Fehlerbehebung mit einem KI-Agenten in der Agent Runtime

In diesem Dokument wird beschrieben, wie Sie Fehler beheben können, die bei der Verwendung eines KI-Agenten auftreten können.

Hinweis: Wenn Sie Agentenfehlerprotokolle suchen und filtern möchten, verwenden Sie den Log-Explorer, wählen Sie RESOURCE TYPE für „Vertex AI Reasoning Engine“ aus und wählen Sie den entsprechenden RESOURCE CONTAINER-Wert (d.h. die Projektnummer) und den REASONING ENGINE ID-Wert aus.

Vorgangsschemas sind leer

Wenn Ihr Agent eine leere Liste von .operation_schemas() zurückgibt, kann dies an einem der folgenden Probleme liegen:

Fehler beim Generieren eines Schemas während der Erstellung des KI-Agenten

Problem:

Wenn Sie Ihren Agenten bereitstellen, erhalten Sie eine Warnung ähnlich der folgenden:

WARNING:vertexai.agent_engines:failed to generate schema: issubclass() arg 1 must be a class

Mögliche Ursache:

Diese Warnung kann auftreten, wenn Sie einen Agent mit der vordefinierten Vorlage LangchainAgent in einer Version von google-cloud-aiplatform bereitstellen, die älter als 1.49.0 ist. Führen Sie folgenden Befehl im Terminal aus, um zu prüfen, welche Version Sie verwenden:

pip show google-cloud-aiplatform

Empfohlene Lösung:

Führen Sie in Ihrem Terminal den folgenden Befehl aus, um das google-cloud-aiplatform-Paket zu aktualisieren:

pip install google-cloud-aiplatform --upgrade

Führen Sie nach dem Aktualisieren des google-cloud-aiplatform-Pakets den folgenden Befehl aus, um zu prüfen, ob die Version 1.49.0 oder höher ist:

pip show google-cloud-aiplatform

Wenn Sie sich in einer Notebookinstanz befinden (z. B. Jupyter, Colab oder Workbench), müssen Sie möglicherweise Ihre Laufzeit neu starten, um das aktualisierte Paket verwenden zu können. Nachdem Sie geprüft haben, dass Ihre Version von google-cloud-aiplatform 1.49.0 oder höher ist, versuchen Sie noch einmal, Ihren Agenten bereitzustellen.

PermissionDenied-Fehler beim Abfragen des KI-Agenten

Ihre Abfrage schlägt möglicherweise fehl, wenn Sie nicht die erforderlichen Berechtigungen haben.

Berechtigungen für Vertex AI-Erweiterungen

Vorgang

Möglicherweise erhalten Sie einen PermissionDenied-Fehler, der in etwa so aussieht:

Permission 'aiplatform.extensions.get' denied on resource
'//aiplatform.googleapis.com/projects/{PROJECT_ID}/locations/{LOCATION}/extensions/
{EXTENSION}' (or it may not exist). [reason: "IAM_PERMISSION_DENIED"
domain: "aiplatform.googleapis.com"
metadata {
  key: "permission"
  value: "aiplatform.extensions.get"
}
metadata {
  key: "resource"
  value: "projects/{PROJECT_ID}/locations/{LOCATION}/extensions/{EXTENSION}"
}
]

Ihr Agent hat nicht die Berechtigungen für Vertex AI-Erweiterungen. Wenn Sie Vertex AI-Erweiterungen mit Agent Runtime verwenden möchten, weisen Sie dem Dienstkonto Ihrer Agentenidentität die Rolle „Vertex AI-Nutzer“ (roles/aiplatform.user) zu. Weitere Informationen finden Sie unter Identität und Berechtigungen für Ihren Agenten einrichten.

LLM-Berechtigungen

Problem:

Möglicherweise erhalten Sie einen PermissionDenied-Fehler, der in etwa so aussieht:

PermissionDenied: 403 Permission 'aiplatform.endpoints.predict' denied on resource
'//aiplatform.googleapis.com/projects/{PROJECT_ID}/locations/{LOCATION}/publishers/
google/models/{MODEL}' (or it may not exist). [reason: "IAM_PERMISSION_DENIED"
domain: "aiplatform.googleapis.com"
metadata {
  key: "permission"
  value: "aiplatform.endpoints.predict"
}
metadata {
  key: "resource"
  value: "projects/{PROJECT_ID}/locations/{LOCATION}/publishers/google/models/{MODEL}"
}
]

Mögliche Ursache:

Ihr Dienstkonto für die Agentenidentität hat möglicherweise nicht die erforderlichen Berechtigungen, um Ihr Large Language Model (LLM) abzufragen.

Empfohlene Lösung:

Prüfen Sie, ob Ihr Dienstkonto die richtigen IAM-Berechtigungen (Identity and Access Management) hat, die in der Fehlermeldung aufgeführt sind. Ein Beispiel für eine IAM-Berechtigung, die Ihnen möglicherweise fehlt, ist aiplatform.endpoints.predict. Weitere Informationen finden Sie unter Identität und Berechtigungen für den Agent einrichten.

Ausführung der Reasoning Engine fehlgeschlagen

Wenn Sie beim Abfragen Ihres Agenten die Fehlermeldung „Reasoning Engine Execution failed“ erhalten, kann dies an einem der in diesem Abschnitt beschriebenen Probleme liegen.

Ungültige Eingaben für .query()

Problem:

Möglicherweise erhalten Sie einen FailedPrecondition-Fehler, der in etwa so aussieht:

FailedPrecondition: 400 Reasoning Engine Execution failed. Error Details:
{"detail":"Invalid request: `{'query': ...}`"}

Mögliche Ursache:

Dieser Fehler tritt auf, wenn Sie die Eingaben für die Abfrage als Positionsargumente anstelle von Schlüsselwortargumenten angeben. Sie rufen beispielsweise agent.query(query_str) anstelle von agent.query(input=query_str) auf.

Empfohlene Lösung:

Wenn Sie eine Instanz einer bereitgestellten Reasoning Engine abfragen, geben Sie alle Eingaben als Schlüsselwortargumente an.

Gemini-Modellkontingent aufgebraucht

Problem:

Möglicherweise erhalten Sie einen Fehler, der einem der folgenden ähnelt und darauf hinweist, dass der Fehler durch den Aufruf von Gemini ausgelöst wurde:

FailedPrecondition: 400 Reasoning Engine Execution failed. Error Details:
{"detail":"...langchain_google_vertexai/chat_models.py...google.api_core.exceptions.ResourceExhausted: 429 Unable to submit request because the service is temporarily out of capacity. Try again later."}

oder eine andere Fehlermeldung:

FailedPrecondition: 400 Reasoning Engine Execution failed. Error Details:
{"detail":"...langchain_google_vertexai/chat_models.py...google.api_core.exceptions.InternalServerError: 500 Internal error occurred."}

Mögliche Ursache:

Das kann passieren, wenn Sie in letzter Zeit zu viele Anfragen gesendet und das Kontingent für das Gemini-Modell aufgebraucht haben.

Empfohlene Lösung:

Folgen Sie dem Prozess zur Verwaltung von Gemini-Modellkontingenten, um das Kontingent zu erhöhen. Alternativ können Sie die Rate Ihrer Tests begrenzen und es später noch einmal versuchen.

Falsche Reasoning Engine-ID

Problem:

Möglicherweise erhalten Sie die Fehlermeldung, dass die Ausführung der Reasoning Engine mit dem Detail Not Found fehlgeschlagen ist.

Mögliche Ursache:

Dieser Fehler kann auftreten, wenn Sie beim Abfragen Ihres KI-Agenten eine falsche Reasoning Engine-ID verwenden.

Empfohlene Lösung:

Prüfen Sie, ob Sie die richtige Reasoning Engine-ID für Ihren Agenten verwenden.

Supportressourcen

Wenn das Problem weiterhin besteht, findest du in unserem Supportleitfaden weitere Informationen.