In diesem Dokument wird eine allgemeine Architektur für die Entwicklung 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. Bei der Planung werden der Zeitplan des Nutzers, der geografische Standort der Orte, die Öffnungszeiten und die Routenentfernungen berücksichtigt.
Dieses Dokument richtet sich an KI-Architekten, Entwickler und Administratoren, die agentenbasierte KI-Anwendungen entwickeln und verwalten. Dabei wird vorausgesetzt, dass Sie Grundwissen im Bereich KI- und ML-Konzepte sowie Cloud-Architektur haben.
Im Abschnitt Bereitstellung dieses Dokuments finden Sie einen Link zu einem Codelab, in dem Sie lernen, wie Sie ein funktionales, auf dieser Architektur basierendes agentisches KI-System erstellen und testen.
Architektur
Das folgende Diagramm zeigt eine Architektur für eine App, die ein 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 sammelt die erforderlichen Informationen, indem er spezialisierte Agents aufruft, und erstellt dann einen Plan für den Tag. Die Agents werden in Gemini Enterprise ausgeführt und ihre Argumentation basiert 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. Hier wird das agentische KI-System gehostet, das die folgenden Agenten enthält:
- Orchestrator-Agent: Er empfängt Nutzeranfragen über eine Chat-Oberfläche, interpretiert das Ziel und koordiniert dann die Ausführung der Anfrage mit spezialisierten Agents.
- Places-Agent: Dieser Agent kümmert sich um standortbezogene Aufgaben wie das Suchen von Orten und das Prüfen, ob sie geöffnet sind.
- Routes-Agent: Dieser Agent kümmert sich um Aufgaben im Zusammenhang mit der Routenplanung, z. B. dafür zu sorgen, dass genügend Zeit für die Anreise zu den erforderlichen Orten eingeplant wird.
- Planungs-Agent: Verwaltet Planungs- und kalenderbezogene Aufgaben, z. B. das Laden des Kalenders und das Verschieben von Terminen, um Reisezeiten zu berücksichtigen.
Alle Agenten in dieser Architektur werden mit dem Agent Development Kit (ADK) erstellt. Die Agenten werden in der Agent Runtime auf der Gemini Enterprise Agent Platform ausgeführt und verwenden ein Gemini-Modell.
Tools und Daten:Die Agents verwenden die folgenden Tools, um die benötigten Daten abzurufen:
- Fundierung mit Google Maps: Bietet den Places- und Routes-Agents geografischen Kontext aus der Google Maps Platform.
- Places Insights: Bietet detaillierte, standortspezifische Analysen und Informationen aus der Google Maps Platform, damit die Kundenservicemitarbeiter je nach Art der Besprechung geeignete Artefakte erstellen können.
- Kalender: Ermöglicht dem Agent „Terminplanung“, auf Kalendertermine zuzugreifen und sie zu verwalten.
Beobachtbarkeit: Mit dieser Komponente können Agent-Vorgänge überwacht und Fehler behoben werden.
- Agent-Ereignisse werden in Cloud Logging protokolliert und in einer Firestore-Datenbank veröffentlicht.
- Die Architektur umfasst eine Ereignisbetrachter-App, die als Cloud Run-Dienst bereitgestellt wird. Administratoren können mit dieser App die protokollierten Ereignisse überwachen und den Denkprozess und die Aktionen der Agents ansehen, z. B. die Validierung von Orten und Routen.
Verwendete Produkte
In dieser Architektur werden die folgenden Google-Produkte und ‑Tools verwendet:
- Google Maps Platform: Eine Plattform, die Dienste für Karten, Routenplanung und Standortsuche bietet.
- Google Kalender: Ein Tool für Teams und Einzelpersonen zur Verwaltung 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 Sammlung 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 ist eine serverlose Computing-Plattform, mit der Sie Container direkt auf der skalierbaren Infrastruktur von Google ausführen können.
Anwendungsfälle
Beispiele für Anwendungsfälle für diese Architektur:
Automatisierte Planung von Geschäftsreisen: Ein Mitarbeiter muss eine Reise für einen Kundengipfel planen.
- Ein Reisebüro sucht nach Flügen und Hotels und nimmt Reservierungen vor.
- Ein CRM-Kundenservicemitarbeiter ruft die Adresse des Gipfels und die Teilnehmerliste ab.
- Ein Schedule-Agent plant Besprechungen im Kalender des Reisenden. Die endgültige Ausgabe ist ein vollständiger Reiseplan.
Intelligente Einsatzplanung für den Außendienst: Ein Kunde meldet einen Dienstausfall.
- Ein CRM-Kundenservicemitarbeiter identifiziert den Vertrag und den Standort des Kunden.
- Ein Reisebüro findet den nächstgelegenen verfügbaren Techniker und optimiert dessen Reiseroute.
- Ein Schedule-Agent bucht einen Servicetermin.
Logistik und Koordination der Lieferkette: Ein Logistikmanager muss eine Sendung aufgrund eines Wetterereignisses umleiten.
- Ein Logistik-Agent überwacht mithilfe der Google Maps Platform die Verkehrslage und das Wetter in Echtzeit.
- Der Logistik-Agent findet eine alternative Route und ein alternatives Lager.
- Ein CRM-Kundenservicemitarbeiter informiert den Kunden über den überarbeiteten Versandplan.
Designaspekte
Beachten Sie die folgenden Empfehlungen, wenn Sie diese Architektur für die Produktion implementieren:
- Sicherheit: Wenden Sie ein Zero-Trust-Modell an, indem Sie jedem Agenten nur die Berechtigungen gewähren, die für die Ausführung seiner Aufgabe erforderlich sind. Definieren Sie genau, auf welche Tools und Daten die einzelnen Agenten zugreifen können. Sie können beispielsweise konfigurieren, dass der Terminplanungs-Agent nur bestimmte Kalender lesen oder in bestimmte Kalender schreiben darf.
- Zuverlässigkeit: Führen Sie eine Human-in-the-Loop-Validierung (HITL) für kritische Aufgaben wie die Buchung von nicht erstattungsfähigen Tickets durch. Erstellen Sie mit Logging und Pub/Sub klare Prüfpfade für Agent-Entscheidungen, indem Sie eine Observability-Pipeline erstellen.
- Leistung: Das modulare Muster für die Koordination mehrerer Agents in dieser Architektur trägt zur Leistungssteigerung bei, da spezialisierte Agents parallel arbeiten können. Der Places-Agent kann beispielsweise nach Orten suchen, während der Schedule-Agent gleichzeitig nach Terminkonflikten sucht.
- Kosten: Sie können die Kosten verwalten, indem Sie die Aufgaben der einzelnen Agents genau eingrenzen, um offene oder unnötige Anfragen 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 und Richtlinien für den Umgang mit Daten ein. Verwenden Sie einen iterativen Entwicklungsprozess, der kontinuierliches Monitoring umfasst. Dieser Prozess trägt dazu bei, das Verhalten der Agents zu optimieren und sicherzustellen, dass es den geschäftlichen Anforderungen entspricht.
Berücksichtigen Sie beim Entwerfen der Architektur für Ihre agentische KI-Arbeitslast die Best Practices und Empfehlungen im Google Cloud Well-Architected Framework: KI- und ML-Perspektive.
Bereitstellung
Wenn Sie erfahren möchten, wie Sie ein funktionales agentisches KI-System auf Grundlage dieser Architektur erstellen und testen, folgen Sie der Anleitung im Codelab Build an Itinerary Planning Agent with ADK and Google Maps Grounding. In diesem Codelab werden Sie durch den gesamten Bereitstellungsprozess geführt, einschließlich der folgenden Aufgaben:
- Aktivieren Sie die erforderlichen Google Cloud Dienste.
- Agenten mit dem ADK erstellen.
- Konfigurieren Sie die KI-Agenten so, dass sie die Fundierung mit Google Maps für den Kontext der realen Welt verwenden.
- Sie können Ihre KI-Agenten über eine Weboberfläche ausführen und testen.
Nächste Schritte
- Weitere Informationen zur Fundierung mit Google Maps
- Was ist Gemini Enterprise?
- Weitere Referenzarchitekturen, Diagramme und Best Practices finden Sie im Cloud-Architekturcenter.
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