Agent Runtime

Agent Runtime è un runtime completamente gestito e prescrittivo che puoi utilizzare per eseguire il deployment, il funzionamento e la scalabilità delle applicazioni basate su agenti. Agent Runtime astrae l'infrastruttura sottostante, consentendoti di concentrarti sulla logica dell'agente anziché sulle operazioni.

Agent Runtime ti consente di:

  • Esegui il deployment e scala gli agenti con un runtime gestito e funzionalità di gestione end-to-end.
  • Personalizza l'immagine container dell'agente con script di installazione in fase di build per le dipendenze di sistema.
  • Utilizza le funzionalità di sicurezza, tra cui la conformità a VPC-SC e la configurazione dell'autenticazione e di IAM.
  • Accedi a modelli e strumenti come la chiamata di funzione.
  • Eseguire il deployment di agenti creati utilizzando linguaggi e framework diversi e il protocollo aperto Agent2Agent.

Crea ed esegui il deployment su Agent Runtime

Il flusso di lavoro per la creazione di un agente su Agent Runtime è il seguente:

  1. Configura l'ambiente: configura il tuo progetto Google e installa l'ultima versione dell'SDK Agent Platform per Python.
  2. Sviluppa un agente: sviluppa un agente di cui è possibile eseguire il deployment su Agent Runtime.
  3. Esegui il deployment dell'agente: esegui il deployment dell'agente sul runtime gestito di Agent Runtime.
  4. Utilizza l'agente: invia una query all'agente inviando una richiesta API.
  5. Gestisci l'agente di cui è stato eseguito il deployment: gestisci ed elimina gli agenti di cui hai eseguito il deployment in Agent Runtime.

Linguaggi e framework supportati

Agent Runtime supporta il deployment di agenti scritti in qualsiasi linguaggio di programmazione e framework di agenti, purché l'applicazione dell'agente possa essere containerizzata e sia conforme al contratto di runtime:

  • Da un'immagine container: se hai creato un'immagine container per l'agente, puoi eseguirne il deployment direttamente da Artifact Registry ad Agent Runtime. Per saperne di più, consulta Esegui il deployment da un'immagine container.

  • Da un Dockerfile: se hai un codice sorgente containerizzato, puoi fornire un Dockerfile con i file di origine. Agent Runtime crea ed esegue il deployment dell'immagine container automaticamente. Per saperne di più, consulta Esegui il deployment da un Dockerfile.

Per i linguaggi e i framework supportati, sono disponibili strumenti e SDK di livello superiore per semplificare il deployment. La tabella seguente descrive il livello di supporto fornito da Agent Runtime per vari framework di agenti:

Livello di assistenza Framework degli agenti
Modello personalizzato: puoi adattare un modello personalizzato per supportare il deployment in 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 nel framework, nell'Agent Runtime e nell'ecosistema Google Cloud più ampio. Agent Development Kit (ADK)

Esegui il deployment in produzione con Agents CLI

L'Agents CLI è l'interfaccia a riga di comando unificata e l'insieme di competenze per Agent Platform. Fornisce agli agenti di programmazione 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
Crea agenti connettendoti alle API pubbliche Convertire le valute.

Crea una funzione che si connetta a un'app di cambio valuta, consentendo al modello di fornire risposte accurate a query come "Qual è il tasso di cambio da euro a dollari oggi?".		 Notebook SDK Agent Platform (Python) - Introduzione alla creazione e al deployment di un agente con Agent Runtime
Progettazione di un progetto di impianto solare comunitario.

Identifica le potenziali località, cerca gli uffici governativi e i fornitori pertinenti ed esamina le immagini satellitari e il potenziale solare di regioni ed edifici per trovare la località ottimale per l'installazione dei pannelli solari.		 Notebook dell'SDK Agent Platform (Python) - Creazione e deployment di un agente API di Google Maps con Agent Runtime
Crea agenti connettendoti 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 dell'SDK Agent Platform (Python) - Deployment di un'applicazione RAG con Cloud SQL per PostgreSQL in Agent Runtime

Notebook dell'SDK Agent Platform (Python) - Deployment di un'applicazione RAG con AlloyDB per PostgreSQL in Agent Runtime
Crea agenti con strumenti che accedono ai dati nel tuo database. Notebook SDK Agent Platform (Python) - Deployment di un agente con Agent Runtime e MCP Toolbox for Databases
Esegui query e comprendi 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
Esegui query e comprendi i database a grafo utilizzando il linguaggio naturale Blog post - GenAI GraphRAG and AI agents using Agent Runtime with LangChain and Neo4j
Esegui query e comprendi i vector store utilizzando il linguaggio naturale Blog post - Semplifica la RAG dell'AI generativa con MongoDB Atlas e Agent Runtime
Crea agenti con Agent Development Kit Crea ed esegui il deployment degli agenti utilizzando Agent Development Kit. Agent Development Kit - Esegui il deployment in Agent Runtime
Crea agenti con framework OSS Crea agenti ed eseguine il deployment utilizzando il framework open source OneTwo. Blog post - OneTwo and Agent Runtime: exploring advanced AI agent development on Google Cloud
Crea agenti ed eseguine il deployment utilizzando il framework open source LangGraph. Notebook SDK Agent Platform (Python) - Creazione e deployment di un'applicazione LangGraph con Agent Runtime
Debug e ottimizzazione degli agenti Crea e traccia gli agenti utilizzando OpenTelemetry e Cloud Trace. Notebook SDK Agent Platform (Python) - Debugging and Optimizing Agents: A Guide to Tracing in Agent Runtime
Crea sistemi multi-agente con il protocollo A2A (anteprima) Crea agenti interoperabili che comunicano e collaborano con altri agenti, indipendentemente dal loro framework. Per saperne di più, consulta la documentazione del protocollo A2A.

Aree geografiche supportate

Consulta Località per un elenco delle regioni supportate per Agent Runtime.

Quota

Consulta Quote e limiti di sistema per informazioni sulle quote di Agent Runtime.

Prezzi

Per informazioni sui prezzi di Agent Runtime, consulta i prezzi di Gemini Enterprise Agent Platform.

Migrazione all'SDK basato su client

Nella versione 2.0.1 dell'SDK Agent Platform, il modulo agent_engines è stato rifattorizzato e rinominato in singoli moduli (come runtimes, sessions, sandboxes e memory_banks) nel pacchetto google-cloud-agentplatform autonomo (agentplatform). L'SDK adotta un design basato sul client per i seguenti motivi principali:

  • Per l'allineamento con l'Agent Development Kit (ADK) e l'SDK Google Gen AI (google-genai) nelle rappresentazioni dei tipi canoniche. In questo modo, i tipi di dati vengono rappresentati in modo coerente e standardizzato in diversi SDK, semplificando l'interoperabilità e riducendo l'overhead di conversione.
  • Per l'ambito a livello di client dei parametri Google Cloud nelle applicazioni multi-progetto e multi-località. In questo modo, un'applicazione può gestire le interazioni con le risorse in diversi progetti Google Cloud e località geografiche configurando ogni istanza client (client = agentplatform.Client(project=..., location=...)) con le impostazioni specifiche del progetto e della località.
  • Per migliorare la rilevabilità e la coesione dei servizi di Gemini Enterprise Agent Platform (client.runtimes, client.sessions, client.sandboxes e client.memory_banks).
  • Fornire un pacchetto leggero e disaccoppiato (google-cloud-agentplatform) personalizzato per i workload degli agenti durante la migrazione dei moduli di AI generativa all'SDK Google Gen AI (google-genai).

Per istruzioni dettagliate sulla migrazione alla nuova struttura dell'SDK, consulta le seguenti guide:

Passaggi successivi

Guida

Configura l'ambiente per utilizzare Agent Platform Runtime.

Risorsa

Ricevi assistenza per lo sviluppo di Agent Platform.