Agent Runtime è un runtime completamente gestito e basato su opinioni che puoi utilizzare per eseguire il deployment, gestire e scalare le applicazioni agentiche. Agent Runtime astrae l'infrastruttura sottostante, consentendoti di concentrarti sulla logica dell'agente anziché sulle operazioni.
Agent Runtime ti consente di:
- Eseguire il deployment e scalare gli agenti con un runtime gestito e funzionalità di gestione end-to-end.
- Personalizzare l'immagine container dell'agente con script di installazione in fase di build per le dipendenze di sistema.
- Utilizzare le funzionalità di sicurezza, tra cui la conformità a VPC-SC e la configurazione dell'autenticazione e di IAM.
- Accedere a modelli e strumenti come la chiamata di funzioni.
- Eseguire il deployment di agenti creati utilizzando diversi framework Python e il protocollo aperto Agent2Agent.
Creare ed eseguire il deployment su Agent Runtime
Il workflow per la creazione di un agente su Agent Runtime è il seguente:
- Configurare l'ambiente: configura il tuo progetto Google e installa l'ultima versione dell'SDK Agent Platform per Python.
- Sviluppare un agente: Sviluppa un agente di cui è possibile eseguire il deployment su Agent Runtime.
- Eseguire il deployment dell'agente: Esegui il deployment dell'agente nel runtime gestito di Agent Runtime.
- **Utilizzare l'agente**: esegui una query sull' agente inviando una richiesta API.
- Gestire l'agente di cui è stato eseguito il deployment: gestisci ed elimina gli agenti di cui hai eseguito il deployment su Agent Runtime.
Framework supportati
La seguente tabella descrive il livello di supporto fornito da Agent Runtime per vari framework di agenti:
| Livello di assistenza | Framework di agenti |
|---|---|
| Modello personalizzato: puoi adattare un modello personalizzato per supportare il deployment su 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 su framework, Agent Runtime ed ecosistema più ampio Google Cloud . | Agent Development Kit (ADK) |
Eseguire il deployment in produzione con Agents CLI
L'Agents CLI è l'interfaccia a riga di comando unificata e il set di skill per Gemini Enterprise Agent Platform. Fornisce agli agenti di codifica e agli sviluppatori un percorso prevedibile attraverso il ciclo di vita dello sviluppo degli agenti: scaffolding, valutazione, deployment, pubblicazione e osservazione. L'interfaccia a riga di comando Agents fornisce quanto segue:
- Modelli di agenti predefiniti: ReAct, RAG, multi-agente e altri modelli.
- Playground interattivo: testa e interagisci con l'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 collegandosi 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 tra euro e dollari oggi?" |
Notebook SDK Agent Platform (Python) - Introduzione alla creazione e al deployment di un agente con Agent Runtime | |
| Progettare un impianto solare comunitario. Identifica le potenziali località, cerca gli uffici governativi e i fornitori pertinenti e esamina 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 collegandosi ai database | Integrazione con AlloyDB e Cloud SQL per PostgreSQL. | Post del blog - Annuncio di LangChain su Gemini Enterprise Agent Platform per AlloyDB e Cloud SQL per PostgreSQL Notebook SDK Agent Platform (Python) - Deployment di un'applicazione RAG con Cloud SQL per PostgreSQL su Agent Runtime Notebook SDK Agent Platform (Python) - Deployment di un'applicazione RAG con AlloyDB per PostgreSQL su Agent Runtime |
|
| Creare agenti con strumenti che accedono ai dati nel database. | Notebook SDK Agent Platform (Python) - Deployment di un agente con Agent Runtime e MCP Toolbox for Databases | ||
| Eseguire query e comprendere i datastore strutturati utilizzando il linguaggio naturale. | Notebook SDK Agent Platform (Python) - Creazione di un agente di ricerca conversazionale con Agent Runtime e RAG su Agent Search | ||
| Eseguire query e comprendere i database di grafici utilizzando il linguaggio naturale | Post del blog - GenAI GraphRAG e agenti AI che utilizzano Agent Runtime con LangChain e Neo4j | ||
| Eseguire query e comprendere gli archivi vettoriali utilizzando il linguaggio naturale | Post del blog - Semplificare GenAI RAG con MongoDB Atlas e Agent Runtime | ||
| Creare agenti con Agent Development Kit | Crea ed esegui il deployment di agenti utilizzando Agent Development Kit. | Agent Development Kit - Eseguire il deployment su Agent Runtime | |
| Creare 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. | Notebook SDK Agent Platform (Python) - Creazione e deployment di un'applicazione LangGraph con Agent Runtime | ||
| Eseguire il debug e ottimizzare gli agenti | Crea e traccia gli agenti utilizzando OpenTelemetry e Cloud Trace. | Notebook SDK Agent Platform (Python) - Eseguire il debug e ottimizzare gli agenti: una guida al tracciamento in Agent Runtime | |
| Creare sistemi multi-agente con il protocollo A2A (anteprima) | Crea agenti interoperabili che comunicano e collaborano con altri agenti indipendentemente dal loro framework. | Per ulteriori informazioni, consulta la documentazione del protocollo A2A. | |
Aree geografiche supportate
Consulta Località per un elenco delle regioni supportate per Agent Runtime.
Quota
Per informazioni sulle quote di Agent Runtime, consulta Quote e limiti di sistema.
Prezzi
È disponibile un livello senza costi per Agent Runtime. Per informazioni sui prezzi di Agent Runtime, consulta i prezzi di Gemini Enterprise Agent Platform pricing.
Migrazione all'SDK basato su client
Il modulo agent_engines all'interno dell'SDK Agent Platform viene sottoposto a refactoring in un design basato su client per i seguenti motivi principali:
- Per allinearsi con il Agent Development Kit (ADK) e l'SDK Google Gen AI nelle rappresentazioni di tipi canonici. In questo modo, i tipi di dati vengono rappresentati in modo coerente e standardizzato in diversi SDK, il che semplifica l'interoperabilità e riduce il sovraccarico di conversione.
- Per l'ambito a livello di client dei Google Cloud parametri nelle applicazioni multi-progetto multi-località. In questo modo, un'applicazione può gestire le interazioni con le risorse in diversi Google Cloud progetti e località geografiche configurando ogni istanza client con le impostazioni specifiche di progetto e località.
- Per migliorare la rilevabilità e la coesione dei servizi Agent Runtime
Passaggi successivi
Configurazione di Agent Platform Runtime
Configura l'ambiente per utilizzare Agent Platform Runtime.