本文件提供高階架構，說明如何建構可靠有效的代理式 AI 系統，並以 Google Maps Platform 和 Google 日曆的真實世界比對內容資料為基礎。系統會根據使用者在提示中指出的地點，建立旅遊計畫。這項計畫會考量使用者的時間表、地點的地理位置、營業時間和路線距離。
本文件適用於建構及管理代理式 AI 應用程式的 AI 架構師、開發人員和管理員。本文件假設您對 AI 和機器學習概念及雲端架構有基本瞭解。
本文件的部署一節提供程式碼實驗室連結，您可以透過該實驗室，瞭解如何建構及測試以這個架構為基礎的代理式 AI 系統。
架構
下圖顯示應用程式的架構，該應用程式使用多代理 AI 系統，為使用者想在一天內造訪的地點生成旅遊計畫。使用者透過即時通訊介面與應用程式互動。自動調度管理代理會叫用專用代理，收集必要資訊，然後建立日行程規劃。代理會在 Gemini Enterprise 中執行，並使用 Google Maps Platform 和 Google 日曆的真實世界資料，做為推論依據。
上圖中的架構包含下列元件：
Gemini Enterprise：架構的核心元件。這個系統託管代理式 AI 系統，其中包含下列代理：
- Orchestrator 代理：透過對話介面接收使用者要求、解讀目標，然後與專業代理協調，完成要求。
- 地點代理：處理與位置相關的工作，例如尋找地點及確認是否營業。
- 路線代理：處理路線和行程規劃工作，例如確保有足夠時間前往所需地點。
- 排程代理：管理排程和日曆相關工作，例如載入日曆，以及根據行程時間移動活動。
這個架構中的所有代理都是使用 Agent Development Kit (ADK) 建構。代理會在 Gemini Enterprise Agent Platform 的 Agent Runtime 中執行，並使用 Gemini 模型。
工具和資料：代理會使用下列工具取得所需資料：
- 利用 Google 地圖建立基準：從 Google Maps Platform 向 Places 和 Routes 代理提供真實世界的地理脈絡。
- Places Insights：提供 Google Maps Platform 的深入、特定地點數據分析和資訊，協助代理根據會議類型建立適當的構件。
- 日曆：允許排程代理存取及管理日曆活動。
觀測能力：這個元件可監控代理作業並偵錯。
- 代理事件會記錄在 Cloud Logging 中，並發布至 Firestore 資料庫。
- 這個架構包含以 Cloud Run 服務形式部署的事件檢視器應用程式。管理員可以使用這個應用程式監控記錄的事件，並查看代理的思考流程和動作，例如驗證地點和路線。
使用的產品
這個架構使用下列 Google 產品和工具：
- Google Maps Platform：提供地圖、路線和位置搜尋服務。
- Google 日曆：團隊和個人管理時間表和活動的工具。
- Gemini Enterprise：全代管的安全平台，可在企業內部部署及管理 AI 代理。
- Agent Development Kit (ADK)：一組工具和程式庫，用於開發、測試及部署 AI 代理。
- Cloud Logging：即時記錄管理系統，提供儲存、搜尋、分析和警告通知功能。
- Firestore：NoSQL 文件資料庫，專為自動調整資源配置、提供高效能，以及協助輕鬆開發應用程式而打造。
- Cloud Run：無伺服器運算平台，可讓您直接在 Google 可擴充的基礎架構上執行容器。
用途
以下是這個架構的用途範例：
自動規劃商務差旅：員工需要規劃客戶高峰會的行程。
- 旅行社尋找航班和飯店，並預訂行程。
- 客戶關係管理 (CRM) 代理會擷取高峰會地址和與會者名單。
- 排程代理會在旅客的日曆中安排會議。最終輸出內容是完整的行程。
智慧型現場服務派遣：客戶回報服務中斷。
- CRM 代理會找出客戶的合約和位置。
- 旅行社服務專員會尋找距離最近的可用技術人員，並規劃最佳行程路線。
- 排程代理會預約服務。
物流與供應鏈協調：物流經理需要因應天氣事件重新規劃運送路線。
- 物流代理會使用 Google 地圖平台監控即時路況和天氣。
- 物流代理找到替代路線和倉庫。
- 客戶關係管理服務專員通知客戶出貨時間表已修訂。
設計須知
本節說明使用這個參考架構開發拓撲時，應考量的設計因素、最佳做法和建議，以滿足您對安全性、可靠性、作業效率、成本和效能的特定需求。
本節指南僅列出部分範例。如要進一步瞭解設計因素和最佳做法，以及建構和部署多代理式 AI 系統的建議，請參閱「 Google Cloud中的多代理式 AI 系統」。
安全性、隱私權和法規遵循
為因應 AI 代理獨有的安全風險，Google 建議採取做法，結合確定性安全控管機制與動態、以推論為基礎的防禦措施：
- 人工監督：在業務關鍵系統中加入人工介入迴路流程，讓人工監督員審查輸出內容，並核准、覆寫或暫停代理動作。
- Agent Identity：為每個代理指派與工作負載繫結的身分，強制執行最小權限存取控管，並集中管理外部工具的憑證。
- Agent Gateway：強制執行輸入和輸出流量管理、預設拒絕存取政策，以及使用 Model Armor 進行內嵌提示和工具檢查。
- Agent Registry：確認代理只會連線至核准的子代理和 MCP 工具。
可靠性
為確保代理程式設定符合可靠性需求，請考慮下列建議：
- 重要動作驗證：針對重要工作 (例如預訂不可退款的機票)，加入人工介入迴路 (HITL) 驗證。
- 稽核追蹤記錄：使用 Logging 和 Pub/Sub 建構觀測能力管道，為代理決策建立清楚的稽核追蹤記錄。
提升作業效率
建立完善的管理機制，明確定義每個代理的角色和資料處理指南。採用包含持續監控的疊代開發程序。這個程序有助於調整代理行為，確保行為符合業務需求。
成本最佳化
嚴格限制每個代理的工作範圍，避免開放式或不必要的查詢，藉此控管成本。快取經常要求的資料 (例如常見路線或熱門地點)，減少 API 呼叫。
效能最佳化
這個架構採用模組化的多代理協調器模式，可讓專門代理平行運作，進而提升效能。舉例來說，Places 代理可搜尋地點，而 Schedule 代理則可同時檢查日曆衝突。
設計代理式 AI 工作負載的架構時，請考量 Google Cloud Well-Architected Framework：AI 和機器學習觀點中的最佳做法和建議。
部署作業
如要瞭解如何建構及測試採用此架構的代理式 AI 系統，請按照程式碼實驗室「使用 ADK 和 Google 地圖建立行程規劃代理」中的操作說明操作。程式碼實驗室會引導您完成整個部署程序，包括下列工作：
- 正在啟用必要的 Google Cloud 服務。
- 使用 ADK 建立代理。
- 設定代理，利用 Google 地圖建立基準，取得真實世界情境資訊。
- 透過網頁介面執行及測試代理。
後續步驟
- 進一步瞭解利用 Google 地圖建立基準。
- 進一步瞭解 Gemini Enterprise。
- 如要查看更多參考架構、圖表和最佳做法，請瀏覽 Cloud Architecture Center。
貢獻者
作者：Kenneth Nevarez | Google Maps Platform 開發人員關係工程師
其他貢獻者：
- Caio Moreira | DevX 工程師
- Kumar Dhanagopal | 跨產品解決方案開發人員
- Mike Pegg | 開發人員關係經理