Laufzeit für KI-Agenten

Die Agent Runtime ist eine vollständig verwaltete, vordefinierte Laufzeit, mit der Sie agentische Anwendungen bereitstellen, betreiben und skalieren können. Die Agent Runtime abstrahiert die zugrunde liegende Infrastruktur, sodass Sie sich auf die Logik der KI-Agenten statt auf den Betrieb konzentrieren können.

Mit Agent Runtime können Sie Folgendes tun:

  • Bereitstellen und Skalieren von KI-Agenten mit einer verwalteten Laufzeit und End-to-End-Verwaltungsfunktionen.
  • Passen Sie das Container-Image des Agents mit Installationsskripts für Systemabhängigkeiten an, die während des Build-Vorgangs ausgeführt werden.
  • Verwenden Sie Sicherheitsfunktionen wie VPC-SC-Compliance und die Konfiguration von Authentifizierung und IAM.
  • Zugriff auf Modelle und Tools wie Funktionsaufrufe.
  • Stellen Sie Agenten bereit, die mit verschiedenen Sprachen und Frameworks und dem offenen Agent2Agent-Protokoll erstellt wurden.

In Agent Runtime erstellen und bereitstellen

Der Workflow zum Erstellen eines KI-Agenten in der Agent Runtime sieht so aus:

  1. Umgebung einrichten: Richten Sie Ihr Google-Projekt ein und installieren Sie die aktuelle Version des Agent Platform SDK für Python.
  2. Agent entwickeln: Entwickeln Sie einen Agenten, der in der Agent Runtime bereitgestellt werden kann.
  3. Agenten bereitstellen: Stellen Sie den Agenten in der verwalteten Laufzeit von Agent Runtime bereit.
  4. Agent verwenden: Senden Sie eine API-Anfrage, um den Agenten abzufragen.
  5. Bereitgestellten KI-Agenten verwalten: KI-Agenten verwalten und löschen, die Sie in der Agent Runtime bereitgestellt haben.

Unterstützte Sprachen und Frameworks

Die Agent Runtime unterstützt die Bereitstellung von KI-Agenten, die in einer beliebigen Programmiersprache und einem beliebigen Agent-Framework geschrieben wurden, sofern die Agent-Anwendung containerisiert werden kann und dem Laufzeitvertrag entspricht:

  • Aus einem Container-Image: Wenn Sie ein Container-Image für Ihren Agenten erstellt haben, können Sie es direkt aus Artifact Registry in Agent Runtime bereitstellen. Weitere Informationen finden Sie unter Aus einem Container-Image bereitstellen.

  • Aus einem Dockerfile: Wenn Sie containerisierten Quellcode haben, können Sie ein Dockerfile mit Ihren Quelldateien bereitstellen. Die Agent Runtime erstellt und stellt das Container-Image automatisch bereit. Weitere Informationen finden Sie unter Aus einem Dockerfile bereitstellen.

Für unterstützte Sprachen und Frameworks sind übergeordnete Tools und SDKs verfügbar, um die Bereitstellung zu vereinfachen. In der folgenden Tabelle wird beschrieben, wie Agent Runtime verschiedene Agent-Frameworks unterstützt:

Supportstufe Frameworks für KI-Agenten
Benutzerdefinierte Vorlage: Sie können eine benutzerdefinierte Vorlage anpassen, um die Bereitstellung in Agent Runtime über Ihr Framework zu unterstützen. Informationen zum Bereitstellen benutzerdefinierter Container finden Sie im Laufzeitvertrag. CrewAI, benutzerdefinierte Frameworks
Agent Platform SDK-Integration: Agent Runtime bietet verwaltete Vorlagen pro Framework im Agent Platform SDK und in der Dokumentation. LangChain, LangGraph, AG2, LlamaIndex
Vollständige Integration: Die Funktionen sind so integriert, dass sie im gesamten Framework, in der Agent Runtime und im gesamten Google Cloud -Ökosystem funktionieren. Agent Development Kit (ADK)

Mit der Agents CLI in der Produktion bereitstellen

Die Agents CLI ist die einheitliche Befehlszeile und das Skill-Set für die Agent Platform. Es bietet Codierungs-Agents und Entwicklern einen vorhersehbaren Pfad durch den Entwicklungszyklus von Agents: Scaffold, Evaluierung, Bereitstellung, Veröffentlichung und Beobachtung. Die Agents CLI bietet Folgendes:

  • Vordefinierte Vorlagen für KI-Agenten: ReAct, RAG, Multi-Agent und andere Vorlagen.
  • Interaktiver Playground: Testen Sie Ihren KI-Agenten und interagieren Sie mit ihm.
  • Automatisierte Infrastruktur: Verwendet Terraform für eine optimierte Ressourcenverwaltung.
  • CI/CD-Pipelines: Automatisierte Bereitstellungs-Workflows mit Cloud Build.
  • Beobachtbarkeit: Integrierte Unterstützung für Cloud Trace und Cloud Logging.

Informationen zu den ersten Schritten finden Sie in der Kurzanleitung.

Anwendungsfälle

In den folgenden Ressourcen finden Sie End-to-End-Beispiele für die Agent Runtime:

Klicken, um Anwendungsfälle zu maximieren

Anwendungsfall Beschreibung Links
Agenten durch Verbinden mit öffentlichen APIs erstellen 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 Agenten mit Agent Runtime
Design eines Solarprojekts für eine Gemeinde

Sie können potenzielle Standorte identifizieren, relevante Behörden und Anbieter finden sowie Satellitenbilder und das Solarpotenzial von Regionen und Gebäuden prüfen, um den optimalen Standort für die Installation Ihrer Solarmodule zu finden.		 Agent Platform SDK (Python)-Notebook – Google Maps API-Agent mit Agent Runtime erstellen und bereitstellen
KI-Agenten durch Verbinden mit Datenbanken erstellen Integration in AlloyDB und Cloud SQL for PostgreSQL Blogpost: Ankündigung von LangChain auf der Gemini Enterprise Agent Platform für AlloyDB und Cloud SQL for PostgreSQL

Agent Platform SDK (Python)-Notebook: RAG-Anwendung mit Cloud SQL for PostgreSQL in Agent Runtime bereitstellen

Agent Platform SDK (Python)-Notebook: RAG-Anwendung mit AlloyDB for PostgreSQL in Agent Runtime bereitstellen
Agenten mit Tools erstellen, die auf Daten in Ihrer Datenbank zugreifen. Agent Platform SDK (Python)-Notebook – Agent mit Agent Runtime und MCP Toolbox for Databases bereitstellen
Strukturierte Datenspeicher mit natürlicher Sprache abfragen und analysieren Agent Platform SDK (Python)-Notebook – Konversationelle Suche mit Agent Runtime und RAG in Agent Search erstellen
Grafikdatenbanken mit natürlicher Sprache abfragen und analysieren Blogpost – GenAI GraphRAG und KI-Agenten mit Agent Runtime, LangChain und Neo4j
Vektorspeicher mit natürlicher Sprache abfragen und analysieren Blogpost: Simplify GenAI RAG with MongoDB Atlas and Agent Runtime
Agenten mit dem Agent Development Kit erstellen Agenten mit dem Agent Development Kit erstellen und bereitstellen. Agent Development Kit – In Agent Runtime bereitstellen
KI-Agenten mit OSS-Frameworks erstellen Agenten mit dem Open-Source-Framework OneTwo erstellen und bereitstellen Blogpost: OneTwo und Agent Runtime – Entwicklung fortschrittlicher KI-Agenten in Google Cloud
KI-Agenten mit dem Open-Source-Framework LangGraph erstellen und bereitstellen Agent Platform SDK (Python)-Notebook – LangGraph-Anwendung mit Agent Runtime erstellen und bereitstellen
Agents 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 Agenten: Eine Anleitung zum Tracing in Agent Runtime
Multi-Agenten-Systeme mit dem A2A-Protokoll erstellen (Vorabversion) Erstellen Sie interoperable KI-Agenten, die unabhängig von ihrem Framework mit anderen KI-Agenten kommunizieren und zusammenarbeiten können. Weitere Informationen finden Sie in der Dokumentation zum A2A-Protokoll.

Unterstützte Regionen

Eine Liste der unterstützten Regionen für Agent Runtime finden Sie unter Standorte.

Kontingent

Informationen zu Kontingenten für die Agent Runtime finden Sie unter Kontingente und Systemlimits.

Preise

Informationen zu den Preisen für Agent Runtime finden Sie unter Preise für die Gemini Enterprise Agent Platform.

Migration zum clientbasierten SDK

In Version 2.0.1 des Agent Platform SDK wurde das Modul agent_engines refaktoriert und in einzelne Module (z. B. runtimes, sessions, sandboxes und memory_banks) im eigenständigen Paket google-cloud-agentplatform (agentplatform) umbenannt. Das SDK verwendet aus den folgenden Hauptgründen ein clientbasiertes Design:

  • Zur Abstimmung mit dem Agent Development Kit (ADK) und dem Google Gen AI SDK (google-genai) in kanonischen Typdarstellungen. So wird eine einheitliche und standardisierte Darstellung von Datentypen in verschiedenen SDKs gewährleistet, was die Interoperabilität vereinfacht und den Konvertierungsaufwand reduziert.
  • Für die clientseitige Eingrenzung von Google Cloud -Parametern in Anwendungen mit mehreren Projekten und mehreren Standorten. So kann eine Anwendung Interaktionen mit Ressourcen in verschiedenen Google Cloud -Projekten und geografischen Standorten verwalten, indem jede Clientinstanz (client = agentplatform.Client(project=..., location=...)) mit ihren spezifischen Projekt- und Standorteinstellungen konfiguriert wird.
  • Um die Auffindbarkeit und Kohärenz der Dienste der Gemini Enterprise Agent Platform (client.runtimes, client.sessions, client.sandboxes und client.memory_banks) zu verbessern.
  • Um ein einfaches, entkoppeltes Paket (google-cloud-agentplatform) bereitzustellen, das auf Agent-Arbeitslasten zugeschnitten ist, während generative KI-Module zum Google Gen AI SDK (google-genai) migriert werden.

Eine ausführliche Anleitung zur Migration zur neuen SDK-Struktur finden Sie in den folgenden Leitfäden:

Nächste Schritte

Anleitung

Umgebung für die Verwendung der Agent Platform-Laufzeit einrichten

Ressource

Support für die Entwicklung mit der Agent Platform erhalten.