Agent Runtime adalah runtime terkelola sepenuhnya yang dapat Anda gunakan untuk men-deploy, mengoperasikan, dan menskalakan aplikasi agentik. Agent Runtime mengabstraksi infrastruktur yang mendasarinya, sehingga Anda dapat berfokus pada logika agen, bukan operasi.
Agent Runtime memungkinkan Anda melakukan hal berikut:
- Deploy dan menskalakan agen dengan kemampuan pengelolaan end-to-end dan runtime terkelola.
- Sesuaikan image container agen dengan skrip penginstalan waktu build untuk dependensi sistem.
- Gunakan fitur keamanan termasuk kepatuhan VPC-SC dan konfigurasi autentikasi dan IAM.
- Akses model dan alat seperti panggilan fungsi.
- Men-deploy agen yang dibuat menggunakan framework Python yang berbeda dan protokol terbuka Agent2Agent.
Membuat dan men-deploy di Agent Runtime
Alur kerja untuk membangun agen di Agent Runtime adalah:
- Siapkan lingkungan: Siapkan project Google Anda dan instal Agent Platform SDK untuk Python versi terbaru.
- Mengembangkan agen: Mengembangkan agen yang dapat di-deploy di Agent Runtime.
- Men-deploy agen: Deploy agen di runtime terkelola Agent Runtime.
- Menggunakan agen: Buat kueri agen dengan mengirim permintaan API.
- Mengelola agen yang di-deploy: Mengelola dan menghapus agen yang telah Anda deploy ke Agent Runtime.
Framework yang didukung
Tabel berikut menjelaskan tingkat dukungan yang disediakan Agent Runtime untuk berbagai framework agen:
| Level dukungan | Framework agen |
|---|---|
| Template kustom: Anda dapat menyesuaikan 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 diintegrasikan agar berfungsi di seluruh framework, Agent Runtime, dan ekosistem Google Cloud yang lebih luas. | Agent Development Kit (ADK) |
Men-deploy dalam produksi dengan Agents CLI
Agents CLI adalah antarmuka command line dan set keterampilan terpadu untuk Gemini Enterprise Agent Platform. Framework ini menyediakan jalur yang dapat diprediksi bagi agen coding dan developer melalui Siklus Proses Pengembangan Agen: membuat kerangka, mengevaluasi, men-deploy, memublikasikan, dan mengamati. CLI Agen 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 disederhanakan.
- 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 terhubung 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 project surya komunitas. Identifikasi lokasi yang berpotensi, cari kantor pemerintah dan pemasok yang relevan, serta tinjau gambar satelit dan potensi tenaga surya di wilayah dan bangunan untuk menemukan lokasi optimal guna memasang panel surya Anda. |
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 - Pengumuman LangChain di Platform Agen Gemini Enterprise untuk AlloyDB dan Cloud SQL untuk PostgreSQL Notebook Agent Platform SDK (Python) - Deploying a RAG Application with Cloud SQL for PostgreSQL to Agent Runtime Notebook Agent Platform SDK (Python) - Deploying a RAG Application with AlloyDB for PostgreSQL to Agent Runtime |
|
| Bangun 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 | ||
| Buat kueri dan pahami penyimpanan data terstruktur menggunakan bahasa alami. | Notebook Agent Platform SDK (Python) - Membangun Agen Penelusuran Percakapan dengan Agent Runtime dan RAG di Agent Search | ||
| Membuat kueri dan memahami database grafik menggunakan natural language | Postingan blog - Agen AI dan GraphRAG AI Generatif menggunakan Agent Runtime dengan LangChain dan Neo4j | ||
| Membuat kueri dan memahami penyimpanan vektor menggunakan bahasa alami | Postingan blog - Menyederhanakan RAG GenAI 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 | Bangun dan deploy agen menggunakan framework open source OneTwo. | Postingan blog - OneTwo dan Agent Runtime: menjelajahi pengembangan agen AI tingkat lanjut di Google Cloud | |
| Bangun dan 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 | Bangun dan lacak agen menggunakan OpenTelemetry dan Cloud Trace. | Notebook Agent Platform SDK (Python) - Men-debug dan Mengoptimalkan Agen: Panduan untuk Melakukan Pelacakan di Agent Runtime | |
| Membangun sistem multi-agen dengan protokol A2A (pratinjau) | Bangun agen yang dapat beroperasi dengan agen lain, yang dapat berkomunikasi dan 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.
Kuota
Lihat Kuota dan batas sistem untuk mengetahui informasi kuota Agent Runtime.
Harga
Paket gratis tersedia untuk Agent Runtime. Untuk mengetahui informasi tentang harga Agent Runtime, lihat harga Gemini Enterprise Agent Platform.
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 tingkat klien dari parameter Google Cloud dalam aplikasi multi-project multi-lokasi. Hal ini memungkinkan aplikasi mengelola interaksi dengan resource di berbagai project Google Cloud 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 Agent Runtime SDK.
Langkah berikutnya
Penyiapan Agent Platform Runtime
Siapkan lingkungan Anda untuk menggunakan Agent Platform Runtime.