En este documento, se proporciona una arquitectura de alto nivel para compilar un sistema de IA con agentes confiable y eficaz que se basa en datos contextuales del mundo real de Google Maps Platform y Calendario de Google. El sistema compila planes de viaje para los lugares que los usuarios indican en su instrucción. El plan tiene en cuenta la agenda del usuario, la ubicación geográfica de los lugares, los horarios de atención y las distancias de las rutas.
El público previsto para este documento incluye arquitectos, desarrolladores y administradores de IA que compilan y administran aplicaciones de IA de agentes. En el documento, se supone que tienes conocimientos básicos de los conceptos de IA y AA, y de la arquitectura de la nube.
En la sección de implementación de este documento, se proporciona un vínculo a un codelab que puedes usar para aprender a compilar y probar un sistema de IA con agentes funcional que se basa en esta arquitectura.
Arquitectura
En el siguiente diagrama, se muestra una arquitectura para una app que usa un sistema de IA con varios agentes para generar un plan de viaje para los lugares que un usuario quiere visitar durante un día. Los usuarios interactúan con la app a través de una interfaz de chat. Un agente orquestador recopila la información necesaria invocando agentes especializados y, luego, crea un plan para el día. Los agentes se ejecutan en Gemini Enterprise y su razonamiento se basa en el uso de datos del mundo real de Google Maps Platform y Calendario.
La arquitectura del diagrama anterior contiene los siguientes componentes:
Gemini Enterprise: Es el componente principal de la arquitectura. Aloja el sistema de IA de agentes, que contiene los siguientes agentes:
- Agente orquestador: Recibe solicitudes de los usuarios a través de una interfaz de chat, interpreta el objetivo y, luego, se coordina con agentes especializados para satisfacer la solicitud.
- Agente de Places: Controla las tareas basadas en la ubicación, como buscar lugares y verificar si están abiertos.
- Agente de Routes: Controla las tareas de planificación de rutas y viajes, como garantizar el tiempo suficiente para viajar a los lugares requeridos.
- Agente de Schedule: Administra las tareas relacionadas con la programación y el calendario, como cargar el calendario y mover eventos para adaptarse a la duración del viaje.
Todos los agentes de esta arquitectura se compilan con el Kit de desarrollo de agentes (ADK). Los agentes se ejecutan en Agent Runtime en Gemini Enterprise Agent Platform y usan un modelo de Gemini.
Herramientas y datos: Los agentes usan las siguientes herramientas para obtener los datos que necesitan:
- Fundamentación con Google Maps: Proporciona contexto geográfico del mundo real de Google Maps Platform a los agentes de Places y Routes.
- Places Insights: Proporciona información y análisis detallados y específicos del sitio de Google Maps Platform para ayudar a los agentes a crear artefactos adecuados según el tipo de reunión.
- Calendario: Permite que el agente de Schedule acceda a los eventos del calendario y los administre.
Observabilidad: Este componente permite la supervisión y la depuración de las operaciones del agente.
- Los eventos del agente se registran en Cloud Logging y se publican en una base de datos de Firestore.
- La arquitectura incluye una app de visor de eventos que se implementa como un servicio de Cloud Run. Los administradores pueden usar esta app para supervisar los eventos registrados y ver el flujo de pensamiento y las acciones de los agentes, como la validación de lugares y rutas.
Productos usados
Esta arquitectura usa los siguientes productos y herramientas de Google:
- Google Maps Platform: Una plataforma que proporciona servicios de mapas, rutas y búsqueda de ubicaciones.
- Calendario de Google: Una herramienta para que los equipos y las personas administren agendas y eventos.
- Gemini Enterprise: Una plataforma segura y completamente administrada para implementar y administrar agentes de IA dentro de una empresa.
- Kit de desarrollo de agentes (ADK): Un conjunto de herramientas y bibliotecas para desarrollar, probar e implementar agentes de IA.
- Cloud Logging: Un sistema de administración de registros en tiempo real con almacenamiento, búsqueda, análisis y alertas.
- Firestore: Una base de datos de documentos NoSQL creada para proporcionar ajuste de escala automático, alto rendimiento, y facilidad para el desarrollo de aplicaciones.
- Cloud Run: Una plataforma de procesamiento administrada que te permite ejecutar contenedores directamente sobre la infraestructura escalable de Google.
Casos de uso
A continuación, se muestran ejemplos de casos de uso para esta arquitectura:
Planificación automatizada de viajes corporativos: Un empleado necesita planificar un viaje para una cumbre de clientes.
- Un agente de viajes busca vuelos y hoteles, y realiza reservas.
- Un agente de administración de relaciones con clientes (CRM) recupera la dirección de la cumbre y la lista de asistentes.
- Un agente de Schedule programa reuniones en el calendario del viajero. El resultado final es un itinerario de viaje completo.
Envío inteligente de servicio de campo: Un cliente informa una interrupción del servicio.
- Un agente de CRM identifica el contrato y la ubicación del cliente.
- Un agente de viajes busca al técnico disponible más cercano y optimiza su ruta de viaje.
- Un agente de Schedule reserva una cita de servicio.
Coordinación de la cadena de suministro y logística: Un gerente de logística necesita redireccionar un envío debido a un evento climático.
- Un agente de logística supervisa el tráfico y el clima en tiempo real con Google Maps Platform.
- El agente de logística encuentra una ruta y un almacén alternativos.
- Un agente de CRM notifica al cliente sobre el cronograma de envío revisado.
Consideraciones del diseño
Para implementar esta arquitectura para la producción, considera las siguientes recomendaciones:
- Seguridad: Adopta un modelo de confianza cero otorgando a cada agente el acceso con privilegio mínimo que sea necesario para realizar su tarea. Define estrictamente las herramientas y los datos a los que puede acceder cada agente. Por ejemplo, configura el agente de Schedule para que solo lea o escriba en calendarios específicos.
- Confiabilidad: Incluye la validación con interacción humana (HITL) para tareas críticas, como reservar boletos no reembolsables. Crea registros de auditoría claros para las decisiones de los agentes compilando una canalización de observabilidad con Logging y Pub/Sub.
- Rendimiento: El patrón de coordinador modular de varios agentes de esta arquitectura ayuda a mejorar el rendimiento, ya que permite que los agentes especializados trabajen en paralelo. Por ejemplo, el agente de Places puede buscar ubicaciones mientras que el agente de Schedule verifica simultáneamente los conflictos del calendario.
- Costo: Administra los costos limitando estrictamente las tareas de cada agente para evitar consultas innecesarias o de final abierto. Reduce las llamadas a la API usando el almacenamiento en caché para los datos solicitados con frecuencia, como las rutas comunes o los lugares populares.
- Administración: Establece una administración sólida con roles claros para cada agente y con lineamientos para el manejo de datos. Usa un proceso de desarrollo iterativo que incluya la supervisión continua. Este proceso ayuda a refinar el comportamiento de los agentes y a garantizar que se alinee con los requisitos de la empresa.
Cuando diseñes la arquitectura para tu carga de trabajo de IA con agentes, considera las mejores prácticas y recomendaciones de Google Cloud Well-Architected Framework: Perspectiva de IA y AA.
Deployment
Para aprender a compilar y probar un sistema de IA con agentes funcional que se basa en esta arquitectura, sigue las instrucciones del codelab, Compila un agente de planificación de itinerarios con ADK y fundamentación de Google Maps. El codelab te guía a través de todo el proceso de implementación, incluidas las siguientes tareas:
- Habilitar los servicios necesarios Google Cloud
- Usar ADK para crear agentes
- Configurar los agentes para usar la fundamentación con Google Maps para el contexto del mundo real
- Ejecutar y probar tus agentes a través de una interfaz web
¿Qué sigue?
- Obtén más información sobre la fundamentación con Google Maps.
- Obtén más información sobre Gemini Enterprise.
- Para obtener más información sobre las arquitecturas de referencia, los diagramas y las prácticas recomendadas, explora el Cloud Architecture Center.
Colaboradores
Autor: Kenneth Nevarez | Ingeniero de relaciones con desarrolladores, Google Maps Platform
Otros colaboradores:
- Caio Moreira | Ingeniero de DevX
- Kumar Dhanagopal | Desarrollador de soluciones entre productos
- Mike Pegg | Administrador de relaciones con desarrolladores