במסמך הזה מוצגת ארכיטקטורה ברמה גבוהה ליצירת מערכת AI אקטיבית מהימנה ויעילה, שמבוססת על נתונים לפי הקשר מהעולם האמיתי מ-Google Maps Platform ומיומן Google. המערכת בונה תוכניות נסיעה למקומות שהמשתמשים מציינים בהנחיה שלהם. התוכנית מביאה בחשבון את לוח הזמנים של המשתמש, את המיקום הגיאוגרפי של המקומות, את שעות הפעילות ואת המרחקים בין המקומות.
המסמך הזה מיועד לאדריכלי AI, למפתחים ולאדמינים שיוצרים ומנהלים אפליקציות של AI אקטיבי. ההנחה במאמר הזה היא שיש לכם הבנה בסיסית במושגי AI ו-ML ובארכיטקטורת ענן.
בקטע פריסה במסמך הזה יש קישור ל-Codelab שבו תוכלו ללמוד איך לבנות ולבדוק מערכת AI אקטיבית שפועלת על סמך הארכיטקטורה הזו.
ארכיטקטורה
בתרשים הבא מוצגת ארכיטקטורה של אפליקציה שמשתמשת במערכת AI עם כמה סוכנים כדי ליצור תוכנית נסיעה למקומות שמשתמש רוצה לבקר בהם במהלך היום. המשתמשים מתקשרים עם האפליקציה דרך ממשק צ'אט. סוכן תזמור אוסף את המידע הנדרש על ידי הפעלת סוכנים ייעודיים, ואז יוצר תוכנית יומית. הסוכנים פועלים ב-Gemini Enterprise, וההסקה שלהם מבוססת על נתונים מהעולם האמיתי מ-Google Maps Platform ומיומן Google.
הארכיטקטורה בתרשים שלמעלה כוללת את הרכיבים הבאים:
Gemini Enterprise: הרכיב המרכזי בארכיטקטורה. הוא מארח את מערכת ה-AI האקטיבי, שכוללת את הסוכנים הבאים:
- סוכן ניהול תהליכים: מקבל בקשות של משתמשים דרך ממשק צ'אט, מפרש את המטרה ואז מתאם עם סוכנים ייעודיים כדי למלא את הבקשה.
- סוכן המקומות: מטפל במשימות שקשורות למיקום, כמו חיפוש מקומות ובדיקה אם הם פתוחים.
- נציג המסלולים: מטפל במשימות שקשורות למסלולים ולתכנון נסיעות, כמו לוודא שיש מספיק זמן להגיע למקומות הנדרשים.
- סוכן לניהול לוח הזמנים: מנהל את לוח הזמנים ומשימות שקשורות ליומן, כמו טעינת היומן והזזת אירועים כדי להביא בחשבון את זמן ההגעה.
כל הסוכנים בארכיטקטורה הזו נוצרו באמצעות הערכה לפיתוח סוכנים (ADK). הסוכנים פועלים ב-Agent Runtime ב-Gemini Enterprise Agent Platform ומשתמשים במודל Gemini.
כלים ונתונים: הנציגים משתמשים בכלים הבאים כדי לקבל את הנתונים שהם צריכים:
- עיגון בעזרת מפות Google: מספק לנציגי Places ו-Routes הקשר גיאוגרפי מהעולם האמיתי מ-Google Maps Platform.
- Places Insights: מספק ניתוח נתונים ומידע מעמיקים וספציפיים לאתר מ-Google Maps Platform, כדי לעזור לנציגים ליצור פריטי מידע מתאימים על סמך סוג הפגישה.
- יומן: מאפשר לסוכן מתוזמן לגשת לאירועים ביומן ולנהל אותם.
ניראות (observability): הרכיב הזה מאפשר לעקוב אחרי פעולות הנציג ולנפות באגים.
- אירועי הסוכן מתועדים ב-Cloud Logging ומפורסמים במסד נתונים של Firestore.
- הארכיטקטורה כוללת אפליקציה לצפייה באירועים, שנפרסת כשירות Cloud Run. אדמינים יכולים להשתמש באפליקציה הזו כדי לעקוב אחרי האירועים ביומן ולראות את תהליך החשיבה והפעולות של הנציגים, כמו אימות של מקומות ומסלולים.
המוצרים שהשתמשו בהם
הארכיטקטורה הזו משתמשת במוצרים ובכלים הבאים של Google:
- Google Maps Platform: פלטפורמה שמספקת שירותי מיפוי, ניתוב וחיפוש מיקומים.
- יומן Google: כלי לצוותים ולאנשים פרטיים לניהול לוחות זמנים ואירועים.
- Gemini Enterprise: פלטפורמה מאובטחת בניהול מלא לפריסה ולניהול של סוכני AI בארגון.
- Agent Development Kit (ADK): ערכה של כלים וספריות לפיתוח, לבדיקה ולפריסה של סוכני AI.
- Cloud Logging: מערכת לניהול יומנים בזמן אמת עם אחסון, חיפוש, ניתוח והתראות.
- Firestore: מסד נתונים מסוג NoSQL לאחסון מסמכים שמיועד להתאמה אוטומטית לעומס, לביצועים גבוהים ולפיתוח אפליקציות בקלות.
- Cloud Run: פלטפורמת מחשוב בלי שרת (serverless computing) שמאפשרת להריץ קונטיינרים ישירות בתשתית של Google, שניתנת להתאמה לעומס.
תרחישים לדוגמה
הנה כמה תרחישים לדוגמה לשימוש בארכיטקטורה הזו:
תכנון אוטומטי של נסיעות עסקים: עובד צריך לתכנן נסיעה לכנס לקוחות.
- סוכן נסיעות מוצא טיסות ומלונות ומבצע הזמנות.
- סוכן לניהול קשרי לקוחות (CRM) מאחזר את כתובת הכנס ואת רשימת המשתתפים.
- סוכן ליומן Google קובע פגישות ביומן של הנוסע. הפלט הסופי הוא מסלול נסיעה מלא.
שליחה חכמה של טכנאי שירות: לקוח מדווח על הפסקת שירות.
- נציג CRM מזהה את החוזה והמיקום של הלקוח.
- סוכן נסיעות מוצא את הטכנאי הזמין הקרוב ביותר ומתכנן את מסלול הנסיעה שלו.
- סוכן מתוזמן קובע פגישה לשירות.
תיאום לוגיסטיקה ושרשרת אספקה: מנהל לוגיסטיקה צריך לשנות את המסלול של משלוח בגלל אירוע שקשור למזג האוויר.
- סוכן לוגיסטיקה עוקב אחרי התנועה ומזג האוויר בזמן אמת באמצעות Google Maps Platform.
- סוכן הלוגיסטיקה מוצא מסלול חלופי ומחסן חלופי.
- נציג CRM מודיע ללקוח על לוח הזמנים המעודכן של המשלוח.
שיקולים בתכנון
בקטע הזה מתוארים גורמי תכנון, שיטות מומלצות והמלצות שכדאי להביא בחשבון כשמשתמשים בארכיטקטורה לדוגמה הזו כדי לפתח טופולוגיה שעומדת בדרישות הספציפיות שלכם לאבטחה, אמינות, יעילות תפעולית, עלות וביצועים.
ההנחיות בקטע הזה הן חלקיות. מידע נוסף על גורמי תכנון ושיטות מומלצות, והמלצות לבנייה ולפריסה של מערכת AI אקטיבי עם כמה סוכנים, זמינים במאמר מערכת AI אקטיבי עם כמה סוכנים ב- Google Cloud.
אבטחה, פרטיות ותאימות
כדי להתמודד עם סיכוני האבטחה הייחודיים של סוכני AI, Google ממליצה על גישה שמשלבת אמצעי אבטחה דטרמיניסטיים עם הגנות דינמיות שמבוססות על הסקת מסקנות:
- פיקוח אנושי: שלבו תהליך של האדם שבתהליך במערכות קריטיות לעסק, כדי שמפקחים אנושיים יוכלו לבדוק את הפלט ולאשר, לשנות או להשהות את הפעולות של הסוכן.
- Agent Identity: מקצים לכל סוכן זהות שקשורה לעומס העבודה כדי לאכוף בקרת גישה לפי הרשאות מינימליות ולנהל באופן מרוכז את פרטי הכניסה לכלים חיצוניים.
- Agent Gateway: אכיפת הפיקוח על תנועת הנתונים הנכנסת והיוצאת, כללי מדיניות של דחיית גישה כברירת מחדל ובדיקה של הנחיות וכלים מוטמעים באמצעות Model Armor.
- Agent Registry: מוודאים שהסוכנים מתחברים רק לסוכני משנה ולכלי MCP שאושרו.
אמינות
כדי לוודא שהגדרות הסוכן עומדות בדרישות האמינות, כדאי לפעול לפי ההמלצות הבאות:
- אימות של פעולות קריטיות: צריך לכלול אימות של האדם שבתהליך (HITL) למשימות קריטיות כמו הזמנת כרטיסים שלא ניתן לקבל עליהם החזר כספי.
- נתיבי ביקורת: אפשר ליצור נתיבי ביקורת ברורים להחלטות של הנציגים על ידי בניית צינור עיבוד נתונים של ניראות באמצעות Logging ו-Pub/Sub.
יעילות תפעולית
חשוב להגדיר משילות חזקה עם תפקידים ברורים לכל סוכן והנחיות לטיפול בנתונים. השתמשו בתהליך פיתוח איטרטיבי שכולל מעקב רציף. התהליך הזה עוזר לשפר את ההתנהגות של הנציגים ולוודא שהיא תואמת לדרישות העסקיות.
הוזלת עלויות
כדי לנהל את העלויות, כדאי להגדיר במדויק את המשימות של כל נציג, כדי למנוע שאילתות פתוחות או מיותרות. כדי לצמצם את הקריאות ל-API, אפשר להשתמש בשמירה במטמון של נתונים שמתבקשים לעיתים קרובות, כמו מסלולים נפוצים או מקומות פופולריים.
אופטימיזציה של הביצועים
תבנית התיאום בין כמה סוכנים בארכיטקטורה הזו היא מודולרית, ועוזרת לשפר את הביצועים כי היא מאפשרת לסוכנים ייעודיים לעבוד במקביל. לדוגמה, סוכן המקומות יכול לחפש מיקומים בזמן שסוכן לוח הזמנים בודק אם יש התנגשויות ביומן.
כשאתם מתכננים את הארכיטקטורה של עומס העבודה שלכם ב-AI אקטיבי, כדאי להביא בחשבון את השיטות המומלצות וההמלצות שמפורטות במאמר Google Cloud Well-Architected Framework: AI and ML perspective.
פריסה
כדי ללמוד איך לבנות ולבדוק מערכת AI אקטיבית שפועלת על סמך הארכיטקטורה הזו, אתם יכולים לפעול לפי ההוראות ב-Codelab Build an Itinerary Planning Agent with ADK and מפות Google Grounding. ה-Codelab מדריך אתכם לאורך כל תהליך הפריסה, כולל המשימות הבאות:
- הפעלת שירותי Google Cloud הנדרשים.
- שימוש ב-ADK כדי ליצור סוכנים.
- הגדרת הנציגים כך שישתמשו ב"עיגון בעזרת מפות Google" כדי לקבל הקשר מהעולם האמיתי.
- הפעלה ובדיקה של הנציגים באמצעות ממשק אינטרנט.
המאמרים הבאים
- מידע נוסף על עיגון בעזרת מפות Google
- מידע נוסף על Gemini Enterprise
- לדוגמאות נוספות של ארכיטקטורות, תרשימים ושיטות מומלצות, עיינו במאמר Cloud Architecture Center.
שותפים ביצירת התוכן
מאת: Kenneth Nevarez | מהנדס קשרי מפתחים, Google Maps Platform
תורמים אחרים:
- Caio Moreira | מהנדס DevX
- קומאר דהנגופאל | מפתח פתרונות חוצי-מוצרים
- מייק פג | מנהל, קשרי מפתחים