O Vertex AI Agent Engine, que faz parte da plataforma Vertex AI, é um conjunto de serviços que permite aos desenvolvedores implantar, gerenciar e escalonar agentes de IA em produção. O Agent Engine cuida da infraestrutura para escalonar agentes em produção, para que você possa se concentrar na criação de aplicativos. O Vertex AI Agent Engine oferece os seguintes serviços que podem ser usados individualmente ou em combinação:
Ambiente de execução:
- Implante e dimensione agentes com um ambiente de execução gerenciado e recursos de gerenciamento completos.
- Personalize a imagem do contêiner do agente com scripts de instalação no momento da build para dependências do sistema.
- Use recursos de segurança, incluindo o compliance com o VPC-SC, configuração de autenticação e o IAM.
- Acesse modelos e ferramentas, como chamada de função.
- Implante agentes criados usando diferentes frameworks do Python e o protocolo aberto Agent2Agent.
Qualidade e avaliação (prévia): avalie a qualidade do agente com o Serviço de avaliação de IA generativa integrado e otimize os agentes com execuções treinamento de modelo Gemini.
Example Store (prévia): armazene e recupere dinamicamente exemplos few-shot para melhorar a performance do agente.
Sessões (prévia): com as sessões do Agent Engine, é possível armazenar interações individuais entre usuários e agentes, fornecendo fontes definitivas para o contexto da conversa.
Banco de memória (prévia): com o banco de memória do Agent Engine, é possível armazenar e recuperar informações de sessões para personalizar as interações do agente.
Execução de código (prévia): com a execução de código do Agent Engine, seu agente pode executar código em um ambiente de sandbox seguro, isolado e gerenciado.
Observabilidade: entenda o comportamento do agente com o Google Cloud Trace (compatível com o OpenTelemetry), o Cloud Monitoring e o Cloud Logging.
Governança: o Vertex AI Agent Engine oferece suporte a vários recursos para ajudar você a governar agentes em produção e atender às suas necessidades de segurança e empresariais:
Detectar ameaças com o Security Command Center: o Agent Engine Threat Detection (pré-lançamento) é um serviço integrado do Security Command Center que ajuda a detectar e investigar possíveis ataques a agentes implantados no tempo de execução do Vertex AI Agent Engine.
Identidade do agente (prévia): use a identidade do agente do Identity Access Management (IAM) para fornecer recursos de segurança e gerenciamento de acesso ao usar agentes no ambiente de execução do Vertex AI Agent Engine.
O Vertex AI Agent Engine faz parte do Vertex AI Agent Builder, um conjunto de recursos para descobrir, criar e implantar agentes de IA.
Criar e implantar no Vertex AI Agent Engine
Observação:para uma experiência de desenvolvimento e implantação simplificada e baseada em IDE com o Vertex AI Agent Engine, considere o agent-starter-pack. Ele oferece modelos prontos para uso, uma UI integrada para testes e simplifica a implantação, as operações, a avaliação, a personalização e a capacidade de observação.
O fluxo de trabalho para criar um agente no Vertex AI Agent Engine é:
| Etapas | Descrição |
|---|---|
| 1. configurar o ambiente | Configure o projeto do Google e instale a versão mais recente do SDK da Vertex AI para Python. |
| 2. Desenvolver um agente | Desenvolver um agente que possa ser implantado no Vertex AI Agent Engine. |
| 3. Implantar o agente | Implante o agente no ambiente de execução gerenciado do Vertex AI Agent Engine. |
| 4. Usar o agente | Envie uma consulta ao agente enviando uma solicitação de API. |
| 5. Gerenciar o agente implantado | Gerencie e exclua os agentes que você implantou no Vertex AI Agent Engine. |
As etapas estão ilustradas no diagrama a seguir:
Frameworks compatíveis
A tabela a seguir descreve o nível de suporte que o Vertex AI Agent Engine oferece para várias estruturas de agente:
| Nível de suporte | Frameworks de agentes |
|---|---|
| Modelo personalizado: é possível adaptar um modelo personalizado para oferecer suporte à implantação no Vertex AI Agent Engine do seu framework. | CrewAI, estruturas personalizadas |
| Integração do SDK da Vertex AI: o Vertex AI Agent Engine oferece modelos gerenciados por framework no SDK e na documentação da Vertex AI. | AG2, LlamaIndex |
| Integração total: os recursos são integrados para funcionar em todo o framework, no Vertex AI Agent Engine e no ecossistema Google Cloud mais amplo. | Agent Development Kit (ADK), LangChain, LangGraph |
Implantar na produção com o pacote inicial de agentes
O Pacote inicial de agentes é uma coleção de modelos de agentes de IA generativa prontos para produção criados para o Vertex AI Agent Engine. O pacote inicial do agente oferece o seguinte:
- Modelos de agente pré-criados:ReAct, RAG, multiagente e outros modelos.
- Playground interativo: teste e interaja com seu agente.
- Infraestrutura automatizada: usa o Terraform para simplificar o gerenciamento de recursos.
- Pipelines de CI/CD: fluxos de trabalho de implantação automatizados que usam o Cloud Build.
- Observabilidade: suporte integrado para o Cloud Trace e o Cloud Logging.
Para começar, consulte o Guia de início rápido.
Casos de uso
Para saber mais sobre o Vertex AI Agent Engine com exemplos completos, consulte os seguintes recursos:
| Caso de uso | Descrição | Links |
|---|---|---|
| Crie agentes conectando-se a APIs públicas | Converta entre moedas. Criar uma função que se conecta a um app de câmbio de moedas, permitindo ao modelo fornecer respostas precisas a consultas como "Qual é a taxa de câmbio de reais para dólares hoje?" |
Notebook do SDK da Vertex AI para Python: introdução à criação e implantação de um agente com o Vertex AI Agent Engine |
| Projetando um projeto solar comunitário. Identifique locais potenciais, procure escritórios e fornecedores governamentais relevantes e analise imagens de satélite e o potencial solar de regiões e edifícios para encontrar o local ideal para instalar os painéis solares. |
Notebook do SDK da Vertex AI para Python: como criar e implantar um agente da API Google Maps com o mecanismo de agente da Vertex AI | |
| Crie agentes conectando-se a bancos de dados | Integração com o AlloyDB e o Cloud SQL para PostgreSQL. | Postagem do blog: anúncio do LangChain no Vertex AI Agent Builder para AlloyDB e Cloud SQL para PostgreSQL Notebook do SDK da Vertex AI para Python: implantação de um aplicativo RAG com o Cloud SQL para PostgreSQL no Vertex AI Agent Engine Notebook do SDK da Vertex AI para Python: implantação de um aplicativo RAG com o AlloyDB para PostgreSQL no Vertex AI Agent Engine |
| Crie agentes com ferramentas que acessam dados no seu banco de dados. | Notebook do SDK da Vertex AI para Python: como implantar um agente com o Agent Engine da Vertex AI e a caixa de ferramentas MCP para bancos de dados | |
| Consultar e entender repositórios de dados estruturados usando linguagem natural. | Notebook do SDK da Vertex AI para Python: como criar um agente de pesquisa de conversação com o Agent Engine da Vertex AI e a RAG na Vertex AI para Pesquisa | |
| Consulte e entenda bancos de dados de gráficos usando linguagem natural | Postagem do blog: GenAI GraphRAG e agentes de IA usando o Vertex AI Agent Engine com o LangChain e o Neo4j | |
| Consultar e entender repositórios de vetores usando linguagem natural | Postagem do blog: simplificar a RAG da IA generativa com o MongoDB Atlas e o Vertex AI Agent Engine | |
| Criar agentes com o Kit de Desenvolvimento de Agente | Crie e implante agentes usando o Kit de Desenvolvimento de Agente. | Kit de Desenvolvimento de Agente: implantação no Vertex AI Agent Engine |
| Converter entre moedas com o Modo expresso. Crie uma função que se conecte a um app de câmbio de moedas, permitindo que o modelo forneça respostas precisas a consultas como "Qual é a taxa de câmbio de euros para dólares hoje?", e implante-a no Agent Engine sem faturamento com o modo expresso da Vertex AI. |
Notebook do SDK da Vertex AI para Python: implantação no Vertex AI Agent Engine no modo Express da Vertex AI. | |
| Gerenciar o contexto com as sessões do Agent Engine e o Memory Bank da Vertex AI no modo expresso da Vertex AI sem faturamento. | Kit de desenvolvimento de agentes: sessões do Agent Engine da Vertex AI e Memory Bank no modo express da Vertex AI. | |
| Criar agentes com frameworks de OSS | Crie e implante agentes usando o framework de código aberto OneTwo. | Postagem do blog: OneTwo e Vertex AI Agent Engine: explorando o desenvolvimento avançado de agentes de IA no Google Cloud |
| Crie e implante agentes usando o framework de código aberto LangGraph. | Notebook do SDK da Vertex AI para Python: como criar e implantar um aplicativo LangGraph com o Agent Engine da Vertex AI | |
| Depuração e otimização de agentes | Crie e rastreie agentes usando o OpenTelemetry e o Cloud Trace. | Notebook do SDK da Vertex AI para Python: depuração e otimização de agentes: um guia de rastreamento no Agent Engine da Vertex AI |
| Criar sistemas multiagente com o protocolo A2A (prévia) | Crie agentes interoperáveis que se comunicam e colaboram com outros agentes, independente da estrutura deles. | Para mais informações, consulte a documentação do protocolo A2A. |
Segurança corporativa
O Vertex AI Agent Engine oferece suporte a vários recursos para ajudar você a atender aos requisitos de segurança corporativa, aderir às políticas de segurança da sua organização e seguir as práticas recomendadas de segurança. Há suporte para os seguintes recursos:
VPC Service Controls: o Vertex AI Agent Engine é compatível com os VPC Service Controls para reforçar a segurança dos dados e reduzir os riscos de exfiltração de dados. Quando o VPC Service Controls é configurado, o agente implantado mantém o acesso seguro a APIs e serviços do Google, como a API BigQuery, API Cloud SQL Admin e Vertex AI, verificando a operação perfeita dentro do perímetro definido. O VPC Service Controls bloqueia todo o acesso à Internet pública, confinando a movimentação de dados aos limites da rede autorizada e melhorando significativamente a postura de segurança da empresa.
Interface do Private Service Connect: para o ambiente de execução do Vertex AI Agent Engine, o PSC-I permite que seus agentes interajam com serviços hospedados de maneira particular na VPC de um usuário. Para mais informações, consulte Como usar a interface do Private Service Connect com o Vertex AI Agent Engine.
Chaves de criptografia gerenciadas pelo cliente (CMEK): o Vertex AI Agent Engine aceita CMEK para proteger seus dados com suas próprias chaves de criptografia, o que dá a você a propriedade e o controle total das chaves que protegem seus dados em repouso no Google Cloud. Para mais informações, consulte CMEK do Agent Engine.
Residência de dados (DRZ): o Vertex AI Agent Engine oferece suporte à Residência de dados (DRZ) para garantir que todos os dados em repouso e em uso sejam armazenados na região especificada.
HIPAA: como parte da plataforma Vertex AI, o Vertex AI Agent Engine é compatível com cargas de trabalho da HIPAA.
Transparência no acesso: a Transparência no acesso fornece registros que capturam as ações realizadas pela equipe do Google ao acessar seu conteúdo. Para mais informações sobre como ativar a Transparência no acesso para o Vertex AI Agent Engine, consulte Transparência no acesso na Vertex AI.
A tabela a seguir mostra quais recursos de segurança empresarial são compatíveis com cada serviço do Agent Engine:
| Recurso de segurança | Ambiente de execução | Sessões | Banco de memória | Exemplo de repositório | execução de código |
|---|---|---|---|---|---|
| VPC Service Controls | Sim | Sim | Sim | Não | Não |
| Chaves de criptografia gerenciadas pelo cliente | Sim | Sim | Sim | Não | Não |
| Residência dos dados (DRZ) em repouso | Sim | Sim | Sim | Não | Não |
| Residência de dados (DRZ) em uso | Não | Sim | Sim* | Não | Sim |
| HIPAA | Sim | Sim | Sim | Sim | Não |
| Transparência no acesso | Sim | Sim | Sim | Não | Não |
* Somente ao usar um endpoint regional do Gemini.
Suporte para o modo expresso
O Vertex AI Agent Engine é compatível com a Vertex AI no modo rápido. Isso permite usar o Vertex AI Agent Engine sem criar um Google Cloud projeto.
No modo rápido, o Vertex AI Agent Engine é compatível com o seguinte:
(Nível gratuito ou pago) Durante o desenvolvimento do seu agente no lado do cliente, o modo expresso da Vertex AI permite acessar modelos do Vertex AI Studio usando uma chave de API.
(Nível gratuito ou pago) No modo expresso, você pode criar uma instância
ReasoningEngine, que permite usar o serviço Sessão e Banco de memória.É possível implantar um agente no Vertex AI Agent Engine usando os seguintes métodos:
(Nível gratuito ou pago) De arquivos de origem: implante seu agente diretamente do código-fonte local sem usar um bucket do Cloud Storage.
(Somente para o nível pago) De um objeto de agente: você precisa ativar o faturamento na sua conta do modo expresso. Isso acontece porque a implantação de um objeto de agente requer um bucket do Cloud Storage para armazenar código e artefatos do agente, e o Cloud Storage exige o modo expresso com faturamento.
Regiões compatíveis
Consulte Locais para conferir uma lista de regiões com suporte do Vertex AI Agent Engine.
Cota
Consulte Cotas e limites do sistema para informações sobre cotas do Vertex AI Agent Engine.
Preços
Há um nível gratuito disponível para o ambiente de execução do Vertex AI Agent Engine.
Para informações sobre preços do tempo de execução do Agent Engine, consulte Preços da Vertex AI.
Migração para o SDK baseado em cliente
O módulo agent_engines no SDK da Vertex AI para Python está sendo refatorado para um design baseado em cliente pelos seguintes motivos principais:
- Para se alinhar ao ADK do Google e ao SDK da IA generativa do Google em representações de tipo canônico. Isso garante uma maneira consistente e padronizada de representar tipos de dados em diferentes SDKs, o que simplifica a interoperabilidade e reduz a sobrecarga de conversão.
- Para escopo no nível do cliente de parâmetros Google Cloud em aplicativos de vários projetos e locais. Isso permite que um aplicativo gerencie interações com recursos em diferentes projetos e locais geográficos Google Cloud configurando cada instância de cliente com as configurações específicas de projeto e local.
- Para melhorar a capacidade de descoberta e a coesão dos serviços do Vertex AI Agent Engine