Questo documento fornisce un'architettura di alto livello per creare un sistema di AI agentica efficace e affidabile basato su dati contestuali reali di Google Maps Platform e Google Calendar. Il sistema crea piani di viaggio per i luoghi indicati dagli utenti nel prompt. Il piano tiene conto dell'itinerario dell'utente, della posizione geografica dei luoghi, degli orari di apertura e delle distanze degli itinerari.
Il pubblico di destinazione di questo documento include architetti, sviluppatori e amministratori di AI che creano e gestiscono applicazioni di AI agentiche. Il documento presuppone che tu abbia una conoscenza di base dei concetti di AI e ML e dell'architettura cloud.
La sezione Deployment di questo documento fornisce un link a un codelab che puoi utilizzare per imparare a creare e testare un sistema di AI agentica funzionale basato su questa architettura.
Architettura
Il seguente diagramma mostra un'architettura per un'app che utilizza un sistema di AI multi-agente per generare un itinerario per i luoghi che un utente vuole visitare durante una giornata. Gli utenti interagiscono con l'app tramite un'interfaccia di chat. Un agente orchestratore raccoglie le informazioni necessarie richiamando agenti specializzati e poi crea un itinerario giornaliero. Gli agenti vengono eseguiti in Gemini Enterprise e il loro ragionamento si basa sull'utilizzo di dati reali di Google Maps Platform e Calendar.
L'architettura nel diagramma precedente contiene i seguenti componenti:
Gemini Enterprise: il componente principale dell'architettura. Ospita il sistema di AI agentica, che contiene i seguenti agenti:
- Agente orchestratore: riceve le richieste degli utenti tramite un'interfaccia di chat, interpreta l'obiettivo e poi si coordina con agenti specializzati per soddisfare la richiesta.
- Agente Places: gestisce le attività basate sulla posizione, ad esempio trovare luoghi e verificare se sono aperti.
- Agente di itinerari: gestisce le attività di pianificazione di itinerari e viaggi, ad esempio assicurandosi che ci sia tempo sufficiente per raggiungere i luoghi richiesti.
- Agente di pianificazione: gestisce la pianificazione e le attività correlate al calendario, ad esempio il caricamento del calendario e lo spostamento degli eventi per tenere conto del tempo di percorrenza.
Tutti gli agenti in questa architettura sono creati utilizzando Agent Development Kit (ADK). Gli agenti vengono eseguiti in Agent Runtime su Gemini Enterprise Agent Platform e utilizzano un modello Gemini.
Strumenti e dati:gli agenti utilizzano i seguenti strumenti per ottenere i dati di cui hanno bisogno:
- Grounding con Google Maps: Fornisce il contesto geografico del mondo reale da Google Maps Platform agli agenti Places e Routes.
- Places Insights: Fornisce analisi e informazioni approfondite e specifiche per il sito da Google Maps Platform per aiutare gli agenti a creare artefatti appropriati in base al tipo di riunione.
- Calendar: consente all'agente Pianifica di accedere e gestire gli eventi del calendario.
Osservabilità: questo componente consente il monitoraggio e il debug delle operazioni dell'agente.
- Gli eventi dell'agente vengono registrati in Cloud Logging e pubblicati in un database Firestore.
- L'architettura include un'app di visualizzazione eventi di cui è stato eseguito il deployment come servizio Cloud Run. Gli amministratori possono utilizzare questa app per monitorare gli eventi registrati e visualizzare il flusso di pensiero e le azioni degli agenti, ad esempio la convalida di luoghi e percorsi.
Prodotti utilizzati
Questa architettura utilizza i seguenti prodotti e strumenti Google:
- Google Maps Platform: una piattaforma che fornisce servizi di mappatura, itinerari e ricerca di località.
- Google Calendar: uno strumento per team e privati per gestire orari ed eventi.
- Gemini Enterprise: una piattaforma sicura completamente gestita per eseguire il deployment e gestire agenti AI all'interno di un'azienda.
- Agent Development Kit (ADK): un insieme di strumenti e librerie per sviluppare, testare e implementare agenti AI.
- Cloud Logging: un sistema di gestione dei log in tempo reale con archiviazione, ricerca, analisi e avvisi.
- Firestore: un database di documenti NoSQL creato per offrire scalabilità automatica, prestazioni elevate e facilità di sviluppo delle applicazioni.
- Cloud Run: una piattaforma di computing serverless che ti consente di eseguire container direttamente sull'infrastruttura scalabile di Google.
Casi d'uso
Di seguito sono riportati alcuni esempi di casi d'uso per questa architettura:
Pianificazione automatica dei viaggi aziendali: un dipendente deve pianificare un viaggio per un summit con i clienti.
- Un'agenzia viaggi trova voli e hotel ed effettua prenotazioni.
- Un agente di gestione dei rapporti con i clienti (CRM) recupera l'indirizzo del summit e l'elenco dei partecipanti.
- Un agente di pianificazione programma le riunioni nel calendario del viaggiatore. L'output finale è un itinerario di viaggio completo.
Invio intelligente di tecnici sul campo: un cliente segnala un'interruzione del servizio.
- Un agente CRM identifica il contratto e la posizione del cliente.
- Un agente di viaggi trova il tecnico disponibile più vicino e ottimizza il suo itinerario di viaggio.
- Un agente di pianificazione prenota un appuntamento per l'assistenza.
Coordinamento della catena di fornitura e della logistica: un responsabile della logistica deve reindirizzare una spedizione a causa di un evento meteorologico.
- Un agente logistico monitora il traffico e le condizioni meteo in tempo reale utilizzando Google Maps Platform.
- L'agente logistico trova un percorso e un magazzino alternativi
- Un agente CRM comunica al cliente il programma di spedizione rivisto.
Considerazioni sulla progettazione
Per implementare questa architettura per la produzione, considera i seguenti consigli:
- Sicurezza: adotta un modello Zero Trust concedendo a ogni agente l'accesso con privilegi minimi necessario per svolgere la sua attività. Definisci rigorosamente gli strumenti e i dati a cui ogni agente può accedere. Ad esempio, configura l'agente Schedule in modo che legga o scriva solo in calendari specifici.
- Affidabilità: includi la convalida human-in-the-loop (HITL) per attività critiche come la prenotazione di biglietti non rimborsabili. Crea tracce di controllo chiare per le decisioni dell'agente creando una pipeline di osservabilità con Logging e Pub/Sub.
- Rendimento: il pattern di coordinamento multi-agente modulare di questa architettura contribuisce a migliorare il rendimento consentendo agli agenti specializzati di lavorare in parallelo. Ad esempio, l'agente Places può cercare luoghi mentre l'agente Schedule controlla contemporaneamente i conflitti nel calendario.
- Costo: gestisci i costi definendo con precisione le attività di ogni agente per evitare query aperte o non necessarie. Ridurre le chiamate API utilizzando la memorizzazione nella cache per i dati richiesti di frequente, come itinerari comuni o luoghi popolari.
- Governance: stabilisci una governance solida con ruoli chiari per ogni agente e con linee guida per la gestione dei dati. Utilizza un processo di sviluppo iterativo che includa il monitoraggio continuo. Questo processo aiuta a perfezionare il comportamento degli agenti e a garantire che sia in linea con i requisiti aziendali.
Quando progetti l'architettura per il tuo workload di AI agentica, tieni presente le best practice e i consigli riportati in Google Cloud Well-Architected Framework: prospettiva AI e ML.
Deployment
Per scoprire come creare e testare un sistema di AI agentico funzionale basato su questa architettura, segui le istruzioni del codelab Crea un agente di pianificazione dell'itinerario con ADK e Google Maps Grounding. Il codelab ti guida attraverso l'intera procedura di deployment, incluse le seguenti attività:
- Attivazione dei servizi Google Cloud necessari.
- Utilizzo di ADK per creare agenti.
- Configurazione degli agenti per utilizzare Grounding con Google Maps per il contesto del mondo reale.
- Esecuzione e test degli agenti tramite un'interfaccia web.
Passaggi successivi
- Scopri di più su Grounding con Google Maps.
- Scopri di più su Gemini Enterprise.
- Per ulteriori architetture di riferimento, diagrammi e best practice, esplora Cloud Architecture Center.
Collaboratori
Autore: Kenneth Nevarez | Developer Relations Engineer, Google Maps Platform
Altri collaboratori:
- Caio Moreira | DevX Engineer
- Kumar Dhanagopal | Cross-Product Solution Developer
- Mike Pegg | Manager, Developer Relations