Die Agent Runtime ist eine vollständig verwaltete, meinungsstarke Laufzeitumgebung, mit der Sie agentische Anwendungen bereitstellen, betreiben und skalieren können. Die Agent Runtime abstrahiert die zugrunde liegende Infrastruktur, sodass Sie sich auf die Agentenlogik anstatt auf den Betrieb konzentrieren können.
Mit der Agent Runtime können Sie Folgendes tun:
- Agenten mit einer verwalteten Laufzeitumgebung und End-to-End-Verwaltungsfunktionen bereitstellen und skalieren.
- Das Container-Image des Agents mit Installationsskripten für Systemabhängigkeiten zur Build-Zeit anpassen.
- Sicherheitsfunktionen wie VPC-SC-Compliance und die Konfiguration von Authentifizierung und IAM verwenden.
- Auf Modelle und Tools wie Funktions aufrufe zugreifen.
- Agenten bereitstellen, die mit verschiedenen Python Frameworks und dem offenen Agent2Agent-Protokoll erstellt wurden.
In der Agent Runtime erstellen und bereitstellen
Der Workflow zum Erstellen eines Agents in der Agent Runtime ist wie folgt:
- Umgebung einrichten: Richten Sie Ihr Google-Projekt ein und installieren Sie die neueste Version des Agent Platform SDK für Python.
- Agent entwickeln: Entwickeln Sie einen Agenten, der in der Agent Runtime bereitgestellt werden kann.
- Agent bereitstellen: Stellen Sie den Agenten in der verwalteten Laufzeitumgebung der Agent Runtime bereit.
- **Agent verwenden**: Fragen Sie den Agenten ab, indem Sie eine API-Anfrage senden.
- Bereitgestellten Agenten verwalten: Verwalten und löschen Sie Agenten, die Sie in der Agent Runtime bereitgestellt haben.
Unterstützte Frameworks
In der folgenden Tabelle wird der Grad der Unterstützung beschrieben, den die Agent Runtime für verschiedene Agenten-Frameworks bietet:
| Supportstufe | Agenten-Frameworks |
|---|---|
| Benutzerdefinierte Vorlage: Sie können eine benutzerdefinierte Vorlage anpassen, um die Bereitstellung in der Agent Runtime über Ihr Framework zu unterstützen. Informationen zum Bereitstellen benutzerdefinierter Container finden Sie im Runtime-Vertrag. | CrewAI, benutzerdefinierte Frameworks |
| Agent Platform SDK-Integration: Die Agent Runtime bietet verwaltete Vorlagen pro Framework im Agent Platform SDK und in der Dokumentation. | LangChain, LangGraph, AG2, LlamaIndex |
| Vollständige Integration: Funktionen sind so integriert, dass sie im gesamten Framework, in der Agent Runtime und im breiteren Google Cloud Ökosystem funktionieren. | Agent Development Kit (ADK) |
Mit der Agents CLI in der Produktion bereitstellen
Die Agents CLI ist die einheitliche Befehlszeilenschnittstelle und das einheitliche Skillset für die Gemini Enterprise Agent Platform. Sie bietet Coding-Agenten und Entwicklern einen vorhersehbaren Weg durch den Lebenszyklus der Agentenentwicklung: Gerüst erstellen, bewerten, bereitstellen, veröffentlichen und beobachten. Die Agents CLI bietet Folgendes:
- Vorgefertigte Agenten-Vorlagen:ReAct, RAG, Multi-Agent und andere Vorlagen.
- Interaktive Sandbox: Testen Sie Ihren Agenten und interagieren Sie mit ihm.
- Automatisierte Infrastruktur: Verwendet Terraform für eine optimierte Ressourcenverwaltung.
- CI/CD-Pipelines: Automatisierte Bereitstellungs-Workflows mit Cloud Build.
- Observability: Integrierte Unterstützung für Cloud Trace und Cloud Logging.
Eine Anleitung für die ersten Schritte finden Sie in der Kurzanleitung.
Anwendungsfälle
Informationen zur Agent Runtime mit End-to-End-Beispielen finden Sie in den folgenden Ressourcen:
Klicken Sie, um Anwendungsfälle zu maximieren
| Anwendungsfall | Beschreibung | Links | |
|---|---|---|---|
| Agenten erstellen, indem eine Verbindung zu öffentlichen APIs hergestellt wird | Währungen umrechnen. Erstellen Sie eine Funktion, die eine Verbindung zu einer Währungsaustauschanwendung herstellt, damit das Modell korrekte Antworten auf Anfragen wie „Wie hoch ist der Wechselkurs von Euro zu Dollar heute?“ liefert. |
Agent Platform SDK (Python)-Notebook – Einführung in das Erstellen und Bereitstellen eines Agents mit der Agent Runtime | |
| Design einer kommunalen Solaranlage Ermitteln Sie potenzielle Standorte, suchen Sie nach relevanten Behörden und Lieferanten und prüfen Sie Satellitenbilder und das Solarpotenzial von Regionen und Gebäuden, um den optimalen Standort für die Installation Ihrer Solaranlagen zu finden. |
Agent Platform SDK (Python)-Notebook – Erstellen und Bereitstellen eines Google Maps API-Agents mit der Agent Runtime | ||
| Agenten erstellen, indem eine Verbindung zu Datenbanken hergestellt wird | Integration in AlloyDB und Cloud SQL for PostgreSQL | Blogpost – LangChain in der Gemini Enterprise Agent Platform für AlloyDB und Cloud SQL for PostgreSQL Agent Platform SDK (Python)-Notebook – Bereitstellen einer RAG-Anwendung mit Cloud SQL for PostgreSQL in der Agent Runtime Agent Platform SDK (Python)-Notebook – Bereitstellen einer RAG-Anwendung mit AlloyDB for PostgreSQL in der Agent Runtime |
|
| Agenten mit Tools erstellen, die auf Daten in Ihrer Datenbank zugreifen. | Agent Platform SDK (Python)-Notebook – Bereitstellen eines Agents mit der Agent Runtime und der MCP Toolbox for Databases | ||
| Strukturierte Datenspeicher mit natürlicher Sprache abfragen und analysieren | Agent Platform SDK (Python)-Notebook – Erstellen eines Conversational Search-Agents mit der Agent Runtime und RAG in Agent Search | ||
| Grafikdatenbanken mit natürlicher Sprache abfragen und analysieren | Blogpost – GenAI GraphRAG und KI-Agenten mit der Agent Runtime, LangChain und Neo4j | ||
| Vektorspeicher mit natürlicher Sprache abfragen und analysieren | Blogpost – GenAI RAG mit MongoDB Atlas und der Agent Runtime vereinfachen | ||
| Agenten mit dem Agent Development Kit erstellen | Agenten mit dem Agent Development Kit erstellen und bereitstellen | Agent Development Kit – In der Agent Runtime bereitstellen | |
| Agenten mit OSS-Frameworks erstellen | Agenten mit dem Open-Source-Framework OneTwo erstellen und bereitstellen | Blogpost – OneTwo und die Agent Runtime: Entwicklung fortschrittlicher KI-Agenten in Google Cloud | |
| Agenten mit dem Open-Source-Framework LangGraph erstellen und bereitstellen | Agent Platform SDK (Python)-Notebook – Erstellen und Bereitstellen einer LangGraph-Anwendung mit der Agent Runtime | ||
| Agenten debuggen und optimieren | Mit OpenTelemetry und Cloud Trace können Sie Agenten erstellen und für sie Tracing ausführen. | Agent Platform SDK (Python)-Notebook – Debugging und Optimieren von Agents: Eine Anleitung zum Tracing in der Agent Runtime | |
| Multi-Agenten-Systeme mit dem A2A-Protokoll (Vorschau) erstellen | Interoperable Agenten erstellen, die unabhängig von ihrem Framework mit anderen Agenten kommunizieren und zusammenarbeiten. | Weitere Informationen finden Sie in der Dokumentation zum A2A-Protokoll. | |
Unterstützte Regionen
Eine Liste der unterstützten Regionen für die Agent Runtime finden Sie unter Standorte.
Quota
Informationen zum Kontingent für die Agent Runtime finden Sie unter Kontingente und System limits.
Preise
Für die Agent Runtime ist eine kostenlose Stufe verfügbar. Informationen zu den Preisen für die Agent Runtime finden Sie unter Preise für die Gemini Enterprise Agent Platform Preise.
Migration zum clientbasierten SDK
Das Modul agent_engines im Agent Platform SDK wird aus den folgenden Hauptgründen zu einem clientbasierten Design umgestaltet:
- Um die kanonischen Typdarstellungen an das Agent Development Kit (ADK) und das Google Gen AI SDK anzugleichen. So wird eine konsistente und standardisierte Darstellung von Datentypen in verschiedenen SDKs gewährleistet, was die Interoperabilität vereinfacht und den Konvertierungsaufwand reduziert.
- Für das Scoping von Google Cloud Parametern auf Clientebene in Anwendungen mit mehreren Projekten und mehreren Standorten. So kann eine Anwendung Interaktionen mit Ressourcen in verschiedenen Projekten und geografischen Standorten verwalten, indem jede Clientinstanz mit ihren spezifischen Projekt- und Standorteinstellungen konfiguriert wird. Google Cloud
- Um die Auffindbarkeit und Kohäsion der Agent Runtime-Dienste zu verbessern.
Nächste Schritte
Agent Platform Runtime einrichten
Richten Sie Ihre Umgebung für die Verwendung der Agent Platform Runtime ein.