Questo documento fornisce un'architettura di alto livello per creare un sistema di AI agentica affidabile ed efficace basato su dati contestuali del mondo reale di Google Maps Platform e Google Calendar. Il sistema crea piani di viaggio per i luoghi indicati dagli utenti nel prompt. Il piano tiene conto della pianificazione dell'utente, della posizione geografica dei luoghi, degli orari di apertura e delle distanze dei percorsi.
Il pubblico di destinazione di questo documento include architetti, sviluppatori e amministratori di AI che creano e gestiscono applicazioni di AI agentica. Il documento presuppone che tu abbia una conoscenza di base dei concetti di AI e ML e dell'architettura cloud.
La sezione relativa al deployment di questo documento fornisce un link a un codelab che puoi utilizzare per scoprire come creare e testare un sistema di AI agentica funzionale basato su questa architettura.
Architettura
Il seguente diagramma mostra un'architettura per un'app che utilizza un sistema di AI multi-agente per generare un piano di viaggio per i luoghi che un utente vuole visitare durante una giornata. Gli utenti interagiscono con l'app tramite un'interfaccia di chat. Un agente orchestratore raccoglie le informazioni necessarie richiamando agenti specializzati e poi crea un itinerario giornaliero. Gli agenti vengono eseguiti in Gemini Enterprise e il loro ragionamento si basa sull'utilizzo di dati del mondo reale di Google Maps Platform e Calendar.
L'architettura nel diagramma precedente contiene i seguenti componenti:
Gemini Enterprise: il componente principale dell'architettura. Ospita il sistema di AI agentica, che contiene i seguenti agenti:
- Agente orchestratore: riceve le richieste degli utenti tramite un'interfaccia di chat, interpreta l'obiettivo e poi coordina gli agenti specializzati per soddisfare la richiesta.
- Agente per i luoghi: gestisce le attività basate sulla località, ad esempio la ricerca di luoghi e la verifica della loro apertura.
- Agente per i percorsi: gestisce le attività di pianificazione di percorsi e viaggi, ad esempio assicurandosi che ci sia tempo sufficiente per raggiungere i luoghi richiesti.
- Agente per la pianificazione: gestisce le attività di pianificazione e relative al calendario, ad esempio il caricamento del calendario e lo spostamento degli eventi per adattarsi al tempo di percorrenza.
Tutti gli agenti in questa architettura sono creati utilizzando Agent Development Kit (ADK). Gli agenti vengono eseguiti in Agent Runtime sulla piattaforma agentica Gemini Enterprise e utilizzano un modello Gemini.
Strumenti e dati:gli agenti utilizzano i seguenti strumenti per ottenere i dati di cui hanno bisogno:
- Grounding con Google Maps: fornisce il contesto geografico del mondo reale di Google Maps Platform agli agenti per i luoghi e i percorsi.
- Places Insights: fornisce analisi e informazioni approfondite e specifiche per il sito da Google Maps Platform per aiutare gli agenti a creare artefatti appropriati in base al tipo di riunione.
- Calendario: consente all'agente per la pianificazione di accedere e gestire gli eventi del calendario.
Osservabilità: questo componente consente il monitoraggio e il debug delle operazioni degli agenti.
- Gli eventi degli agenti vengono registrati in Cloud Logging e pubblicati in un database Firestore.
- L'architettura include un'app di visualizzazione degli eventi di cui è stato eseguito il deployment come servizio Cloud Run. Gli amministratori possono utilizzare questa app per monitorare gli eventi registrati e visualizzare il flusso di pensiero e le azioni degli agenti, ad esempio la convalida di luoghi e percorsi.
Prodotti utilizzati
Questa architettura utilizza i seguenti prodotti e strumenti Google:
- Google Maps Platform: una piattaforma che fornisce servizi di mappatura, routing e ricerca di località.
- Google Calendar: uno strumento per team e privati per gestire pianificazioni ed eventi.
- Gemini Enterprise: una piattaforma sicura e completamente gestita per eseguire il deployment e gestire gli agenti AI all'interno di un'azienda.
- Agent Development Kit (ADK): un insieme di strumenti e librerie per sviluppare, testare ed eseguire il deployment di agenti AI.
- Cloud Logging: un sistema di gestione dei log in tempo reale con archiviazione, ricerca, analisi e avvisi.
- Firestore: un database di documenti NoSQL creato per offrire scalabilità automatica, prestazioni elevate, e facilità di sviluppo delle applicazioni.
- Cloud Run: una piattaforma di computing serverless che ti consente di eseguire container direttamente sull'infrastruttura scalabile di Google.
Casi d'uso
Di seguito sono riportati alcuni esempi di casi d'uso per questa architettura:
Pianificazione automatica dei viaggi aziendali: un dipendente deve pianificare un viaggio per un summit dei clienti.
- Un'agenzia viaggi trova voli e hotel ed effettua le prenotazioni.
- Un agente di Customer Relationship Management (CRM) recupera l'indirizzo del summit e l'elenco dei partecipanti.
- Un agente per la pianificazione programma le riunioni nel calendario del viaggiatore. L'output finale è un itinerario di viaggio completo.
Invio intelligente di assistenza sul campo: un cliente segnala un'interruzione del servizio.
- Un agente CRM identifica il contratto e la località del cliente.
- Un agente di viaggio trova il tecnico disponibile più vicino e ottimizza il suo itinerario di viaggio.
- Un agente per la pianificazione prenota un appuntamento di assistenza.
Coordinamento della logistica e della catena di fornitura: un responsabile della logistica deve reindirizzare una spedizione a causa di un evento meteorologico.
- Un agente di logistica monitora il traffico e le condizioni meteorologiche in tempo reale utilizzando Google Maps Platform.
- L'agente di logistica trova un percorso e un magazzino alternativi.
- Un agente CRM informa il cliente della pianificazione della spedizione rivista.
Note sul layout
Per implementare questa architettura per la produzione, tieni presente i seguenti suggerimenti:
- Sicurezza: adotta un modello Zero Trust concedendo a ogni agente l' accesso con privilegi minimi necessario per eseguire la sua attività. Definisci rigorosamente gli strumenti e i dati a cui ogni agente può accedere. Ad esempio, configura l'agente per la pianificazione in modo che possa leggere o scrivere solo in calendari specifici.
- Affidabilità: includi la convalida human-in-the-loop (HITL) per le attività critiche come la prenotazione di biglietti non rimborsabili. Crea audit trail chiari per le decisioni degli agenti creando una pipeline di osservabilità con Logging e Pub/Sub.
- Rendimento: il pattern di coordinamento multi-agente modulare in questa architettura contribuisce a migliorare il rendimento consentendo agli agenti specializzati di lavorare in parallelo. Ad esempio, l'agente per i luoghi può cercare le località mentre l'agente per la pianificazione verifica contemporaneamente la presenza di conflitti nel calendario.
- Costo: gestisci i costi limitando rigorosamente le attività di ogni agente per evitare query aperte o non necessarie. Riduci le chiamate API utilizzando la memorizzazione nella cache per i dati richiesti di frequente, come i percorsi comuni o i luoghi più visitati.
- Governance: stabilisci una governance solida con ruoli chiari per ogni agente e con linee guida per la gestione dei dati. Utilizza un processo di sviluppo iterativo che includa il monitoraggio continuo. Questo processo consente di perfezionare il comportamento degli agenti e di garantire che sia in linea con i requisiti aziendali.
Quando progetti l'architettura per il tuo workload di AI agentica, tieni presente le best practice e i suggerimenti in Google Cloud Well-Architected Framework: AI and ML perspective.
Deployment
Per scoprire come creare e testare un sistema di AI agentica funzionale basato su questa architettura, segui le istruzioni nel codelab, Build an Itinerary Planning Agent with ADK and Google Maps Grounding. Il codelab ti guida attraverso l'intera procedura di deployment, incluse le seguenti attività:
- Abilitazione dei servizi necessari Google Cloud .
- Utilizzo di ADK per creare agenti.
- Configurazione degli agenti per utilizzare Grounding con Google Maps per il contesto del mondo reale.
- Esecuzione e test degli agenti tramite un'interfaccia web.
Passaggi successivi
- Scopri di più su Grounding con Google Maps.
- Scopri di più su Gemini Enterprise.
- Per ulteriori architetture di riferimento, diagrammi e best practice, esplora il Cloud Architecture Center.
Collaboratori
Autore: Kenneth Nevarez | Developer Relations Engineer, Google Maps Platform
Altri collaboratori:
- Caio Moreira | DevX Engineer
- Kumar Dhanagopal | Cross-Product Solution Developer
- Mike Pegg | Manager, Developer Relations