Berinteraksi dengan agen

Produk ini adalah penawaran Pra-GA, yang tunduk pada "Persyaratan Penawaran Pra-GA" di bagian Persyaratan Layanan Umum dari Persyaratan Khusus Layanan, persyaratan "Layanan AI Agentic" dalam Persyaratan Khusus Layanan, dan Persyaratan Tambahan untuk Produk Pratinjau AI Generatif. Produk dan fitur pra-GA mungkin memiliki dukungan terbatas, dan perubahan pada produk serta fitur pra-GA mungkin tidak kompatibel dengan versi pra-GA lainnya. Untuk mengetahui informasi selengkapnya, lihat deskripsi tahap peluncuran.

Produk Pra-GA ini berada dalam berbagai tahap pengujian dan peninjauan internal. Oleh karena itu, jangan gunakan data eksklusif, sensitif, atau rahasia lainnya dengan produk ini. Produk ini tersedia untuk Pelanggan hanya untuk pengujian dan evaluasi terbatas, dan Anda tidak boleh menggunakannya untuk tujuan komersial atau produksi.

Untuk melihat contoh interaksi dengan agen, jalankan notebook "Introduction to Managed Agents in Python" di salah satu lingkungan berikut:

Buka di Colab | Buka di Colab Enterprise | Buka di Agent Platform Workbench | Lihat di GitHub

Panduan ini menjelaskan cara berinteraksi dengan agen yang di-deploy di Managed Agents API di Agent Platform menggunakan Interactions API. Anda akan mempelajari cara berinteraksi dengan agen kustom yang dibuat menggunakan Agents API dan agen dasar Antigravity bawaan, termasuk mengonfigurasinya secara dinamis. Panduan ini juga menjelaskan cara mengelola dan menggunakan kembali lingkungan sandbox dengan ID lingkungan (env_id) dan mengganti konfigurasi secara dinamis, misalnya server Model Context Protocol (MCP), selama interaksi.

Untuk mengetahui informasi selengkapnya tentang API, lihat dokumentasi referensi Interaction API.

Catatan: Penggunaan model selama pratinjau ditagih dengan tarif standar. Untuk mengetahui informasi selengkapnya, lihat halaman harga.

Sebelum memulai

Sebelum memulai interaksi dengan agen, siapkan lingkungan Anda:

Login ke akun Google Cloud Anda. Jika Anda baru menggunakan Google Cloud, buat akun untuk mengevaluasi performa produk kami dalam skenario dunia nyata. Pelanggan baru juga mendapatkan kredit gratis senilai $300 untuk menjalankan, menguji, dan men-deploy workload.
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 Gemini Enterprise Agent Platform API, if it is not already enabled.
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 Gemini Enterprise Agent Platform API, if it is not already enabled.

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. Jika agen Anda menggunakan alat Google Cloud Model Context Protocol (MCP), berikan peran MCP Tool User (roles/mcp.toolUser) ke akun pengguna Anda dan akun layanan terkait.

Berinteraksi dengan agen Antigravity

Cara termudah untuk menggunakan Managed Agents API di Agent Platform adalah dengan berinteraksi langsung dengan agen dasar Antigravity pihak pertama. Anda tidak perlu membuat resource agen kustom; Anda dapat memanggil agen dengan cepat.

Untuk memulai interaksi, tentukan target agen dasar, seperti antigravity-preview-05-2026 (atau varian pratinjau terbaru), dan minta lingkungan jarak jauh secara langsung:

REST

Variabel permintaan

Sebelum memanggil API, ganti variabel berikut:

• PROJECT_ID: Project ID Google Cloud Anda.
• LOCATION: Lokasi regional untuk interaksi Anda. Hanya region global yang didukung.

Metode HTTP dan URL

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

Isi JSON permintaan

{
  "stream": true,
  "background": true,
  "store": true,
  "agent": "antigravity-preview-05-2026",
  "environment": {
    "type": "remote"
  },
  "input": [
    {
      "type": "user_input",
      "content": [
        {
          "type": "text",
          "text": "Who are you, can you execute python code? Show me an example."
        }
      ]
    }
  ]
}

curl perintah

curl -X POST "https://aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/interactions" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $(gcloud auth print-access-token)" \
  -H "Api-Revision: 2026-05-20" \
  -d '{
      "stream": true,
      "background": true,
      "store": true,
      "agent": "antigravity-preview-05-2026",
      "environment": {"type": "remote"},
      "input": [
          {
              "type": "user_input",
              "content": [
                  {
                      "type": "text",
                      "text": "Who are you, can you execute python code? Show me an example."
                  }
              ]
          }
      ]
  }'

Contoh respons

Setelah interaksi awal, layanan akan menampilkan respons streaming. interaction.id dan environment_id, yang disertakan dalam data interaction.complete, dapat digunakan dalam panggilan berikutnya untuk mempertahankan status sesi. interaction.id digunakan untuk melanjutkan histori percakapan, sedangkan environment_id memungkinkan penggunaan kembali lingkungan sandbox yang sama. Untuk mengetahui informasi selengkapnya, lihat Mengelola status sesi.

event: interaction.complete
data: {
  "interaction": {
    "id": "1234567890",
    "status": "completed",
    "usage": {
      "total_tokens": 51132,
      "total_input_tokens": 48984,
      "input_tokens_by_modality": [
        {
          "modality": "text",
          "tokens": 48984
        }
      ],
      "total_output_tokens": 769,
      "output_tokens_by_modality": [
        {
          "modality": "text",
          "tokens": 769
        }
      ],
      "total_thought_tokens": 1379
    },
    "created": "2026-05-15T22:26:05Z",
    "updated": "2026-05-15T22:26:05Z",
    "environment_id": "env_CAE1234567890",
    "object": "interaction"
  },
  "event_type": "interaction.complete"
}

Python

Sebelum menjalankan kode ini, tetapkan variabel yang dijelaskan di tab REST.

from google import genai

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

stream = client.interactions.create(
    agent="antigravity-preview-05-2026",
    input="Who are you, can you execute python code? Show me an example.",
    environment={"type": "remote"},
    stream=True,
    background=True,
    store=True,
)

for event in stream:
    print(event)

Respons streaming menghasilkan objek InteractionSSEEvent. Peristiwa interaction.complete terakhir berisi environment_id dan id interaksi, yang dapat Anda gunakan kembali dalam panggilan berikutnya untuk mempertahankan status sesi dan histori percakapan. Untuk mengetahui informasi selengkapnya, lihat Mengelola status sesi.

JavaScript

Sebelum menjalankan kode ini, tetapkan variabel yang dijelaskan di tab REST.

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

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

const stream = await client.interactions.create({
    agent: "antigravity-preview-05-2026",
    input: "Who are you, can you execute python code? Show me an example.",
    environment: { type: "remote" },
    stream: true,
    background: true,
    store: true,
});

for await (const event of stream) {
    console.log(event);
}

Respons streaming menghasilkan objek peristiwa. Peristiwa interaction.complete terakhir berisi environment_id dan id interaksi, yang dapat Anda gunakan kembali dalam panggilan berikutnya untuk mempertahankan status sesi dan histori percakapan. Untuk mengetahui informasi selengkapnya, lihat Mengelola status sesi.

Berinteraksi dengan agen kustom yang dibuat menggunakan Agents API

Untuk berinteraksi dengan agen kustom yang dibuat seperti yang dijelaskan dalam Membuat dan mengelola agen, Anda harus menentukannya menggunakan ID agennya.

Untuk informasi selengkapnya tentang cara mengambil atau mencantumkan agen kustom untuk menemukan ID-nya, lihat Mencantumkan agen.

Catatan: Layanan tidak melakukan pra-penyediaan resource komputasi saat Anda membuat konfigurasi agen kustom. Sebagai gantinya, konfigurasi berfungsi sebagai blueprint. Layanan ini menyediakan container yang sebenarnya sesuai permintaan saat Anda pertama kali memanggil Interactions API.

Konfigurasi dan inisialisasi lingkungan

Saat berinteraksi dengan agen kustom:

• Perilaku default: Jika Anda membuat agen dengan lingkungan default, tentukan AGENT_ID dalam permintaan Anda.

• Tentukan lingkungan secara eksplisit: Jika Anda tidak menentukan konfigurasi lingkungan saat membuat agen, Anda harus menentukan lingkungan secara eksplisit di blok environment permintaan interaksi awal Anda.

  Contoh:

  "environment": {"type": "remote"}
  

Anda dapat mengonfigurasi fitur secara dinamis di lingkungan sandbox selama panggilan API interaksi awal untuk memenuhi persyaratan tugas tertentu. Contoh:

• Melampirkan skill menggunakan Cloud Storage: Lampirkan bucket Cloud Storage untuk memuat volume data besar atau direktori file persisten ke dalam sistem file container.

• Lampirkan keterampilan menggunakan Skill Registry: Berikan daftar alat kustom, skrip, atau keterampilan agen yang telah dipaketkan sebelumnya untuk menyediakan kemampuan fungsional tertentu atau alur kerja runtime Anda. Lihat Registry Keahlian.

Untuk mengetahui daftar struktur konfigurasi lingkungan dan contoh cara mempertahankan status percakapan multi-turn, lihat Mengelola status sesi dengan ID lingkungan.

Mengirim interaksi ke agen kustom

Kirim interaksi ke agen kustom Anda dengan menentukan ID agen:

REST

Variabel permintaan

Sebelum memanggil API, ganti variabel berikut:

• PROJECT_ID: Project ID Google Cloud Anda.
• LOCATION: Hanya region global yang didukung.
• AGENT_ID: ID kustom resource agen terdaftar Anda. Untuk mengetahui informasi selengkapnya tentang cara mengambil atau mencantumkan agen kustom untuk menemukan ID-nya, lihat Mencantumkan agen.

Metode HTTP dan URL

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

Isi JSON permintaan

{
  "stream": true,
  "background": true,
  "store": true,
  "agent": "AGENT_ID",
  "input": [
    {
      "type": "user_input",
      "content": [
        {
          "type": "text",
          "text": "Tell me the name of python packages used for data analysis."
        }
      ]
    }
  ]
}

curl perintah

curl -X POST "https://aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/interactions" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $(gcloud auth print-access-token)" \
  -H "Api-Revision: 2026-05-20" \
  -d '{
      "stream": true,
      "background": true,
      "store": true,
      "agent": "AGENT_ID",
      "input": [
          {
              "type": "user_input",
              "content": [
                  {
                      "type": "text",
                      "text": "Tell me the name of python packages used for data analysis."
                  }
              ]
          }
      ]
  }'

Contoh Respons

Setelah interaksi awal, layanan akan menampilkan respons streaming. interaction.id dan environment_id, yang disertakan dalam data interaction.complete, dapat digunakan dalam panggilan berikutnya untuk mempertahankan status sesi. interaction.id digunakan untuk melanjutkan histori percakapan, sedangkan environment_id memungkinkan penggunaan kembali lingkungan sandbox yang sama. Untuk mengetahui informasi selengkapnya, lihat Mengelola status sesi.

data: {
  "interaction": {
    "id": "1234567890",
    "status": "completed",
    "usage": {
      "total_tokens": 7558,
      "total_input_tokens": 6822,
      "input_tokens_by_modality": [
        {
          "modality": "text",
          "tokens": 6822
        }
      ],
      "total_output_tokens": 278,
      "output_tokens_by_modality": [
        {
          "modality": "text",
          "tokens": 278
        }
      ],
      "total_thought_tokens": 458
    },
    "created": "2026-05-15T22:38:56Z",
    "updated": "2026-05-15T22:38:56Z",
    "environment_id": "env_CAE1234567890",
    "object": "interaction"
  },
  "event_type": "interaction.complete"
}

Python

Sebelum menjalankan kode ini, tetapkan variabel yang dijelaskan di tab REST.

from google import genai

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

stream = client.interactions.create(
    agent="AGENT_ID",
    input="Tell me the name of python packages used for data analysis.",
    stream=True,
    background=True,
    store=True,
)

for event in stream:
    print(event)

JavaScript

Sebelum menjalankan kode ini, tetapkan variabel yang dijelaskan di tab REST.

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

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

const stream = await client.interactions.create({
    agent: "AGENT_ID",
    input: "Tell me the name of python packages used for data analysis.",
    stream: true,
    background: true,
    store: true,
});

for await (const event of stream) {
    console.log(event);
}

Mengelola status sesi dan interaksi multi-turn

Secara default, interaksi bersifat stateless kecuali jika Anda menargetkan container lingkungan atau histori percakapan tertentu. Dalam alur asisten multi-turn, Anda dapat mempertahankan file lokal, konteks eksekusi kode, modifikasi sistem, library software open source yang diinstal saat runtime, dan histori percakapan di seluruh percakapan:

• Untuk melanjutkan percakapan: Teruskan ID dari interaksi sebelumnya ke parameter previous_interaction_id.
• Untuk terus menggunakan lingkungan yang dibuat: Teruskan ID lingkungan yang ditampilkan dari interaksi sebelumnya ke parameter environment.

Catatan: Sangat disarankan untuk menggunakan kembali lingkungan menggunakan ID lingkungan (environment) untuk mengurangi latensi penyediaan. Lingkungan kustom memiliki time to live (TTL) standar selama 7 hari, dan setiap interaksi baru yang merujuk ke lingkungan tersebut akan otomatis mereset timer ini untuk memastikan sandbox yang aktif tetap beroperasi. Untuk mengetahui detail selengkapnya tentang setelan sandbox dan library yang telah diinstal sebelumnya, lihat Referensi lingkungan sandbox.

Anda dapat memilih konfigurasi lingkungan utama menggunakan parameter berikut di kolom environment:

Struktur JSON	Deskripsi
"environment": {"type": "remote"}	Menyediakan lingkungan sandbox standar yang baru. Gunakan opsi ini selama interaksi awal.
"environment": "env_CAEQ..."	Menggunakan kembali container sandbox persisten yang ada, dengan mempertahankan semua library, skrip, file, dan status yang terkait dengan ID lingkungan ini.
"environment": {"type": "remote", "sources": [{"type": "gcs", "source": "gs://YOUR_BUCKET/YOUR_FILE", "target": "YOUR_TARGET_PATH"}]}	Menyediakan sandbox jarak jauh baru dan memuatnya terlebih dahulu dengan keterampilan atau file kustom dari `sources` yang ditentukan, seperti yang disimpan di Cloud Storage.

Untuk mengirim permintaan interaksi berikutnya yang menggunakan kembali container sandbox yang sama dan melanjutkan percakapan, teruskan environment_id yang ditampilkan di kolom environment dan tentukan previous_interaction_id. Contoh berikut menunjukkan cara melanjutkan sesi stateful saat berinteraksi dengan agen.

REST

Variabel permintaan

Sebelum memanggil API, ganti variabel berikut:

• PROJECT_ID: Project ID Google Cloud Anda.
• LOCATION: Hanya region global yang didukung.
• AGENT_ID: ID kustom resource agen terdaftar Anda (atau antigravity-preview-05-2026).
• PREVIOUS_INTERACTION_ID: ID interaksi yang ditampilkan dari interaksi sebelumnya.
• ENV_ID: ID lingkungan yang ditampilkan dari interaksi sebelumnya.

Metode HTTP dan URL

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

Isi JSON permintaan

{
  "stream": true,
  "background": true,
  "store": true,
  "agent": "AGENT_ID",
  "previous_interaction_id": "PREVIOUS_INTERACTION_ID",
  "environment": "ENV_ID",
  "input": [
    {
      "type": "user_input",
      "content": [
        {
          "type": "text",
          "text": "What did I ask you before and what did you do?"
        }
      ]
    }
  ]
}

curl perintah

curl -X POST "https://aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/interactions" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $(gcloud auth print-access-token)" \
  -H "Api-Revision: 2026-05-20" \
  -d '{
      "stream": true,
      "background": true,
      "store": true,
      "agent": "AGENT_ID",
      "previous_interaction_id": "PREVIOUS_INTERACTION_ID",
      "environment": "ENV_ID",
      "input": [
          {
              "type": "user_input",
              "content": [
                  {
                      "type": "text",
                      "text": "What did I ask you before and what did you do?"
                  }
              ]
          }
      ]
  }'

Python

Sebelum menjalankan kode ini, tetapkan variabel yang dijelaskan di tab REST.

from google import genai

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

stream = client.interactions.create(
    agent="AGENT_ID",
    input="What did I ask you before and what did you do?",
    previous_interaction_id="PREVIOUS_INTERACTION_ID",
    environment="ENV_ID",
    stream=True,
    background=True,
    store=True,
)

for event in stream:
    print(event)

Di Python SDK, teruskan string environment_id secara langsung sebagai parameter environment untuk menggunakan kembali container sandbox yang ada. Gunakan previous_interaction_id untuk melanjutkan histori percakapan.

JavaScript

Sebelum menjalankan kode ini, tetapkan variabel yang dijelaskan di tab REST.

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

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

const stream = await client.interactions.create({
    agent: "AGENT_ID",
    input: "What did I ask you before and what did you do?",
    previous_interaction_id: "PREVIOUS_INTERACTION_ID",
    environment: "ENV_ID",
    stream: true,
    background: true,
    store: true,
});

for await (const event of stream) {
    console.log(event);
}

Di JavaScript SDK, teruskan string environment_id secara langsung sebagai parameter environment untuk menggunakan kembali penampung sandbox yang ada. Gunakan previous_interaction_id untuk melanjutkan histori percakapan.

Mengganti konfigurasi selama interaksi

Meskipun definisi agen kustom biasanya menyertakan konfigurasi default untuk alat, keterampilan, dan koneksi pihak ketiga, Anda dapat menyesuaikan definisi ini secara dinamis berdasarkan interaksi tanpa mengubah konfigurasi resource agen yang mendasarinya.

Kasus penggunaan yang umum adalah mengganti koneksi ke server Model Context Protocol (MCP) secara dinamis saat runtime. Setiap alat atau server MCP yang ditentukan dalam isi permintaan interaksi akan sepenuhnya menggantikan alat yang telah dikonfigurasi sebelumnya pada agen selama giliran interaksi tersebut.

Untuk mengganti atau menentukan server MCP pada waktu interaksi, tambahkan alat jenis mcp_server di dalam daftar tools permintaan interaksi Anda:

REST

Variabel permintaan

Sebelum memanggil API, ganti variabel berikut:

• PROJECT_ID: Project ID Google Cloud Anda.
• LOCATION: Lokasi untuk interaksi Anda. Hanya region global yang didukung.
• AGENT_ID: ID kustom resource agen Anda.
• MCP_SERVER_URL: URL gateway HTTP jarak jauh dari server MCP baru.
• MCP_SERVER_NAME: Label deskriptif untuk domain host MCP target.
• MCP_HEADER_KEY: Opsional. Nama kunci header (misalnya, Authorization).
• MCP_HEADER_VALUE: Opsional. Nilai kredensial (misalnya, Bearer <token>).

Metode HTTP dan URL

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

Isi JSON permintaan

{
  "stream": true,
  "background": true,
  "store": true,
  "agent": "agents/AGENT_ID",
  "input": [
    {
      "type": "user_input",
      "content": [
        {
          "type": "text",
          "text": "Analyze our database and summarize recent purchase events."
        }
      ]
    }
  ],
  "tools": [
    {
      "type": "mcp_server",
      "url": "MCP_SERVER_URL",
      "name": "MCP_SERVER_NAME",
      "headers": {
        "MCP_HEADER_KEY": "MCP_HEADER_VALUE"
      }
    }
  ]
}

curl perintah

curl -X POST "https://aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/interactions" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $(gcloud auth print-access-token)" \
  -H "Api-Revision: 2026-05-20" \
  -d '{
     "stream": true,
     "background": true,
     "store": true,
     "agent": "agents/AGENT_ID",
     "input": [
         {
             "type": "user_input",
             "content": [
                 {
                     "type": "text",
                     "text": "Analyze our database and summarize recent purchase events."
                 }
             ]
         }
     ],
     "tools": [
         {
             "type": "mcp_server",
             "url": "MCP_SERVER_URL",
             "name": "MCP_SERVER_NAME",
             "headers": {
                 "MCP_HEADER_KEY": "MCP_HEADER_VALUE"
             }
         }
     ]
  }'

Python

Sebelum menjalankan kode ini, tetapkan variabel yang dijelaskan di tab REST.

from google import genai

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

stream = client.interactions.create(
    agent="AGENT_ID",
    input="Analyze our database and summarize recent purchase events.",
    tools=[
        {
            "type": "mcp_server",
            "url": "MCP_SERVER_URL",
            "name": "MCP_SERVER_NAME",
            "headers": {
                "MCP_HEADER_KEY": "MCP_HEADER_VALUE"
            },
        }
    ],
    stream=True,
    background=True,
    store=True,
)

for event in stream:
    print(event)

JavaScript

Sebelum menjalankan kode ini, tetapkan variabel yang dijelaskan di tab REST.

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

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

const stream = await client.interactions.create({
    agent: "AGENT_ID",
    input: "Analyze our database and summarize recent purchase events.",
    tools: [
        {
            type: "mcp_server",
            url: "MCP_SERVER_URL",
            name: "MCP_SERVER_NAME",
            headers: {
                "MCP_HEADER_KEY": "MCP_HEADER_VALUE",
            },
        },
    ],
    stream: true,
    background: true,
    store: true,
});

for await (const event of stream) {
    console.log(event);
}

Langkah berikutnya

Ringkasan

Ringkasan Managed Agents API di Agent Platform

Pelajari Managed Agents API di Agent Platform, lingkungan berbasis konfigurasi dan mengutamakan REST untuk membangun agen otonom.

Referensi

Managed Agents API di lingkungan sandbox Agent Platform

Pelajari container sandbox yang terisolasi, izin, dan paket/alat yang telah diinstal sebelumnya.