Mengelola agen yang di-deploy

Halaman ini menjelaskan cara mengelola agen yang telah di-deploy ke runtime terkelola Vertex AI Agent Engine. Agen yang di-deploy adalah resource berjenis reasoningEngine di Vertex AI.

Mencantumkan agen yang di-deploy

Mencantumkan semua agen yang di-deploy untuk project dan lokasi tertentu:

Konsol

1. Di konsol Google Cloud , buka halaman Vertex AI Agent Engine.
   

   Buka Agent Engine

Agen yang di-deploy yang merupakan bagian dari project yang dipilih akan muncul dalam daftar. Anda dapat menggunakan kolom Filter untuk memfilter daftar menurut kolom yang Anda tentukan.

Vertex AI SDK untuk Python

Catatan: Lihat panduan migrasi Agent Engine untuk mengetahui petunjuk cara bermigrasi ke Vertex AI SDK untuk Python berbasis klien jika Anda masih menggunakan versi google-cloud-aiplatform sebelum 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)

Untuk memfilter daftar menurut display_name:

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

REST

Panggil metode reasoningEngines.list.

Sebelum menggunakan salah satu data permintaan, lakukan penggantian berikut:

• PROJECT_ID: project ID GCP Anda
• LOCATION: wilayah yang didukung

Metode HTTP dan URL:

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

Untuk mengirim permintaan Anda, perluas salah satu opsi berikut:

curl (Linux, macOS, atau Cloud Shell)

Catatan: Perintah berikut mengasumsikan bahwa Anda telah login ke gcloud CLI menggunakan akun pengguna Anda dengan menjalankan gcloud init atau gcloud auth login, atau dengan menggunakan Cloud Shell, yang secara otomatis membuat Anda login ke gcloud CLI. Anda dapat memeriksa akun yang saat ini aktif dengan menjalankan gcloud auth list.

Jalankan perintah berikut:

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)

Catatan: Perintah berikut mengasumsikan bahwa Anda telah login ke gcloud CLI menggunakan akun pengguna Anda dengan menjalankan gcloud init atau gcloud auth login. Anda dapat memeriksa akun yang saat ini aktif dengan menjalankan gcloud auth list.

Jalankan perintah berikut:

$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

Anda akan menerima kode status berhasil (2xx) dan respons kosong.

Mode ekspres Vertex AI

Anda dapat menggunakan Vertex AI SDK untuk Python atau REST dengan mode ekspres Vertex AI. Untuk mengetahui informasi selengkapnya tentang mode ekspres Vertex AI dan petunjuk cara mendaftar, lihat Ringkasan Vertex AI dalam mode ekspres.

Vertex AI SDK

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)

Ganti API_KEY dengan kunci API mode ekspres Anda

Untuk memfilter daftar menurut display_name:

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

REST API

Perintah REST berikut memanggil metode reasoningEngines.list:

Sebelum menggunakan salah satu data permintaan, lakukan penggantian berikut:

• API_KEY: kunci API mode ekspres Anda

Metode HTTP dan URL:

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

Untuk mengirim permintaan Anda, perluas salah satu opsi berikut:

curl (Linux, macOS, atau Cloud Shell)

Jalankan perintah berikut:

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

PowerShell (Windows)

Jalankan perintah berikut:

$headers = @{  }

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

Anda akan menerima kode status berhasil (2xx) dan respons kosong.

Mendapatkan agen yang di-deploy

Setiap agen yang di-deploy memiliki ID RESOURCE_ID yang unik. Untuk mempelajari lebih lanjut, lihat Men-deploy agen.

Konsol

1. Di konsol Google Cloud , buka halaman Vertex AI Agent Engine.
   

   Buka Agent Engine

   Agen yang di-deploy yang merupakan bagian dari project yang dipilih akan muncul dalam daftar. Anda dapat menggunakan kolom Filter untuk memfilter daftar menurut kolom yang Anda tentukan.

2. Klik nama agen yang ditentukan. Halaman Metrics untuk agen akan terbuka.

3. (Opsional) Untuk melihat detail deployment agen, klik Detail deployment. Panel Deployment details akan terbuka. Untuk menutup panel, klik Selesai.

4. (Opsional) Untuk melihat URL query dan streamQuery untuk agen, klik URL API. Panel URL API akan terbuka. Untuk menutup panel, klik Selesai.

Vertex AI SDK untuk Python

Catatan: Lihat panduan migrasi Agent Engine untuk mengetahui petunjuk cara bermigrasi ke Vertex AI SDK untuk Python berbasis klien jika Anda masih menggunakan versi google-cloud-aiplatform sebelum 1.112.0.

Kode berikut memungkinkan Anda mendapatkan agen yang di-deploy tertentu:

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

Panggil metode reasoningEngines.get.

Sebelum menggunakan salah satu data permintaan, lakukan penggantian berikut:

• PROJECT_ID: project ID GCP Anda
• LOCATION: wilayah yang didukung
• RESOURCE_ID: ID resource agen yang di-deploy

Metode HTTP dan URL:

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

Untuk mengirim permintaan Anda, perluas salah satu opsi berikut:

curl (Linux, macOS, atau Cloud Shell)

Catatan: Perintah berikut mengasumsikan bahwa Anda telah login ke gcloud CLI menggunakan akun pengguna Anda dengan menjalankan gcloud init atau gcloud auth login, atau dengan menggunakan Cloud Shell, yang secara otomatis membuat Anda login ke gcloud CLI. Anda dapat memeriksa akun yang saat ini aktif dengan menjalankan gcloud auth list.

Jalankan perintah berikut:

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)

Catatan: Perintah berikut mengasumsikan bahwa Anda telah login ke gcloud CLI menggunakan akun pengguna Anda dengan menjalankan gcloud init atau gcloud auth login. Anda dapat memeriksa akun yang saat ini aktif dengan menjalankan gcloud auth list.

Jalankan perintah berikut:

$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

Anda akan menerima kode status berhasil (2xx) dan respons kosong.

Mode ekspres Vertex AI

Anda dapat menggunakan Vertex AI SDK untuk Python atau REST dengan mode ekspres Vertex AI. Untuk mengetahui informasi selengkapnya tentang mode ekspres Vertex AI dan petunjuk cara mendaftar, lihat Ringkasan Vertex AI dalam mode ekspres.

Vertex AI SDK

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

Ganti API_KEY dengan kunci API mode ekspres Anda

REST API

Perintah REST berikut memanggil metode reasoningEngines.get:

Sebelum menggunakan salah satu data permintaan, lakukan penggantian berikut:

• RESOURCE_ID: ID resource agen yang di-deploy
• API_KEY: kunci API mode ekspres Anda

Metode HTTP dan URL:

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

Untuk mengirim permintaan Anda, perluas salah satu opsi berikut:

curl (Linux, macOS, atau Cloud Shell)

Jalankan perintah berikut:

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

PowerShell (Windows)

Jalankan perintah berikut:

$headers = @{  }

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

Anda akan menerima kode status berhasil (2xx) dan respons kosong.

Memperbarui agen yang di-deploy

Anda dapat memperbarui satu atau beberapa kolom agen yang di-deploy secara bersamaan, tetapi Anda harus menentukan setidaknya satu kolom yang akan diperbarui. Waktu yang diperlukan untuk memperbarui agen yang di-deploy bergantung pada update yang dilakukan, tetapi biasanya memerlukan waktu antara beberapa detik hingga beberapa menit.

Konsol

1. Di konsol Google Cloud , buka halaman Vertex AI Agent Engine.
   

   Buka Agent Engine

2. Untuk agen yang Anda tentukan, klik menu tindakan lainnya ().

3. Klik Edit. Panel Edit untuk agen akan terbuka.

4. Edit Nama tampilan atau Deskripsi untuk agen.

5. Klik Simpan.

Vertex AI SDK untuk Python

Catatan: Lihat panduan migrasi Agent Engine untuk mengetahui petunjuk cara bermigrasi ke Vertex AI SDK untuk Python berbasis klien jika Anda masih menggunakan versi google-cloud-aiplatform sebelum 1.112.0.

Untuk mengupdate agen yang di-deploy (sesuai dengan RESOURCE_NAME) ke agen yang diupdate (sesuai dengan UPDATED_AGENT):

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.
    },
)

Argumennya sama seperti saat Anda men-deploy agen.

REST

Panggil metode reasoningEngines.patch dan berikan update_mask untuk menentukan kolom yang akan diperbarui.

Sebelum menggunakan salah satu data permintaan, lakukan penggantian berikut:

• PROJECT_ID: project ID GCP Anda
• LOCATION: wilayah yang didukung
• RESOURCE_ID: ID resource agen yang di-deploy
• update_mask: daftar kolom yang dipisahkan koma yang akan diupdate

Metode HTTP dan URL:

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

Meminta isi JSON:

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

Untuk mengirim permintaan Anda, perluas salah satu opsi berikut:

curl (Linux, macOS, atau Cloud Shell)

Catatan: Perintah berikut mengasumsikan bahwa Anda telah login ke gcloud CLI menggunakan akun pengguna Anda dengan menjalankan gcloud init atau gcloud auth login, atau dengan menggunakan Cloud Shell, yang secara otomatis membuat Anda login ke gcloud CLI. Anda dapat memeriksa akun yang saat ini aktif dengan menjalankan gcloud auth list.

Simpan isi permintaan dalam file bernama request.json, dan jalankan perintah berikut:

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)

Catatan: Perintah berikut mengasumsikan bahwa Anda telah login ke gcloud CLI menggunakan akun pengguna Anda dengan menjalankan gcloud init atau gcloud auth login. Anda dapat memeriksa akun yang saat ini aktif dengan menjalankan gcloud auth list.

Simpan isi permintaan dalam file bernama request.json, dan jalankan perintah berikut:

$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

Anda akan menerima kode status berhasil (2xx) dan respons kosong.

Mode ekspres Vertex AI

Anda dapat menggunakan Vertex AI SDK untuk Python atau REST dengan mode ekspres Vertex AI. Untuk mengetahui informasi selengkapnya tentang mode ekspres Vertex AI dan petunjuk cara mendaftar, lihat Ringkasan Vertex AI dalam mode ekspres.

Vertex AI SDK

Kode berikut menggunakan Vertex AI SDK untuk Python guna memperbarui agen yang di-deploy (sesuai dengan RESOURCE_NAME) ke agen yang diperbarui (sesuai dengan 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.
    },
)

Ganti API_KEY dengan kunci API mode ekspres Anda

REST API

Perintah REST berikut memanggil metode reasoningEngines.patch dan menyediakan update_mask untuk menentukan kolom yang akan diperbarui:

Sebelum menggunakan salah satu data permintaan, lakukan penggantian berikut:

• RESOURCE_ID: ID resource agen yang di-deploy
• API_KEY: kunci API mode ekspres Anda
• update_mask: daftar kolom yang dipisahkan koma yang akan diupdate

Metode HTTP dan URL:

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

Meminta isi JSON:

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

Untuk mengirim permintaan Anda, perluas salah satu opsi berikut:

curl (Linux, macOS, atau Cloud Shell)

Simpan isi permintaan dalam file bernama request.json, dan jalankan perintah berikut:

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)

Simpan isi permintaan dalam file bernama request.json, dan jalankan perintah berikut:

$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

Anda akan menerima kode status berhasil (2xx) dan respons kosong.

Mengonfigurasi telemetri untuk agen yang di-deploy

Jika Anda mengaktifkan rekaman aktivitas selama pengembangan agen, Anda dapat menggunakan konsol Google Cloud untuk mengonfigurasi telemetri untuk agen yang di-deploy.

Konfigurasi telemetri untuk agen yang di-deploy dengan telemetri yang diaktifkan:

1. Di konsol Google Cloud , buka halaman Vertex AI Agent Engine.
   

   Buka Agent Engine

   Instance Agent Engine yang merupakan bagian dari project yang dipilih akan muncul dalam daftar. Anda dapat menggunakan kolom Filter untuk memfilter daftar menurut kolom yang Anda tentukan.

2. Temukan baris untuk instance Agent Engine Anda. Di kolom Konfigurasi telemetri, klik Konfigurasi. Panel Konfigurasi layanan akan terbuka.

3. Anda dapat melakukan konfigurasi berikut:

   • Observabilitas: Anda dapat mengonfigurasi hal berikut:

     • Aktifkan instrumentasi log dan rekaman aktivitas OpenTelemetry: Untuk mengisi dasbor keobservasian dan halaman rekaman aktivitas agen, klik tombol ke posisi aktif.

     • Aktifkan logging input perintah dan output respons: Untuk mengumpulkan dan menyimpan konten lengkap perintah dan respons pengguna, klik tombol untuk mengaktifkannya.

     Jika pengumpulan telemetri dinonaktifkan untuk agen, Anda harus men-deploy ulang agen dan memperbarui versi Vertex AI SDK ke >= 1.126.1 agar dapat melihat opsi konfigurasi untuk Observability.

   • Container: Mengonfigurasi setelan container untuk agen yang di-deploy:

     • Penskalaan: Masukkan Jumlah minimum instance dan Jumlah maksimum instance.

     • Resource: Pilih batas untuk Memori dan CPU untuk setiap container.

     • Serentak container: Masukkan Jumlah minimum instance untuk menetapkan serentak untuk setiap server agen dan container. Nilai yang direkomendasikan adalah (2 * CPU + 1), dan nilai defaultnya adalah 9.

   • Akses dan Izin: Klik Kelola Izin di IAM untuk mengelola izin agen di akun layanan terkait.

   • Detail deployment: Lihat detail deployment untuk agen, termasuk Nama resource dan Nama tampilan.

   • Bank Memori: Lihat detail Bank Memori untuk agen, termasuk Pembuatan Memori dan Penelusuran Memori.

4. Klik Perbarui atau Tutup.

Melihat metrik untuk agen yang di-deploy

Untuk agen yang di-deploy, Anda dapat menggunakan konsol untuk melihat metrik agen:

1. Di konsol Google Cloud , buka halaman Vertex AI Agent Engine.
   

   Buka Agent Engine

   Agen yang di-deploy yang merupakan bagian dari project yang dipilih akan muncul dalam daftar. Anda dapat menggunakan kolom Filter untuk memfilter daftar menurut kolom yang Anda tentukan.

2. Klik nama agen Anda. Dasbor akan ditampilkan untuk agen yang Anda pilih.

3. Pilih salah satu tab Dasbor berikut:

   • Ringkasan: Lihat dasbor ringkasan metrik untuk agen Anda, termasuk latensi agen, jumlah permintaan agen, dan rasio error agen.

   • Model: Lihat dasbor metrik untuk model agen Anda, termasuk jumlah panggilan model, rasio error model, dan penggunaan token model.

   • Alat: Lihat dasbor metrik untuk alat agen Anda, termasuk jumlah panggilan alat, rasio error alat, dan latensi alat.

   • Penggunaan: Lihat dasbor metrik untuk penggunaan agen Anda, termasuk penggunaan token menurut input dan output, alokasi CPU container, dan alokasi memori container.

   • Log: Lihat log agen Anda, jika Anda mengaktifkan Cloud Logging untuk agen Anda.

Menghapus agen yang di-deploy

Menghapus agen yang di-deploy dari runtime terkelola Vertex AI Agent Engine.

Konsol

1. Di konsol Google Cloud , buka halaman Vertex AI Agent Engine.
   

   Buka Agent Engine

2. Untuk agen yang Anda tentukan, klik menu tindakan lainnya ().

3. Klik Hapus.

4. Klik Hapus agen.

Vertex AI SDK untuk Python

Catatan: Lihat panduan migrasi Agent Engine untuk mengetahui petunjuk cara bermigrasi ke Vertex AI SDK untuk Python berbasis klien jika Anda masih menggunakan versi google-cloud-aiplatform sebelum 1.112.0.

Jika sudah memiliki instance agen yang di-deploy (sebagai remote_agent), Anda dapat menjalankan perintah berikut:

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

Atau, Anda dapat memanggil agent_engines.delete() untuk menghapus agen yang di-deploy yang sesuai dengan RESOURCE_NAME dengan cara berikut:

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

Panggil metode reasoningEngines.delete.

Sebelum menggunakan salah satu data permintaan, lakukan penggantian berikut:

• PROJECT_ID: project ID GCP Anda
• LOCATION: wilayah yang didukung
• RESOURCE_ID: ID resource agen yang di-deploy

Metode HTTP dan URL:

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

Untuk mengirim permintaan Anda, perluas salah satu opsi berikut:

curl (Linux, macOS, atau Cloud Shell)

Catatan: Perintah berikut mengasumsikan bahwa Anda telah login ke gcloud CLI menggunakan akun pengguna Anda dengan menjalankan gcloud init atau gcloud auth login, atau dengan menggunakan Cloud Shell, yang secara otomatis membuat Anda login ke gcloud CLI. Anda dapat memeriksa akun yang saat ini aktif dengan menjalankan gcloud auth list.

Jalankan perintah berikut:

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)

Catatan: Perintah berikut mengasumsikan bahwa Anda telah login ke gcloud CLI menggunakan akun pengguna Anda dengan menjalankan gcloud init atau gcloud auth login. Anda dapat memeriksa akun yang saat ini aktif dengan menjalankan gcloud auth list.

Jalankan perintah berikut:

$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

Anda akan menerima kode status berhasil (2xx) dan respons kosong.

Mode ekspres Vertex AI

Anda dapat menggunakan Vertex AI SDK untuk Python atau REST dengan mode ekspres Vertex AI.

Vertex AI SDK

Kode berikut menggunakan Vertex AI SDK untuk Python guna menghapus agen yang di-deploy yang sesuai dengan RESOURCE_NAME dengan cara berikut:

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)
)

Ganti API_KEY dengan kunci API mode ekspres Anda

REST API

Perintah REST berikut memanggil metode reasoningEngines.delete:

Sebelum menggunakan salah satu data permintaan, lakukan penggantian berikut:

• RESOURCE_ID: ID resource agen yang di-deploy
• API_KEY: kunci API mode ekspres Anda

Metode HTTP dan URL:

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

Untuk mengirim permintaan Anda, perluas salah satu opsi berikut:

curl (Linux, macOS, atau Cloud Shell)

Jalankan perintah berikut:

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

PowerShell (Windows)

Jalankan perintah berikut:

$headers = @{  }

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

Anda akan menerima kode status yang berhasil (2xx) dan respons kosong.

Langkah berikutnya

• Gunakan agen.
• Memecahkan masalah pengelolaan agen yang di-deploy.