Ce document fournit une architecture de haut niveau pour créer un système d'IA agentique fiable et efficace, basé sur des données contextuelles réelles provenant de Google Maps Platform et de Google Agenda. Le système crée des plans de voyage pour les lieux que les utilisateurs indiquent dans leur requête. Le plan tient compte de l'agenda de l'utilisateur, de l'emplacement géographique des lieux, des horaires d'ouverture et des distances entre les itinéraires.
Ce document s'adresse aux architectes, développeurs et administrateurs d'IA qui créent et gèrent des applications d'IA agentique. Dans ce document, nous partons du principe que vous possédez des connaissances de base sur les concepts d'IA et de ML, ainsi que sur l'architecture cloud.
La section Déploiement de ce document fournit un lien vers un atelier de programmation que vous pouvez utiliser pour apprendre à créer et à tester un système d'IA agentique fonctionnel basé sur cette architecture.
Architecture
Le schéma suivant illustre l'architecture d'une application qui utilise un système d'IA multi-agent pour générer un plan de voyage pour les lieux qu'un utilisateur souhaite visiter au cours d'une journée. Les utilisateurs interagissent avec l'application via une interface de chat. Un agent orchestrateur collecte les informations nécessaires en appelant des agents spécialisés, puis crée un plan de la journée. Les agents s'exécutent dans Gemini Enterprise et leur raisonnement est basé sur des données réelles provenant de Google Maps Platform et de l'Agenda.
L'architecture du diagramme précédent est constituée des composants suivants :
Gemini Enterprise : composant principal de l'architecture. Il héberge le système d'IA agentique, qui contient les agents suivants :
- Agent orchestrateur : reçoit les requêtes des utilisateurs via une interface de chat, interprète l'objectif, puis se coordonne avec des agents spécialisés pour répondre à la requête.
- Agent Places : gère les tâches basées sur la localisation, comme la recherche de lieux et la vérification de leurs horaires d'ouverture.
- Agent Routes : gère les tâches de planification d'itinéraires et de voyages, par exemple en s'assurant que l'utilisateur dispose de suffisamment de temps pour se rendre aux lieux requis.
- Agent Schedule : gère les tâches de planification et d'agenda, comme le chargement de l'agenda et le déplacement d'événements pour tenir compte du temps de trajet.
Tous les agents de cette architecture sont créés à l'aide d'Agent Development Kit (ADK). Les agents s'exécutent dans Agent Runtime sur Gemini Enterprise Agent Platform et utilisent un modèle Gemini.
Outils et données : les agents utilisent les outils suivants pour obtenir les données dont ils ont besoin :
- Ancrage avec Google Maps: fournit un contexte géographique réel provenant de Google Maps Platform aux agents Places et Routes.
- Places Insights : fournit des analyses et des informations approfondies et spécifiques à un site provenant de Google Maps Platform pour aider les agents à créer des artefacts appropriés en fonction du type de réunion.
- Agenda : permet à l'agent Schedule d'accéder aux événements d'agenda et de les gérer.
Observabilité : ce composant permet de surveiller et de déboguer les opérations de l'agent.
- Les événements de l'agent sont enregistrés dans Cloud Logging et publiés dans une base de données Firestore.
- L'architecture inclut une application de visionneuse d'événements déployée en tant que service Cloud Run. Les administrateurs peuvent utiliser cette application pour surveiller les événements enregistrés et afficher le flux de pensée et les actions des agents, comme la validation des lieux et des itinéraires.
Produits utilisés
Cette architecture utilise les produits et outils Google suivants :
- Google Maps Platform : plate-forme qui fournit des services de cartographie, de calcul d'itinéraires et de recherche de lieux.
- Google Agenda : outil permettant aux équipes et aux particuliers de gérer leurs agendas et leurs événements.
- Gemini Enterprise : plate-forme sécurisée entièrement gérée permettant de déployer et de gérer des agents IA dans une entreprise.
- Agent Development Kit (ADK) : ensemble d'outils et de bibliothèques permettant de développer, de tester et de déployer des agents IA.
- Cloud Logging : système de gestion des journaux en temps réel avec stockage, recherche, analyse et alertes.
- Firestore : conçu pour le scaling automatique et les hautes performances, il s'agit d'une base de données de documents NoSQL qui simplifie le développement d'applications.
- Cloud Run : plate-forme de calcul gérée qui vous permet d'exécuter des conteneurs directement sur l'infrastructure évolutive de Google.
Cas d'utilisation
Voici quelques exemples de cas d'utilisation de cette architecture :
Planification automatisée des voyages d'affaires : un employé doit planifier un voyage pour un sommet client.
- Un agent de voyage trouve des vols et des hôtels, et effectue des réservations.
- Un agent de gestion de la relation client (CRM) récupère l'adresse du sommet et la liste des participants.
- Un agent Schedule planifie des réunions dans l'agenda du voyageur. Le résultat final est un itinéraire de voyage complet.
Dispatching intelligent de techniciens sur le terrain : un client signale une panne de service.
- Un agent CRM identifie le contrat et l'emplacement du client.
- Un agent de voyage trouve le technicien disponible le plus proche et optimise son itinéraire.
- Un agent Schedule prend un rendez-vous pour le service.
Coordination de la logistique et de la chaîne d'approvisionnement : un responsable logistique doit rediriger une expédition en raison d'un événement météorologique.
- Un agent logistique surveille le trafic et la météo en temps réel à l'aide de Google Maps Platform.
- L'agent logistique trouve un autre itinéraire et un autre entrepôt.
- Un agent CRM informe le client du nouvel horaire d'expédition.
Considérations de conception
Pour mettre en œuvre cette architecture en production, tenez compte des recommandations suivantes :
- Sécurité : adoptez un modèle zéro confiance en accordant à chaque agent l' accès selon le principe du moindre privilège nécessaire à l'exécution de sa tâche. Définissez strictement les outils et les données auxquels chaque agent peut accéder. Par exemple, configurez l'agent Schedule pour qu'il ne puisse lire ou écrire que dans des agendas spécifiques.
- Fiabilité : incluez une validation human-in-the-loop (HITL) pour les tâches critiques telles que la réservation de billets non remboursables. Créez des pistes d'audit claires pour les décisions des agents en créant un pipeline d'observabilité avec Logging et Pub/Sub.
- Performances : le modèle de coordinateur multi-agent modulaire de cette architecture contribue à améliorer les performances en permettant aux agents spécialisés de travailler en parallèle. Par exemple, l'agent Places peut rechercher des lieux pendant que l'agent Schedule vérifie simultanément les conflits d'agenda.
- Coût : gérez les coûts en limitant étroitement les tâches de chaque agent pour éviter les requêtes ouvertes ou inutiles. Réduisez les appels d'API en utilisant la mise en cache pour les données fréquemment demandées, telles que les itinéraires courants ou les lieux populaires.
- Gouvernance : établissez une gouvernance forte avec des rôles clairs pour chaque agent et avec des consignes de traitement des données. Utilisez un processus de développement itératif qui inclut une surveillance continue. Ce processus permet d'affiner le comportement des agents et de s'assurer qu'il est conforme aux exigences de l'entreprise.
Lorsque vous concevez l'architecture de votre charge de travail d'IA agentique, tenez compte des bonnes pratiques et des recommandations du Google Cloud Well-Architected Framework : perspective IA et ML.
Déploiement
Pour apprendre à créer et à tester un système d'IA agentique fonctionnel basé sur cette architecture, suivez les instructions de l'atelier de programmation, Créer un agent de planification d'itinéraire avec ADK et l'ancrage Google Maps. L'atelier de programmation vous guide tout au long du processus de déploiement, y compris les tâches suivantes :
- Activation des services nécessaires Google Cloud .
- Utilisation d'ADK pour créer des agents.
- Configuration des agents pour utiliser l'ancrage avec Google Maps pour le contexte réel.
- Exécution et test de vos agents via une interface Web.
Étape suivante
- En savoir plus sur l'ancrage avec Google Maps.
- En savoir plus sur Gemini Enterprise.
- Pour découvrir d'autres architectures de référence, schémas et bonnes pratiques, consultez le Cloud Architecture Center.
Contributeurs
Auteur : Kenneth Nevarez | Ingénieur en relations avec les développeurs, Google Maps Platform
Autres contributeurs :
- Caio Moreira | Ingénieur DevX
- Kumar Dhanagopal | Développeur de solutions multiproduits
- Mike Pegg | Responsable des relations avec les développeurs