankan, katalogkan, dan atur agen Anda dengan kontrol dan kebijakan tingkat perusahaan.

  • Agent Registry: Katalog terpusat untuk menemukan, melacak, dan mengelola semua agen, alat, dan server MCP di seluruh organisasi.
  • Agent Identity: Menyediakan identitas terkelola sepenuhnya dan unik untuk setiap agen, sehingga memungkinkan kontrol akses dan audit yang aman.
  • Agent Gateway: Titik penerapan kebijakan pusat untuk mengatur semua panggilan alat agen, mengelola autentikasi, dan menerapkan kebijakan keamanan.
  • Kebijakan Tata Kelola: Termasuk Perlindungan Konten dan Tata Kelola Semantik untuk mengurangi risiko seperti kebocoran data dan memastikan kepatuhan.
  • **Pemindaian ancaman dan kerentanan AI:** Pendeteksian ancaman dan pemindaian kerentanan real-time yang khusus untuk sistem agentic.
  • API Deteksi Konten AI: Menyediakan metode untuk mengidentifikasi konten buatan AI guna mendukung tata kelola media yang bertanggung jawab.

Optimize

Nilai, pantau, dan tingkatkan kualitas agen Anda untuk memastikan kualitas dan keandalan yang tinggi.

  • **Evaluasi agen** Menilai kualitas agen secara sistematis dengan alat seperti Multi-Turn AutoRaters dan Evaluasi Online untuk traffic langsung.
  • Mensimulasikan dan mengevaluasi perilaku agen Membuat skenario pengujian sintetis dan mensimulasikan interaksi pengguna multi-turn dengan persona yang dapat dikonfigurasi untuk menguji logika agen.
  • Kemampuan observasi Alat pemantauan, logging, dan pelacakan komprehensif, termasuk Unified Trace Viewer, memberikan visibilitas mendetail tentang penalaran dan performa agen untuk proses debug yang efektif.
  • Mengoptimalkan perintah agen Meningkatkan kualitas petunjuk sistem agen dan deskripsi alat secara terprogram dengan menganalisis pola kegagalan dan mengusulkan update yang ditargetkan.

Cara menggunakan dokumentasi ini

Dokumentasi Agent Platform diatur ke dalam beberapa bagian untuk membantu Anda menemukan informasi yang Anda butuhkan. Gunakan tab navigasi untuk menjelajahi berbagai area platform:

  • Studio: Temukan cara menggunakan Agent Studio untuk desain perintah, penyesuaian model, dan interaksi berbasis UI lainnya dengan model.
  • Agen: Pelajari cara membangun, men-deploy, dan mengelola agen AI untuk kasus penggunaan perusahaan menggunakan framework dan alat agen Agent Platform.
  • Model: Pelajari model AI generatif yang tersedia di Agent Platform, termasuk model Gemini, dan cara menggunakannya di aplikasi Anda.
  • Notebook: Temukan informasi tentang penggunaan notebook Colab Enterprise untuk pengembangan model berbasis kode, analisis data, dan eksperimen.

Langkah berikutnya

Ringkasan

Pelajari cara membangun agen di Google Agent Platform.

Panduan

Pelajari lima cara untuk men-deploy agen di Agent Platform Runtime berdasarkan kebutuhan pengembangan Anda.

Panduan

Pelajari skenario umum untuk agen dan model.