O Agent Runtime é um ambiente de execução totalmente gerenciado e opinativo que pode ser usado para implantar, operar e escalonar aplicativos agênticos. O Agent Runtime abstrai a infraestrutura subjacente, permitindo que você se concentre na lógica do agente em vez de operações.
O Agent Runtime permite que você faça o seguinte:
- Implante e escalone agentes com um ambiente de execução gerenciado e recursos de gerenciamento completos.
- Personalize a imagem de contêiner do agente com scripts de instalação no momento da criação para dependências do sistema.
- Use recursos de segurança, incluindo o compliance com o VPC-SC, configuração de autenticação e o IAM.
- Acesse modelos e ferramentas com chamadas de função.
- Implante agentes criados usando diferentes frameworks do Python e o protocolo aberto Agent2Agent.
Criar e implantar no Agent Runtime
O fluxo de trabalho para criar um agente no Agent Runtime é:
- Configurar o ambiente: configure seu projeto do Google e instale a versão mais recente do SDK da Agent Platform para Python.
- **Desenvolver um agente**: Desenvolver um agente que possa ser implantado no Agent Runtime.
- Implantar o agente: Implante o agente no ambiente de execução gerenciado do Agent Runtime.
- Usar o agente: consulte o agente enviando uma solicitação de API.
- Gerenciar o agente implantado: gerencie e exclua os agentes que você implantou no Agent Runtime.
Frameworks com suporte
A tabela a seguir descreve o nível de suporte que o Agent Runtime oferece para vários frameworks de agentes:
| Nível de suporte | Frameworks de agentes |
|---|---|
| Modelo personalizado: é possível adaptar um modelo personalizado para oferecer suporte a implantação no Agent Runtime do seu framework. Para implantar contêineres personalizados, consulte o contrato do ambiente de execução. | CrewAI, frameworks personalizados |
| Integração do SDK da Agent Platform: o Agent Runtime fornece modelos gerenciados por framework no SDK da Agent Platform e na documentação. | LangChain, LangGraph, AG2, LlamaIndex |
| Integração completa: os recursos são integrados para funcionar no framework, no Agent Runtime e no ecossistema mais amplo Google Cloud . | Kit de Desenvolvimento de Agente (ADK) |
Implantar na produção com a Agents CLI
A Agents CLI é a interface de linha de comando unificada e o conjunto de capacidades da Gemini Enterprise Agent Platform. Ela oferece aos agentes de programação e desenvolvedores um caminho previsível pelo ciclo de vida de desenvolvimento de agentes: scaffold, avaliar, implantar, publicar e observar. A Agents CLI oferece o seguinte:
- Modelos de agentes pré-criados:ReAct, RAG, multiagente e outros modelos.
- Playground interativo: teste e interaja com seu agente.
- Infraestrutura automatizada: usa o Terraform para gerenciamento de recursos simplificado.
- Pipelines de CI/CD: fluxos de trabalho de implantação automatizados que aproveitam o Cloud Build.
- Observabilidade: suporte integrado para o Cloud Trace e o Cloud Logging.
Para começar, consulte o Guia de início rápido.
Casos de uso
Para saber mais sobre o Agent Runtime com exemplos completos, consulte os seguintes recursos:
Clique para expandir os casos de uso
| Caso de uso | Descrição | Links | |
|---|---|---|---|
| Criar agentes conectando-se a APIs públicas | Converta entre moedas. Criar uma função que se conecta a um app de câmbio de moedas, permitindo ao modelo fornecer respostas precisas a consultas como "Qual é a taxa de câmbio de reais para dólares hoje?" |
Notebook do SDK da Agent Platform (Python): introdução à criação e implantação de um agente com o Agent Runtime | |
| Projetando um projeto de energia solar comunitária. Identifique locais potenciais procure escritórios e fornecedores governamentais relevantes e analise imagens de satélite e o potencial solar de regiões e edifícios para encontrar o local ideal para instalar os painéis solares. |
Notebook do SDK da Agent Platform (Python): como criar e implantar um agente da API Google Maps com o Agent Runtime | ||
| Criar agentes conectando-se a bancos de dados | Integração com o AlloyDB e o Cloud SQL para PostgreSQL. | Postagem do blog: anúncio do LangChain na Gemini Enterprise Agent Platform para AlloyDB e Cloud SQL para PostgreSQL Notebook do SDK da Agent Platform (Python): implantação de um aplicativo RAG com o Cloud SQL para PostgreSQL no Agent Runtime Notebook do SDK da Agent Platform (Python): implantação de um aplicativo RAG com o AlloyDB para PostgreSQL no Agent Runtime |
|
| Crie agentes com ferramentas que acessam dados no seu banco de dados. | Notebook do SDK da Agent Platform (Python): implantação de um agente com o Agent Runtime e o MCP Toolbox for Databases | ||
| Consultar e entender repositórios de dados estruturados usando linguagem natural. | Notebook do SDK da Agent Platform (Python): como criar um agente de pesquisa de conversação com o Agent Runtime e a RAG no Agent Search | ||
| Consulte e entenda bancos de dados de gráficos usando linguagem natural | Postagem do blog: GenAI GraphRAG e agentes de IA usando o Agent Runtime com o LangChain e o Neo4j | ||
| Consultar e entender repositórios de vetores usando linguagem natural | Postagem do blog: simplificar a RAG da IA generativa com o MongoDB Atlas e o Agent Runtime | ||
| Criar agentes com o Kit de Desenvolvimento de Agente | Crie e implante agentes usando o Kit de Desenvolvimento de Agente. | Kit de Desenvolvimento de Agente: implantação no Agent Runtime | |
| Criar agentes com frameworks de OSS | Crie e implante agentes usando o framework de código aberto OneTwo. | Postagem do blog: OneTwo e Agent Runtime: explorando o desenvolvimento avançado de agentes de IA no Google Cloud | |
| Crie e implante agentes usando o framework de código aberto LangGraph. | Notebook do SDK da Agent Platform (Python): como criar e implantar um aplicativo LangGraph com o Agent Runtime | ||
| Depuração e otimização de agentes | Crie e rastreie agentes usando o OpenTelemetry e o Cloud Trace. | Notebook do SDK da Agent Platform (Python): depuração e otimização de agentes: um guia de rastreamento no Agent Runtime | |
| Criar sistemas multiagentes com o protocolo A2A (prévia) | Crie agentes interoperáveis que se comunicam e colaboram com outros agentes, independentemente do framework. | Para mais informações, consulte a documentação do protocolo A2A. | |
Regiões com suporte
Consulte Locais para conferir uma lista de regiões com suporte para o Agent Runtime.
Quota
Consulte Cotas e limites do sistema para informações sobre a cota do Agent Runtime.
Preços
Um nível sem custo financeiro está disponível para o Agent Runtime. Para informações sobre preços do Agent Runtime, consulte Preços da Gemini Enterprise Agent Platform preços.
Migração para o SDK baseado no cliente
O módulo agent_engines no SDK da Agent Platform está sendo refatorado para um design baseado no cliente pelos seguintes motivos principais:
- Para se alinhar ao Kit de Desenvolvimento de Agente (ADK) e ao SDK de IA Generativa do Google em representações de tipo canônico. Isso garante uma maneira consistente e padronizada de representar tipos de dados em diferentes SDKs, o que simplifica a interoperabilidade e reduz a sobrecarga de conversão.
- Para o escopo de Google Cloud parâmetros no nível do cliente em aplicativos multi-projeto e multilocal. Isso permite que um aplicativo gerencie interações com recursos em diferentes Google Cloud projetos e locais geográficos configurando cada instância do cliente com as configurações específicas de projeto e local.
- Para melhorar a capacidade de descoberta e a coesão dos serviços do Agent Runtime
A seguir
Configuração do ambiente de execução da Agent Platform
Configure seu ambiente para usar o ambiente de execução da Agent Platform.