O Google usa tecnologia de IA na tradução de conteúdos para seu idioma de preferência. As traduções com IA podem ter erros.

Agent Runtime

O Agent Runtime é um ambiente de execução totalmente gerenciado e opinativo que pode ser usado para implantar, operar e escalonar aplicativos com agentes. O Agent Runtime abstrai a infraestrutura subjacente, permitindo que você se concentre na lógica do agente em vez de operações.

Com o Agent Runtime, você pode:

Implante e dimensione agentes com um ambiente de execução gerenciado e recursos de gerenciamento completos.
Personalize a imagem do contêiner do agente com scripts de instalação no momento da build para dependências do sistema.
Use recursos de segurança, incluindo o compliance com o VPC-SC, configuração de autenticação e o IAM.
Acesse modelos e ferramentas como chamada de função.
Implante agentes criados usando diferentes linguagens e frameworks e o protocolo aberto Agent2Agent.

Criar e implantar no Agent Runtime

O fluxo de trabalho para criar um agente no Agent Runtime é:

Configure o ambiente: configure seu projeto do Google e instale a versão mais recente do SDK da Agent Platform para Python.
Desenvolver um agente: desenvolva um agente que possa ser implantado no Agent Runtime.
Implante o agente: implante o agente no ambiente de execução gerenciado do Agent Runtime.
Usar o agente: consulte o agente enviando uma solicitação de API.
Gerenciar o agente implantado: gerencie e exclua agentes implantados no Agent Runtime.

Idiomas e bibliotecas compatíveis

O Agent Runtime é compatível com a implantação de agentes escritos em qualquer linguagem de programação e framework de agente, desde que o aplicativo do agente possa ser conteinerizado e esteja em conformidade com o contrato de tempo de execução:

De uma imagem de contêiner: se você criou uma imagem de contêiner para seu agente, é possível implantá-la diretamente do Artifact Registry no ambiente de execução do agente. Para mais informações, consulte Implantar de uma imagem do contêiner.
De um Dockerfile: se você tiver um código-fonte em contêineres, forneça um Dockerfile com seus arquivos de origem. O Agent Runtime cria e implanta a imagem do contêiner automaticamente. Para mais informações, consulte Implantar de um Dockerfile.

Para linguagens e frameworks compatíveis, ferramentas e SDKs de nível superior estão disponíveis para simplificar a implantação. A tabela a seguir descreve o nível de suporte que o Agent Runtime oferece para várias estruturas de agente:

Nível de suporte	Frameworks de agentes
Modelo personalizado: é possível adaptar um modelo personalizado para oferecer suporte à implantação no Agent Runtime pelo seu framework. Para implantar contêineres personalizados, consulte o contrato de ambiente de execução.	CrewAI, estruturas personalizadas
Integração do SDK da Agent Platform: o Agent Runtime fornece modelos gerenciados por framework no SDK e na documentação da Agent Platform.	LangChain, LangGraph, AG2, LlamaIndex
Integração completa: os recursos são integrados para funcionar em todo o framework, o Agent Runtime e o ecossistema Google Cloud mais amplo.	Kit de Desenvolvimento de Agente (ADK) Python: implante usando a CLI `adk`. Go: implante usando a CLI `adkgo`.

Implantar em produção com a Agents CLI

A Agents CLI é a interface de linha de comando e o conjunto de habilidades unificados da Gemini Enterprise Agent Platform. Ele oferece aos agentes e desenvolvedores de programação um caminho previsível pelo ciclo de vida de desenvolvimento de agentes: estruturar, avaliar, implantar, publicar e observar. A Agents CLI oferece o seguinte:

Modelos de agentes pré-criados:ReAct, RAG, multiagente e outros modelos.
Playground interativo: teste e interaja com seu agente.
Infraestrutura automatizada: usa o Terraform para simplificar o gerenciamento de recursos.
Pipelines de CI/CD: fluxos de trabalho de implantação automatizados que usam o Cloud Build.
Observabilidade: suporte integrado para o Cloud Trace e o Cloud Logging.

Para começar, consulte o Guia de início rápido.

Casos de uso

Para saber mais sobre o Agent Runtime com exemplos completos, consulte os seguintes recursos:

Clique para abrir os casos de uso

Caso de uso	Descrição	Links
Crie agentes conectando-se a APIs públicas	Converta entre moedas. Criar uma função que se conecta a um app de câmbio de moedas, permitindo ao modelo fornecer respostas precisas a consultas como "Qual é a taxa de câmbio de reais para dólares hoje?"	Notebook do SDK da Agent Platform (Python): introdução à criação e implantação de um agente com o Agent Runtime
Crie agentes conectando-se a APIs públicas	Projetando um projeto solar comunitário. Identifique locais potenciais, procure escritórios e fornecedores governamentais relevantes e analise imagens de satélite e o potencial solar de regiões e edifícios para encontrar o local ideal para instalar os painéis solares.	Notebook do SDK da Agent Platform (Python): como criar e implantar um agente da API Google Maps com o Agent Runtime
Criar agentes conectando-se a bancos de dados	Integração com o AlloyDB e o Cloud SQL para PostgreSQL.	Postagem do blog: anúncio da LangChain na Gemini Enterprise Agent Platform para AlloyDB e Cloud SQL para PostgreSQL Notebook do SDK da Agent Platform (Python): como implantar um aplicativo RAG com o Cloud SQL para PostgreSQL no Agent Runtime Notebook do SDK da Agent Platform (Python): como implantar um aplicativo RAG com o AlloyDB para PostgreSQL no Agent Runtime
	Crie agentes com ferramentas que acessam dados no seu banco de dados.	Notebook do SDK da Agent Platform (Python): implantação de um agente com o Agent Runtime e a MCP Toolbox for Databases
	Consultar e entender repositórios de dados estruturados usando linguagem natural.	Notebook do SDK da Agent Platform (Python): como criar um agente de pesquisa de conversação com o Agent Runtime e a RAG na Agent Search
	Consulte e entenda bancos de dados de gráficos usando linguagem natural	Postagem do blog: GenAI GraphRAG e agentes de IA usando o Agent Runtime com o LangChain e o Neo4j
	Consultar e entender repositórios de vetores usando linguagem natural	Postagem do blog: simplificar a RAG da IA generativa com o MongoDB Atlas e o Agent Runtime
Criar agentes com o Kit de Desenvolvimento de Agente	Crie e implante agentes usando o Kit de Desenvolvimento de Agente.	Kit de Desenvolvimento de Agente: implantação no Agent Runtime
	Criar agentes com frameworks de OSS	Crie e implante agentes usando o framework de código aberto OneTwo.	Postagem do blog: OneTwo e Agent Runtime: explorando o desenvolvimento avançado de agentes de IA no Google Cloud
	Criar agentes com frameworks de OSS	Crie e implante agentes usando o framework de código aberto LangGraph.	Notebook do SDK da Agent Platform (Python): como criar e implantar um aplicativo LangGraph com o Agent Runtime
Depuração e otimização de agentes	Crie e rastreie agentes usando o OpenTelemetry e o Cloud Trace.	Notebook do SDK da Agent Platform (Python): depuração e otimização de agentes: um guia de rastreamento no Agent Runtime
Criar sistemas multiagente com o protocolo A2A (prévia)	Crie agentes interoperáveis que se comuniquem e colaborem com outros agentes, seja qual for o framework.	Para mais informações, consulte a documentação do protocolo A2A.

Regiões compatíveis

Consulte Locais para conferir uma lista de regiões compatíveis com o Agent Runtime.

Cota

Consulte Cotas e limites do sistema para informações sobre cotas do Agent Runtime.

Preços

Há um nível sem custo financeiro disponível para o Agent Runtime. Para informações sobre preços do Agent Runtime, consulte os preços da Gemini Enterprise Agent Platform.

Migração para o SDK baseado no cliente

Na versão 2.0.1 do SDK da Agent Platform, o módulo agent_engines foi refatorado e renomeado para módulos individuais (como runtimes, sessions, sandboxes e memory_banks) no pacote independente google-cloud-agentplatform (agentplatform). O SDK adota um design baseado em cliente pelos seguintes motivos principais:

Para se alinhar ao Kit de Desenvolvimento de Agente (ADK) e ao SDK de IA generativa do Google (google-genai) em representações de tipo canônico. Isso garante uma maneira consistente e padronizada de representar tipos de dados em diferentes SDKs, o que simplifica a interoperabilidade e reduz a sobrecarga de conversão.
Para escopo no nível do cliente de parâmetros Google Cloud em aplicativos de vários projetos e locais. Isso permite que um aplicativo gerencie interações com recursos em diferentes projetos do Google Cloud e locais geográficos configurando cada instância de cliente (client = agentplatform.Client(project=..., location=...)) com as configurações específicas de projeto e local.
Para melhorar a capacidade de descoberta e a coesão dos serviços da Gemini Enterprise Agent Platform (client.runtimes, client.sessions, client.sandboxes e client.memory_banks).
Para fornecer um pacote leve e desacoplado (google-cloud-agentplatform) adaptado para cargas de trabalho de agentes enquanto os módulos de IA generativa migram para o SDK de IA generativa do Google (google-genai).

Para instruções detalhadas sobre a migração para a nova estrutura do SDK, consulte os guias a seguir:

Migração do SDK do Agent Runtime: migre de vertexai.agent_engines para agentplatform.Client().runtimes.
Guia de migração do SDK da Agent Platform para Python: versão 2.0.1: guia geral que aborda a separação de pacotes, a descontinuação de módulos e a migração de módulos de IA generativa para o SDK de IA Generativa do Google.

A seguir

Guia

Configuração do Agent Platform runtime

Configure seu ambiente para usar o ambiente de execução do Agent Platform.

Recurso

Receber suporte

Receba suporte para o desenvolvimento da Agent Platform.