En este documento, se proporciona una arquitectura de alto nivel para crear un sistema de IA de agentes confiable y eficaz que se base en datos contextuales del mundo real de Google Maps Platform y Calendario de Google. El sistema crea planes de viaje para los lugares que los usuarios indican en su instrucción. El plan tiene en cuenta el itinerario del usuario, la ubicación geográfica de los lugares, el horario de atención y las distancias de las rutas.
El público objetivo de 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 Implementación de este documento, se proporciona un vínculo a un codelab que puedes usar para aprender a compilar y probar un sistema de IA de agentes funcional basado en esta arquitectura.
Arquitectura
En el siguiente diagrama, se muestra una arquitectura para una app que usa un sistema de IA multiagente 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 de organización recopila la información necesaria invocando agentes especializados y, luego, crea un plan del día. Los agentes se ejecutan en Gemini Enterprise y su razonamiento se basa en 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 de Orchestrator: Recibe solicitudes de los usuarios a través de una interfaz de chat, interpreta el objetivo y, luego, se coordina con agentes especializados para completar la solicitud.
- Agente de lugares: Controla las tareas basadas en la ubicación, como encontrar lugares y verificar si están abiertos.
- Agente de rutas: Controla las tareas de planificación de viajes y rutas, como garantizar que haya tiempo suficiente para viajar a los lugares requeridos.
- Agente de programación: Administra las tareas relacionadas con la programación y el calendario, como cargar el calendario y mover eventos para adaptarlos a la duración del viaje.
Todos los agentes de esta arquitectura se crean 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 de la ubicación de Google Maps Platform para ayudar a los agentes a crear artefactos adecuados según el tipo de reunión.
- Calendario: Permite que el agente de Agenda acceda a los eventos de calendario y los administre.
Observabilidad: Este componente permite supervisar y depurar las operaciones del agente.
- Los eventos de los agentes se registran en Cloud Logging y se publican en una base de datos de Firestore.
- La arquitectura incluye una app de visualizador 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
En esta arquitectura, se usan los siguientes productos y herramientas de Google:
- Google Maps Platform: Es una plataforma que proporciona servicios de mapas, rutas y búsqueda de ubicaciones.
- Calendario de Google: Es una herramienta para que los equipos y las personas administren agendas y eventos.
- Gemini Enterprise: Es una plataforma segura y completamente administrada para implementar y administrar agentes de IA en una empresa.
- Kit de desarrollo de agentes (ADK): Es 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: Es 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: Es una plataforma de computación sin servidores 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 reunión con un cliente.
- Un agente de viajes busca vuelos y hoteles, y hace reservas.
- Un agente de administración de relaciones con clientes (CRM) recupera la dirección de la cumbre y la lista de asistentes.
- Un agente de programación 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 encuentra al técnico disponible más cercano y optimiza su ruta de viaje.
- Un agente de programación reserva una cita de servicio.
Coordinación de logística y cadena de suministro: Un administrador 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
En esta sección, se describen los factores de diseño, las prácticas recomendadas y las recomendaciones que debes tener en cuenta cuando usas esta arquitectura de referencia para desarrollar una topología que cumpla con tus requisitos específicos de seguridad, confiabilidad, eficiencia operativa, costo y rendimiento.
La guía de esta sección no está completa. Para obtener más información sobre los factores de diseño y las prácticas recomendadas, y para obtener recomendaciones sobre cómo compilar e implementar un sistema de IA de agentes múltiples, consulta Sistema de IA de agentes múltiples en Google Cloud.
Security, privacy, and compliance
Para ayudar a abordar los riesgos de seguridad únicos de los agentes de IA, Google recomienda un enfoque que combina controles de seguridad determinísticos con defensas dinámicas basadas en el razonamiento:
- Supervisión humana: Incorpora un flujo con intervención humana en los sistemas críticos para la empresa, de modo que los supervisores humanos puedan revisar los resultados y aprobar, anular o pausar las acciones de los agentes.
- Identidad del agente: Asigna a cada agente una identidad vinculada a la carga de trabajo para aplicar el control de acceso con privilegios mínimos y administrar de forma centralizada las credenciales de las herramientas externas.
- Agent Gateway: Aplica la administración del tráfico de entrada y salida, las políticas de acceso de denegación predeterminada y la inspección de instrucciones y herramientas intercaladas con Model Armor.
- Agent Registry: Verifica que los agentes solo se conecten a subagentes y herramientas de MCP aprobados.
Confiabilidad
Para asegurarte de que la configuración de tu agente cumpla con tus requisitos de confiabilidad, ten en cuenta las siguientes recomendaciones:
- Validación para acciones críticas: Incluye la validación con intervención humana (HITL) para tareas críticas, como reservar boletos no reembolsables.
- Registros de auditoría: Crea registros de auditoría claros para las decisiones de los agentes creando una canalización de observabilidad con Logging y Pub/Sub.
Eficiencia operativa
Establece una administración sólida con funciones claras para cada agente y con lineamientos para el manejo de datos. Usa un proceso de desarrollo iterativo que incluya una supervisión continua. Este proceso ayuda a definir mejor el comportamiento de los agentes y a garantizar que el comportamiento se alinee con los requisitos empresariales.
Optimización de costos
Administra los costos definiendo con precisión el alcance de las tareas de cada agente para evitar consultas abiertas o innecesarias. Reduce las llamadas a la API almacenando en caché los datos que se solicitan con frecuencia, como las rutas comunes o los lugares populares.
Optimización del rendimiento
El patrón de coordinador de varios agentes modular 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 si hay conflictos en el calendario.
Cuando diseñes la arquitectura para tu carga de trabajo de IA de agentes, ten en cuenta las prácticas recomendadas y las recomendaciones del Google Cloud Well-Architected Framework: perspectiva de IA y AA.
Implementación
Para aprender a compilar y probar un sistema de IA de agentes funcional que se base en esta arquitectura, sigue las instrucciones del codelab Crea un agente de planificación de itinerarios con ADK y la fundamentación de Google Maps. En el codelab, se te guiará por todo el proceso de implementación, incluidas las siguientes tareas:
- Habilitar los servicios de Google Cloud necesarios
- Usar el ADK para crear agentes
- Configurar los agentes para que usen la fundamentación con Google Maps para obtener 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 Cloud Architecture Center.
Colaboradores
Autor: Kenneth Nevarez | Ingeniero de relaciones con desarrolladores, Google Maps Platform
Otros colaboradores:
- Caio Moreira | Ingeniero de DevX
- Autor: Kumar Dhanagopal | Desarrollador de soluciones entre productos
- Mike Pegg | Gerente de Relaciones con Desarrolladores