Agent Runtime

Agent Runtime è un runtime completamente gestito e basato su opinioni che puoi utilizzare per distribuire, gestire e scalare applicazioni basate su agenti. Agent Runtime astrae l'infrastruttura sottostante, consentendoti di concentrarti sulla logica dell'agente anziché sulle operazioni.

Agent Runtime ti consente di:

  • Esegui il deployment e scala gli agenti con un runtime gestito e funzionalità di gestione end-to-end.
  • Personalizza l'immagine container dell'agente con script di installazione in fase di compilazione per le dipendenze di sistema.
  • Utilizza funzionalità di sicurezza, tra cui la conformità a VPC-SC e la configurazione di autenticazione e IAM.
  • Accedi a modelli e strumenti come la chiamata di funzioni.
  • Esegui il deployment di agenti creati utilizzando lingue e framework diversi e il protocollo aperto Agent2Agent.

Crea ed esegui il deployment su Agent Runtime

Il flusso di lavoro per la creazione di un agente su Agent Runtime è il seguente:

  1. Configura l'ambiente: configura il tuo progetto Google e installa l'ultima versione dell'SDK Agent Platform per Python.
  2. Sviluppa un agente: sviluppa un agente che può essere implementato in Agent Runtime.
  3. Esegui il deployment dell'agente: esegui il deployment dell'agente nel runtime gestito di Agent Runtime.
  4. Utilizza l'agente: interroga l'agente inviando una richiesta API.
  5. Gestisci l'agente di cui è stato eseguito il deployment: gestisci ed elimina gli agenti di cui è stato eseguito il deployment in Agent Runtime.

Linguaggi e framework supportati

Agent Runtime supporta il deployment di agenti scritti in qualsiasi linguaggio di programmazione e framework di agenti, a condizione che l'applicazione agente possa essere containerizzata e sia conforme al contratto di runtime:

  • Da un'immagine container: se hai creato un'immagine container per il tuo agente, puoi eseguirne il deployment direttamente da Artifact Registry ad Agent Runtime. Per saperne di più, vedi Deployment da un'immagine container.

  • Da un Dockerfile: se hai un codice sorgente containerizzato, puoi fornire un Dockerfile con i tuoi file sorgente. Agent Runtime crea ed esegue il deployment dell'immagine container automaticamente. Per saperne di più, vedi Eseguire il deployment da un Dockerfile.

Per i linguaggi e i framework supportati, sono disponibili strumenti e SDK di livello superiore per semplificare l'implementazione. La tabella seguente descrive il livello di supporto fornito da Agent Runtime per vari framework di agenti:

Livello di assistenza Framework dell'agente
Modello personalizzato: puoi adattare un modello personalizzato per supportare il deployment in Agent Runtime dal tuo framework. Per il deployment di container personalizzati, consulta il contratto di runtime. CrewAI, framework personalizzati
Integrazione dell'SDK Agent Platform: Agent Runtime fornisce modelli gestiti per framework nell'SDK Agent Platform e nella documentazione. LangChain, LangGraph, AG2, LlamaIndex
Integrazione completa: le funzionalità sono integrate per funzionare nel framework, in Agent Runtime e nell'ecosistema Google Cloud più ampio. Agent Development Kit (ADK)
  • Python: esegui il deployment utilizzando la CLI adk.
  • Go: esegui il deployment utilizzando la CLI adkgo.

Esegui il deployment in produzione con Agents CLI

Agents CLI è l'interfaccia a riga di comando e il set di competenze unificati per Gemini Enterprise Agent Platform. Fornisce agli agenti di programmazione e agli sviluppatori un percorso prevedibile attraverso il ciclo di vita dello sviluppo degli agenti: impalcatura, valutazione, deployment, pubblicazione e osservazione. Agents CLI fornisce quanto segue:

  • Modelli di agenti predefiniti:ReAct, RAG, multi-agente e altri modelli.
  • Playground interattivo: testa e interagisci con il tuo agente.
  • Infrastruttura automatizzata: utilizza Terraform per una gestione semplificata delle risorse.
  • Pipeline CI/CD: workflow di deployment automatizzati che sfruttano Cloud Build.
  • Osservabilità: supporto integrato per Cloud Trace e Cloud Logging.

Per iniziare, consulta la guida rapida.

Casi d'uso

Per scoprire di più su Agent Runtime con esempi end-to-end, consulta le seguenti risorse:

Fai clic per espandere i casi d'uso

Caso d'uso Descrizione Link
Creare agenti connettendosi alle API pubbliche Convertire tra valute.

Crea una funzione che si connette a un'app di cambio valuta, consentendo al modello di fornire risposte accurate a query come "Qual è il tasso di cambio euro-dollaro oggi?"		 Notebook dell'SDK Agent Platform (Python) - Introduzione alla creazione e al deployment di un agente con Agent Runtime
Progettazione di un impianto solare comunitario.

Identifica le potenziali posizioni, cerca gli uffici governativi e i fornitori pertinenti e rivedi le immagini satellitari e il potenziale solare di regioni ed edifici per trovare la posizione ottimale per installare i pannelli solari.		 Notebook SDK Agent Platform (Python) - Creazione e deployment di un agente API di Google Maps con Agent Runtime
Creare agenti connettendosi ai database Integrazione con AlloyDB e Cloud SQL per PostgreSQL. Blog post - Annuncio di LangChain sulla Gemini Enterprise Agent Platform per AlloyDB e Cloud SQL per PostgreSQL

Notebook dell'SDK della Agent Platform (Python) - Deployment di un'applicazione RAG con Cloud SQL per PostgreSQL in Agent Runtime

Notebook dell'SDK della Agent Platform (Python) - Deployment di un'applicazione RAG con AlloyDB per PostgreSQL in Agent Runtime
Crea agenti con strumenti che accedono ai dati nel tuo database. Blocco note dell'SDK Agent Platform (Python) - Deployment di un agente con Agent Runtime e MCP Toolbox for Databases
Esegui query e comprendi i datastore strutturati utilizzando il linguaggio naturale. Notebook SDK Agent Platform (Python) - Building a Conversational Search Agent with Agent Runtime and RAG on Agent Search
Esegui query e comprendi i database grafici utilizzando il linguaggio naturale Post del blog: GraphRAG di AI generativa e agenti AI che utilizzano Agent Runtime con LangChain e Neo4j
Esegui query e comprendi gli spazi vettoriali utilizzando il linguaggio naturale Post del blog: Semplifica la RAG di GenAI con MongoDB Atlas e Agent Runtime
Crea agenti con Agent Development Kit Crea ed esegui il deployment di agenti utilizzando Agent Development Kit. Agent Development Kit - Esegui il deployment in Agent Runtime
Crea agenti con framework OSS Crea ed esegui il deployment di agenti utilizzando il framework open source OneTwo. Post del blog - OneTwo e Agent Runtime: esplorare lo sviluppo avanzato di agenti AI su Google Cloud
Crea ed esegui il deployment di agenti utilizzando il framework open source LangGraph. Blocco note dell'SDK Agent Platform (Python) - Creazione e deployment di un'applicazione LangGraph con Agent Runtime
Debug e ottimizzazione degli agenti Crea e traccia agenti utilizzando OpenTelemetry e Cloud Trace. Notebook dell'SDK Agent Platform (Python) - Debug e ottimizzazione degli agenti: una guida al tracciamento in Agent Runtime
Crea sistemi multi-agente con il protocollo A2A (anteprima) Crea agenti interoperabili che comunicano e collaborano con altri agenti indipendentemente dal loro framework. Per saperne di più, consulta la documentazione del protocollo A2A.

Aree geografiche supportate

Consulta Località per un elenco delle regioni supportate per Agent Runtime.

Quota

Consulta Quote e limiti di sistema per informazioni sulle quote di Agent Runtime.

Prezzi

È disponibile un livello senza costi per Agent Runtime. Per informazioni sui prezzi di Agent Runtime, consulta la pagina Prezzi di Gemini Enterprise Agent Platform.

Migrazione all'SDK basato su client

Nella versione 2.0.1 dell'SDK Agent Platform, il modulo agent_engines è stato refactoring e rinominato in singoli moduli (come runtimes, sessions, sandboxes e memory_banks) nel pacchetto autonomo google-cloud-agentplatform (agentplatform). L'SDK adotta un design basato sul client per i seguenti motivi principali:

  • Per allinearsi all'Agent Development Kit (ADK) e all'SDK Google Gen AI (google-genai) nelle rappresentazioni dei tipi canonici. Ciò garantisce un modo coerente e standardizzato di rappresentare i tipi di dati in diversi SDK, il che semplifica l'interoperabilità e riduce il sovraccarico di conversione.
  • Per la definizione dell'ambito a livello di cliente dei parametri Google Cloud nelle applicazioni multiprogetto e multisede. Ciò consente a un'applicazione di gestire le interazioni con le risorse in diversi Google Cloud progetti e località geografiche configurando ogni istanza client (client = agentplatform.Client(project=..., location=...)) con le impostazioni specifiche di progetto e località.
  • Per migliorare la rilevabilità e la coesione dei servizi Gemini Enterprise Agent Platform (client.runtimes, client.sessions, client.sandboxes e client.memory_banks).
  • Per fornire un pacchetto leggero e disaccoppiato (google-cloud-agentplatform) personalizzato per i carichi di lavoro degli agenti durante la migrazione dei moduli di AI generativa all'SDK Google Gen AI (google-genai).

Per istruzioni dettagliate sulla migrazione alla nuova struttura dell'SDK, consulta le seguenti guide:

Passaggi successivi

Guida

Configura l'ambiente per utilizzare Agent Platform Runtime.

Risorsa

Ricevi assistenza per lo sviluppo di Agent Platform.