Usa un agente Agent2Agent

Vista previa

Esta función está sujeta a las “Condiciones de la Oferta de la Fase Previa a la DG” en la sección Condiciones del Servicio Generales de las Condiciones Específicas del Servicio. Las funciones de la fase previa a la DG están disponibles "sin modificaciones" y pueden tener asistencia limitada. Para obtener más información, consulta las descripciones de la etapa de lanzamiento.

Antes de comenzar

En este instructivo, se supone que leíste y seguiste las instrucciones que se indican en los siguientes documentos:

• Desarrolla un agente Agent2Agent para desarrollar un agente como una instancia de A2aAgent.
• Autenticación del usuario para autenticarse como usuario y consultar al agente
• Importa e inicializa el SDK para inicializar el cliente y obtener una instancia implementada (si es necesario).

Obtén una instancia de un agente

Para consultar un A2aAgent, primero debes crear una instancia nueva o obtener una instancia existente.

Para obtener el objeto A2aAgent correspondiente a un ID de recurso específico, haz lo siguiente:

SDK de Vertex AI para Python

import vertexai
from google.genai import types

PROJECT_ID = "PROJECT_ID"
LOCATION = "LOCATION"
RESOURCE_ID = "RESOURCE_ID"
RESOURCE_NAME = f"projects/{PROJECT_ID}/locations/{LOCATION}/reasoningEngines/{RESOURCE_ID}"

client = vertexai.Client(
    project=PROJECT_ID,
    location=LOCATION,
    http_options=types.HttpOptions(api_version="v1beta1")
)

remote_agent = client.agent_engines.get(name=RESOURCE_NAME)

print(remote_agent)

donde

• PROJECT_ID es el Google Cloud ID del proyecto en el que desarrollas y despliegas agentes.
• LOCATION es una de las regiones admitidas.
• RESOURCE_ID es el ID del agente implementado como un recurso reasoningEngine.

SDK de Python de A2A

Este método usa el SDK oficial de Python de A2A, que proporciona una biblioteca cliente para interactuar con agentes que cumplen con A2A. Si deseas obtener más información, consulta la documentación del SDK de Python de A2A.

Primero, instala el SDK:

pip install a2a-sdk>=0.3.4

Luego, obtén la tarjeta del agente para crear una instancia del cliente. A2AClient se encarga del descubrimiento y la comunicación por ti.

from google.auth import default
from google.auth.transport.requests import Request
from a2a.client import ClientConfig, ClientFactory
from a2a.types import TransportProtocol
import httpx

# We assume 'agent_card' is an existing AgentCard object.

# Fetch credentials for authentication for demo purpose. Use your own auth
credentials, _ = default(scopes=['https://www.googleapis.com/auth/cloud-platform'])
credentials.refresh(Request())

# Create the client by chaining the factory and config initialization.
factory = ClientFactory(
    ClientConfig(
        supported_transports=[TransportProtocol.http_json], # only support http_json
        use_client_preference=True,
        httpx_client=httpx.AsyncClient(
            headers={
                "Authorization": f"Bearer {credentials.token}",
                "Content-Type": "application/json",
            }
        ),
    )
)
a2a_client = factory.create(agent_card)

Biblioteca de solicitudes de Python

El protocolo de A2A se basa en extremos HTTP estándar. Puedes interactuar con estos extremos usando cualquier cliente HTTP.

Recupera la URL de A2A de la tarjeta del agente y define los encabezados de la solicitud.

from google.auth import default
from google.auth.transport.requests import Request

# We assume 'agent_card' is an existing object
a2a_url = agent_card.url

# Get an authentication token for demonstration purposes. Use your own authentication mechanism.
credentials, _ = default(scopes=['https://www.googleapis.com/auth/cloud-platform'])
credentials.refresh(Request())

headers = {
    "Authorization": f"Bearer {credentials.token}",
    "Content-Type": "application/json",
}

Cuando se usa el SDK de Vertex AI para Python, el objeto remote_agent corresponde a una clase AgentEngine que contiene lo siguiente:

• Un agent.api_resource con información sobre el agente implementado. También puedes llamar a agent.operation_schemas() para devolver la lista de operaciones que admite el agente. Consulta Operaciones admitidas para obtener más detalles.
• un agent.api_client que permite interacciones de servicio síncronas
• un agent.async_api_client que permite interacciones de servicio asíncronas

En el resto de esta sección, se supone que tienes una instancia de AgentEngine, llamada remote_agent.

Operaciones admitidas

Un agente A2A alojado en Agent Engine expone un conjunto de operaciones que corresponden directamente a los extremos de la API del protocolo A2A.

• on_message_send: Envía un mensaje nuevo al agente para iniciar una tarea.
• on_get_task: Recupera el estado y los artefactos de una tarea existente.
• on_cancel_task: Cancela una tarea en ejecución.
• handle_authenticated_agent_card: Recupera todas las capacidades y habilidades del agente.

Recupera la tarjeta del agente

Ten en cuenta que Agent Engine no publica la tarjeta del agente público. Para recuperar la tarjeta del agente autenticado, haz lo siguiente:

SDK de Vertex AI para Python

response = await remote_agent.handle_authenticated_agent_card()

SDK de Python de A2A

response = await a2a_client.get_card()

Biblioteca de solicitudes de Python

card_endpoint = f"{a2a_url}/v1/card"
response = httpx.get(card_endpoint, headers=headers)
print(json.dumps(response.json(), indent=4))

Envía un mensaje

Para enviar un mensaje, sigue estos pasos:

SDK de Vertex AI para Python

message_data = {
  "messageId": "remote-agent-message-id",
  "role": "user",
  "parts": [{"kind": "text", "text": "What is the exchange rate from USD to EUR today?"}],
}

response = await remote_agent.on_message_send(**message_data)

SDK de Python de A2A

from a2a.types import Message, Part, TextPart
import pprint

message = Message(
    message_id="remote-agent-message-id",
    role="user",
    parts=[Part(root=TextPart(text="What's the currency rate of USD and EUR"))],
)

response_iterator = a2a_client.send_message(message)

async for chunk in response_iterator:
    pprint.pp(chunk)

Biblioteca de solicitudes de Python

import httpx
import json

endpoint = f"{a2a_url}/v1/message:send"

payload = {
    "message": {
        "messageId": "remote-agent-message-id",
        "role": "1",
        "content": [{"text": "What is the exchange rate from USD to EUR today?"}],
    },
    "metadata": {"source": "python_script"},
}

response = httpx.post(endpoint, json=payload, headers=headers)
print(json.dumps(response.json(), indent=4))

Obtener una tarea

Cómo obtener una tarea y su estado

SDK de Vertex AI para Python

task_data = {
    "id": task_id,
}

response = await remote_agent.on_get_task(**task_data)

SDK de Python de A2A

from a2a.types import TaskQueryParams

task_data ={
    "id":task_id,
}
response = await a2a_client.get_task(TaskQueryParams(**task_data))

Biblioteca de solicitudes de Python

task_end_point = f"{a2a_url}/v1/tasks/{task_id}"
response = httpx.get(task_end_point, headers=headers)
print(json.dumps(response.json(), indent=4))

Cómo cancelar una tarea

Para cancelar una tarea, sigue estos pasos:

SDK de Vertex AI para Python

task_data = {
    "id": task_id,
}
response = await remote_agent.on_cancel_task(**task_data)

SDK de Python de A2A

from a2a.types import TaskQueryParams

task_data ={
    "id":task_id,
}
response = await a2a_client.cancel_task(TaskQueryParams(**task_data))

Biblioteca de solicitudes de Python

task_end_point = f"{a2a_url}/v1/tasks/{task_id}:cancel"
response = httpx.post(task_end_point, headers=headers)
print(json.dumps(response.json(), indent=4))

¿Qué sigue?

• Usa un agente.
• Evalúa un agente.
• Administra los agentes implementados.
• Obtén asistencia.