התקנה של Agent Platform SDK ל-Python

אתם יכולים להשתמש ב-Agent Platform SDK ל-Python כדי להפוך את תהליכי העבודה של למידת מכונה (ML) לאוטומטיים. בדף הזה מוסבר איך להתקין את Agent Platform SDK ל-Python. מידע נוסף על Agent Platform SDK זמין במקורות המידע הבאים:

התקנה של Agent Platform SDK for Python כוללת את השלבים הבאים:

  1. יצירת סביבת Python מבודדת
  2. התקנת חבילת Agent Platform SDK
  3. אתחול Agent Platform SDK

יצירת סביבת Python מבודדת

השיטה המומלצת ב-Python היא להתקין את Agent Platform SDK בסביבת Python מבודדת לכל פרויקט. כך אפשר למנוע בעיות שקשורות לתלות, לגרסה ולהרשאות. אתם יכולים ליצור סביבה מבודדת כדי להשתמש בשורת הפקודה במעטפת או כדי להשתמש ב-Notebook.

כדי ליצור סביבה מבודדת כשמשתמשים בשורת הפקודה, מפעילים סביבת venv. אחרי שמפעילים את סביבת venv, אפשר להתקין את Agent Platform SDK ולהריץ את סקריפטים של Python. מידע נוסף זמין במאמרים שימוש ב-venv כדי לבודד יחסי תלות והגדרת סביבת פיתוח ב-Python.

כדי להשתמש בנוטבוק בסביבה מבודדת, אפשר ליצור מופע של Gemini Enterprise Agent Platform Workbench. לאחר מכן, מתקינים את Agent Platform SDK ומריצים את סקריפטי Python מתוך נוטבוק במופע של סביבת העבודה של Gemini Enterprise Agent Platform. מידע נוסף זמין במאמר יצירת מופע של Agent Platform Workbench.

התקנה או עדכון של חבילת Agent Platform SDK

כדי להתקין או לעדכן את Agent Platform SDK, מריצים את הפקודה הבאה בסביבה הווירטואלית:

pip install --upgrade google-cloud-aiplatform

אתחול ה-SDK של Agent Platform

אחרי שמתקינים את Agent Platform SDK for Python, צריך לאתחל את ה-SDK עם הפרטים של Gemini Enterprise Agent Platform Google Cloud . לדוגמה, כשמפעילים את ה-SDK, מציינים פרטים כמו שם הפרויקט, האזור וקטגוריית Cloud Storage של הסביבה הזמנית. הדוגמה הבאה היא של method שמאחלת את Agent Platform SDK.

def init_sample(
    project: Optional[str] = None,
    location: Optional[str] = None,
    experiment: Optional[str] = None,
    staging_bucket: Optional[str] = None,
    credentials: Optional[google.auth.credentials.Credentials] = None,
    encryption_spec_key_name: Optional[str] = None,
    service_account: Optional[str] = None,
):

    import vertexai

    vertexai.init(
        project=project,
        location=location,
        experiment=experiment,
        staging_bucket=staging_bucket,
        credentials=credentials,
        encryption_spec_key_name=encryption_spec_key_name,
        service_account=service_account,
    )

המאמרים הבאים