Optimiza las instrucciones del agente

Versión preliminar: Evaluación de agentes en Agent Platform de Gemini Enterprise

Esta función está sujeta a las "Condiciones de la oferta de la fase previa a la DG" en la sección Condiciones del servicio generales de las Condiciones específicas del servicio, así como a las Condiciones específicas del servicio de IA generativa. Esta función permite a los clientes evaluar agentes de IA, por lo que se aplican las Condiciones específicas del servicio de "Servicios de IA de agentes". Los productos y las funciones de la fase previa a la DG están disponibles "tal como están" y pueden estar sujetos a asistencia limitada. Para obtener más información, consulta las descripciones de la etapa de lanzamiento.

La optimización es la etapa final del círculo de calidad. Una vez que hayas identificado problemas sistémicos a través de la evaluación y la agrupación de fallas, puedes usar el servicio Optimizer para refinar de forma programática las instrucciones del sistema o las descripciones de herramientas de tu agente. Este proceso automatizado identifica los puntos exactos de falla y propone de forma iterativa actualizaciones segmentadas hasta que encuentra la instrucción óptima para tu conjunto de datos de evaluación.

El círculo de optimización

Por lo general, el refinamiento de un agente sigue un bucle de tres pasos:

1. Analizar fallas: Identifica brechas de comportamiento específicas, como un "clúster de pérdidas" en el que el agente no puede verificar la identidad del usuario.
2. Proponer mejoras: Optimizer genera un "parche" para la instrucción del sistema (p.ej., "Siempre solicita un número de viajero frecuente antes de confirmar una reserva").
3. Verificar ganancias: El sistema ejecuta automáticamente una evaluación comparativa en paralelo para garantizar que la nueva instrucción mejore las puntuaciones sin causar regresiones.

Optimiza de forma programática con el SDK

Puedes activar un trabajo de optimización directamente con el SDK de Agent Platform. Optimizer usa métodos avanzados como GEPA o MIPRO para derivar reglas nuevas de tus casos de prueba.

# Automatically refine the system prompt to fix identified issues
optimize_result = client.optimizer.optimize(
    targets=["system_prompt"],    # Specify which resource to optimize
    benchmark=eval_result,       # Use results from a previous evaluation run
    tests=eval_dataset,          # The test cases the agent should pass
    optimization_params={
        "method": "gepa",        # Use the GEPA optimization method
        "num_steps": 5           # Number of iterations to perform
    }
)

# Preview the optimized instruction
print("Optimized Instruction:", optimize_result.instruction)

Optimiza con la CLI

Para el desarrollo local, puedes usar el comando adk optimize para actualizar el código de tu agente directamente desde la terminal.

1. Ejecuta el comando de optimización, segmentando tu módulo de agente local: sh adk optimize . --target instruction --eval_set my_test_suite
2. Revisa los cambios propuestos en la terminal.
3. Ingresa y para aplicar las instrucciones optimizadas a tu archivo agent.py.

Optimización visual en la consola

En la Google Cloud consola de, puedes usar estadísticas visuales para activar la optimización:

1. En la Google Cloud consola, navega a la página Agent Platform > Agents > Evaluation.

   Ir a Evaluación

2. Selecciona una ejecución de evaluación con errores.

3. Selecciona un clúster de pérdidas específico (p.ej., "Formato de parámetro de herramienta no válido").

4. Haz clic en el botón Fix with Optimizer.

5. Revisa la diferencia Before/After de la instrucción del sistema y haz clic en Accept para actualizar tu agente.