אינטראקציה עם נציגי תמיכה

במדריך הזה מוסבר איך ליצור אינטראקציה עם סוכנים שפרסתם ב-Managed Agents API בפלטפורמת הסוכנים באמצעות Interactions API. במדריך הזה נסביר איך ליצור אינטראקציה עם סוכנים מותאמים אישית שנבנו באמצעות Agents API וסוכן הבסיס המובנה Antigravity, כולל הגדרה דינמית שלו. בנוסף, נסביר איך לנהל סביבות ארגז חול ולעשות בהן שימוש חוזר באמצעות מזהי סביבה (env_id), ואיך לשנות באופן דינמי הגדרות, למשל שרתים של Model Context Protocol‏ (MCP), במהלך אינטראקציות.

מידע נוסף על ה-API מופיע במסמכי התיעוד של Interaction API.

לפני שמתחילים

לפני שמתחילים באינטראקציות עם סוכנים, צריך להגדיר את הסביבה:

  1. In the Cloud de Confiance console, on the project selector page, select or create a Cloud de Confiance 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.

    Go to project selector

  2. Verify that billing is enabled for your Cloud de Confiance project.

  3. Enable the Agent Platform API, if it is not already enabled.

    Roles required to enable APIs

    To enable APIs, you need the serviceusage.services.enable permission. If you created the project, then you likely already have this permission through the Owner role (roles/owner). Otherwise, you can get this permission through the Service Usage Admin role (roles/serviceusage.serviceUsageAdmin). Learn how to grant roles.

    Enable the API

  4. Make sure that you have the following role or roles on the project: Agent Platform User (roles/aiplatform.user) or Agent Platform Administrator (roles/aiplatform.admin)

    Check for the roles

    1. In the Cloud de Confiance console, go to the IAM page.

      Go to IAM
    2. Select the project.

    3. In the Principal column, find all rows that identify you or a group that you're included in. To learn which groups you're included in, contact your administrator.

    4. For all rows that specify or include you, check the Role column to see whether the list of roles includes the required roles.

    Grant the roles

    1. In the Cloud de Confiance console, go to the IAM page.

      Go to IAM
    2. Select the project.
    3. Click Grant access.

    4. In the New principals field, enter your user identifier. This is typically the identifier for a user in a workforce identity pool. For details, see Represent workforce pool users in IAM policies, or contact your administrator.

    5. Click Select a role, then search for the role.
    6. To grant additional roles, click Add another role and add each additional role.
    7. Click Save.
  5. אם הסוכן שלכם משתמש בכלים של Cloud de Confiance by S3NS Model Context Protocol‏ (MCP), צריך להקצות את התפקיד MCP Tool User‏ (roles/mcp.toolUser) לחשבון המשתמש ולחשבון השירות המשויך.

אינטראקציה עם סוכני Antigravity

הדרך הכי פשוטה להשתמש ב-Managed Agents API בפלטפורמת הסוכנים היא באמצעות אינטראקציה ישירה עם סוכן הבסיס Antigravity מאינטראקציה ישירה (First-Party). לא צריך ליצור משאב של סוכן מותאם אישית, אפשר להפעיל את הסוכן תוך כדי תנועה.

כדי ליזום אינטראקציה, מציינים את יעד הסוכן הבסיסי, כמו antigravity-preview-05-2026 (או הגרסה העדכנית ביותר של התצוגה המקדימה), ומבקשים סביבה מרוחקת תוך כדי תנועה:

REST

בקשת משתנים

לפני שקוראים ל-API, מחליפים את המשתנים הבאים:

  • ‫PROJECT_ID: מזהה הפרויקט ב- Cloud de Confiance by S3NS .
  • ‫LOCATION: המיקום האזורי של האינטראקציות. יש תמיכה רק באזור global.

שיטת ה-HTTP וכתובת ה-URL

POST https://aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/interactions

תוכן בקשת JSON

{
  "stream": true,
  "background": true,
  "store": true,
  "agent": "antigravity-preview-05-2026",
  "environment": {
    "type": "remote"
  },
  "input": [
    {
      "type": "user_input",
      "content": [
        {
          "type": "text",
          "text": "Who are you, can you execute python code? Show me an example."
        }
      ]
    }
  ]
}

פקודה אחת (curl)

curl -X POST "https://aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/interactions" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $(gcloud auth print-access-token)" \
  -H "Api-Revision: 2026-05-20" \
  -d '{
      "stream": true,
      "background": true,
      "store": true,
      "agent": "antigravity-preview-05-2026",
      "environment": {"type": "remote"},
      "input": [
          {
              "type": "user_input",
              "content": [
                  {
                      "type": "text",
                      "text": "Who are you, can you execute python code? Show me an example."
                  }
              ]
          }
      ]
  }'

דוגמה לתשובה

אחרי האינטראקציה הראשונית, השירות מחזיר תגובה בסטרימינג. אפשר להשתמש ב-interaction.id וב-environment_id, שכלולים בנתוני interaction.complete, בקריאות הבאות כדי לשמור על מצב הסשן. הלחצן interaction.id משמש להמשך היסטוריית השיחות, והלחצן environment_id מאפשר שימוש חוזר באותו סביבת ארגז חול. מידע נוסף מופיע במאמר בנושא ניהול מצב הסשן.

event: interaction.complete
data: {
  "interaction": {
    "id": "1234567890",
    "status": "completed",
    "usage": {
      "total_tokens": 51132,
      "total_input_tokens": 48984,
      "input_tokens_by_modality": [
        {
          "modality": "text",
          "tokens": 48984
        }
      ],
      "total_output_tokens": 769,
      "output_tokens_by_modality": [
        {
          "modality": "text",
          "tokens": 769
        }
      ],
      "total_thought_tokens": 1379
    },
    "created": "2026-05-15T22:26:05Z",
    "updated": "2026-05-15T22:26:05Z",
    "environment_id": "env_CAE1234567890",
    "object": "interaction"
  },
  "event_type": "interaction.complete"
}

Python

לפני שמריצים את הקוד הזה, צריך להגדיר את המשתנים שמתוארים בכרטיסייה REST.

from google import genai

client = genai.Client(
    vertexai=True,
    project="PROJECT_ID",
    location="global",
)

stream = client.interactions.create(
    agent="antigravity-preview-05-2026",
    input="Who are you, can you execute python code? Show me an example.",
    environment={"type": "remote"},
    stream=True,
    background=True,
    store=True,
)

for event in stream:
    print(event)

התגובה של הסטרימינג מחזירה אובייקטים של InteractionSSEEvent. האירוע הסופי interaction.complete מכיל את environment_id ואת האינטראקציה id, שאפשר לעשות בהם שימוש חוזר בקריאות הבאות כדי לשמור על מצב הסשן ועל היסטוריית השיחות. מידע נוסף מופיע במאמר בנושא ניהול מצב הסשן.

JavaScript

לפני שמריצים את הקוד הזה, צריך להגדיר את המשתנים שמתוארים בכרטיסייה REST.

import { GoogleGenAI } from "@google/genai";

const client = new GoogleGenAI({
    vertexai: true,
    project: "PROJECT_ID",
    location: "global",
});

const stream = await client.interactions.create({
    agent: "antigravity-preview-05-2026",
    input: "Who are you, can you execute python code? Show me an example.",
    environment: { type: "remote" },
    stream: true,
    background: true,
    store: true,
});

for await (const event of stream) {
    console.log(event);
}

התגובה של הסטרימינג מניבה אובייקטים של אירועים. האירוע הסופי interaction.complete מכיל את environment_id ואת האינטראקציה id, שאפשר לעשות בהם שימוש חוזר בקריאות הבאות כדי לשמור על מצב הסשן ועל היסטוריית השיחות. מידע נוסף מופיע במאמר בנושא ניהול מצב הסשן.

אינטראקציה עם סוכן בהתאמה אישית שנוצר באמצעות Agents API

כדי ליצור אינטראקציה עם סוכן בהתאמה אישית שנוצר כמו שמתואר במאמר יצירה וניהול של סוכנים, צריך לציין אותו באמצעות מזהה הסוכן שלו.

מידע נוסף על אחזור או הצגה של סוכנים בהתאמה אישית כדי למצוא את המזהים שלהם זמין במאמר הצגת רשימת סוכנים.

הגדרה ואתחול של הסביבה

כשמקיימים אינטראקציה עם סוכן מותאם אישית:

  • התנהגות ברירת המחדל: אם יוצרים את הסוכן עם סביבת ברירת מחדל, צריך לציין את AGENT_ID בבקשה.

  • הגדרת הסביבה באופן מפורש: אם לא הגדרתם את תצורת הסביבה כשיצרתם את הסוכן, אתם צריכים להגדיר את הסביבה באופן מפורש בבלוק environment של בקשת האינטראקציה הראשונית.

    לדוגמה:

    "environment": {"type": "remote"}

אתם יכולים להגדיר באופן דינמי תכונות בסביבת ארגז החול במהלך הקריאה הראשונית ל-API של האינטראקציה, כדי לעמוד בדרישות ספציפיות של משימות. לדוגמה:

  • צירוף מיומנות באמצעות Cloud Storage: צירוף קטגוריות של Cloud Storage כדי לטעון כמויות גדולות של נתונים או ספריות קבצים קבועות למערכת הקבצים של הקונטיינר.

  • צירוף מיומנויות באמצעות Skill Registry: אפשר לספק רשימה של כלים, סקריפטים או סקילים אג'נטיים מוכנים מראש בהתאמה אישית כדי לספק יכולות פונקציונליות ספציפיות או את תהליך העבודה של זמן הריצה. מידע נוסף על מאגר הכישורים

רשימה של מבני הגדרות סביבה ודוגמאות לאופן שמירה על מצב שיחה רב-שלבית זמינה במאמר ניהול מצב הסשן באמצעות מזהי סביבה.

שליחת אינטראקציה לסוכן בהתאמה אישית

כדי לשלוח אינטראקציה לסוכן המותאם אישית, מציינים את מזהה הסוכן:

REST

בקשת משתנים

לפני שקוראים ל-API, מחליפים את המשתנים הבאים:

  • ‫PROJECT_ID: מזהה הפרויקט ב- Cloud de Confiance by S3NS .
  • ‫LOCATION: יש תמיכה רק באזור global.
  • ‫AGENT_ID: המזהה המותאם אישית של משאב הסוכן הרשום. מידע נוסף על אחזור או הצגה של סוכנים בהתאמה אישית כדי למצוא את המזהים שלהם זמין במאמר הצגת רשימת הסוכנים.

שיטת ה-HTTP וכתובת ה-URL

POST https://aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/interactions

תוכן בקשת JSON

{
  "stream": true,
  "background": true,
  "store": true,
  "agent": "AGENT_ID",
  "input": [
    {
      "type": "user_input",
      "content": [
        {
          "type": "text",
          "text": "Tell me the name of python packages used for data analysis."
        }
      ]
    }
  ]
}

פקודה אחת (curl)

curl -X POST "https://aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/interactions" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $(gcloud auth print-access-token)" \
  -H "Api-Revision: 2026-05-20" \
  -d '{
      "stream": true,
      "background": true,
      "store": true,
      "agent": "AGENT_ID",
      "input": [
          {
              "type": "user_input",
              "content": [
                  {
                      "type": "text",
                      "text": "Tell me the name of python packages used for data analysis."
                  }
              ]
          }
      ]
  }'

דוגמה לתשובה

אחרי האינטראקציה הראשונית, השירות מחזיר תגובה בסטרימינג. אפשר להשתמש ב-interaction.id וב-environment_id, שכלולים בנתוני interaction.complete, בקריאות הבאות כדי לשמור על מצב הסשן. הלחצן interaction.id משמש להמשך היסטוריית השיחות, והלחצן environment_id מאפשר שימוש חוזר באותו סביבת ארגז חול. מידע נוסף מופיע במאמר בנושא ניהול מצב הסשן.

data: {
  "interaction": {
    "id": "1234567890",
    "status": "completed",
    "usage": {
      "total_tokens": 7558,
      "total_input_tokens": 6822,
      "input_tokens_by_modality": [
        {
          "modality": "text",
          "tokens": 6822
        }
      ],
      "total_output_tokens": 278,
      "output_tokens_by_modality": [
        {
          "modality": "text",
          "tokens": 278
        }
      ],
      "total_thought_tokens": 458
    },
    "created": "2026-05-15T22:38:56Z",
    "updated": "2026-05-15T22:38:56Z",
    "environment_id": "env_CAE1234567890",
    "object": "interaction"
  },
  "event_type": "interaction.complete"
}

Python

לפני שמריצים את הקוד הזה, צריך להגדיר את המשתנים שמתוארים בכרטיסייה REST.

from google import genai

client = genai.Client(
    vertexai=True,
    project="PROJECT_ID",
    location="global",
)

stream = client.interactions.create(
    agent="AGENT_ID",
    input="Tell me the name of python packages used for data analysis.",
    stream=True,
    background=True,
    store=True,
)

for event in stream:
    print(event)

JavaScript

לפני שמריצים את הקוד הזה, צריך להגדיר את המשתנים שמתוארים בכרטיסייה REST.

import { GoogleGenAI } from "@google/genai";

const client = new GoogleGenAI({
    vertexai: true,
    project: "PROJECT_ID",
    location: "global",
});

const stream = await client.interactions.create({
    agent: "AGENT_ID",
    input: "Tell me the name of python packages used for data analysis.",
    stream: true,
    background: true,
    store: true,
});

for await (const event of stream) {
    console.log(event);
}

ניהול מצב הסשן ואינטראקציות רב-שלביות

כברירת מחדל, האינטראקציות הן ללא שמירת מצב, אלא אם אתם מכוונים למיכל סביבה ספציפי או להיסטוריית שיחות. בזרימות של עוזר דיגיטלי רב-שלבי, אפשר לשמור קבצים מקומיים, הקשר של הרצת קוד, שינויים במערכת, ספריות של תוכנת קוד פתוח שהותקנו בזמן הריצה והיסטוריית שיחות בין שיחות:

  • כדי להמשיך שיחה: מעבירים את המזהה מהאינטראקציה הקודמת לפרמטר previous_interaction_id.
  • כדי להמשיך להשתמש בסביבה שנוצרה: מעבירים את מזהה הסביבה שהוחזר מהאינטראקציה הקודמת לפרמטר environment.

אפשר לבחור הגדרות סביבה מרכזיות באמצעות הפרמטרים הבאים בשדה environment:

מבנה JSON תיאור
"environment": {"type": "remote"} הכלי מספק סביבת ארגז חול חדשה וסטנדרטית. כדאי להשתמש באפשרות הזו במהלך האינטראקציות הראשוניות.
"environment": "env_CAEQ..." השימוש חוזר במאגר ארגז החול הקיים והקבוע, שומר על כל הספריות, הסקריפטים, הקבצים והמצב שמשויכים למזהה הסביבה הזה.
"environment": {"type": "remote", "sources": [{"type": "gcs", "source": "gs://YOUR_BUCKET/YOUR_FILE", "target": "YOUR_TARGET_PATH"}]} הפונקציה יוצרת ארגז חול חדש ומרוחק ומטעינה אותו מראש עם מיומנויות מותאמות אישית או קבצים מהמקורות שצוינו, כמו קבצים שמאוחסנים ב-Google Cloud Storage.

כדי לשלוח בקשת אינטראקציה נוספת שמשתמשת מחדש באותו מאגר ארגז חול וממשיכה שיחה, מעבירים את הערך המוחזר environment_id בשדה environment ומציינים previous_interaction_id. בדוגמאות הבאות מוסבר איך להמשיך סשן עם שמירת מצב כשמנהלים אינטראקציה עם הסוכן.

REST

בקשת משתנים

לפני שקוראים ל-API, מחליפים את המשתנים הבאים:

  • ‫PROJECT_ID: מזהה הפרויקט ב- Cloud de Confiance by S3NS .
  • ‫LOCATION: יש תמיכה רק באזור global.
  • ‫AGENT_ID: המזהה המותאם אישית של משאב הסוכן הרשום (או antigravity-preview-05-2026).
  • ‫PREVIOUS_INTERACTION_ID: מזהה האינטראקציה שהוחזר מהאינטראקציה הקודמת.
  • ‫ENV_ID: מזהה הסביבה שהוחזר מהאינטראקציה הקודמת.

שיטת ה-HTTP וכתובת ה-URL

POST https://aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/interactions

תוכן בקשת JSON

{
  "stream": true,
  "background": true,
  "store": true,
  "agent": "AGENT_ID",
  "previous_interaction_id": "PREVIOUS_INTERACTION_ID",
  "environment": "ENV_ID",
  "input": [
    {
      "type": "user_input",
      "content": [
        {
          "type": "text",
          "text": "What did I ask you before and what did you do?"
        }
      ]
    }
  ]
}

פקודה אחת (curl)

curl -X POST "https://aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/interactions" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $(gcloud auth print-access-token)" \
  -H "Api-Revision: 2026-05-20" \
  -d '{
      "stream": true,
      "background": true,
      "store": true,
      "agent": "AGENT_ID",
      "previous_interaction_id": "PREVIOUS_INTERACTION_ID",
      "environment": "ENV_ID",
      "input": [
          {
              "type": "user_input",
              "content": [
                  {
                      "type": "text",
                      "text": "What did I ask you before and what did you do?"
                  }
              ]
          }
      ]
  }'

Python

לפני שמריצים את הקוד הזה, צריך להגדיר את המשתנים שמתוארים בכרטיסייה REST.

from google import genai

client = genai.Client(
    vertexai=True,
    project="PROJECT_ID",
    location="global",
)

stream = client.interactions.create(
    agent="AGENT_ID",
    input="What did I ask you before and what did you do?",
    previous_interaction_id="PREVIOUS_INTERACTION_ID",
    environment="ENV_ID",
    stream=True,
    background=True,
    store=True,
)

for event in stream:
    print(event)

ב-Python SDK, מעבירים את המחרוזת environment_id ישירות כפרמטר environment כדי לעשות שימוש חוזר במאגר ארגז חול קיים. כדי להמשיך את היסטוריית השיחות, אפשר להשתמש ב-previous_interaction_id.

JavaScript

לפני שמריצים את הקוד הזה, צריך להגדיר את המשתנים שמתוארים בכרטיסייה REST.

import { GoogleGenAI } from "@google/genai";

const client = new GoogleGenAI({
    vertexai: true,
    project: "PROJECT_ID",
    location: "global",
});

const stream = await client.interactions.create({
    agent: "AGENT_ID",
    input: "What did I ask you before and what did you do?",
    previous_interaction_id: "PREVIOUS_INTERACTION_ID",
    environment: "ENV_ID",
    stream: true,
    background: true,
    store: true,
});

for await (const event of stream) {
    console.log(event);
}

ב-JavaScript SDK, מעבירים את המחרוזת environment_id ישירות כפרמטר environment כדי לעשות שימוש חוזר במאגר ארגז חול קיים. כדי להמשיך את היסטוריית השיחות, אפשר להשתמש ב-previous_interaction_id.

שינוי ההגדרות במהלך אינטראקציה

הגדרות ברירת המחדל של כלים, מיומנויות וחיבורים לצד שלישי בדרך כלל כלולות בהגדרות של סוכנים בהתאמה אישית, אבל אתם יכולים לשנות את ההגדרות האלה באופן דינמי לכל אינטראקציה בלי לשנות את הגדרות המשאב הבסיסי של הסוכן.

תרחיש שימוש נפוץ הוא ביטול דינמי של חיבורים לשרתים של Model Context Protocol‏ (MCP) בזמן הריצה. כל הכלים או שרתי ה-MCP שצוינו בגוף בקשת האינטראקציה מחליפים לגמרי את הכלים שהוגדרו מראש לסוכן למשך תור האינטראקציה הזה.

כדי לשנות או להגדיר שרת MCP במועד האינטראקציה, מוסיפים כלי מסוג mcp_server type לרשימת tools בקשת האינטראקציה:

REST

בקשת משתנים

לפני שקוראים ל-API, מחליפים את המשתנים הבאים:

  • ‫PROJECT_ID: מזהה הפרויקט ב- Cloud de Confiance by S3NS .
  • ‫LOCATION: המיקום של האינטראקציה. יש תמיכה רק באזור global.
  • ‫AGENT_ID: המזהה המותאם אישית של משאב הסוכן.
  • ‫MCP_SERVER_URL: כתובת ה-URL של שער ה-HTTP המרוחק של שרת ה-MCP החדש.
  • ‫MCP_SERVER_NAME: תווית תיאורית של דומיין המארח של ה-MCP היעד.
  • ‫MCP_HEADER_KEY: אופציונלי. שם מפתח הכותרת (לדוגמה, Authorization).
  • ‫MCP_HEADER_VALUE: אופציונלי. ערך האישורים (לדוגמה, Bearer <token>).

שיטת ה-HTTP וכתובת ה-URL

POST https://aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/interactions

תוכן בקשת JSON

{
  "stream": true,
  "background": true,
  "store": true,
  "agent": "agents/AGENT_ID",
  "input": [
    {
      "type": "user_input",
      "content": [
        {
          "type": "text",
          "text": "Analyze our database and summarize recent purchase events."
        }
      ]
    }
  ],
  "tools": [
    {
      "type": "mcp_server",
      "url": "MCP_SERVER_URL",
      "name": "MCP_SERVER_NAME",
      "headers": {
        "MCP_HEADER_KEY": "MCP_HEADER_VALUE"
      }
    }
  ]
}

פקודה אחת (curl)

curl -X POST "https://aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/interactions" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $(gcloud auth print-access-token)" \
  -H "Api-Revision: 2026-05-20" \
  -d '{
     "stream": true,
     "background": true,
     "store": true,
     "agent": "agents/AGENT_ID",
     "input": [
         {
             "type": "user_input",
             "content": [
                 {
                     "type": "text",
                     "text": "Analyze our database and summarize recent purchase events."
                 }
             ]
         }
     ],
     "tools": [
         {
             "type": "mcp_server",
             "url": "MCP_SERVER_URL",
             "name": "MCP_SERVER_NAME",
             "headers": {
                 "MCP_HEADER_KEY": "MCP_HEADER_VALUE"
             }
         }
     ]
  }'

Python

לפני שמריצים את הקוד הזה, צריך להגדיר את המשתנים שמתוארים בכרטיסייה REST.

from google import genai

client = genai.Client(
    vertexai=True,
    project="PROJECT_ID",
    location="global",
)

stream = client.interactions.create(
    agent="AGENT_ID",
    input="Analyze our database and summarize recent purchase events.",
    tools=[
        {
            "type": "mcp_server",
            "url": "MCP_SERVER_URL",
            "name": "MCP_SERVER_NAME",
            "headers": {
                "MCP_HEADER_KEY": "MCP_HEADER_VALUE"
            },
        }
    ],
    stream=True,
    background=True,
    store=True,
)

for event in stream:
    print(event)

JavaScript

לפני שמריצים את הקוד הזה, צריך להגדיר את המשתנים שמתוארים בכרטיסייה REST.

import { GoogleGenAI } from "@google/genai";

const client = new GoogleGenAI({
    vertexai: true,
    project: "PROJECT_ID",
    location: "global",
});

const stream = await client.interactions.create({
    agent: "AGENT_ID",
    input: "Analyze our database and summarize recent purchase events.",
    tools: [
        {
            type: "mcp_server",
            url: "MCP_SERVER_URL",
            name: "MCP_SERVER_NAME",
            headers: {
                "MCP_HEADER_KEY": "MCP_HEADER_VALUE",
            },
        },
    ],
    stream: true,
    background: true,
    store: true,
});

for await (const event of stream) {
    console.log(event);
}

המאמרים הבאים

סקירה כללית

ב-Agent Platform אפשר לקרוא על Managed Agents API – סביבה מבוססת-הגדרות ובעדיפות ל-REST לבניית סוכנים אוטונומיים.

מקור מידע

מידע על קונטיינר ארגז החול המבודד, על ההרשאות ועל החבילות או הכלים שמותקנים מראש.