Avant de commencer à utiliser Ray sur Agent Platform, suivez ces étapes pour configurer votre projet Google et le SDK Agent Platform pour Python :
Configurez la facturation de votre projet, installez gcloud CLI et activez l'API Agent Platform. Pour ce faire, suivez les étapes de la section Configurer un projet et un environnement de développement.
Prérequis : vous devez savoir comment développer des programmes à l'aide de Ray Open Source .
Le SDK Ray sur Agent Platform pour Python utilisé ici est une version du SDK Agent Platform pour Python qui inclut les fonctionnalités du client Ray, du connecteur BigQuery pour Ray, de la gestion des clusters Ray sur Gemini Enterprise Agent Platform et des prédictions sur Gemini Enterprise Agent Platform.
Si vous utilisez Ray sur Agent Platform dans la Google Cloud console, un notebook Colab Enterprise vous guide tout au long du processus d'installation du SDK Agent Platform pour Python après que vous créiez un cluster Ray.
Si vous utilisez Ray sur Agent Platform dans Vertex AI Workbench ou dans un autre environnement Python interactif, installez le SDK Agent Platform pour Python :
# The latest image in the Ray cluster includes Ray 2.47 # The latest supported Python version is Python 3.11. $ pip install google-cloud-aiplatform[ray]
Après avoir installé le SDK, redémarrez le noyau avant d'importer les packages.
Facultatif : Si vous prévoyez de lire des données depuis BigQuery, créez un ensemble de données BigQuery ou utilisez-en un existant. Pour ce faire, consultez la section Créer un ensemble de données BigQuery.
(Facultatif) Pour limiter le risque d'exfiltration de données depuis Agent Platform, activez VPC Service Controls et spécifiez un réseau VPC lorsque vous créez un cluster. Pour en savoir plus, consultez la page VPC Service Controls avec Agent Platform.
Si vous activez VPC Service Controls, vous ne pouvez pas accéder aux ressources situées en dehors du périmètre, telles que des fichiers hébergés dans un bucket Cloud Storage.
(Facultatif) Pour utiliser une image de conteneur personnalisé, hébergez-la sur Artifact Registry. Une image personnalisée vous permet d'ajouter des dépendances Python qui ne sont pas incluses dans les images de conteneurs prédéfinies. Pour créer des images personnalisées, consultez la section "Empaqueter votre logiciel" dans la documentation Docker.
(Facultatif) Si vous spécifiez un réseau VPC lors de la création d'un cluster Ray sur Gemini Enterprise Agent Platform, il est fortement recommandé d'utiliser un réseau VPC en mode automatique dans votre projet. Les réseaux VPC en mode personnalisé et plusieurs réseaux VPC dans le même projet ne sont pas compatibles et peuvent entraîner l'échec de la création du cluster.
Sécurisez vos clusters
Suivez les consignes et bonnes pratiques concernant Ray, y compris l'exécution de code de confiance sur des réseaux approuvés, afin de sécuriser vos charges de travail Ray. Le déploiement de ray.io dans vos instances cloud s'inscrit dans le cadre du modèle de responsabilité partagée.
Pour en savoir plus sur les Google Cloud bonnes pratiques, consultez le bulletin de sécurité GCP-2024-020.
Pays acceptés
Le tableau Fonctionnalités disponibles répertorie les emplacements disponibles pour Ray sur Agent Platform pour l'entraînement de modèles personnalisés.