Agent Platform siap membantu 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 menggunakan alat dengan framework modular yang tidak bergantung 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 membantu memastikan operasi yang sesuai.
Komponen Gemini Enterprise Agent Platform
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 yang tidak bergantung model untuk membangun dan men-deploy agen AI yang kompleks.
- **Agent Studio:** Kanvas visual low-code untuk mendesain, membuat prototipe, serta mengelola alur kerja dan reasoning loop agen.
- Agent Garden: A library template dan agen siap pakai untuk mempercepat pengembangan.
- Model Garden: Akses ke model termutakhir Google (seperti model Gemini), model pihak ketiga, dan model open source.
- **RAG Engine:** Menghubungkan data internal perusahaan ke LLM secara aman untuk meningkatkan akurasi jawaban dan mengurangi halusinasi.
- Penelusuran Vektor: Mesin telusur berbasis AI untuk menyimpan, menelusuri, dan mengelola data bagi aplikasi AI
- Managed Agents API di Agent Platform: API berbasis konfigurasi dan mengutamakan REST untuk membangun agen otonom di dalam sandbox yang terkelola sepenuhnya. Buat dan kelola konfigurasi agen serta lingkungan sandbox dengan sumber yang dikaitkan, seperti kemampuan dan artefak, menggunakan Agents API, serta berinteraksi langsung dengan agen yang di-deploy saat runtime menggunakan Interactions API.
Scale
Deploy dan kelola agen Anda di lingkungan runtime stateful berperforma tinggi.
- Penskalaan agen dengan Agent Runtime: Lingkungan runtime berperforma tinggi dan skalabel untuk men-deploy serta mengelola agen, yang mendukung fitur seperti cold start kurang dari satu detik dan agen yang berjalan lama.
- Agent Platform Sessions: Mengelola data dan konteks stateful dalam satu interaksi agen.
- **Agent Platform Memory Bank:** Memungkinkan agen memiliki memori persisten dan mengingat kembali informasi lintas 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 terapkan tata kelola pada 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 unik yang terkelola sepenuhnya untuk setiap agen, sehingga memungkinkan kontrol akses dan audit yang aman.
- Agent Gateway: Titik penegakan kebijakan terpusat untuk menjalankan tata kelola pada semua panggilan alat agen, mengelola autentikasi, dan menerapkan kebijakan keamanan.
- **Kebijakan Tata Kelola:** Termasuk Perlindungan Konten dan Tata Kelola Semantik untuk memitigasi risiko seperti kebocoran data dan memastikan kepatuhan.
- **Pemindaian ancaman dan kerentanan AI:** Deteksi ancaman dan pemindaian kerentanan real-time yang spesifik 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 sempurnakan agen Anda untuk memastikan kualitas dan keandalan yang tinggi.
- Evaluasi agen: Menilai kualitas agen secara sistematis dengan alat seperti Multi-Turn AutoRaters dan Online Evaluation untuk traffic live.
- Simulasi dan evaluasi perilaku agen: Hasilkan skenario pengujian sintetis dan simulasikan interaksi pengguna multi-giliran dengan persona yang dapat dikonfigurasi untuk menjalankan stress test pada logika agen.
- Observabilitas: Alat pemantauan, logging, dan pelacakan yang komprehensif, termasuk Unified Trace Viewer, memberikan visibilitas terperinci mengenai penalaran dan performa agen untuk proses debug yang efektif.
- Pengoptimalan perintah agen: Secara terprogram menyempurnakan instruksi sistem agen dan deskripsi alat dengan menganalisis pola kegagalan serta mengusulkan pembaruan yang tepat sasaran.
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
Men-deploy agen
Pelajari lima cara untuk men-deploy agen di Agent Platform Runtime berdasarkan kebutuhan pengembangan Anda.