In diesem Dokument wird eine allgemeine Architektur zum Erstellen eines vertrauenswürdigen und effektiven agentischen KI-Systems beschrieben, das auf realen Kontextdaten aus der Google Maps Platform und Google Kalender basiert. Das System erstellt Reisepläne für Orte, die Nutzer in ihrem Prompt angeben. Dabei werden der Zeitplan des Nutzers, der geografische Standort der Orte, die Öffnungszeiten und die Routenentfernungen berücksichtigt.
Die Zielgruppe für dieses Dokument umfasst KI-Architekten, Entwickler und Administratoren, die agentische KI-Anwendungen erstellen und verwalten. Dabei wird vorausgesetzt, dass Sie über grundlegende Kenntnisse der Konzepte von KI und ML sowie der Cloud-Architektur verfügen.
Im Abschnitt zur Bereitstellung dieses Dokuments finden Sie einen Link zu einem Codelab, in dem Sie erfahren, wie Sie ein funktionsfähiges agentisches KI System erstellen und testen, das auf dieser Architektur basiert.
Architektur
Das folgende Diagramm zeigt eine Architektur für eine App, die ein agentisches KI-System mit mehreren Agenten verwendet, um einen Reiseplan für Orte zu erstellen, die ein Nutzer an einem Tag besuchen möchte. Nutzer interagieren über eine Chat-Oberfläche mit der App. Ein Orchestrator-Agent erfasst die erforderlichen Informationen, indem er spezialisierte Agenten aufruft, und erstellt dann einen Plan für den Tag. Die Agenten werden in Gemini Enterprise ausgeführt und ihre Schlussfolgerungen basieren auf realen Daten aus der Google Maps Platform und Google Kalender.
Die Architektur im vorherigen Diagramm enthält die folgenden Komponenten:
Gemini Enterprise: Die Kernkomponente der Architektur. Sie hostet das agentische KI-System, das die folgenden Agenten enthält:
- Orchestrator-Agent: Empfängt Nutzeranfragen über eine Chat-Oberfläche, interpretiert das Ziel und koordiniert dann mit spezialisierten Agenten, um die Anfrage zu erfüllen.
- Places-Agent: Verarbeitet standortbezogene Aufgaben wie das Suchen nach Orten und das Prüfen, ob sie geöffnet sind.
- Routes-Agent: Verarbeitet Aufgaben im Zusammenhang mit Routenplanung und Reiseplanung, z. B. dafür zu sorgen, dass genügend Zeit für die Reise zu den gewünschten Orten zur Verfügung steht.
- Schedule-Agent: Verwaltet Aufgaben im Zusammenhang mit Terminplanung und Kalender, z. B. das Laden des Kalenders und das Verschieben von Terminen, um die Reisezeit zu berücksichtigen.
Alle Agenten in dieser Architektur werden mit dem Agent Development Kit (ADK) erstellt. Die Agenten werden in der Agent Runtime on Gemini Enterprise Agent Platform ausgeführt und verwenden ein Gemini-Modell.
Tools und Daten:Die Agenten verwenden die folgenden Tools, um die benötigten Daten abzurufen:
- Fundierung mit Google Maps: Stellt den Places- und Routes-Agenten geografische Kontextdaten aus der Google Maps Platform zur Verfügung.
- Places Insights: Bietet detaillierte, standortspezifische Analysen und Informationen aus der Google Maps Platform, damit die Agenten basierend auf dem Besprechungstyp geeignete Artefakte erstellen können.
- Google Kalender: Ermöglicht dem Schedule-Agent, auf Kalendertermine zuzugreifen und sie zu verwalten.
Beobachtbarkeit: Mit dieser Komponente können Agentenaktionen überwacht und debuggt werden.
- Agentenereignisse werden in Cloud Logging protokolliert und in einer Firestore-Datenbank veröffentlicht.
- Die Architektur umfasst eine App zur Ereignisanzeige, die als Cloud Run-Dienst bereitgestellt wird. Administratoren können mit dieser App die protokollierten Ereignisse überwachen und den Denkprozess und die Aktionen der Agenten ansehen, z. B. die Validierung von Orten und Routen.
Verwendete Produkte
Diese Architektur verwendet die folgenden Google-Produkte und ‑Tools:
- Google Maps Platform: Eine Plattform, die Dienste für Karten, Routenplanung und Standortsuche bietet.
- Google Kalender: Ein Tool für Teams und Einzelpersonen zum Verwalten von Zeitplänen und Terminen.
- Gemini Enterprise: Eine vollständig verwaltete, sichere Plattform zum Bereitstellen und Verwalten von KI-Agenten in einem Unternehmen.
- Agent Development Kit (ADK): Eine Reihe von Tools und Bibliotheken zum Entwickeln, Testen und Bereitstellen von KI-Agenten.
- Cloud Logging: Ein Echtzeit-Log-Verwaltungssystem mit Speicher, Suche, Analyse und Benachrichtigungen.
- Firestore: Eine NoSQL-Dokumentdatenbank, die auf Autoscaling, hohe Leistung, und einfache Anwendungsentwicklung ausgelegt ist.
- Cloud Run: Eine serverlose Computing-Plattform, mit der Sie Container direkt auf der skalierbaren Infrastruktur von Google ausführen können.
Anwendungsfälle
Im Folgenden finden Sie Beispiele für Anwendungsfälle für diese Architektur:
Automatisierte Geschäftsreiseplanung: Ein Mitarbeiter muss eine Reise für einen Kundengipfel planen.
- Ein Reisebüro-Agent sucht nach Flügen und Hotels und nimmt Reservierungen vor.
- Ein CRM-Agent (Customer Relationship Management) ruft die Adresse des Gipfels und die Liste der Teilnehmer ab.
- Ein Schedule-Agent plant Besprechungen im Kalender des Reisenden. Die endgültige Ausgabe ist ein vollständiger Reiseplan.
Intelligente Außendienstplanung: Ein Kunde meldet einen Ausfall.
- Ein CRM-Agent ermittelt den Vertrag und den Standort des Kunden.
- Ein Reisebüro-Agent sucht den nächstgelegenen verfügbaren Techniker und optimiert seine Reiseroute.
- Ein Schedule-Agent bucht einen Servicetermin.
Logistik- und Lieferkettenkoordination: Ein Logistikmanager muss eine Sendung aufgrund eines Wetterereignisses umleiten.
- Ein Logistik-Agent überwacht den Echtzeitverkehr und das Wetter mit der Google Maps Platform.
- Der Logistik-Agent sucht eine alternative Route und ein alternatives Lager.
- Ein CRM-Agent benachrichtigt den Kunden über den geänderten Liefertermin.
Designaspekte
Wenn Sie diese Architektur für die Produktion implementieren möchten, beachten Sie die folgenden Empfehlungen:
- Sicherheit: Verwenden Sie ein Zero-Trust-Modell, indem Sie jedem Agenten den Zugriff mit den geringsten Berechtigungen gewähren, der für die Ausführung seiner Aufgabe erforderlich ist. Definieren Sie genau, auf welche Tools und Daten jeder Agent zugreifen kann. Konfigurieren Sie beispielsweise den Schedule-Agent so, dass er nur bestimmte Kalender lesen oder in sie schreiben kann.
- Zuverlässigkeit: Führen Sie eine Human-in-the-Loop-Validierung (HITL) für kritische Aufgaben wie das Buchen von nicht erstattungsfähigen Tickets durch. Erstellen Sie klare Audit-Trails für Agentenentscheidungen, indem Sie eine Beobachtbarkeitspipeline mit Logging und Pub/Sub erstellen.
- Leistung: Das modulare Multi-Agenten-Koordinatormuster in dieser Architektur trägt zur Leistungssteigerung bei, da spezialisierte Agenten parallel arbeiten können. Beispielsweise kann der Places-Agent nach Orten suchen, während der Schedule-Agent gleichzeitig nach Kalenderkonflikten sucht.
- Kosten: Verwalten Sie die Kosten, indem Sie die Aufgaben der einzelnen Agenten genau festlegen, um unbegrenzte oder unnötige Abfragen zu vermeiden. Reduzieren Sie API-Aufrufe, indem Sie häufig angeforderte Daten wie gängige Routen oder beliebte Orte im Cache speichern.
- Governance: Richten Sie eine starke Governance mit klaren Rollen für jeden Agenten ein und mit Richtlinien für den Umgang mit Daten. Verwenden Sie einen iterativen Entwicklungsprozess, der eine kontinuierliche Überwachung umfasst. Dieser Prozess trägt dazu bei, das Verhalten der Agenten zu verfeinern und sicherzustellen, dass es den geschäftlichen Anforderungen entspricht.
Beachten Sie beim Entwerfen der Architektur für Ihre agentische KI-Arbeitslast die Best Practices und Empfehlungen im Google Cloud Well-Architected Framework: AI and ML perspective.
Bereitstellung
Informationen zum Erstellen und Testen eines funktionsfähigen agentischen KI-Systems, das auf dieser Architektur basiert, finden Sie im Codelab, Build an Itinerary Planning Agent with ADK and Google Maps Grounding. Das Codelab führt Sie durch den gesamten Bereitstellungsprozess, einschließlich der folgenden Aufgaben:
- Aktivieren der erforderlichen Google Cloud Dienste.
- Erstellen von Agenten mit dem ADK.
- Konfigurieren der Agenten, um die Fundierung mit Google Maps für den realen Kontext zu verwenden.
- Ausführen und Testen der Agenten über eine Weboberfläche.
Nächste Schritte
- Weitere Informationen zur Fundierung mit Google Maps
- Was ist Gemini Enterprise?
- Weitere Referenzarchitekturen, Diagramme und Best Practices finden Sie im Cloud Architecture Center.
Beitragende
Autor: Kenneth Nevarez | Developer Relations Engineer, Google Maps Platform
Weitere Beitragende:
- Caio Moreira | DevX Engineer
- Kumar Dhanagopal | Cross-Product Solution Developer
- Mike Pegg | Manager, Developer Relations