Développer et déployer des agents sur Vertex AI Agent Engine avec Agent Development Kit

Développer et déployer des agents sur Vertex AI Agent Engine avec Agent Development Kit

Cette page explique comment créer et déployer un agent dans Vertex AI Agent Engine Runtime à l'aide de l'Agent Development Kit (ADK). Ce guide de démarrage rapide vous guide à travers les étapes suivantes :

• configurer votre projet Google Cloud  ;

• Installez le SDK Vertex AI pour Python et l'ADK.

• Développez un agent de change.

• Déployez l'agent dans l'environnement d'exécution Vertex AI Agent Engine.

• Testez l'agent déployé.

Vous pouvez également utiliser les guides de démarrage rapide alternatifs suivants pour ADK :

• Démarrage rapide de l'ADK : ce démarrage rapide s'exécute entièrement sur votre machine et suppose que vous utilisez un IDE local et un accès au terminal.

• Pack de démarrage d'agents : collection de modèles d'agents d'IA générative prêts pour la production et conçus pour Vertex AI Agent Engine.

Pour le démarrage rapide à l'aide de frameworks compatibles autres qu'Agent Development Kit, consultez Développer et déployer des agents sur Vertex AI Agent Engine.

Avant de commencer

Remarque : Pour activer les API, vous devez disposer de l'autorisation serviceusage.services.enable. Si vous ne disposez pas de cette autorisation, demandez à votre administrateur de vous attribuer le rôle Administrateur Service Usage (roles/serviceusage.serviceUsageAdmin).

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.

Enable the Vertex AI and Cloud Storage 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

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.

Enable the Vertex AI and Cloud Storage 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

Pour obtenir les autorisations nécessaires à l'utilisation de Vertex AI Agent Engine, demandez à votre administrateur de vous accorder les rôles IAM suivants sur votre projet :

• Utilisateur Vertex AI (roles/aiplatform.user)
• Administrateur de l'espace de stockage (roles/storage.admin)

Pour en savoir plus sur l'attribution de rôles, consultez Gérer l'accès aux projets, aux dossiers et aux organisations.

Vous pouvez également obtenir les autorisations requises avec des rôles personnalisés ou d'autres rôles prédéfinis.

Installer et initialiser le SDK Vertex AI pour Python

1. Exécutez la commande suivante pour installer le SDK Vertex AI pour Python et les autres packages requis :

   pip install --upgrade --quiet google-cloud-aiplatform[agent_engines,adk]>=1.112

2. S'authentifier en tant qu'utilisateur

   Interface système locale

   Exécutez la commande suivante :

   gcloud auth application-default login

   Colab

   Exécutez le code suivant :

   from google.colab import auth
   
   auth.authenticate_user(project_id="PROJECT_ID")
   

   Cloud Shell

   Aucune action n'est requise.

   Mode Express

   Si vous utilisez Vertex AI en mode Express, aucune action n'est requise.

3. Exécutez le code suivant pour importer Vertex AI Agent Engine et initialiser le SDK :

   Projet Google Cloud

   import vertexai
   
   client = vertexai.Client(
       project="PROJECT_ID",               # Your project ID.
       location="LOCATION",                # Your cloud region.
   )
   

   Où :

   • PROJECT_ID correspond à l'ID de projet Google Cloud sous lequel vous développerez et déploierez des agents.

   • LOCATION désigne l'une des régions compatibles.

   Mode Express

   Si vous utilisez Vertex AI en mode Express, exécutez le code suivant :

   import vertexai
   from vertexai import agent_engines
   
   vertexai.init(
       key="API_KEY"
   )
   

   où API_KEY correspond à la clé API que vous utilisez pour authentifier l'agent.

   Remarque : Pour déployer l'agent à l'aide de l'objet agent, vous devez utiliser le mode express avec facturation.

Développer un agent

1. Développez un outil de change pour votre agent :

   def get_exchange_rate(
       currency_from: str = "USD",
       currency_to: str = "EUR",
       currency_date: str = "latest",
   ):
       """Retrieves the exchange rate between two currencies on a specified date."""
       import requests
   
       response = requests.get(
           f"https://api.frankfurter.app/{currency_date}",
           params={"from": currency_from, "to": currency_to},
       )
       return response.json()
   

2. Instanciez un agent :

   from google.adk.agents import Agent
   from vertexai import agent_engines
   
   agent = Agent(
       model="gemini-2.0-flash",
       name='currency_exchange_agent',
       tools=[get_exchange_rate],
   )
   
   app = agent_engines.AdkApp(agent=agent)
   

3. Testez l'agent localement :

   Remarque : Les tests locaux d'un agent ADK utilisent des sessions en mémoire.

   async for event in app.async_stream_query(
       user_id="USER_ID",
       message="What is the exchange rate from US dollars to SEK today?",
   ):
       print(event)
   

   où USER_ID est un ID défini par l'utilisateur, dont la limite de caractères est de 128.

Déployer un agent

Déployez l'agent en créant une ressource reasoningEngine dans Vertex AI :

Remarque : Le déploiement d'un agent ADK sur Vertex AI Agent Engine génère automatiquement une ressource de session gérée. Vous pouvez supprimer la ressource de session gérée en même temps que l'agent dans la section "Nettoyage".

remote_agent = client.agent_engines.create(
    agent=app,
    config={
        "requirements": ["google-cloud-aiplatform[agent_engines,adk]"],
        "staging_bucket": "STAGING_BUCKET",
    }
)

où STAGING_BUCKET est un bucket Cloud Storage préfixé par gs://.

Utiliser un agent

Testez l'agent déployé en envoyant une requête :

async for event in remote_agent.async_stream_query(
    user_id="USER_ID",
    message="What is the exchange rate from US dollars to SEK today?",
):
    print(event)

Effectuer un nettoyage

Pour éviter que les ressources utilisées dans cette démonstration soient facturées sur votre compte Google Cloud , procédez comme suit :

remote_agent.delete(force=True)

Étapes suivantes

• Explorez les notebooks.
• Configurer l'environnement
• Développez un agent.
• Déployez un agent.
• Utiliser un agent
• Gérer un agent
• Accédez à l'assistance.