Agent Runtime

Agent Runtime es un entorno de ejecución completamente administrado y con opiniones que puedes usar para implementar, operar y escalar aplicaciones de agentes. Agent Runtime abstrae la infraestructura subyacente, lo que te permite enfocarte en la lógica del agente en lugar de las operaciones.

Agent Runtime te permite hacer lo siguiente:

  • Implementa y escala agentes con un entorno de ejecución administrado y capacidades de administración de extremo a extremo.
  • Personaliza la imagen de contenedor del agente con secuencias de comandos de instalación en el momento de la compilación para las dependencias del sistema.
  • Usa funciones de seguridad, como el cumplimiento de VPC-SC y la configuración de la autenticación y la IAM.
  • Accede a modelos y herramientas como las llamadas a funciones.
  • Implementa agentes creados con diferentes lenguajes y frameworks y el protocolo abierto Agent2Agent.

Crea e implementa en Agent Runtime

El flujo de trabajo para compilar un agente en Agent Runtime es el siguiente:

  1. Configura el entorno: Configura tu proyecto de Google y, luego, instala la versión más reciente del SDK de Agent Platform para Python.
  2. Desarrolla un agente: Desarrolla un agente que se pueda implementar en Agent Runtime.
  3. Implementa el agente: Implementa el agente en el entorno de ejecución administrado de Agent Runtime.
  4. Usa el agente: Envía una solicitud a la API para consultar al agente.
  5. Administra el agente implementado: Administra y borra los agentes que implementaste en Agent Runtime.

Lenguajes y marcos de trabajo admitidos

Agent Runtime admite la implementación de agentes escritos en cualquier lenguaje de programación y framework de agentes, siempre que la aplicación del agente se pueda alojar en contenedores y cumpla con el contrato de entorno de ejecución:

  • Desde una imagen de contenedor: Si compilaste una imagen de contenedor para tu agente, puedes implementarla directamente desde Artifact Registry en Agent Runtime. Para obtener más información, consulta Implementa desde una imagen de contenedor.

  • Desde un Dockerfile: Si tienes código fuente alojado en contenedores, puedes proporcionar un Dockerfile con tus archivos de origen. Agent Runtime compila e implementa la imagen de contenedor automáticamente. Para obtener más información, consulta Implementa desde un Dockerfile.

Para los lenguajes y frameworks compatibles, hay disponibles herramientas y SDK de nivel superior que simplifican la implementación. En la siguiente tabla, se describe el nivel de compatibilidad que Agent Runtime proporciona para varios frameworks de agentes:

Nivel de asistencia Frameworks de agentes
Plantilla personalizada: Puedes adaptar una plantilla personalizada para admitir la implementación en Agent Runtime desde tu framework. Para implementar contenedores personalizados, consulta el Contrato de entorno de ejecución. CrewAI, frameworks personalizados
Integración del SDK de Agent Platform: Agent Runtime proporciona plantillas administradas por framework en el SDK de Agent Platform y la documentación. LangChain, LangGraph, AG2, LlamaIndex
Integración completa: Las funciones se integran para trabajar en el framework, Agent Runtime y el ecosistema más amplio de Google Cloud . Kit de desarrollo de agentes (ADK)

Implementa en producción con la CLI de Agents

La Agents CLI es la interfaz de línea de comandos y el conjunto de habilidades unificados para Agent Platform. Proporciona a los agentes de programación y a los desarrolladores una ruta predecible a través del ciclo de vida del desarrollo de agentes: estructurar, evaluar, implementar, publicar y observar. La CLI de Agents proporciona lo siguiente:

  • Plantillas de agentes prediseñadas: ReAct, RAG, multiagente y otras plantillas.
  • Entorno de pruebas interactivo: Prueba tu agente e interactúa con él.
  • Infraestructura automatizada: Usa Terraform para optimizar la administración de recursos.
  • Canalizaciones de CI/CD: Flujos de trabajo de implementación automatizados que aprovechan Cloud Build.
  • Observabilidad: Compatibilidad integrada con Cloud Trace y Cloud Logging.

Para comenzar, consulta la guía de inicio rápido.

Casos de uso

Para obtener información sobre Agent Runtime con ejemplos de extremo a extremo, consulta los siguientes recursos:

Haz clic para expandir los casos de uso

Caso de uso Descripción Vínculos
Crea agentes conectándote a APIs públicas Convierte entre monedas.

Crea una función que se conecte a una app de cambio de moneda, lo que permite que el modelo proporcione respuestas precisas a consultas como "¿Cuál es el tipo de cambio de euros a dólares hoy?".		 Notebook del SDK de Agent Platform (Python) - Introducción a la compilación y la implementación de un agente con Agent Runtime
Diseña un proyecto de huerto solar.

Identifica ubicaciones potenciales, busca oficinas y proveedores gubernamentales relevantes, y revisa imágenes satelitales y el potencial solar de regiones y edificios para encontrar la ubicación óptima para instalar tus paneles solares.		 Notebook del SDK de Agent Platform (Python): Compila e implementa un agente de la API de Google Maps con Agent Runtime
Crea agentes conectándote a bases de datos Integración con AlloyDB y Cloud SQL para PostgreSQL Entrada de blog: Se anuncia LangChain en la plataforma de agentes de Gemini Enterprise para AlloyDB y Cloud SQL para PostgreSQL

Notebook del SDK de la plataforma de agentes (Python): Implementa una aplicación de RAG con Cloud SQL para PostgreSQL en Agent Runtime

Notebook del SDK de la plataforma de agentes (Python): Implementa una aplicación de RAG con AlloyDB para PostgreSQL en Agent Runtime
Crear agentes con herramientas que accedan a los datos de tu base de datos Notebook del SDK de Agent Platform (Python) - Implementa un agente con Agent Runtime y MCP Toolbox para bases de datos
Consulta y comprende los almacenes de datos estructurados con lenguaje natural. Notebook del SDK de Agent Platform (Python) - Compila un agente de búsqueda conversacional con Agent Runtime y RAG en Agent Search
Consulta y comprende bases de datos de grafos con lenguaje natural Entrada de blog - GenAI GraphRAG y agentes de IA que usan Agent Runtime con LangChain y Neo4j
Consulta y comprende los almacenes de vectores con lenguaje natural Entrada de blog: Simplifica la RAG de IA generativa con MongoDB Atlas y Agent Runtime
Crea agentes con el ADK Crear e implementar agentes con el ADK Kit de desarrollo de agentes: Implementa en Agent Runtime
Crea agentes con frameworks de OSS Compila e implementa agentes con el framework de código abierto OneTwo. Entrada de blog: OneTwo y Agent Runtime: Explora el desarrollo avanzado de agentes de IA en Google Cloud
Compila e implementa agentes con el framework de código abierto LangGraph. Notebook del SDK de Agent Platform (Python) - Compila e implementa una aplicación de LangGraph con Agent Runtime
Depuración y optimización de agentes Compila y realiza seguimientos de agentes mediante OpenTelemetry y Cloud Trace. Cuaderno de notas del SDK de Agent Platform (Python) - Agentes de depuración y optimización: Una guía de seguimiento en Agent Runtime
Crea sistemas multiagente con el protocolo A2A (versión preliminar) Crea agentes interoperables que se comuniquen y colaboren con otros agentes, independientemente de su framework. Para obtener más información, consulta la documentación del protocolo de A2A.

Regiones admitidas

Consulta Ubicaciones para obtener una lista de las regiones admitidas para Agent Runtime.

Cuota

Consulta Cuotas y límites del sistema para obtener información sobre las cuotas de Agent Runtime.

Precios

Para obtener información sobre los precios de Agent Runtime, consulta los precios de Gemini Enterprise Agent Platform.

Migración al SDK basado en el cliente

En la versión 2.0.1 del SDK de Agent Platform, se refactorizó el módulo agent_engines y se le cambió el nombre a módulos individuales (como runtimes, sessions, sandboxes y memory_banks) en el paquete independiente google-cloud-agentplatform (agentplatform). El SDK adopta un diseño basado en el cliente por los siguientes motivos clave:

  • Alinearse con el ADK (ADK) y el SDK de IA generativa de Google (google-genai) en representaciones de tipos canónicos. Esto garantiza una forma coherente y estandarizada de representar los tipos de datos en diferentes SDKs, lo que simplifica la interoperabilidad y reduce la sobrecarga de conversión.
  • Para definir el alcance a nivel del cliente de los parámetros de Google Cloud en aplicaciones de varias ubicaciones y varios proyectos. Esto permite que una aplicación administre las interacciones con los recursos en diferentes proyectos de Google Cloud y ubicaciones geográficas configurando cada instancia de cliente (client = agentplatform.Client(project=..., location=...)) con sus parámetros de configuración específicos de proyecto y ubicación.
  • Mejorar la visibilidad y la cohesión de los servicios de Gemini Enterprise Agent Platform (client.runtimes, client.sessions, client.sandboxes y client.memory_banks)
  • Proporcionar un paquete ligero y desacoplado (google-cloud-agentplatform) adaptado para las cargas de trabajo de los agentes mientras los módulos de IA generativa migran al SDK de IA generativa de Google (google-genai).

Para obtener instrucciones detalladas sobre cómo migrar a la nueva estructura del SDK, consulta las siguientes guías:

¿Qué sigue?

Guía

Configura tu entorno para usar el entorno de ejecución de Agent Platform.

Recurso

Obtén asistencia para el desarrollo de Agent Platform.