Gemini Enterprise Agent Platform Workbench 執行個體是以 Jupyter 筆記本為基礎的開發環境，可處理整個資料科學工作流程。您可以透過 Agent Platform Workbench 執行個體的 Jupyter 筆記本，與 Gemini Enterprise Agent Platform 和其他 Google Cloud 服務互動。
Agent Platform Workbench 的整合功能和特色，可讓您更輕鬆存取資料、加快資料處理速度、排定筆記本執行作業等。
Agent Platform Workbench 執行個體預先封裝 JupyterLab，並預先安裝一套深度學習套件，包括支援 TensorFlow 和 PyTorch 框架。您可以設定僅限 CPU 或啟用 GPU 的執行個體。
Agent Platform Workbench 執行個體支援與 GitHub 存放區同步的功能。
Agent Platform Workbench 執行個體受到 Google Cloud 驗證和授權機制的保護。
存取資料
不必離開 JupyterLab 使用者介面，即可存取資料。
在 Agent Platform Workbench 執行個體的 JupyterLab 導覽選單中，您可以使用 Cloud Storage 整合功能，瀏覽您有權存取的資料和其他檔案。請參閱「在 JupyterLab 中存取 Cloud Storage bucket 和檔案」。
您也可以使用 BigQuery 整合功能，瀏覽有權存取的資料表、編寫查詢、預覽結果，以及將資料載入筆記本。請參閱「在 JupyterLab 內查詢 BigQuery 資料表中的資料」。
執行筆記本
您可以使用執行工具，一次性或定期執行筆記本檔案。選擇要執行作業的特定環境和硬體。Notebook 的程式碼會在 Agent Platform 自訂訓練中執行，因此可以更輕鬆地執行分散式訓練、最佳化超參數，或排定持續訓練工作。
您可以在執行作業中使用參數，對每次執行作業進行特定變更。例如，您可以指定要使用的不同資料集、變更模型的學習率，或變更模型版本。
您也可以設定筆記本定期執行。即使執行個體關閉，Gemini Enterprise Agent Platform Workbench 仍會執行筆記本檔案並儲存結果，方便您查看及與他人分享。請參閱「安排筆記本執行作業」。
分享洞察資訊
執行過的筆記本會儲存在 Cloud Storage bucket，因此您可以授予結果存取權，與他人分享洞察資訊。請參閱上一節關於執行 Notebook 執行的內容。
保護執行個體
以下各節說明可協助您保護 Agent Platform Workbench 執行個體的支援功能。
虛擬私有雲
您可以使用預設的 Google 代管網路部署 Agent Platform Workbench 執行個體，該網路會使用預設的虛擬私有雲網路和子網路。您可以指定要與執行個體搭配使用的虛擬私有雲網路，而非預設網路。
如要在 service perimeter 內使用 Agent Platform Workbench，請參閱「在 service perimeter 內使用 Agent Platform Workbench 執行個體」。
客戶自行管理的加密金鑰 (CMEK)
根據預設， Google Cloud 會使用 Google 代管的加密金鑰，自動加密靜態資料。如果對保護資料的金鑰有特定的法規遵循或監管要求，可以對 Gemini Enterprise Agent Platform Workbench 執行個體使用客戶自行管理的加密金鑰 (CMEK)。詳情請參閱「客戶自行管理的加密金鑰」。
機密運算
您可以使用機密運算加密使用中的資料。如要使用機密運算，請在建立 Agent Platform Workbench 執行個體時，啟用 Confidential VM 服務。如要開始使用，請參閱「使用機密運算建立執行個體」。
自動關閉閒置執行個體
根據預設，Agent Platform Workbench 執行個體閒置一段時間後會自動關閉，協助您控管成本。您可以變更時間長度或關閉這項功能。詳情請參閱「閒置關機」。
新增 conda 環境
Agent Platform Workbench 執行個體會使用以 conda 環境為基礎的核心。您可以將 conda 環境新增至 Agent Platform Workbench 執行個體，該環境會顯示為執行個體 JupyterLab 介面中的核心。
新增 conda 環境後，您就能使用預設 Agent Platform Workbench 執行個體中未提供的核心。舉例來說，您可以新增 R 和 Apache Beam 的 conda 環境。或者，您也可以為可用架構 (例如 TensorFlow、PyTorch 或 Python) 的特定早期版本新增 conda 環境。
詳情請參閱「新增 conda 環境」。
自訂容器
您可以根據自訂容器建立 Agent Platform Workbench 執行個體。從 Google 提供的基本容器映像檔開始，並根據需求進行修改。然後根據自訂容器建立執行個體。
詳情請參閱「使用自訂容器建立執行個體」。
Managed Service for Apache Spark 整合
在 Managed Service for Apache Spark 叢集上執行筆記本，即可快速處理資料。叢集設定完成後，您可以在叢集上執行筆記本檔案，不必離開 JupyterLab 使用者介面。詳情請參閱「建立已啟用 Managed Service for Apache Spark 的執行個體」。
預留 VM 資源
使用 Compute Engine 預留項目，可高度確保 Agent Platform Workbench 執行個體有足夠的虛擬機器 (VM) 資源可供執行。
預留項目是 Compute Engine 的功能。預留項目有助於確保擁有可用的資源，隨時都能建立具有相同硬體 (記憶體和 vCPU) 和選用資源 (GPU 和本機 SSD 磁碟) 的 VM。
詳情請參閱「使用預留項目」。
使用第三方憑證建立執行個體
您可以使用員工身分聯盟提供的第三方憑證，建立及管理 Gemini Enterprise Agent Platform Workbench 執行個體。員工身分聯盟會使用外部身分識別資訊提供者 (IdP)，透過 Proxy 授予一組使用者 Agent Platform Workbench 執行個體的存取權。
如要授予 Agent Platform Workbench 執行個體的存取權，請將工作團隊集區主體指派給 Agent Platform Workbench 執行個體的服務帳戶。
詳情請參閱「使用第三方憑證建立執行個體」。
Agent Platform Workbench 執行個體的標記
Agent Platform Workbench 執行個體的基礎 VM 是 Compute Engine VM。您可以透過 Agent Platform Workbench 執行個體的 Compute Engine VM，新增及管理資源標記。
建立 Agent Platform Workbench 執行個體時，Agent Platform Workbench 會附加 Compute Engine 資源標記 vertex-workbench-instances:prod=READ_ONLY。這項資源標記僅供內部使用。
如要進一步瞭解如何管理 Compute Engine 執行個體的標記，請參閱「管理資源標記」。
限制
規劃專案時，請考量 Agent Platform Workbench 執行個體的下列限制：
不支援第三方 JupyterLab 擴充功能。
使用 Access Context Manager 和 Chrome Enterprise 進階版，透過情境感知存取權控管機制保護 Agent Platform Workbench 執行個體時，系統會在使用者每次向執行個體驗證身分時評估存取權。舉例來說，系統會在使用者首次存取 JupyterLab 時評估存取權，並在網路瀏覽器的 Cookie 到期後，每次存取時都進行評估。
如果使用的自訂容器並非衍生自 Google 提供的基礎容器 (
gcr.io/deeplearning-platform-release/workbench-container:latest)，與我們服務發生相容性問題的風險會增加，因此不支援。請改為修改基礎容器，建立符合需求的自訂容器，然後使用自訂容器建立執行個體。Agent Platform Workbench 執行個體預期會使用
cloud-notebooks-managed專案中的映像檔。映像檔名稱清單可在 Google Cloud 控制台的建立頁面中找到。雖然 Agent Platform Workbench 執行個體可以使用自訂虛擬機器 (VM) 映像檔或深度學習 VM 映像檔，但如果使用這些映像檔時發生非預期行為或故障，Agent Platform Workbench 不會提供任何支援。您無法使用 Google Cloud 控制台或 Compute Engine API，編輯 Agent Platform Workbench 執行個體的基礎 VM。如要編輯 Agent Platform Workbench 執行個體的基礎 VM，請使用 Notebooks API 中的
projects.locations.instances.patch方法，或 Agent Platform SDK 中的gcloud workbench instances update指令。在使用 VPC Service Controls 的執行個體中，不支援使用執行器。
如要在 Agent Platform Workbench 執行個體使用加速器，執行個體所在可用區必須提供您需要的加速器類型。如要瞭解各可用區的加速器可用性，請參閱「GPU 區域和可用區可用性」。