Crea ed esegui il deployment di un agente di AI su Cloud Run utilizzando l'Agent Development Kit (ADK)

Anteprima — The Python buildpack supports default entrypoint detection for the Agent Development Kit (ADK) framework google-adk

Questa funzionalità è soggetta ai "Termini delle Offerte pre-GA" nella sezione Termini di servizio generali dei Termini specifici dei servizi. Le funzionalità pre-GA sono disponibili "così come sono" e potrebbero avere un supporto limitato. Per ulteriori informazioni, consulta le descrizioni delle fasi di lancio.

Il framework Agent Development Kit (ADK) semplifica la creazione, la valutazione e il deployment di agenti AI. L'ADK fornisce un approccio modulare e basato sul codice per la creazione di agenti in grado di ragionare, pianificare e utilizzare strumenti.

Questo tutorial mostra come creare ed eseguire il deployment di un agente AI in Cloud Run utilizzando l'ADK per Python. Questo agente recupera il report meteo per una città specificata.

Per saperne di più sull'hosting dell'agente ADK utilizzando Google Cloud CLI, consulta Esegui il deployment su Cloud Run nella documentazione di ADK.

Obiettivi

• Scrivi l'applicazione di esempio per definire l'agente meteo.
• Esegui il deployment dell'agente in Cloud Run dal codice sorgente.
• Esegui l'agente per interrogare le informazioni meteo.

Costi

In questo documento vengono utilizzati i seguenti componenti fatturabili di Google Cloud:

• Artifact Registry
• Cloud Build
• Cloud Run
• Vertex AI

Per generare una stima dei costi in base all'utilizzo previsto, utilizza il Calcolatore prezzi.

I nuovi utenti di Google Cloud potrebbero avere diritto a una prova senza costi.

Prima di iniziare

Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.

In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

Roles required to select or create a project

• Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
• Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

Go to project selector

Verify that billing is enabled for your Google Cloud project.

In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

Roles required to select or create a project

• Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
• Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

Go to project selector

Verify that billing is enabled for your Google Cloud project.

1. Enable the Cloud Run Admin API, Vertex AI API, and Cloud Build APIs.

   Roles required to enable APIs

   To enable APIs, you need the Service Usage Admin IAM role (roles/serviceusage.serviceUsageAdmin), which contains the serviceusage.services.enable permission. Learn how to grant roles.

   Enable the APIs

2. Configura l'ambiente di sviluppo Cloud Run nel tuo progetto Google Cloud .
3. Installa ADK seguendo le istruzioni riportate nella documentazione di Agent Development Kit.

4. Se il tuo progetto è soggetto a un criterio dell'organizzazione con restrizioni di dominio che limitano le chiamate non autenticate, devi accedere al servizio di cui è stato eseguito il deployment come descritto in Test dei servizi privati.

Ruoli obbligatori

Per ottenere le autorizzazioni necessarie per eseguire il deployment di un agente AI su Cloud Run, chiedi all'amministratore di concederti i seguenti ruoli IAM:

• Cloud Run Source Developer (roles/run.sourceDeveloper) sul progetto
• Vertex AI User (roles/aiplatform.user) sul progetto
• Service Account User (roles/iam.serviceAccountUser) sull'identità di servizio
• Visualizzatore log (roles/logging.viewer) sul progetto

Per saperne di più sulla concessione dei ruoli, consulta Gestisci l'accesso a progetti, cartelle e organizzazioni.

Potresti anche riuscire a ottenere le autorizzazioni richieste tramite i ruoli personalizzati o altri ruoli predefiniti.

scrivi l'applicazione di esempio

Per scrivere un'applicazione in Python:

1. Crea una nuova directory principale denominata parent_folder e passa alla directory:

   mkdir parent_folder
   cd parent_folder
   

2. Nella directory parent_folder, crea una nuova sottodirectory denominata multi_tool_agent e passa a questa directory:

   mkdir multi_tool_agent
   cd multi_tool_agent
   

3. Crea un file __init__.py per importare l'agente:

   from . import agent
   

4. Crea un file agent.py per definire l'agente per rispondere alle domande sull'ora e sul meteo in una città specificata:

   import datetime
   from zoneinfo import ZoneInfo
   from google.adk.agents import Agent
   
   def get_weather(city: str) -> dict:
       """Retrieves the current weather report for a specified city.
   
       Args:
           city (str): The name of the city for which to retrieve the weather report.
   
       Returns:
           dict: status and result or error msg.
       """
       if city.lower() == "new york":
           return {
               "status": "success",
               "report": (
                   "The weather in New York is sunny with a temperature of 25 degrees"
                   " Celsius (77 degrees Fahrenheit)."
               ),
           }
       else:
           return {
               "status": "error",
               "error_message": f"Weather information for '{city}' is not available.",
           }
   
   def get_current_time(city: str) -> dict:
       """Returns the current time in a specified city.
   
       Args:
           city (str): The name of the city for which to retrieve the current time.
   
       Returns:
           dict: status and result or error msg.
       """
   
       if city.lower() == "new york":
           tz_identifier = "America/New_York"
       else:
           return {
               "status": "error",
               "error_message": (
                   f"Sorry, I don't have timezone information for {city}."
               ),
           }
   
       tz = ZoneInfo(tz_identifier)
       now = datetime.datetime.now(tz)
       report = (
           f'The current time in {city} is {now.strftime("%Y-%m-%d %H:%M:%S %Z%z")}'
       )
       return {"status": "success", "report": report}
   
   root_agent = Agent(
       name="weather_time_agent",
       model="gemini-2.0-flash",
       description=(
           "Agent to answer questions about the time and weather in a city."
       ),
       instruction=(
           "You are a helpful agent who can answer user questions about the time and weather in a city."
       ),
       tools=[get_weather, get_current_time],
   )
   

5. Crea un file .env e aggiungi le seguenti variabili:

   GOOGLE_GENAI_USE_VERTEXAI=TRUE
   GOOGLE_CLOUD_PROJECT=PROJECT_ID
   GOOGLE_CLOUD_LOCATION=REGION
   

   Sostituisci quanto segue:

   • PROJECT_ID: l'ID progetto Google Cloud .
   • REGION: la regione in cui prevedi di eseguire il deployment del servizio.

6. Vai alla directory della cartella principale parent_folder e crea un file requirements.txt per aggiungere la dipendenza google-adk:

   google-adk
   

   Il progetto di origine include la seguente struttura:

   parent_folder/
   ├── requirements.txt
   └── multi_tool_agent/
       ├── __init__.py
       ├── agent.py
       └── .env
   

La tua app è terminata e pronta per il deployment.

Esegui il deployment in Cloud Run dall'origine

Il deployment dal codice sorgente crea automaticamente un'immagine container dal codice sorgente e la esegue il deployment.

1. Nella directory del codice sorgente (parent_folder), esegui il deployment su Cloud Run utilizzando il seguente comando:

   gcloud beta run deploy --source .

   1. Quando ti viene richiesto il nome del servizio, premi Invio per accettare il nome predefinito, ad esempio weather-agent.

   2. Se ti viene chiesto di abilitare API aggiuntive nel progetto, ad esempio l'API Artifact Registry, rispondi premendo y.

   3. Quando ti viene chiesto di selezionare la regione, scegli la regione che preferisci, ad esempio europe-west1.

   4. Se ti viene chiesto di creare un repository nella regione specificata, rispondi premendo y.

   5. Se ti viene chiesto di consentire l'accesso pubblico: rispondi y. Potresti non visualizzare questo prompt se è presente un criterio dell'organizzazione con limitazioni del dominio che lo impedisce. Per maggiori dettagli, consulta la sezione Prima di iniziare.

   Quindi, attendi qualche istante fino al completamento del deployment. Se l'operazione riesce, la riga di comando visualizza l'URL del servizio. Vai a /list-apps dall'URL del servizio. Ad esempio, https://weather-agent-123456789101.us-central1.run.app/list-apps.

Esegui l'agente

Per eseguire query sull'agente ADK, esegui i seguenti comandi curl:

1. Per ottenere l'elenco delle app, esegui questo comando:

   curl -X GET SERVICE_URL/list-apps
   

   Sostituisci SERVICE_URL con l'URL del servizio di cui è stato eseguito il deployment.

2. Per avviare una sessione, esegui questo comando:

   curl -X POST SERVICE_URL/apps/multi_tool_agent/users/u_123/sessions/s_123 -H "Content-Type: application/json" -d '{"key1": "value1", "key2": 42}'
   

3. Per eseguire una query sull'agente, esegui questo comando:

   curl -X POST SERVICE_URL/run \
   -H "Content-Type: application/json" \
   -d "{\"appName\": \"multi_tool_agent\",\"userId\": \"u_123\",\"sessionId\": \"s_123\",\"newMessage\": { \"role\": \"user\", \"parts\": [{ \"text\": \"What's the weather in New York today?\" }]}}"
   

L'agente restituisce le informazioni meteo nei risultati della query.

Per ulteriori informazioni ed esempi sui comandi curl supportati, consulta Utilizzare il server API nella documentazione di ADK.

Operazione riuscita: hai eseguito il deployment di un agente AI utilizzando Agent Development Kit in Cloud Run.

Esegui la pulizia

Per evitare addebiti aggiuntivi al tuo account Google Cloud , elimina tutte le risorse che hai implementato con questo tutorial.

Elimina il progetto

Se hai creato un nuovo progetto per questo tutorial, eliminalo. Se hai utilizzato un progetto esistente e devi conservarlo senza le modifiche che hai aggiunto in questo tutorial, elimina le risorse che hai creato per il tutorial.

Il modo più semplice per eliminare la fatturazione è eliminare il progetto creato per il tutorial.

Per eliminare il progetto:

Attenzione: l'eliminazione di un progetto ha i seguenti effetti:

• L'intero contenuto del progetto viene eliminato. Se hai utilizzato un progetto esistente per, le attività descritte in questo documento, eliminerai anche tutto il lavoro che hai svolto nel progetto.
• Gli ID progetto personalizzati non sono più disponibili. Quando hai creato questo progetto, potresti aver creato un ID progetto personalizzato che vuoi utilizzare in futuro. Per conservare gli URL che utilizzano l'ID progetto, ad esempio un URL appspot.com, elimina le risorse selezionate all'interno del progetto anziché eliminare l'intero progetto.

Se intendi esplorare più architetture, tutorial o guide rapide, puoi riutilizzare i progetti ed evitare così di superare i limiti di quota.

1. In the Google Cloud console, go to the Manage resources page.

   Go to Manage resources

2. In the project list, select the project that you want to delete, and then click Delete.
3. In the dialog, type the project ID, and then click Shut down to delete the project.

Elimina le risorse del tutorial

1. Elimina il servizio Cloud Run di cui hai eseguito il deployment in questo tutorial. I servizi Cloud Run non comportano costi finché non ricevono richieste.

   Per eliminare il servizio Cloud Run, esegui questo comando:

   gcloud run services delete SERVICE-NAME

   Sostituisci SERVICE-NAME con il nome del servizio.

   Puoi eliminare i servizi Cloud Run anche dalla consoleGoogle Cloud .

2. Rimuovi la configurazione della regione predefinita gcloud che hai aggiunto durante la configurazione del tutorial:

    gcloud config unset run/region
   

3. Rimuovi la configurazione del progetto:

    gcloud config unset project