Agent Runtime adalah runtime terkelola sepenuhnya dan opini yang dapat Anda gunakan untuk men-deploy, mengoperasikan, dan menskalakan aplikasi agentic. Agent Runtime mengabstraksi infrastruktur yang mendasarinya, sehingga Anda dapat berfokus pada logika agen, bukan operasi.
Agent Runtime memungkinkan Anda melakukan hal berikut:
- Men-deploy dan menskalakan agen dengan runtime terkelola dan kemampuan pengelolaan end-to-end.
- Menyesuaikan image container agen dengan skrip penginstalan waktu build untuk dependensi sistem.
- Menggunakan fitur keamanan, termasuk kepatuhan VPC-SC dan konfigurasi autentikasi serta IAM.
- Mengakses model dan alat seperti panggilan fungsi.
- Men-deploy agen yang dibangun menggunakan berbagai bahasa dan framework serta protokol terbuka Agent2Agent.
Membuat dan men-deploy di Agent Runtime
Alur kerja untuk membangun agen di Agent Runtime adalah:
- Menyiapkan lingkungan: Siapkan project Google Anda dan instal versi terbaru Agent Platform SDK untuk Python.
- Mengembangkan agen: Kembangkan agen yang dapat di-deploy di Agent Runtime.
- Men-deploy agen: Deploy agen di runtime terkelola Agent Runtime.
- Menggunakan agen: Kueri agen dengan mengirimkan permintaan API.
- Mengelola agen yang di-deploy: Kelola dan hapus agen yang telah Anda deploy ke Agent Runtime.
Bahasa dan framework yang didukung
Agent Runtime mendukung deployment agen yang ditulis dalam bahasa pemrograman dan framework agen apa pun, selama aplikasi agen dapat di- container dan sesuai dengan kontrak runtime:
Dari image container: Jika Anda membuat image container untuk agen, Anda dapat men-deploy-nya langsung dari Artifact Registry ke Agent Runtime. Untuk mengetahui informasi selengkapnya, lihat Men-deploy dari image container.
Dari Dockerfile: Jika memiliki kode sumber yang di-container, Anda dapat menyediakan
Dockerfiledengan file sumber. Agent Runtime akan otomatis membangun dan men-deploy image container. Untuk mengetahui informasi selengkapnya, lihat Men-deploy dari Dockerfile.
Untuk bahasa dan framework yang didukung, alat dan SDK tingkat yang lebih tinggi tersedia untuk menyederhanakan deployment. Tabel berikut menjelaskan tingkat dukungan yang diberikan Agent Runtime untuk berbagai framework agen:
| Tingkat dukungan | Framework agen |
|---|---|
| Template kustom: Anda dapat mengadaptasi template kustom untuk mendukung deployment ke Agent Runtime dari framework Anda. Untuk men-deploy container kustom, lihat Kontrak runtime. | CrewAI, framework kustom |
| Integrasi Agent Platform SDK: Agent Runtime menyediakan template terkelola per framework di Agent Platform SDK dan dokumentasi. | LangChain, LangGraph, AG2, LlamaIndex |
| Integrasi penuh: Fitur terintegrasi untuk bekerja di seluruh framework, Agent Runtime, dan ekosistem yang lebih luas Google Cloud . | Agent Development Kit (ADK) |
Men-deploy dalam produksi dengan Agents CLI
Agents CLI adalah antarmuka command line dan kumpulan keterampilan terpadu untuk Gemini Enterprise Agent Platform. CLI ini menyediakan jalur yang dapat diprediksi bagi agen dan developer coding melalui Siklus Proses Pengembangan Agen: scaffold, evaluasi, deployment, publikasi, dan observasi. Agents CLI menyediakan hal berikut:
- Template agen bawaan: ReAct, RAG, multi-agen, dan template lainnya.
- Playground interaktif: Uji dan berinteraksi dengan agen Anda.
- Infrastruktur otomatis: Menggunakan Terraform untuk pengelolaan resource yang efisien.
- Pipeline CI/CD: Alur kerja deployment otomatis yang memanfaatkan Cloud Build.
- Kemampuan observasi: Dukungan bawaan untuk Cloud Trace dan Cloud Logging.
Untuk memulai, lihat Panduan memulai.
Kasus penggunaan
Untuk mempelajari Agent Runtime dengan contoh end-to-end, lihat referensi berikut:
Klik untuk meluaskan kasus penggunaan
| Kasus Penggunaan | Deskripsi | Link | |
|---|---|---|---|
| Membangun agen dengan menghubungkan ke API publik | Mengonversi antar-mata uang. Buat fungsi yang terhubung ke aplikasi penukaran mata uang, sehingga model dapat memberikan jawaban yang akurat untuk kueri seperti "Berapa nilai tukar euro terhadap dolar hari ini?" |
Notebook Agent Platform SDK (Python) - Pengantar Membangun dan Men-deploy Agen dengan Agent Runtime | |
| Mendesain panel surya komunitas. Identifikasi lokasi yang berpotensi cari kantor dan pemasok pemerintah yang relevan, serta tinjau gambar satelit dan potensi tenaga surya di wilayah dan bangunan untuk menemukan lokasi optimal guna memasang panel surya. |
Notebook Agent Platform SDK (Python) - Membangun dan Men-deploy Agen Google Maps API dengan Agent Runtime | ||
| Membangun agen dengan menghubungkan ke database | Integrasi dengan AlloyDB dan Cloud SQL untuk PostgreSQL. | Postingan blog - Mengumumkan LangChain di Gemini Enterprise Agent Platform untuk AlloyDB dan Cloud SQL untuk PostgreSQL Notebook Agent Platform SDK (Python) - Men-deploy Aplikasi RAG dengan Cloud SQL untuk PostgreSQL ke Agent Runtime Notebook Agent Platform SDK (Python) - Men-deploy Aplikasi RAG dengan AlloyDB untuk PostgreSQL ke Agent Runtime |
|
| Membangun agen dengan alat yang mengakses data di database Anda. | Notebook Agent Platform SDK (Python) - Men-deploy Agen dengan Agent Runtime dan MCP Toolbox for Databases | ||
| Mengkueri dan memahami penyimpanan data terstruktur menggunakan bahasa alami. | Notebook Agent Platform SDK (Python) - Membangun Agen Penelusuran Percakapan dengan Agent Runtime dan RAG di Agent Search | ||
| Mengkueri dan memahami database grafik menggunakan bahasa alami | Postingan blog - Agen AI dan GenAI GraphRAG menggunakan Agent Runtime dengan LangChain dan Neo4j | ||
| Mengkueri dan memahami penyimpanan vektor menggunakan bahasa alami | Postingan blog - Menyederhanakan GenAI RAG dengan MongoDB Atlas dan Agent Runtime | ||
| Membangun agen dengan Agent Development Kit | Membangun dan men-deploy agen menggunakan Agent Development Kit. | Agent Development Kit -- Men-deploy ke Agent Runtime | |
| Membangun agen dengan framework OSS | Membangun dan men-deploy agen menggunakan framework open source OneTwo. | Postingan blog - OneTwo dan Agent Runtime: menjelajahi pengembangan agen AI lanjutan di Google Cloud | |
| Membangun dan men-deploy agen menggunakan framework open source LangGraph. | Notebook Agent Platform SDK (Python) - Membangun dan Men-deploy Aplikasi LangGraph dengan Agent Runtime | ||
| Melakukan proses debug dan mengoptimalkan agen | Membangun dan melacak agen menggunakan OpenTelemetry dan Cloud Trace. | Notebook Agent Platform SDK (Python) - Melakukan Proses Debug dan Mengoptimalkan Agen: Panduan untuk Melakukan Pelacakan di Agent Runtime | |
| Membangun sistem multi-agen dengan protokol A2A (pratinjau) | Membangun agen yang dapat beroperasi dan berkomunikasi serta berkolaborasi dengan agen lain, terlepas dari framework-nya. | Untuk mengetahui informasi selengkapnya, lihat dokumentasi protokol A2A. | |
Region yang didukung
Lihat Lokasi untuk mengetahui daftar region yang didukung untuk Agent Runtime.
Quota
Lihat Kuota dan batas sistemuntuk informasi kuota Agent Runtime.
Harga
Paket gratis tersedia untuk Agent Runtime. Untuk mengetahui informasi tentang harga untuk Agent Runtime, lihat Gemini Enterprise Agent Platform harga.
Migrasi ke SDK berbasis klien
Modul agent_engines dalam Agent Platform SDK sedang di-refactor ke desain berbasis klien karena alasan utama berikut:
- Untuk menyelaraskan dengan Agent Development Kit (ADK) dan Google Gen AI SDK dalam representasi jenis kanonis. Hal ini memastikan cara yang konsisten dan standar untuk merepresentasikan jenis data di berbagai SDK, yang menyederhanakan interoperabilitas dan mengurangi overhead konversi.
- Untuk cakupan Google Cloud parameter tingkat klien dalam aplikasi multi-project multi-lokasi. Hal ini memungkinkan aplikasi mengelola interaksi dengan resource di berbagai Google Cloud project dan lokasi geografis dengan mengonfigurasi setiap instance klien dengan setelan project dan lokasi tertentu.
- Untuk meningkatkan kemudahan penemuan dan kohesivitas layanan Agent Runtime.
Untuk mempelajari cara bermigrasi ke SDK berbasis klien, lihat Migrasi SDK Agent Runtime.
Langkah berikutnya
Penyiapan Runtime Agent Platform
Siapkan lingkungan Anda untuk menggunakan Runtime Agent Platform.