Développer et déployer des agents sur Agent Runtime

Développer et déployer des agents sur Agent Runtime

Agent Runtime vous permet d'héberger des agents développés avec différents frameworks. Ce document explique comment créer, déployer et tester un agent à l'aide de LangGraph, LangChain, AG2 ou LlamaIndex.

Ce guide de démarrage rapide vous guide tout au long des étapes suivantes :

• configurer votre Google Cloud projet ;
• installer le SDK Agent Platform pour Python et le framework de votre choix ;
• développer un agent de change ;
• déployer l'agent sur Agent Runtime ;
• tester l'agent déployé.

Pour obtenir le guide de démarrage rapide à l'aide d'Agent Development Kit (ADK), consultez Développer et déployer des agents sur Agent Platform avec Agent Development Kit.

Avant de commencer

Remarque : Pour activer des API, vous devez disposer de l'autorisation serviceusage.services.enable. Si vous ne disposez pas de cette autorisation, demandez à votre administrateur de vous accorder le rôle Administrateur de l'utilisation du service (roles/serviceusage.serviceUsageAdmin).

Connectez-vous à votre Google Cloud compte. Si vous n'avez jamais utilisé Google Cloud, créez un compte pour évaluer les performances de nos produits dans des scénarios réels. Les nouveaux clients bénéficient également de 300 $ de crédits sans frais pour exécuter, tester et déployer des charges de travail.

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 and Cloud Storage APIs.

Roles required to enable APIs

To enable APIs, you need the Service Usage Admin IAM role (roles/serviceusage.serviceUsageAdmin), which contains the serviceusage.services.enable permission. Learn how to grant roles.

Enable the APIs

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 and Cloud Storage APIs.

Roles required to enable APIs

To enable APIs, you need the Service Usage Admin IAM role (roles/serviceusage.serviceUsageAdmin), which contains the serviceusage.services.enable permission. Learn how to grant roles.

Enable the APIs

Pour obtenir les autorisations nécessaires pour utiliser Agent Runtime, demandez à votre administrateur de vous accorder les rôles IAM suivants sur votre projet :

• Utilisateur d'Agent Platform (roles/aiplatform.user)
• Administrateur Storage (roles/storage.admin)

Pour en savoir plus sur l'attribution de rôles, consultez la page Gérer l'accès aux projets, aux dossiers et aux organisations.

Vous pouvez également obtenir les autorisations requises avec des rôles personnalisés ou d'autres rôles prédéfinis.

Installer et initialiser le SDK Agent Platform pour Python

1. Exécutez la commande suivante pour installer le SDK Agent Platform pour Python et d'autres packages requis :

   LangGraph

   pip install --upgrade --quiet google-cloud-aiplatform[agent_engines,langchain]>=1.112

   LangChain

   pip install --upgrade --quiet google-cloud-aiplatform[agent_engines,langchain]>=1.112

   AG2

   pip install --upgrade --quiet google-cloud-aiplatform[agent_engines,ag2]>=1.112

   LlamaIndex

   Aperçu

   Cette fonctionnalité est soumise aux "Conditions des offres de pré-DG" de la section "Conditions générales du service" des Conditions spécifiques du service. Les fonctionnalités pré-DG sont disponibles "en l'état" et peuvent avoir une prise en charge limitée. Pour en savoir plus, consultez les descriptions des étapes de lancement.

   pip install --upgrade --quiet google-cloud-aiplatform[agent_engines,llama_index]>=1.112

2. S'authentifier en tant qu'utilisateur

   Colab

   Exécutez le code suivant :

   from google.colab import auth
   
   auth.authenticate_user(project_id="PROJECT_ID")
   

   Cloud Shell

   Aucune action n'est requise.

   Shell local

   Exécutez la commande suivante :

   gcloud auth application-default login

3. Exécutez le code suivant pour importer Agent Platform et initialiser le SDK :

   1. (Facultatif) Avant de tester un agent que vous développez, vous devez importer Agent Platform et initialiser le SDK comme suit :

      Projet Google Cloud

      import vertexai
      
      vertexai.init(
          project="PROJECT_ID",               # Your project ID.
          location="LOCATION",                # Your cloud region.
      )
      

      Où :

      • PROJECT_ID correspond à l' Google Cloud ID de projet sous lequel vous développez et déployez des agents.

      • LOCATION désigne l'une des régions compatibles.

   2. Avant de déployer un agent, vous devez importer Agent Platform et initialiser le SDK comme suit :

      Projet Google Cloud

      import vertexai
      
      client = vertexai.Client(
          project="PROJECT_ID",               # Your project ID.
          location="LOCATION",                # Your cloud region.
      )
      

      Où :

      • PROJECT_ID correspond à l' Google Cloud ID de projet sous lequel vous développez et déployez des agents.

      • LOCATION désigne l'une des régions compatibles.

Développer un agent

1. Développez un outil de change pour votre agent :

   def get_exchange_rate(
       currency_from: str = "USD",
       currency_to: str = "EUR",
       currency_date: str = "latest",
   ):
       """Retrieves the exchange rate between two currencies on a specified date."""
       import requests
   
       response = requests.get(
           f"https://api.frankfurter.app/{currency_date}",
           params={"from": currency_from, "to": currency_to},
       )
       return response.json()
   

2. Instanciez un agent :

   LangGraph

   from vertexai import agent_engines
   
   agent = agent_engines.LanggraphAgent(
       model="gemini-2.0-flash",
       tools=[get_exchange_rate],
       model_kwargs={
           "temperature": 0.28,
           "max_output_tokens": 1000,
           "top_p": 0.95,
       },
   )
   

   LangChain

   from vertexai import agent_engines
   
   agent = agent_engines.LangchainAgent(
       model="gemini-2.0-flash",
       tools=[get_exchange_rate],
       model_kwargs={
           "temperature": 0.28,
           "max_output_tokens": 1000,
           "top_p": 0.95,
       },
   )
   

   AG2

   from vertexai import agent_engines
   
   agent = agent_engines.AG2Agent(
       model="gemini-2.0-flash",
       runnable_name="Get Exchange Rate Agent",
       tools=[get_exchange_rate],
   )
   

   LlamaIndex

   Aperçu

   Cette fonctionnalité est soumise aux "Conditions des offres de pré-DG" de la section "Conditions générales du service" des Conditions spécifiques du service. Les fonctionnalités pré-DG sont disponibles "en l'état" et peuvent avoir une prise en charge limitée. Pour en savoir plus, consultez les descriptions des étapes de lancement.

   from vertexai.preview import reasoning_engines
   
   def runnable_with_tools_builder(model, runnable_kwargs=None, **kwargs):
       from llama_index.core.query_pipeline import QueryPipeline
       from llama_index.core.tools import FunctionTool
       from llama_index.core.agent import ReActAgent
   
       llama_index_tools = []
       for tool in runnable_kwargs.get("tools"):
           llama_index_tools.append(FunctionTool.from_defaults(tool))
       agent = ReActAgent.from_tools(llama_index_tools, llm=model, verbose=True)
       return QueryPipeline(modules = {"agent": agent})
   
   agent = reasoning_engines.LlamaIndexQueryPipelineAgent(
       model="gemini-2.0-flash",
       runnable_kwargs={"tools": [get_exchange_rate]},
       runnable_builder=runnable_with_tools_builder,
   )
   

3. Testez l'agent localement :

   LangGraph

   agent.query(input={"messages": [
       ("user", "What is the exchange rate from US dollars to SEK today?"),
   ]})
   

   LangChain

   agent.query(
       input="What is the exchange rate from US dollars to SEK today?"
   )
   

   AG2

   agent.query(
       input="What is the exchange rate from US dollars to SEK today?"
   )
   

   LlamaIndex

   Aperçu

   Cette fonctionnalité est soumise aux "Conditions des offres de pré-DG" de la section "Conditions générales du service" des Conditions spécifiques du service. Les fonctionnalités pré-DG sont disponibles "en l'état" et peuvent avoir une prise en charge limitée. Pour en savoir plus, consultez les descriptions des étapes de lancement.

   agent.query(
       input="What is the exchange rate from US dollars to SEK today?"
   )
   

Déployer un agent

Déployez l'agent en créant une reasoningEngine ressource dans Agent Platform :

LangGraph

remote_agent = client.agent_engines.create(
    agent,
    config={
        "requirements": ["google-cloud-aiplatform[agent_engines,langchain]"],
        "identity_type": types.IdentityType.AGENT_IDENTITY,
    },
)

LangChain

remote_agent = client.agent_engines.create(
    agent,
    config={
        "requirements": ["google-cloud-aiplatform[agent_engines,langchain]"],
        "identity_type": types.IdentityType.AGENT_IDENTITY,
    },
)

AG2

remote_agent = client.agent_engines.create(
    agent,
    config={
        "requirements": ["google-cloud-aiplatform[agent_engines,ag2]"],
        "identity_type": types.IdentityType.AGENT_IDENTITY,
    },
)

LlamaIndex

Aperçu

Cette fonctionnalité est soumise aux "Conditions des offres de pré-DG" de la section "Conditions générales du service" des Conditions spécifiques du service. Les fonctionnalités pré-DG sont disponibles "en l'état" et peuvent avoir une prise en charge limitée. Pour en savoir plus, consultez les descriptions des étapes de lancement.

remote_agent = client.agent_engines.create(
    agent,
    config={
        "requirements": ["google-cloud-aiplatform[agent_engines,llama_index]"],
        "identity_type": types.IdentityType.AGENT_IDENTITY,
    },
)

Utiliser un agent

Testez l'agent déployé en envoyant une requête :

LangGraph

remote_agent.query(input={"messages": [
    ("user", "What is the exchange rate from US dollars to SEK today?"),
]})

LangChain

remote_agent.query(
    input="What is the exchange rate from US dollars to SEK today?"
)

AG2

remote_agent.query(
    input="What is the exchange rate from US dollars to SEK today?"
)

LlamaIndex

Aperçu

Cette fonctionnalité est soumise aux "Conditions des offres de pré-DG" de la section "Conditions générales du service" des Conditions spécifiques du service. Les fonctionnalités pré-DG sont disponibles "en l'état" et peuvent avoir une prise en charge limitée. Pour en savoir plus, consultez les descriptions des étapes de lancement.

remote_agent.query(
    input="What is the exchange rate from US dollars to SEK today?"
)

Libérer de l'espace

Pour éviter que les ressources utilisées dans cette démonstration soient facturées sur votre Google Cloud compte pour les ressources utilisées sur cette page, procédez comme suit :

remote_agent.delete(force=True)

Étape suivante

Guide

Configurer Agent Platform Runtime

Configurez votre environnement pour utiliser Agent Platform Runtime.

Guide

Déployer des agents

Découvrez les cinq façons de déployer un agent sur Agent Platform Runtime en fonction de vos besoins de développement.

Guide

Gérer les agents déployés

Découvrez comment gérer les agents qui ont été déployés dans l'environnement d'exécution géré d'Agent Platform.

Guide

Utiliser un agent

Utilisez un agent avec Agent Platform Runtime.

Ressource

Obtenir de l'aide

Trouvez des ressources et de l'aide pour Google Agent Platform.