O Agent Runtime é um ambiente de execução totalmente gerenciado e opinativo que pode ser usado para implantar, operar e escalonar aplicativos de agentes. O Agent Runtime abstrai a infraestrutura subjacente, permitindo que você se concentre na lógica do agente em vez de nas operações.
O Agent Runtime permite que você faça o seguinte:
- Implante e escalone agentes com um ambiente de execução gerenciado e recursos de gerenciamento completos.
- Personalize a imagem do contêiner do agente com scripts de instalação de tempo de compilação 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 chamadas de função.
- Implante agentes criados com 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:
- Configurar 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.
- Implantar 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 os agentes que você implantou 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 ambiente de execução:
De uma imagem de contêiner: se você criou uma imagem de contêiner para seu agente, pode implantá-la diretamente do Artifact Registry no Agent Runtime. Para mais informações, consulte Implantar de uma imagem do contêiner.
De um Dockerfile: se você tiver um código-fonte conteinerizado, poderá fornecer um
Dockerfilecom 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 vários frameworks de agentes:
| Nível de suporte | Frameworks de agentes |
|---|---|
| Modelo personalizado: é possível adaptar um modelo personalizado para oferecer suporte à implantação no Agent Runtime usando seu framework. Para implantar contêineres personalizados, consulte o Contrato de ambiente de execução. | CrewAI, frameworks personalizados |
| Integração do SDK da Agent Platform: o Agent Runtime fornece modelos gerenciados por framework no SDK da Agent Platform e na documentação. | LangChain, LangGraph, AG2, LlamaIndex |
| Integração total: os recursos são integrados para funcionar no framework, no Agent Runtime e no ecossistema mais amplo do Google Cloud . | Kit de Desenvolvimento de Agente (ADK) |
Implantar em produção com a Agents CLI
A Agents CLI é a interface de linha de comando unificada e o conjunto de habilidades da Agent Platform. Ele oferece aos agentes de programação e aos desenvolvedores 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 | |
|---|---|---|---|
| Conecte-se a APIs públicas para criar agentes | 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 | |
| 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 Plataforma de Agentes (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: lançamento do 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): como implantar um agente com o Agent Runtime e o 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 conversacional com o Agent Runtime e a RAG na Pesquisa de Agentes | ||
| Consulte e entenda bancos de dados de gráficos usando linguagem natural | Postagem do blog: GraphRAG de IA generativa 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 ADK | Criar e implantar agentes usando o ADK. | Kit de Desenvolvimento de Agente: implantar 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 | |
| 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 (pré-lançamento) | Crie agentes interoperáveis que se comunicam e colaboram com outros agentes, independentemente do framework. | Para mais informações, consulte a documentação do protocolo A2A. | |
Regiões compatíveis
Consulte Locais para ver uma lista de regiões com disponibilidade para o Agent Runtime.
Cota
Consulte Cotas e limites do sistema para informações sobre cotas do Agent Runtime.
Preços
Para informações sobre os preços do Agent Runtime, consulte Preços da Gemini Enterprise Agent Platform.
Migração para o SDK baseado no cliente
Na versão 2.0.1 do SDK do 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:
- Para se alinhar ao ADK (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 o 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
localizações geográficas, configurando cada instância de cliente (
client = agentplatform.Client(project=..., location=...)) com as configurações específicas de projeto e localização. - Melhorar a facilidade de descoberta e a coesão dos serviços da Gemini Enterprise Agent Platform (
client.runtimes,client.sessions,client.sandboxeseclient.memory_banks). - 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 como migrar para a nova estrutura do SDK, consulte os seguintes guias:
- Migração do SDK do Agent Runtime: migre de
vertexai.agent_enginesparaagentplatform.Client().runtimes. - SDK da Agent Platform para Python: guia de migração da 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
Configuração do ambiente de execução da Agent Platform
Configure o ambiente para usar o ambiente de execução da Agent Platform.