Agent erstellen und verwalten

Dieses Produkt ist ein pre-GA-Angebot, das den „Bedingungen für pre-GA-Angebote“ im Abschnitt „Allgemeine Dienstbedingungen“ der dienstspezifischen Nutzungsbedingungen, den Bedingungen für „agentische KI Services“ in den dienstspezifischen Nutzungsbedingungen und den Zusatzbedingungen für Vorschauprodukte auf Basis von generativer KI unterliegt. Pre-GA-Produkte und -Funktionen werden eventuell nur eingeschränkt unterstützt. Änderungen an Pre-GA-Produkten und -Funktionen sind möglicherweise nicht mit anderen Pre-GA-Versionen kompatibel. Weitere Informationen finden Sie unter Beschreibungen der Startphase.

Diese Pre-GA-Produkte befinden sich in verschiedenen Phasen interner Tests und Überprüfungen. Verwenden Sie daher keine geschützten, sensiblen oder anderen vertraulichen Daten mit diesen Produkten. Diese Produkte werden Kunden ausschließlich für begrenzte Tests und Bewertungen zur Verfügung gestellt und dürfen nicht für kommerzielle oder Produktionszwecke verwendet werden.

Wenn Sie ein Beispiel für das Erstellen und Verwalten von Verwaltete KI-Agenten sehen möchten, führen Sie das Notebook „Introduction to Managed Agents in Python“ in einer der folgenden Umgebungen aus:

In Colab öffnen | In Colab Enterprise öffnen | In Agent Platform Workbench öffnen | Auf GitHub ansehen

In dieser Anleitung wird beschrieben, wie Sie benutzerdefinierte Agentenressourcen erstellen, abrufen, auflisten, aktualisieren und löschen, die die Managed Agents API auf der Agent Platform verwenden, und wie Sie die Agentenumgebung, MCP-Servertools (Model Context Protocol) und Skills konfigurieren.

Hinweis :Die Nutzung von Modellen während der Vorschau wird zu Standardpreisen abgerechnet. Weitere Informationen finden Sie auf der Preisseite.

Hinweis

Bevor Sie Ihre Agents konfigurieren, müssen Sie Ihre Umgebung einrichten:

Melden Sie sich in Ihrem Google Cloud -Konto an. Wenn Sie mit Google Cloudnoch nicht vertraut sind, erstellen Sie ein Konto, um die Leistungsfähigkeit unserer Produkte in der Praxis sehen und bewerten zu können. Neukunden erhalten außerdem ein Guthaben von 300 $, um Arbeitslasten auszuführen, zu testen und bereitzustellen.
In the Google Cloud console, on the project selector page, select or create a Google Cloud project.
Roles required to select or create a project
• Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
• Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.
Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.
Go to project selector
Verify that billing is enabled for your Google Cloud project.
Enable the Agent Platform API.
Roles required to enable APIs
To enable APIs, you need the serviceusage.services.enable permission. If you created the project, then you likely already have this permission through the Owner role (roles/owner). Otherwise, you can get this permission through the Service Usage Admin role (roles/serviceusage.serviceUsageAdmin). Learn how to grant roles.
Enable the API
Make sure that you have the following role or roles on the project: Agent Platform User (roles/aiplatform.user) or Agent Platform Administrator (roles/aiplatform.admin)
Check for the roles
1. In the Google Cloud console, go to the IAM page.

   Go to IAM
2. Select the project.

3. In the Principal column, find all rows that identify you or a group that you're included in. To learn which groups you're included in, contact your administrator.

4. For all rows that specify or include you, check the Role column to see whether the list of roles includes the required roles.
Grant the roles
1. In the Google Cloud console, go to the IAM page.

   Go to IAM
2. Select the project.
3. Click Grant access.

4. In the New principals field, enter your user identifier. This is typically the email address for a Google Account.

5. Click Select a role, then search for the role.
6. To grant additional roles, click Add another role and add each additional role.
7. Click Save.

In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

Roles required to select or create a project

• Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
• Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

Go to project selector

Verify that billing is enabled for your Google Cloud project.

Enable the Agent Platform API.

Roles required to enable APIs

To enable APIs, you need the serviceusage.services.enable permission. If you created the project, then you likely already have this permission through the Owner role (roles/owner). Otherwise, you can get this permission through the Service Usage Admin role (roles/serviceusage.serviceUsageAdmin). Learn how to grant roles.

Enable the API

Make sure that you have the following role or roles on the project: Agent Platform User (roles/aiplatform.user) or Agent Platform Administrator (roles/aiplatform.admin)

Check for the roles

1. In the Google Cloud console, go to the IAM page.

   Go to IAM
2. Select the project.

3. In the Principal column, find all rows that identify you or a group that you're included in. To learn which groups you're included in, contact your administrator.

4. For all rows that specify or include you, check the Role column to see whether the list of roles includes the required roles.

Grant the roles

1. In the Google Cloud console, go to the IAM page.

   Go to IAM
2. Select the project.
3. Click Grant access.

4. In the New principals field, enter your user identifier. This is typically the email address for a Google Account.

5. Click Select a role, then search for the role.
6. To grant additional roles, click Add another role and add each additional role.
7. Click Save.
1. Wenn Sie planen, Google Cloud MCP-Tools (Model Context Protocol) mit Ihrem Agent zu verwenden, weisen Sie sowohl Ihrem Nutzerkonto als auch dem zugehörigen Dienstkonto die Rolle „MCP Tool User“ (roles/mcp.toolUser) zu.

Agent erstellen

Verwenden Sie die Methode CreateAgent, um einen neuen benutzerdefinierten Agenten zu erstellen. Dies ist ein Vorgang mit langer Ausführungszeit.

Hinweis :In der Vorabversion kann die Bereitstellung des ersten KI-Agenten in Ihrem Projekt zwei bis drei Minuten dauern. Nachfolgende Agents werden in der Regel innerhalb von zwei bis drei Sekunden bereitgestellt.

Der Basis-Agent

Die base_agent ist die zentrale Orchestrierungsplattform, die dem Agenten die Möglichkeit gibt, Schlussfolgerungen zu ziehen, und ihm Zugriff auf die Ausführungsumgebung bietet. Es kann Skills und Bibliotheken in die Umgebung einfügen und hat Zugriff auf serverseitige Tools für die Codeausführung, Dateisystemoperationen und die Suche mit Fundierung.

Beim Erstellen eines KI-Agenten wird nur ein Wert für base_agent unterstützt: antigravity-preview-05-2026.

Basis-Agent erstellen

Wenn Sie einen einfachen Agent mit Standardtools und einem Google Cloud Storage-Mountziel erstellen möchten, senden Sie eine POST-Anfrage:

REST

Anfragevariablen

Bevor Sie die API aufrufen, ersetzen Sie die folgenden Werte:

• PROJECT_ID: Ihre Google Cloud Projekt-ID
• LOCATION: Der regionale Standort Ihres Agenten. Nur die Region global wird unterstützt.

• AGENT_ID: Die eindeutige benutzerdefinierte Kennung für Ihren neuen Agenten. Benutzerdefinierte Agent-IDs müssen die folgenden Einschränkungen erfüllen:

  • Muss zwischen 1 und 63 Zeichen lang sein.
  • Darf nur Kleinbuchstaben, Ziffern und Bindestriche enthalten.
  • Muss mit einem Buchstaben beginnen und mit einem Buchstaben oder einer Ziffer enden.

• BASE_AGENT: Der Name des zu erweiternden Basis-Agents. Verwenden Sie antigravity-preview-05-2026.

• AGENT_DESCRIPTION: Eine kurze Zusammenfassung des Anwendungsbereichs des Agenten.

• INSTRUCTIONS: Systemanweisungen oder Persona, die für den Agenten festgelegt werden sollen.

• GCS_BUCKET: Das Ordnerpfadsegment Ihres eingebundenen Google Cloud Storage-Bucket (z. B. gs://cymbal-bucket-name). Hinweis: Wenn Sie einen Bucket aus einem anderen Projekt einbinden möchten, gewähren Sie dem Dienstkonto des Projekts Zugriff auf den Bucket mit den Rollen read und write.

• network: Aus Sicherheitsgründen ist der Netzwerkzugriff in der Umgebung deaktiviert. Sie müssen eine allowlist angeben, um den Zugriff zu aktivieren. Wenn Sie * als Domain in allowlist verwenden, sind Verbindungen zu allen Domains möglich und Sie erhalten uneingeschränkten Netzwerkzugriff.

HTTP-Methode und URL

POST https://aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/agents

JSON-Text der Anfrage:

{
  "id": "AGENT_ID",
  "base_agent": "BASE_AGENT",
  "description": "AGENT_DESCRIPTION",
  "system_instruction": "INSTRUCTIONS",
  "tools": [
    {"type": "code_execution"},
    {"type": "filesystem"},
    {"type": "google_search"},
    {"type": "url_context"}
  ],
  "base_environment": {
    "type": "remote",
    "sources": [
      {
        "type": "gcs",
        "source": "GCS_BUCKET",
        "target": "/.agent"
      }
    ],
    "network": {
      "allowlist": [
        { "domain": "*" }
      ]
    }
  }
}

Befehl curl

curl -X POST "https://aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/agents" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $(gcloud auth print-access-token)" \
  -d '{
      "id": "AGENT_ID",
      "base_agent": "antigravity-preview-05-2026",
      "description": "AGENT_DESCRIPTION",
      "system_instruction": "INSTRUCTIONS",
      "tools": [
          {"type": "code_execution"},
          {"type": "filesystem"},
          {"type": "google_search"},
          {"type": "url_context"}
      ],
      "base_environment": {
          "type": "remote",
          "sources": [
              {
                  "type": "gcs",
                  "source": "GCS_BUCKET",
                  "target": "/.agent"
              }
          ],
          "network": {
              "allowlist": [
                  { "domain": "*" }
              ]
          }
      }
  }'

Beispielantwort

{
  "name": "projects/1234567890/locations/global/agents/my-first-agent/operations/234567890123",
  "metadata": {
    "@type": "type.googleapis.com/google.cloud.aiplatform.v1beta1.CreateAgentOperationMetadata",
    "genericMetadata": {
      "createTime": "2026-05-12T23:50:16.933752Z",
      "updateTime": "2026-05-12T23:50:16.933752Z"
    }
  }
}

Python

Legen Sie vor dem Ausführen dieses Codes die auf dem Tab „REST“ beschriebenen Variablen fest.

from google import genai

client = genai.Client(
    vertexai=True,
    project="PROJECT_ID",
    location="global",
)

agent = client.agents.create(
    id="AGENT_ID",
    base_agent="antigravity-preview-05-2026",
    description="AGENT_DESCRIPTION",
    system_instruction="INSTRUCTIONS",
    tools=[
        {"type": "code_execution"},
        {"type": "google_search"},
        {"type": "url_context"},
    ],
    base_environment={
        "type": "remote",
        "sources": [
            {
                "type": "gcs",
                "source": "GCS_BUCKET",
                "target": "/.agent",
            }
        ],
        "network": {
            "allowlist": [{"domain": "*"}]
        },
    },
)

JavaScript

Legen Sie vor dem Ausführen dieses Codes die auf dem Tab „REST“ beschriebenen Variablen fest.

import { GoogleGenAI } from "@google/genai";

const client = new GoogleGenAI({
    vertexai: true,
    project: "PROJECT_ID",
    location: "global",
});

const agent = await client.agents.create({
    id: "AGENT_ID",
    base_agent: "antigravity-preview-05-2026",
    description: "AGENT_DESCRIPTION",
    system_instruction: "INSTRUCTIONS",
    tools: [
        { type: "code_execution" },
        { type: "google_search" },
        { type: "url_context" },
    ],
    base_environment: {
        type: "remote",
        sources: [
            {
                type: "gcs",
                source: "GCS_BUCKET",
                target: "/.agent",
            },
        ],
        network: {
            allowlist: [{ domain: "*" }],
        },
    },
});

Agenten mit Google-Tools erstellen

Wenn Sie einen Agenten mit Google-Tools von Erstanbietern (z. B. Grounding mit Google Suche und URL-Kontext) erstellen möchten, fügen Sie diese Tools der Liste tools in der Agentenkonfiguration hinzu:

REST

Anfragevariablen

Bevor Sie die API aufrufen, ersetzen Sie die folgenden Werte:

• PROJECT_ID: Ihre Google Cloud Projekt-ID
• LOCATION: Der regionale Standort Ihres Agenten. Nur die Region global wird unterstützt.

• AGENT_ID: Die eindeutige benutzerdefinierte Kennung für Ihren neuen Agenten. Benutzerdefinierte Agent-IDs müssen die folgenden Einschränkungen erfüllen:

  • Muss zwischen 1 und 63 Zeichen lang sein.
  • Darf nur Kleinbuchstaben, Ziffern und Bindestriche enthalten.
  • Muss mit einem Buchstaben beginnen und mit einem Buchstaben oder einer Ziffer enden.

• AGENT_DESCRIPTION: Eine kurze Zusammenfassung des Anwendungsbereichs des Agenten.

JSON-Text der Anfrage:

{
  "id": "AGENT_ID",
  "base_agent": "antigravity-preview-05-2026",
  "description": "AGENT_DESCRIPTION",
  "tools": [
    {
      "type": "google_search"
    },
    {
      "type": "url_context"
    }
  ],
  "base_environment": {
    "type": "remote",
    "network": {
      "allowlist": [
        { "domain": "*" }
      ]
    }
  }
}

Befehl curl

curl -X POST "https://aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/agents" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $(gcloud auth print-access-token)" \
  -d '{
      "id": "AGENT_ID",
      "base_agent": "antigravity-preview-05-2026",
      "description": "AGENT_DESCRIPTION",
      "tools": [
          {
              "type": "google_search"
          },
          {
              "type": "url_context"
          }
      ],
      "base_environment": {
          "type": "remote",
          "network": {
              "allowlist": [
                  { "domain": "*" }
              ]
          }
      }
  }'

Agenten mit MCP-Konfigurationen erstellen

Mit der Managed Agents API auf der Agent Platform können Sie einen Agenten mit vorkonfigurierten MCP-Servertools erstellen.

Hinweis

Bevor Sie einen Agenten mit vorkonfigurierten MCP-Servertools erstellen, gehen Sie so vor:

• Weisen Sie sowohl Ihrem Nutzerkonto als auch dem zugehörigen Dienstkonto die IAM-Rolle MCP Tool User (roles/mcp.toolUser) zu.

• Prüfen Sie, ob die MCP-Server in Ihrer Konfiguration über den Standardport HTTP POST für Tool-Einträge und die Ausführung kommunizieren. Für die Managed Agents API auf der Agent Platform müssen Remote-MCP-Server streamfähige HTTP-Server sein. Die MCP-Server müssen den MCP Streamable HTTP-Transport implementieren, wobei tools/list und tools/call als JSON-RPC über HTTP POST gesendet werden.

  Der eingestellte HTTP+SSE-Transport mit zwei Endpunkten (ein separater, langlebiger GET /sse-Stream) wird nicht unterstützt.

Von Google gehostete MCPs autorisieren

Wenn Sie ein Bearertoken zur Autorisierung von Google-gehosteten MCP-Servern (z. B. BigQuery) verwenden, führen Sie die folgenden Schritte aus:

1. OAuth-Bereiche hinzufügen:Hängen Sie die erforderlichen OAuth 2.0-Bereiche an Ihr Authentifizierungstoken an. Wenn Sie beispielsweise das BigQuery MCP verwenden möchten, müssen Sie die entsprechenden BigQuery-Bereiche in Ihre Anfrage aufnehmen.
2. Zugriff validieren:Prüfen Sie, ob der MCP-Server mit den neu konfigurierten Bereichen erreichbar ist. Testen Sie dazu den Autorisierungsablauf im OAuth Playground.
3. Use Headers (Header verwenden): Bei Google-MCPs wie BigQuery müssen Sie den Header X-Goog-User-Project auf Ihren Projektnamen in der headers-Map festlegen.

Der JSON-Anfragetext zum Erstellen eines Agents, der das BigQuery MCP verwendet, sieht beispielsweise so aus:

{
  "name": "projects/<projectname>/locations/global/agents/data-analyst",
  "id": "data-analyst",
  "system_instruction": "You are a data analyst. Use the provided tools and data to perform analysis.",
  "tools": [
    { "type": "code_execution" },
    { "type": "filesystem" },
    { "type": "google_search" },
    { "type": "url_context" },
    {
      "type": "mcp_server",
      "name": "bigquery-mcp",
      "url": "https://mcp-bigquery.googleapis.com/v1",
      "headers": {
        "Authorization": "Bearer ya29.a0AQyyyy",
        "X-Goog-User-Project": "project-nameyyyy"
      }
    }
  ],
  "base_environment": {
    "type": "remote",
    "sources": [
      {
        "type": "gcs",
        "source": "gs://agents-1",
        "target": "/.agent/agents-1"
      }
    ],
    "network": {
      "allowlist": [ { "domain": "*" } ]
    }
  },
  "base_agent": "antigravity-preview-05-2026",
  "object": "agent"
}

KI-Agenten erstellen

Wenn Sie einen Agenten mit vorkonfigurierten MCP-Server-Tools erstellen möchten, fügen Sie Details im Abschnitt tools hinzu:

REST

Anfragevariablen

Bevor Sie die API aufrufen, ersetzen Sie die folgenden Werte:

• PROJECT_ID: Ihre Google Cloud Projekt-ID
• LOCATION: Der regionale Standort Ihres Agenten. Nur die Region global wird unterstützt.

• AGENT_ID: Die eindeutige benutzerdefinierte Kennung für Ihren neuen Agenten. Benutzerdefinierte Agent-IDs müssen die folgenden Einschränkungen erfüllen:

  • Muss zwischen 1 und 63 Zeichen lang sein.
  • Darf nur Kleinbuchstaben, Ziffern und Bindestriche enthalten.
  • Muss mit einem Buchstaben beginnen und mit einem Buchstaben oder einer Ziffer enden.

• AGENT_DESCRIPTION: Eine kurze Zusammenfassung des Anwendungsbereichs des Agenten.

• MCP_SERVER_NAME: Ein aussagekräftiger Name für das MCP-Tool.

• MCP_SERVER_URL: Die Remote-HTTP-Gateway-URL des MCP-Servers.

• MCP_HEADER_KEY: Optional. Der Name der Kopfzeile für die Authentifizierung (z. B. Authorization).

• MCP_HEADER_VALUE: Optional. Das Authentifizierungs-Inhabertoken (z. B. Bearer <token>).

JSON-Text der Anfrage:

{
  "id": "AGENT_ID",
  "base_agent": "antigravity-preview-05-2026",
  "description": "AGENT_DESCRIPTION",
  "tools": [
    {
      "type": "mcp_server",
      "name": "MCP_SERVER_NAME",
      "url": "MCP_SERVER_URL",
      "headers": {
        "MCP_HEADER_KEY": "MCP_HEADER_VALUE"
      }
    }
  ]
}

Befehl curl

curl -X POST "https://aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/agents" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $(gcloud auth print-access-token)" \
  -d '{
      "id": "AGENT_ID",
      "base_agent": "antigravity-preview-05-2026",
      "description": "AGENT_DESCRIPTION",
      "tools": [
          {
              "type": "mcp_server",
              "name": "MCP_SERVER_NAME",
              "url": "MCP_SERVER_URL",
              "headers": {
                  "MCP_HEADER_KEY": "MCP_HEADER_VALUE"
              }
          }
      ]
  }'

Python

Legen Sie vor dem Ausführen dieses Codes die auf dem Tab „REST“ beschriebenen Variablen fest.

from google import genai

client = genai.Client(
    vertexai=True,
    project="PROJECT_ID",
    location="global",
)

agent = client.agents.create(
    id="AGENT_ID",
    base_agent="antigravity-preview-05-2026",
    description="AGENT_DESCRIPTION",
    tools=[
        {
            "type": "mcp_server",
            "name": "MCP_SERVER_NAME",
            "url": "MCP_SERVER_URL",
            "headers": {
                "MCP_HEADER_KEY": "MCP_HEADER_VALUE"
            },
        }
    ],
)

JavaScript

Legen Sie vor dem Ausführen dieses Codes die auf dem Tab „REST“ beschriebenen Variablen fest.

import { GoogleGenAI } from "@google/genai";

const client = new GoogleGenAI({
    vertexai: true,
    project: "PROJECT_ID",
    location: "global",
});

const agent = await client.agents.create({
    id: "AGENT_ID",
    base_agent: "antigravity-preview-05-2026",
    description: "AGENT_DESCRIPTION",
    tools: [
        {
            type: "mcp_server",
            name: "MCP_SERVER_NAME",
            url: "MCP_SERVER_URL",
            headers: {
                "MCP_HEADER_KEY": "MCP_HEADER_VALUE",
            },
        },
    ],
});

Skills an einen Agenten anhängen

Wenn Sie einen wiederverwendbaren Skill direkt beim Erstellen des Agenten laden möchten, binden Sie ihn in base_environment.sources ein.

Sie haben folgende Möglichkeiten, Skills anzuhängen:

• Skill-Registry:Hängen Sie einen Skill an, der in Ihrem Projekt in der Skill-Registry registriert ist.

• Google Cloud Storage:Sie können benutzerdefinierte Skills direkt aus einem Cloud Storage-Bucket anhängen.

  Als Best Practice empfehlen wir, Skills im Ordner /.agent/skills in der Umgebung zu mounten, damit sie für den Agent leichter zu finden sind.

CLI-Skills

Entwickler können auch spezielle Skills in ihrer bevorzugten CLI installieren, um Agenten und Interaktionen programmatisch zu verwalten:

• Agents API Skill
• Interaction API Skill

Skill aus der Skill-Registry anhängen

So laden Sie einen wiederverwendbaren Skill direkt aus der Skill Registry, wenn Sie den Agenten erstellen:

REST

Anfragevariablen

Bevor Sie die API aufrufen, ersetzen Sie die folgenden Werte:

• PROJECT_ID: Ihre Google Cloud Projekt-ID
• LOCATION: Der regionale Standort Ihres Agenten. Nur die Region global wird unterstützt.
• AGENT_ID: Die eindeutige benutzerdefinierte Kennung für Ihren neuen Agenten. Benutzerdefinierte Agent-IDs müssen die folgenden Einschränkungen erfüllen:
  • Muss zwischen 1 und 63 Zeichen lang sein.
  • Darf nur Kleinbuchstaben, Ziffern und Bindestriche enthalten.
  • Muss mit einem Buchstaben beginnen und mit einem Buchstaben oder einer Ziffer enden.
• SKILL_RESOURCE_NAME: Der Ressourcenpfad des Skills oder der Liste der Skills, die eingebunden werden sollen. Sie können eines der folgenden Formate angeben:
  • Skill (Standardversion): projects/{projectID}/locations/{location}/skills/{skillName}
  • Spezifische Version: projects/{projectID}/locations/{location}/skills/{skillName}/skill_versions/{skill_version}
  • Liste der Skills:projects/{projectID}/locations/{location}/skills. Dadurch werden bis zu 100 Skills aus dem angegebenen project/location in die Sandbox-Umgebung eingebunden.
  Weitere Informationen finden Sie unter list skills.

JSON-Text der Anfrage:

{
  "id": "AGENT_ID",
  "base_agent": "antigravity-preview-05-2026",
  "base_environment": {
    "type": "remote",
    "sources": [
      {
        "type": "skill_registry",
        "source": "SKILL_RESOURCE_NAME",
        "target": "/.agent/skills"
      }
    ],
    "network": {
      "allowlist": [
        { "domain": "*" }
      ]
    }
  }
}

Befehl curl

curl -X POST "https://aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/agents" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $(gcloud auth print-access-token)" \
  -d '{
      "id": "AGENT_ID",
      "base_agent": "antigravity-preview-05-2026",
      "base_environment": {
          "type": "remote",
          "sources": [
              {
                  "type": "skill_registry",
                  "source": "SKILL_RESOURCE_NAME",
                  "target": "/.agent/skills"
              }
          ],
          "network": {
              "allowlist": [
                  { "domain": "*" }
              ]
          }
      }
  }'

Python

Legen Sie vor dem Ausführen dieses Codes die auf dem Tab „REST“ beschriebenen Variablen fest.

from google import genai

client = genai.Client(
    vertexai=True,
    project="PROJECT_ID",
    location="global",
)

agent = client.agents.create(
    id="AGENT_ID",
    base_agent="antigravity-preview-05-2026",
    base_environment={
        "type": "remote",
        "sources": [
            {
                "type": "skill_registry",
                "source": "SKILL_RESOURCE_NAME",
                "target": "./skills",
            }
        ],
        "network": {
            "allowlist": [{"domain": "*"}]
        },
    },
)

JavaScript

Legen Sie vor dem Ausführen dieses Codes die auf dem Tab „REST“ beschriebenen Variablen fest.

import { GoogleGenAI } from "@google/genai";

const client = new GoogleGenAI({
    vertexai: true,
    project: "PROJECT_ID",
    location: "global",
});

const agent = await client.agents.create({
    id: "AGENT_ID",
    base_agent: "antigravity-preview-05-2026",
    base_environment: {
        type: "remote",
        sources: [
            {
                type: "skill_registry",
                source: "SKILL_RESOURCE_NAME",
                target: "./skills",
            },
        ],
        network: {
            allowlist: [{ domain: "*" }],
        },
    },
});

Skill aus Google Cloud Storage anhängen

Alternativ können Sie beim Erstellen des Agents benutzerdefinierte Skills direkt aus einem Google Cloud Storage-Bucket anhängen.

Beachten Sie die folgenden Anforderungen beim Einbinden von Skills aus Cloud Storage:

• Anforderungen für den Upload:Sie müssen den gesamten Skill-Ordner in den Bucket hochladen.
• Keine Inhaltsvalidierung:Das Backend validiert den Ordnerinhalt vor dem Mounten nicht. Es verhält sich wie bei einem normalen Ordner-Upload.
• Größenbeschränkungen:Für alle angehängten Dateien gelten die Arbeitsspeicherbeschränkungen der Sandbox-Umgebung (insgesamt bis zu 4 GiB RAM).
• Best Practices:Für eine optimale Skill-Qualität sollten Sie die Dateien in Ihrem Skill-Ordner gemäß den Konventionen auf agentskills.io/home strukturieren und vorbereiten.

So hängen Sie beim Erstellen des Agents einen Skill aus Google Cloud Storage an:

REST

Anfragevariablen

Bevor Sie die API aufrufen, ersetzen Sie die folgenden Werte:

• PROJECT_ID: Ihre Google Cloud Projekt-ID
• LOCATION: Der regionale Standort Ihres Agenten. Nur die Region global wird unterstützt.
• AGENT_ID: Die eindeutige benutzerdefinierte Kennung für Ihren neuen Agenten. Benutzerdefinierte Agent-IDs müssen die folgenden Einschränkungen erfüllen:
  • Muss zwischen 1 und 63 Zeichen lang sein.
  • Darf nur Kleinbuchstaben, Ziffern und Bindestriche enthalten.
  • Muss mit einem Buchstaben beginnen und mit einem Buchstaben oder einer Ziffer enden.
• GCS_SOURCE_PATH: Der Google Cloud Storage-Bucket-Pfad, der Ihren Skill-Ordner enthält (z. B. gs://cymbal-bucket-name/my-skill-folder).

JSON-Text der Anfrage:

{
  "id": "AGENT_ID",
  "base_agent": "antigravity-preview-05-2026",
  "base_environment": {
    "type": "remote",
    "sources": [
      {
        "type": "gcs",
        "source": "GCS_SOURCE_PATH",
        "target": "/.agent/skills"
      }
    ],
    "network": {
      "allowlist": [
        { "domain": "*" }
      ]
    }
  }
}

Befehl curl

curl -X POST "https://aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/agents" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $(gcloud auth print-access-token)" \
  -d '{
      "id": "AGENT_ID",
      "base_agent": "antigravity-preview-05-2026",
      "base_environment": {
          "type": "remote",
          "sources": [
              {
                  "type": "gcs",
                  "source": "GCS_SOURCE_PATH",
                  "target": "./skills"
              }
          ],
          "network": {
              "allowlist": [
                  { "domain": "*" }
              ]
          }
      }
  }'

Python

Legen Sie vor dem Ausführen dieses Codes die auf dem Tab „REST“ beschriebenen Variablen fest.

from google import genai

client = genai.Client(
    vertexai=True,
    project="PROJECT_ID",
    location="global",
)

agent = client.agents.create(
    id="AGENT_ID",
    base_agent="antigravity-preview-05-2026",
    base_environment={
        "type": "remote",
        "sources": [
            {
                "type": "gcs",
                "source": "GCS_SOURCE_PATH",
                "target": "./skills",
            }
        ],
        "network": {
            "allowlist": [{"domain": "*"}]
        },
    },
)

JavaScript

Legen Sie vor dem Ausführen dieses Codes die auf dem Tab „REST“ beschriebenen Variablen fest.

import { GoogleGenAI } from "@google/genai";

const client = new GoogleGenAI({
    vertexai: true,
    project: "PROJECT_ID",
    location: "global",
});

const agent = await client.agents.create({
    id: "AGENT_ID",
    base_agent: "antigravity-preview-05-2026",
    base_environment: {
        type: "remote",
        sources: [
            {
                type: "gcs",
                source: "GCS_SOURCE_PATH",
                target: "./skills",
            },
        ],
        network: {
            allowlist: [{ domain: "*" }],
        },
    },
});

KI-Agenten auflisten

Wenn Sie alle gespeicherten KI-Agenten in Ihrem Projekt auflisten möchten, senden Sie eine GET-Anfrage. Mit der optionalen Paginierung können Sie die Anzahl der Ergebnisse pro Seite festlegen.

REST

Anfragevariablen

Bevor Sie die API aufrufen, ersetzen Sie die folgenden Werte:

• PROJECT_ID: Ihre Google Cloud Projekt-ID
• LOCATION: Der regionale Standort für Listing-Agenten. Nur die Region global wird unterstützt.
• PAGE_SIZE: Optional. Die maximale Anzahl der Agents, die pro Seite zurückgegeben werden sollen. Der Standardwert ist 10 und der Höchstwert 100.
• PAGE_TOKEN: Optional. Ein Seitentoken, das von einer vorherigen ListAgents-Antwort empfangen wurde. Geben Sie dieses Token an, um die nächste Ergebnisseite abzurufen.

Wenn die Anzahl der zurückzugebenden Kundenservicemitarbeiter größer als PAGE_SIZE ist, enthält die ListAgents-Antwort das Feld nextPageToken. Wenn Sie die nächste Seite mit Kundenservicemitarbeitern abrufen möchten, übergeben Sie den Wert von nextPageToken als Parameter PAGE_TOKEN in Ihrer nächsten ListAgents-Anfrage. Wiederholen Sie diesen Vorgang, bis das Feld nextPageToken nicht mehr in der Antwort zurückgegeben wird.

HTTP-Methode und URL

GET https://aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/agents?page_size=PAGE_SIZE&page_token=PAGE_TOKEN

Befehl curl

curl -X GET "https://aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/agents?page_size=PAGE_SIZE&page_token=PAGE_TOKEN" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $(gcloud auth print-access-token)"

Beispielantwort

{
  "agents": [
    {
      "name": "projects/1234567890/locations/global/agents/my-first-agent",
      "id": "my-first-agent",
      "created": "2026-05-12T23:50:16.933Z",
      "updated": "2026-05-12T23:50:21.159Z",
      "systemInstruction": "You are a helpful assistant to user."
    }
  ],
  "nextPageToken": "ABCDEFGHIJKLMNOPQRSTUVWXYZ=="
}

Python

Legen Sie vor dem Ausführen dieses Codes die auf dem Tab „REST“ beschriebenen Variablen fest.

from google import genai

client = genai.Client(
    vertexai=True,
    project="PROJECT_ID",
    location="global",
)

response = client.agents.list()

for agent in response.agents:
    print(agent)

JavaScript

Legen Sie vor dem Ausführen dieses Codes die auf dem Tab „REST“ beschriebenen Variablen fest.

import { GoogleGenAI } from "@google/genai";

const client = new GoogleGenAI({
    vertexai: true,
    project: "PROJECT_ID",
    location: "global",
});

const response = await client.agents.list();

if (response.agents) {
    for (const agent of response.agents) {
        console.log(agent);
    }
}

KI-Agenten abrufen

Verwenden Sie eine GET-Anfrage, um die vollständige Konfiguration eines bestimmten Agents abzurufen.

REST

Anfragevariablen

Bevor Sie die API aufrufen, ersetzen Sie die folgenden Werte:

• PROJECT_ID: Ihre Google Cloud Projekt-ID

• LOCATION: Der regionale Standort Ihres Agenten. Nur die Region global wird unterstützt.

• AGENT_ID: Die eindeutige ID der benutzerdefinierten Agent-Konfiguration, die Sie anfordern.

HTTP-Methode und URL

GET https://aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/agents/AGENT_ID

Befehl curl

curl -X GET "https://aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/agents/AGENT_ID" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $(gcloud auth print-access-token)"

Beispielantwort

{
  "name": "projects/vertex-agent-fishfood/locations/global/agents/my-first-agent",
  "id": "my-first-agent",
  "created": "2026-05-12T23:50:16.933Z",
  "updated": "2026-05-12T23:50:21.159Z",
  "systemInstruction": "You are a helpful assistant to user.",
  "tools": [
    {"type": "code_execution"},
    {"type": "filesystem"},
    {"type": "google_search"},
    {"type": "url_context"}
  ],
  "description": "A demo agent showcasing Environment and Skills use case.",
  "baseEnvironment": {
    "type": "remote",
    "sources": [
      {
        "type": "gcs",
        "source": "gs://agents-api-sample-skills",
        "target": "/.agent"
      }
    ],
    "network": {
      "allowlist": [
        {"domain": "*"}
      ]
    }
  },
  "baseAgent": "antigravity-preview-05-2026",
  "object": "agent"
}

Python

Legen Sie vor dem Ausführen dieses Codes die auf dem Tab „REST“ beschriebenen Variablen fest.

from google import genai

client = genai.Client(
    vertexai=True,
    project="PROJECT_ID",
    location="global",
)

agent = client.agents.get(id="AGENT_ID")
print(agent)

JavaScript

Legen Sie vor dem Ausführen dieses Codes die auf dem Tab „REST“ beschriebenen Variablen fest.

import { GoogleGenAI } from "@google/genai";

const client = new GoogleGenAI({
    vertexai: true,
    project: "PROJECT_ID",
    location: "global",
});

const agent = await client.agents.get("AGENT_ID");
console.log(agent);

KI-Agenten aktualisieren

Senden Sie eine PATCH-Anfrage, um die Konfiguration eines vorhandenen KI-Agenten zu aktualisieren. Die ID des Agents ist unveränderlich, aber Sie können Parameter wie Anweisungen, Tools und Umgebungsvariablen ändern. Verwenden Sie den Abfrageparameter update_mask, um genau anzugeben, welche Felder aktualisiert werden sollen. So wird sichergestellt, dass nur die Felder geändert werden, die Sie ändern möchten, und andere Konfigurationen beibehalten werden.

Basis-Agent aktualisieren

Wenn Sie die Systemanweisungen eines Agenten aktualisieren möchten, senden Sie eine PATCH-Anfrage mit update_mask=system_instruction:

REST

Anfragevariablen

Bevor Sie die API aufrufen, ersetzen Sie die folgenden Werte:

• PROJECT_ID: Ihre Google Cloud Projekt-ID
• LOCATION: Der regionale Standort des Agenten. Nur die Region global wird unterstützt.
• AGENT_ID: Ziel-Agent-Konfiguration für das Patch-Update.
• NEW_INSTRUCTIONS: Die aktualisierte Struktur oder Beschreibung der Anleitung, die ersetzt werden soll.

HTTP-Methode und URL

PATCH https://aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/agents/AGENT_ID?update_mask=system_instruction

JSON-Text der Anfrage:

{
  "name": "AGENT_ID",
  "system_instruction": "NEW_INSTRUCTIONS"
}

Befehl curl

curl -X PATCH "https://aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/agents/AGENT_ID?update_mask=system_instruction" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $(gcloud auth print-access-token)" \
  -d '{
      "name": "AGENT_ID",
      "system_instruction": "NEW_INSTRUCTIONS"
  }'

Python

Hinweis :Die Methode update ist im Python SDK noch nicht verfügbar. Verwenden Sie die REST API, um Agents zu aktualisieren.

JavaScript

Hinweis :Die Methode update ist noch nicht im JavaScript SDK verfügbar. Verwenden Sie die REST API, um Agents zu aktualisieren.

Agent mit Google-Tools aktualisieren

Wenn Sie einen Agent aktualisieren möchten, um Google-Tools von Erstanbietern (1P) wie die Fundierung mit der Google Suche und den URL-Kontext zu aktivieren, senden Sie eine PATCH-Anfrage mit update_mask=tools:

REST

Anfragevariablen

Bevor Sie die API aufrufen, ersetzen Sie die folgenden Werte:

• PROJECT_ID: Ihre Google Cloud Projekt-ID
• LOCATION: Der regionale Standort des Agenten. Nur die Region global wird unterstützt.
• AGENT_ID: Ziel-Agent-ID.

JSON-Text der Anfrage:

{
  "name": "AGENT_ID",
  "tools": [
    {
      "type": "google_search"
    },
    {
      "type": "url_context"
    }
  ]
}

Befehl curl

curl -X PATCH "https://aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/agents/AGENT_ID?update_mask=tools" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $(gcloud auth print-access-token)" \
  -d '{
      "name": "AGENT_ID",
      "tools": [
          {
              "type": "google_search"
          },
          {
              "type": "url_context"
          }
      ]
  }'

Agent mit MCP-Konfigurationen aktualisieren

Wenn Sie die MCP-Tools ändern möchten, die an Ihren Agenten angehängt sind, senden Sie eine PATCH-Anfrage mit update_mask=tools:

REST

Anfragevariablen

Bevor Sie die API aufrufen, ersetzen Sie die folgenden Werte:

• PROJECT_ID: Ihre Google Cloud Projekt-ID
• LOCATION: Der regionale Standort des Agenten. Nur die Region global wird unterstützt.
• AGENT_ID: Ziel-Agent-ID.
• NEW_MCP_SERVER_NAME: Aktualisiertes Label Ihrer MCP-Tools.
• NEW_MCP_SERVER_URL: Der neue URL-Endpunktparameter des Servers.
• NEW_MCP_HEADER_KEY: Optional. Der Name der Kopfzeile für die Authentifizierung (z. B. Authorization).
• NEW_MCP_HEADER_VALUE: Optional. Das Authentifizierungs-Bearer-Token (z. B. Bearer <token>).

JSON-Text der Anfrage:

{
  "name": "AGENT_ID",
  "tools": [
    {
      "type": "mcp_server",
      "name": "NEW_MCP_SERVER_NAME",
      "url": "NEW_MCP_SERVER_URL",
      "headers": {
        "NEW_MCP_HEADER_KEY": "NEW_MCP_HEADER_VALUE"
      }
    }
  ]
}

Befehl curl

curl -X PATCH "https://aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/agents/AGENT_ID?update_mask=tools" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $(gcloud auth print-access-token)" \
  -d '{
      "name": "AGENT_ID",
      "tools": [
          {
              "type": "mcp_server",
              "name": "NEW_MCP_SERVER_NAME",
              "url": "NEW_MCP_SERVER_URL",
              "headers": {
                  "NEW_MCP_HEADER_KEY": "NEW_MCP_HEADER_VALUE"
              }
          }
      ]
  }'

Python

Hinweis :Die Methode update ist im Python SDK noch nicht verfügbar. Verwenden Sie die REST API, um Agents zu aktualisieren.

JavaScript

Hinweis :Die Methode update ist noch nicht im JavaScript SDK verfügbar. Verwenden Sie die REST API, um Agents zu aktualisieren.

Skills an einen Agenten anhängen

Wenn Sie Skills in base_environment.sources während einer Agent-Aktualisierung anhängen oder ändern möchten, senden Sie eine PATCH-Anfrage mit update_mask=base_environment.

Sie haben folgende Möglichkeiten, Skills anzuhängen:

• Skill-Registry:Hängen Sie einen Skill an, der in Ihrem Projekt in der Skill-Registry registriert ist.

• Google Cloud Storage:Sie können benutzerdefinierte Skills direkt aus einem Cloud Storage-Bucket anhängen.

Skill aus der Skill-Registry anhängen

So hängen Sie einen in der Skill-Registry registrierten Skill an:

REST

Anfragevariablen

Bevor Sie die API aufrufen, ersetzen Sie die folgenden Werte:

• PROJECT_ID: Ihre Google Cloud Projekt-ID
• LOCATION: Der regionale Standort des Agenten. Nur die Region global wird unterstützt.
• AGENT_ID: Ziel-Agent-ID.
• NEW_SKILL_RESOURCE_NAME: Der Ressourcenpfad des Skills oder der Liste der Skills, die eingebunden werden sollen. Sie können eines der folgenden Formate angeben:
  • Skill (Standardversion): projects/{projectID}/locations/{location}/skills/{skillName}
  • Skill-Version (an eine bestimmte Version anpinnen): projects/{projectID}/locations/{location}/skills/{skillName}/skill_versions/{skill_version}
  • ListSkills (Mount all skills): projects/{projectID}/locations/{location}/skills. Dadurch werden bis zu 100 Skills im Projekt/am Standort in die Sandbox-Umgebung eingebunden.
  Weitere Informationen zum Ermitteln des name-Werts für NEW_SKILL_RESOURCE_NAME finden Sie unter List skills.

JSON-Text der Anfrage:

{
  "name": "AGENT_ID",
  "base_environment": {
    "type": "remote",
    "sources": [
      {
        "type": "skill_registry",
        "source": "NEW_SKILL_RESOURCE_NAME",
        "target": "/.agent/skills"
      }
    ],
    "network": {
      "allowlist": [
        { "domain": "*" }
      ]
    }
  }
}

Befehl curl

curl -X PATCH "https://aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/agents/AGENT_ID?update_mask=base_environment" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $(gcloud auth print-access-token)" \
  -d '{
      "name": "AGENT_ID",
      "base_environment": {
          "type": "remote",
          "sources": [
              {
                  "type": "skill_registry",
                  "source": "NEW_SKILL_RESOURCE_NAME",
                  "target": "/.agent/skills"
              }
          ],
          "network": {
              "allowlist": [
                  { "domain": "*" }
              ]
          }
      }
  }'

Python

Hinweis:Die Methode update ist im Python SDK noch nicht verfügbar. Verwenden Sie die REST API, um Agent-Skills zu aktualisieren.

JavaScript

Hinweis:Die Methode update ist noch nicht im JavaScript SDK verfügbar. Verwenden Sie die REST API, um Agent-Skills zu aktualisieren.

Skill aus Google Cloud Storage anhängen

Alternativ können Sie beim Erstellen des Agents benutzerdefinierte Skills direkt aus einem Google Cloud Storage-Bucket anhängen.

Beachten Sie die folgenden Anforderungen beim Einbinden von Skills aus Cloud Storage:

• Anforderungen für den Upload:Sie müssen den gesamten Skill-Ordner in den Bucket hochladen.
• Keine Inhaltsvalidierung:Das Backend validiert den Ordnerinhalt vor dem Mounten nicht. Es verhält sich wie bei einem normalen Ordner-Upload.
• Größenbeschränkungen:Für alle angehängten Dateien gelten die Arbeitsspeicherbeschränkungen der Sandbox-Umgebung (insgesamt bis zu 4 GiB RAM).
• Best Practices:Für eine optimale Skill-Qualität sollten Sie die Dateien in Ihrem Skill-Ordner gemäß den Konventionen auf agentskills.io/home strukturieren und vorbereiten.

So hängen Sie einen Skill aus Google Cloud Storage an:

REST

Anfragevariablen

Bevor Sie die API aufrufen, ersetzen Sie die folgenden Werte:

• PROJECT_ID: Ihre Google Cloud Projekt-ID
• LOCATION: Der regionale Standort des Agenten. Nur die Region global wird unterstützt.
• AGENT_ID: Ziel-Agent-ID.
• NEW_GCS_SOURCE_PATH: Der Google Cloud Storage-Bucket-Pfad, der Ihren Skill-Ordner enthält (z. B. gs://cymbal-bucket-name/my-skill-folder).

JSON-Text der Anfrage:

{
  "name": "AGENT_ID",
  "base_environment": {
    "type": "remote",
    "sources": [
      {
        "type": "gcs",
        "source": "NEW_GCS_SOURCE_PATH",
        "target": "/.agent/skills"
      }
    ],
    "network": {
      "allowlist": [
        { "domain": "*" }
      ]
    }
  }
}

Befehl curl

curl -X PATCH "https://aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/agents/AGENT_ID?update_mask=base_environment" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $(gcloud auth print-access-token)" \
  -d '{
      "name": "AGENT_ID",
      "base_environment": {
          "type": "remote",
          "sources": [
              {
                  "type": "gcs",
                  "source": "NEW_GCS_SOURCE_PATH",
                  "target": "/.agent/skills"
              }
          ],
          "network": {
              "allowlist": [
                  { "domain": "*" }
              ]
          }
      }
  }'

Python

Hinweis:Die Methode update ist im Python SDK noch nicht verfügbar. Verwenden Sie die REST API, um Agent-Skills zu aktualisieren.

JavaScript

Hinweis:Die Methode update ist noch nicht im JavaScript SDK verfügbar. Verwenden Sie die REST API, um Agent-Skills zu aktualisieren.

KI-Agent löschen

Wenn Sie eine bestimmte benutzerdefinierte Agent-Konfiguration löschen möchten, senden Sie eine DELETE-Anfrage. Dies ist ein Vorgang mit langer Ausführungszeit, bei dem die Konfiguration dauerhaft gelöscht wird.

Wenn Sie einen Agent löschen, geben Sie alle erforderlichen Informationen in der URL an und fügen Sie keinen JSON-Anfragetext ein.

REST

Anfragevariablen

Bevor Sie die API aufrufen, ersetzen Sie die folgenden Werte:

• PROJECT_ID: Ihre Google Cloud Projekt-ID
• LOCATION: Die Region des Agenten. Nur die Region global wird unterstützt.
• AGENT_ID: Die ID des Agenten, den Sie löschen.

HTTP-Methode und URL

DELETE https://aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/agents/AGENT_ID

Befehl curl

curl -X DELETE "https://aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/agents/AGENT_ID" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $(gcloud auth print-access-token)"

Beispielantwort

{
  "name": "projects/1234567890/locations/global/operations/234567890123",
  "metadata": {
    "@type": "type.googleapis.com/google.cloud.aiplatform.v1beta1.DeleteOperationMetadata",
    "genericMetadata": {
      "createTime": "2026-05-13T02:15:45.936287Z",
      "updateTime": "2026-05-13T02:15:45.936287Z"
    }
  },
  "done": true,
  "response": {
    "@type": "type.googleapis.com/google.protobuf.Empty"
  }
}

Python

Legen Sie vor dem Ausführen dieses Codes die auf dem Tab „REST“ beschriebenen Variablen fest.

from google import genai

client = genai.Client(
    vertexai=True,
    project="PROJECT_ID",
    location="global",
)

response = client.agents.delete(id="AGENT_ID")
print(response)

JavaScript

Legen Sie vor dem Ausführen dieses Codes die auf dem Tab „REST“ beschriebenen Variablen fest.

import { GoogleGenAI } from "@google/genai";

const client = new GoogleGenAI({
    vertexai: true,
    project: "PROJECT_ID",
    location: "global",
});

const response = await client.agents.delete("AGENT_ID");
console.log(response);

Details eines Vorgangs mit langer Ausführungszeit abrufen

Vorgänge wie CreateAgent, UpdateAgent und DeleteAgent sind asynchron. Die erste API-Antwort enthält das Feld name mit der Vorgangs-ID. Verwenden Sie GetOperation für diese ID, um den Fortschritt abzufragen.

REST

Anfragevariablen

Bevor Sie die API aufrufen, ersetzen Sie die folgenden Werte:

• PROJECT_ID: Ihre Google Cloud Projekt-ID
• LOCATION: Der regionale Standort des Vorgangs. Nur die Region global wird unterstützt.
• OPERATION_ID: Die Vorgangs-ID, die aus dem Feld name in der ursprünglichen LRO-Antwort extrahiert wurde.

HTTP-Methode und URL

GET https://aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/operations/OPERATION_ID

Befehl curl

curl -X GET "https://aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/operations/OPERATION_ID" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $(gcloud auth print-access-token)"

Python

Hinweis :Wenn Sie das Python SDK verwenden, geben Vorgänge wie agents.create() und agents.delete() das Endergebnis direkt zurück. Verwenden Sie client.agents.get(id="AGENT_ID"), um den Bereitstellungsstatus zu prüfen.

JavaScript

Hinweis :Wenn Sie das JavaScript SDK verwenden, geben Vorgänge wie agents.create() und agents.delete() das Endergebnis direkt zurück. Verwenden Sie client.agents.get("AGENT_ID"), um den Bereitstellungsstatus zu prüfen.

Netzwerkzugriff konfigurieren

Standardmäßig wird der Netzwerkzugriff in der Sandbox deaktiviert, wenn Sie Agents mit der Agents API erstellen. Wenn Sie unbeschränkten Zugriff zulassen möchten, verwenden Sie *.

Wenn Sie beispielsweise * in allowlist verwenden, wie im folgenden Code gezeigt, erhalten Sie Zugriff auf alle Domains:

"base_environment": {
    "type": "remote",
    "sources": [
        {
            "type": "skill_registry",
            "source": "SKILL_RESOURCE_NAME",
            "target": "./skills"
        }
    ],
    "network": {
        "allowlist": [{"domain": "*"}]
    }
}

Nächste Schritte

Leitfaden

Mit Agents interagieren

Hier erfahren Sie, wie Sie zur Laufzeit mit Agents interagieren, den Sitzungsstatus verwalten und Konfigurationen dynamisch überschreiben.