Administra los agentes implementados

En esta página, se describe cómo administrar los agentes que se implementaron en el entorno de ejecución administrado de Vertex AI Agent Engine. Los agentes implementados son recursos de tipo reasoningEngine en Vertex AI.

Enumera los agentes implementados

Enumera todos los agentes implementados para un proyecto y una ubicación determinados:

Console

1. En la consola de Google Cloud , ve a la página Vertex AI Agent Engine.
   

   Ir a Agent Engine

En la lista, aparecen los agentes implementados que forman parte del proyecto seleccionado. Puedes usar el campo Filtro para filtrar la lista según la columna que especifiques.

SDK de Vertex AI para Python

Nota: Consulta la guía de migración de Agent Engine para obtener instrucciones para migrar al SDK de Vertex AI para Python basado en el cliente si aún usas una versión de google-cloud-aiplatform anterior a 1.112.0.

import vertexai

client = vertexai.Client(  # For service interactions via client.agent_engines
    project="PROJECT_ID",
    location="LOCATION",
)

for agent in client.agent_engines.list():
    print(agent)

Para filtrar la lista por display_name, haz lo siguiente:

for agent in client.agent_engines.list(
    config={
        "filter": 'display_name="DISPLAY_NAME"',
    },
):
    print(agent)

REST

Llama al método reasoningEngines.list.

Antes de usar cualquiera de los datos de solicitud a continuación, realiza los siguientes reemplazos:

• PROJECT_ID: Es el ID del proyecto de GCP.
• LOCATION: una región compatible

Método HTTP y URL:

GET https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/reasoningEngines

Para enviar tu solicitud, expande una de estas opciones:

curl (Linux, macOS o Cloud Shell)

Nota: Con el siguiente comando, se supone que accediste a gcloud CLI con tu cuenta de usuario a través de la ejecución de gcloud init o gcloud auth login , o a través del uso de Cloud Shell, que accede de forma automática a gcloud CLI . Para comprobar la cuenta activa actual, ejecuta gcloud auth list.

Ejecuta el siguiente comando:

curl -X GET \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     "https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/reasoningEngines"

PowerShell (Windows)

Nota: El siguiente comando supone que accediste a gcloud CLI con tu cuenta de usuario a través de la ejecución de gcloud init o gcloud auth login . Para comprobar la cuenta activa actual, ejecuta gcloud auth list.

Ejecuta el siguiente comando:

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
    -Method GET `
    -Headers $headers `
    -Uri "https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/reasoningEngines" | Select-Object -Expand Content

Deberías recibir un código de estado exitoso (2xx) y una respuesta vacía.

Modo Express de Vertex AI

Puedes usar el SDK de Vertex AI para Python o REST con el modo express de Vertex AI. Para obtener más información sobre el modo exprés de Vertex AI y las instrucciones para registrarte, consulta la descripción general del modo exprés de Vertex AI.

SDK de Vertex AI

import vertexai

client = vertexai.Client(  # For service interactions via client.agent_engines
    api_key="API_KEY",
)

for agent in client.agent_engines.list():
    print(agent)

Reemplaza API_KEY por tu clave de API del modo Express.

Para filtrar la lista por display_name, haz lo siguiente:

for agent in client.agent_engines.list(
    config={
        "filter": 'display_name="DISPLAY_NAME"',
    },
):
    print(agent)

API de REST

El siguiente comando de REST llama al método reasoningEngines.list:

Antes de usar cualquiera de los datos de solicitud a continuación, realiza los siguientes reemplazos:

• API_KEY: Tu clave de API del modo exprés

Método HTTP y URL:

GET https://aiplatform.googleapis.com/v1/projects/reasoningEngines?key=API_KEY

Para enviar tu solicitud, expande una de estas opciones:

curl (Linux, macOS o Cloud Shell)

Ejecuta el siguiente comando:

curl -X GET \
     "https://aiplatform.googleapis.com/v1/projects/reasoningEngines?key=API_KEY"

PowerShell (Windows)

Ejecuta el siguiente comando:

$headers = @{  }

Invoke-WebRequest `
    -Method GET `
    -Headers $headers `
    -Uri "https://aiplatform.googleapis.com/v1/projects/reasoningEngines?key=API_KEY" | Select-Object -Expand Content

Deberías recibir un código de estado exitoso (2xx) y una respuesta vacía.

Obtén un agente implementado

Cada agente implementado tiene un identificador RESOURCE_ID único. Para obtener más información, consulta Implementa un agente.

Console

1. En la consola de Google Cloud , ve a la página Vertex AI Agent Engine.
   

   Ir a Agent Engine

   En la lista, aparecen los agentes implementados que forman parte del proyecto seleccionado. Puedes usar el campo Filtro para filtrar la lista según la columna que especifiques.

2. Haz clic en el nombre del agente especificado. Se abrirá la página Métricas del agente.

3. Para ver los detalles de la implementación del agente, haz clic en Detalles de la implementación (opcional). Se abrirá el panel Detalles de la implementación. Para cerrar el panel, haz clic en Listo.

4. (Opcional) Para ver las URLs de query y streamQuery del agente, haz clic en URLs de API. Se abrirá el panel URLs de API. Para cerrar el panel, haz clic en Listo.

SDK de Vertex AI para Python

Nota: Consulta la guía de migración de Agent Engine para obtener instrucciones para migrar al SDK de Vertex AI para Python basado en el cliente si aún usas una versión de google-cloud-aiplatform anterior a 1.112.0.

El siguiente código te permite obtener un agente implementado específico:

import vertexai

client = vertexai.Client(  # For service interactions via client.agent_engines
    project="PROJECT_ID",
    location="LOCATION",
)

remote_agent = client.agent_engines.get(
    name="projects/PROJECT_ID_OR_NUMBER/locations/LOCATION/reasoningEngines/RESOURCE_ID"
)

REST

Llama al método reasoningEngines.get.

Antes de usar cualquiera de los datos de solicitud a continuación, realiza los siguientes reemplazos:

• PROJECT_ID: Es el ID del proyecto de GCP.
• LOCATION: una región compatible
• RESOURCE_ID: ID del recurso del agente implementado

Método HTTP y URL:

GET https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/reasoningEngines/RESOURCE_ID

Para enviar tu solicitud, expande una de estas opciones:

curl (Linux, macOS o Cloud Shell)

Nota: Con el siguiente comando, se supone que accediste a gcloud CLI con tu cuenta de usuario a través de la ejecución de gcloud init o gcloud auth login , o a través del uso de Cloud Shell, que accede de forma automática a gcloud CLI . Para comprobar la cuenta activa actual, ejecuta gcloud auth list.

Ejecuta el siguiente comando:

curl -X GET \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     "https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/reasoningEngines/RESOURCE_ID"

PowerShell (Windows)

Nota: El siguiente comando supone que accediste a gcloud CLI con tu cuenta de usuario a través de la ejecución de gcloud init o gcloud auth login . Para comprobar la cuenta activa actual, ejecuta gcloud auth list.

Ejecuta el siguiente comando:

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
    -Method GET `
    -Headers $headers `
    -Uri "https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/reasoningEngines/RESOURCE_ID" | Select-Object -Expand Content

Deberías recibir un código de estado exitoso (2xx) y una respuesta vacía.

Modo Express de Vertex AI

Puedes usar el SDK de Vertex AI para Python o REST con el modo express de Vertex AI. Para obtener más información sobre el modo exprés de Vertex AI y las instrucciones para registrarte, consulta la descripción general del modo exprés de Vertex AI.

SDK de Vertex AI

import vertexai

client = vertexai.Client(  # For service interactions via client.agent_engines
    api_key="API_KEY",
)

remote_agent = client.agent_engines.get(
    name="RESOURCE_NAME"
)
# Resource Name: "projects/{PROJECT_NUMBER}/locations/{LOCATION}/reasoningEngines/{RESOURCE_ID}"
# RESOURCE_ID can be used for the REST commands

Reemplaza API_KEY por tu clave de API del modo exprés.

API de REST

El siguiente comando de REST llama al método reasoningEngines.get:

Antes de usar cualquiera de los datos de solicitud a continuación, realiza los siguientes reemplazos:

• RESOURCE_ID: Es el ID del recurso del agente implementado.
• API_KEY: Tu clave de API del modo exprés

Método HTTP y URL:

GET https://aiplatform.googleapis.com/v1/reasoningEngines/RESOURCE_ID?key=API_KEY

Para enviar tu solicitud, expande una de estas opciones:

curl (Linux, macOS o Cloud Shell)

Ejecuta el siguiente comando:

curl -X GET \
     "https://aiplatform.googleapis.com/v1/reasoningEngines/RESOURCE_ID?key=API_KEY"

PowerShell (Windows)

Ejecuta el siguiente comando:

$headers = @{  }

Invoke-WebRequest `
    -Method GET `
    -Headers $headers `
    -Uri "https://aiplatform.googleapis.com/v1/reasoningEngines/RESOURCE_ID?key=API_KEY" | Select-Object -Expand Content

Deberías recibir un código de estado exitoso (2xx) y una respuesta vacía.

Actualiza un agente implementado

Puedes actualizar uno o más campos del agente implementado al mismo tiempo, pero debes especificar al menos uno de los campos que se actualizarán. El tiempo que tarda en actualizarse el agente implementado depende de la actualización que se realice, pero, por lo general, tarda entre unos segundos y unos minutos.

Console

1. En la consola de Google Cloud , ve a la página Vertex AI Agent Engine.
   

   Ir a Agent Engine

2. En el agente especificado, haz clic en el menú más acciones ().

3. Haz clic en Editar. Se abrirá el panel Editar del agente.

4. Edita el Nombre visible o la Descripción del agente.

5. Haz clic en Guardar.

SDK de Vertex AI para Python

Nota: Consulta la guía de migración de Agent Engine para obtener instrucciones para migrar al SDK de Vertex AI para Python basado en el cliente si aún usas una versión de google-cloud-aiplatform anterior a 1.112.0.

Para actualizar un agente implementado (que corresponde a RESOURCE_NAME) a un agente actualizado (que corresponde a UPDATED_AGENT), haz lo siguiente:

import vertexai

client = vertexai.Client(  # For service interactions via client.agent_engines
    project="PROJECT_ID",
    location="LOCATION",
)

client.agent_engines.update(
    name=RESOURCE_NAME,                    # Required.
    agent=UPDATED_AGENT,                   # Optional.
    config={                                                # Optional.
        "requirements": REQUIREMENTS,      # Optional.
        "display_name": "DISPLAY_NAME",    # Optional.
        "description": "DESCRIPTION",      # Optional.
        "extra_packages": EXTRA_PACKAGES,  # Optional.
    },
)

Los argumentos son los mismos que cuando implementas un agente.

REST

Llama al método reasoningEngines.patch y proporciona un update_mask para especificar qué campos se deben actualizar.

Antes de usar cualquiera de los datos de solicitud a continuación, realiza los siguientes reemplazos:

• PROJECT_ID: Es el ID del proyecto de GCP.
• LOCATION: una región compatible
• RESOURCE_ID: Es el ID del recurso del agente implementado.
• update_mask: Una lista de campos separados por comas que se actualizarán

Método HTTP y URL:

PATCH https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/reasoningEngines/RESOURCE_ID?update_mask="display_name,description"

Cuerpo JSON de la solicitud:

{
"displayName": "DISPLAY_NAME",
"description": "DESCRIPTION"
}

Para enviar tu solicitud, expande una de estas opciones:

curl (Linux, macOS o Cloud Shell)

Nota: Con el siguiente comando, se supone que accediste a gcloud CLI con tu cuenta de usuario a través de la ejecución de gcloud init o gcloud auth login , o a través del uso de Cloud Shell, que accede de forma automática a gcloud CLI . Para comprobar la cuenta activa actual, ejecuta gcloud auth list.

Guarda el cuerpo de la solicitud en un archivo llamado request.json y ejecuta el siguiente comando:

curl -X PATCH \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     -H "Content-Type: application/json; charset=utf-8" \
     -d @request.json \
     "https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/reasoningEngines/RESOURCE_ID?update_mask="display_name,description""

PowerShell (Windows)

Nota: El siguiente comando supone que accediste a gcloud CLI con tu cuenta de usuario a través de la ejecución de gcloud init o gcloud auth login . Para comprobar la cuenta activa actual, ejecuta gcloud auth list.

Guarda el cuerpo de la solicitud en un archivo llamado request.json y ejecuta el siguiente comando:

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
    -Method PATCH `
    -Headers $headers `
    -ContentType: "application/json; charset=utf-8" `
    -InFile request.json `
    -Uri "https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/reasoningEngines/RESOURCE_ID?update_mask="display_name,description"" | Select-Object -Expand Content

Deberías recibir un código de estado exitoso (2xx) y una respuesta vacía.

Modo Express de Vertex AI

Puedes usar el SDK de Vertex AI para Python o REST con el modo express de Vertex AI. Para obtener más información sobre el modo exprés de Vertex AI y las instrucciones para registrarte, consulta la descripción general del modo exprés de Vertex AI.

SDK de Vertex AI

El siguiente código usa el SDK de Vertex AI para Python para actualizar un agente implementado (correspondiente a RESOURCE_NAME) a un agente actualizado (correspondiente a UPDATED_AGENT):

import vertexai

client = vertexai.Client(  # For service interactions via client.agent_engines
    api_key="API_KEY",
)

client.agent_engines.update(
    name=RESOURCE_NAME,                    # Required.
    agent=UPDATED_AGENT,                   # Optional.
    config={                                                # Optional.
        "requirements": REQUIREMENTS,      # Optional.
        "display_name": "DISPLAY_NAME",    # Optional.
        "description": "DESCRIPTION",      # Optional.
        "extra_packages": EXTRA_PACKAGES,  # Optional.
    },
)

Reemplaza API_KEY por tu clave de API del modo exprés.

API de REST

El siguiente comando de REST llama al método reasoningEngines.patch y proporciona un update_mask para especificar qué campos se deben actualizar:

Antes de usar cualquiera de los datos de solicitud a continuación, realiza los siguientes reemplazos:

• RESOURCE_ID: Es el ID del recurso del agente implementado.
• API_KEY: Tu clave de API del modo exprés
• update_mask: Una lista de campos separados por comas que se actualizarán

Método HTTP y URL:

PATCH https://aiplatform.googleapis.com/v1/reasoningEngines/RESOURCE_ID?update_mask="display_name,description"&key=API_KEY

Cuerpo JSON de la solicitud:

{
"displayName": "DISPLAY_NAME",
"description": "DESCRIPTION"
}

Para enviar tu solicitud, expande una de estas opciones:

curl (Linux, macOS o Cloud Shell)

Guarda el cuerpo de la solicitud en un archivo llamado request.json y ejecuta el siguiente comando:

curl -X PATCH \
     -H "Content-Type: application/json; charset=utf-8" \
     -d @request.json \
     "https://aiplatform.googleapis.com/v1/reasoningEngines/RESOURCE_ID?update_mask="display_name,description"&key=API_KEY"

PowerShell (Windows)

Guarda el cuerpo de la solicitud en un archivo llamado request.json y ejecuta el siguiente comando:

$headers = @{  }

Invoke-WebRequest `
    -Method PATCH `
    -Headers $headers `
    -ContentType: "application/json; charset=utf-8" `
    -InFile request.json `
    -Uri "https://aiplatform.googleapis.com/v1/reasoningEngines/RESOURCE_ID?update_mask="display_name,description"&key=API_KEY" | Select-Object -Expand Content

Deberías recibir un código de estado exitoso (2xx) y una respuesta vacía.

Configura la telemetría para tu agente implementado

Si habilitaste los registros durante el desarrollo del agente, puedes usar la consola de Google Cloud para configurar la telemetría de tu agente implementado.

Configura la telemetría para los agentes implementados con la telemetría habilitada:

1. En la consola de Google Cloud , ve a la página Vertex AI Agent Engine.
   

   Ir a Agent Engine

   Las instancias de Agent Engine que forman parte del proyecto seleccionado aparecen en la lista. Puedes usar el campo Filtro para filtrar la lista según la columna que especifiques.

2. Busca la fila de tu instancia de Agent Engine. En la columna Configuración de telemetría, haz clic en Configurar. Se abrirá el panel Configuración del servicio.

3. Puedes realizar los siguientes ajustes:

   • Observabilidad: Puedes configurar lo siguiente:

     • Habilita la instrumentación de los registros y seguimientos de OpenTelemetry: Para completar el panel de observabilidad del agente y las páginas de seguimiento, haz clic en el botón de activación para que quede en la posición de encendido.

     • Habilita el registro de las entradas de instrucciones y las salidas de respuestas: Para recopilar y almacenar todo el contenido de las instrucciones de los usuarios y sus respuestas, haz clic en el botón de activación para habilitar la opción.

     Si la recopilación de telemetría está inhabilitada para tu agente, debes volver a implementarlo y actualizar la versión del SDK de Vertex AI a >= 1.126.1 para ver las opciones de configuración de Observabilidad.

   • Contenedores: Configura los parámetros del contenedor para tu agente implementado:

     • Ajuste de escala: Ingresa una Cantidad mínima de instancias y una Cantidad máxima de instancias.

     • Recursos: Selecciona los límites de memoria y CPU para cada contenedor.

     • Simultaneidad del contenedor: Ingresa una Cantidad mínima de instancias para establecer la simultaneidad de cada contenedor y servidor de agentes. El valor recomendado es (2 * CPU + 1), y el valor predeterminado es 9.

   • Access and Permissions: Haz clic en Manage Permissions in IAM para administrar los permisos del agente en la cuenta de servicio asociada.

   • Detalles de la implementación: Consulta los detalles de la implementación del agente, incluidos el Nombre del recurso y el Nombre visible.

   • Memory Bank: Consulta los detalles de Memory Bank del agente, incluidas las funciones Memory Generation y Memory Search.

4. Haz clic en Actualizar o Cerrar.

Consulta las métricas de tu agente implementado

En el caso de los agentes implementados, puedes usar la consola para ver las métricas de tu agente:

1. En la consola de Google Cloud , ve a la página Vertex AI Agent Engine.
   

   Ir a Agent Engine

   En la lista, aparecen los agentes implementados que forman parte del proyecto seleccionado. Puedes usar el campo Filtro para filtrar la lista según la columna que especifiques.

2. Haz clic en el nombre de tu agente. Se muestra el panel del agente seleccionado.

3. Selecciona una de las siguientes pestañas de Panel:

   • Resumen: Consulta un panel de resumen de las métricas de tu agente, incluidas la latencia, la cantidad de solicitudes y la tasa de errores.

   • Modelos: Consulta un panel de métricas para el modelo de tu agente, que incluye la cantidad de llamadas al modelo, la tasa de errores del modelo y el uso de tokens del modelo.

   • Herramientas: Consulta un panel de métricas para las herramientas de tu agente, que incluye la cantidad de llamadas a herramientas, la tasa de errores de herramientas y la latencia de herramientas.

   • Uso: Consulta un panel de métricas sobre el uso de tu agente, incluido el uso de tokens por entrada y salida, la asignación de CPU del contenedor y la asignación de memoria del contenedor.

   • Registros: Consulta los registros de tu agente si habilitaste Cloud Logging para tu agente.

Borra un agente implementado

Borra un agente implementado del entorno de ejecución administrado de Vertex AI Agent Engine.

Console

1. En la consola de Google Cloud , ve a la página Vertex AI Agent Engine.
   

   Ir a Agent Engine

2. En el agente especificado, haz clic en el menú más acciones ().

3. Haz clic en Borrar.

4. Haz clic en Borrar agente.

SDK de Vertex AI para Python

Nota: Consulta la guía de migración de Agent Engine para obtener instrucciones para migrar al SDK de Vertex AI para Python basado en el cliente si aún usas una versión de google-cloud-aiplatform anterior a 1.112.0.

Si ya tienes una instancia existente del agente implementado (como remote_agent), puedes ejecutar el siguiente comando:

remote_agent.delete(
    force=True, # Optional, if the agent has resources (e.g. sessions, memory)
)

Como alternativa, puedes llamar a agent_engines.delete() para borrar el agente implementado correspondiente a RESOURCE_NAME de la siguiente manera:

import vertexai

client = vertexai.Client(  # For service interactions via client.agent_engines
    project="PROJECT_ID",
    location="LOCATION",
)

client.agent_engines.delete(
    name=RESOURCE_NAME,
    force=True, # Optional, if the agent has resources (e.g. sessions, memory)
)

REST

Llama al método reasoningEngines.delete.

Antes de usar cualquiera de los datos de solicitud a continuación, realiza los siguientes reemplazos:

• PROJECT_ID: Es el ID del proyecto de GCP.
• LOCATION: una región compatible
• RESOURCE_ID: ID del recurso del agente implementado

Método HTTP y URL:

DELETE https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/reasoningEngines/RESOURCE_ID

Para enviar tu solicitud, expande una de estas opciones:

curl (Linux, macOS o Cloud Shell)

Nota: Con el siguiente comando, se supone que accediste a gcloud CLI con tu cuenta de usuario a través de la ejecución de gcloud init o gcloud auth login , o a través del uso de Cloud Shell, que accede de forma automática a gcloud CLI . Para comprobar la cuenta activa actual, ejecuta gcloud auth list.

Ejecuta el siguiente comando:

curl -X DELETE \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     "https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/reasoningEngines/RESOURCE_ID"

PowerShell (Windows)

Nota: El siguiente comando supone que accediste a gcloud CLI con tu cuenta de usuario a través de la ejecución de gcloud init o gcloud auth login . Para comprobar la cuenta activa actual, ejecuta gcloud auth list.

Ejecuta el siguiente comando:

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
    -Method DELETE `
    -Headers $headers `
    -Uri "https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/reasoningEngines/RESOURCE_ID" | Select-Object -Expand Content

Deberías recibir un código de estado exitoso (2xx) y una respuesta vacía.

Modo Express de Vertex AI

Puedes usar el SDK de Vertex AI para Python o REST con el modo express de Vertex AI.

SDK de Vertex AI

El siguiente código usa el SDK de Vertex AI para Python para borrar el agente implementado correspondiente a RESOURCE_NAME de la siguiente manera:

import vertexai

client = vertexai.Client(  # For service interactions via client.agent_engines
    api_key="API_KEY",
)

client.agent_engines.delete(
    name=RESOURCE_NAME,
    force=True, # Optional, if the agent has resources (e.g. sessions, memory)
)

Reemplaza API_KEY por tu clave de API del modo exprés.

API de REST

El siguiente comando de REST llama al método reasoningEngines.delete:

Antes de usar cualquiera de los datos de solicitud a continuación, realiza los siguientes reemplazos:

• RESOURCE_ID: Es el ID del recurso del agente implementado.
• API_KEY: Tu clave de API del modo exprés

Método HTTP y URL:

DELETE https://aiplatform.googleapis.com/v1/projects/reasoningEngines/RESOURCE_ID?key=API_KEY

Para enviar tu solicitud, expande una de estas opciones:

curl (Linux, macOS o Cloud Shell)

Ejecuta el siguiente comando:

curl -X DELETE \
     "https://aiplatform.googleapis.com/v1/projects/reasoningEngines/RESOURCE_ID?key=API_KEY"

PowerShell (Windows)

Ejecuta el siguiente comando:

$headers = @{  }

Invoke-WebRequest `
    -Method DELETE `
    -Headers $headers `
    -Uri "https://aiplatform.googleapis.com/v1/projects/reasoningEngines/RESOURCE_ID?key=API_KEY" | Select-Object -Expand Content

Deberías recibir un código de estado exitoso (2xx) y una respuesta vacía.

¿Qué sigue?

• Usa un agente.
• Soluciona problemas de administración de agentes implementados.