agent_engines dalam Vertex AI SDK for Python telah difaktorkan ulang ke
desain berbasis klien.
Halaman ini menjelaskan perubahan utama pada modul dan cara memigrasikan kode yang ada ke desain berbasis klien.
Untuk mengetahui informasi umum tentang Agent Runtime, lihat Ringkasan.
Perubahan penting
Pada tingkat tinggi, parameter klien layanan diinisialisasi per klien, dan klien berisi modul yang relevan untuk interaksi layanan. Yaitu:
import vertexai
from vertexai import agent_engines
vertexai.init(project=GCP_PROJECT, location=GCP_REGION)
agent_engines.create(...)
diganti dengan
import vertexai
# Mandatory for cross-project deployment and for use of the framework-specific templates.
vertexai.init(project=GCP_PROJECT, location=GCP_REGION)
client = vertexai.Client(project=GCP_PROJECT, location=GCP_REGION)
client.agent_engines.create(...)
Namespace berikut untuk Agent Runtime di Vertex AI SDK berada dalam fase penghentian. Gunakan namespace yang setara dari Vertex AI SDK berbasis klien, yang memiliki paritas fitur lengkap dengan modul dan paket yang tidak digunakan lagi.
| Namespace Vertex AI SDK | Kode yang terpengaruh | Penggantian Vertex AI SDK berbasis klien |
|---|---|---|
vertexai.agent_engines |
Metode yang terpengaruh:
|
Penggantian:
|
client.agent_engines |
Metode yang terpengaruh:
|
Penggantian:
|
Bermigrasi ke desain berbasis klien
Bagian ini berisi cuplikan kode yang menunjukkan cara memigrasikan kode Agent Runtime yang ada ke desain berbasis klien. Catatan: Contoh ini dapat menghilangkan impor, dependensi, dan kode boilerplate lainnya untuk meningkatkan keterbacaan.
Membuat instance Agent Runtime
Sebelum
import vertexai
from vertexai import agent_engines
vertexai.init(
project=PROJECT,
location=LOCATION,
staging_bucket=STAGING_BUCKET,
)
agent_engines.create(
local_agent,
requirements=REQUIREMENTS,
extra_packages=EXTRA_PACKAGES,
# ...
)
Setelah
import vertexai
client = vertexai.Client(
project=PROJECT,
location=LOCATION,
)
client.agent_engines.create(
agent=local_agent,
config={
"staging_bucket": STAGING_BUCKET,
"requirements": REQUIREMENTS,
"extra_packages": EXTRA_PACKAGES,
# ...
},
)
Mengupdate instance Agent Runtime
Sebelum
import vertexai
from vertexai import agent_engines
vertexai.init(
project=PROJECT,
location=LOCATION,
staging_bucket=STAGING_BUCKET,
)
agent_engines.update(
resource_name,
agent_engine=local_agent,
requirements=REQUIREMENTS,
extra_packages=EXTRA_PACKAGES,
# ...
)
Setelah
import vertexai
client = vertexai.Client(
project=PROJECT,
location=LOCATION,
)
client.agent_engines.update(
name=resource_name,
agent=local_agent,
config={
"staging_bucket": STAGING_BUCKET,
"requirements": REQUIREMENTS,
"extra_packages": EXTRA_PACKAGES,
# ...
},
)
Mendapatkan instance Agent Runtime
Sebelum
import vertexai
from vertexai import agent_engines
vertexai.init(
project=PROJECT,
location=LOCATION,
)
agent_engine = agent_engines.get(resource_name)
Setelah
import vertexai
client = vertexai.Client(
project=PROJECT,
location=LOCATION,
)
agent_engine = client.agent_engines.get(name=resource_name)
Mencantumkan instance Agent Runtime
Sebelum
import vertexai
from vertexai import agent_engines
vertexai.init(
project=PROJECT,
location=LOCATION,
)
agent_engine = agent_engines.list()
Setelah
import vertexai
client = vertexai.Client(
project=PROJECT,
location=LOCATION,
)
agent_engine = client.agent_engines.list()
Menghapus instance Agent Runtime
Sebelum
agent_engine.delete(
force=True, # Optional
)
Atau,
py
import vertexai
from vertexai import agent_engines
vertexai.init(
project=PROJECT,
location=LOCATION,
)
agent_engine = agent_engines.delete(
resource_name, # Required.
force=True, # Optional
)
Setelah
agent_engine.delete(
force=True, # Optional.
)
Atau,
py
import vertexai
client = vertexai.Client(
project=PROJECT,
location=LOCATION,
)
agent_engine = client.agent_engines.delete(
name=resource_name, # Required.
force=True, # Optional.
)