Sviluppa ed esegui il deployment di agenti su Agent Runtime

Agent Runtime ti consente di ospitare agenti sviluppati con vari framework. Questo documento spiega come creare, sottoporre a deployment e testare un agente utilizzando LangGraph, LangChain, AG2 o LlamaIndex.

Questa guida rapida è composta dai seguenti passaggi:

  • Configura il progetto Cloud de Confiance by S3NS .
  • Installa l'SDK Agent Platform per Python e il framework che preferisci.
  • Sviluppa un agente di cambio valuta.
  • Esegui il deployment dell'agente in Agent Runtime.
  • Testa l'agente di cui hai eseguito il deployment.

Per la guida rapida all'utilizzo di Agent Development Kit (ADK), consulta Sviluppa ed esegui il deployment di agenti su Agent Platform con Agent Development Kit.

Prima di iniziare

  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 and Cloud Storage APIs, if any are 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 APIs

Per ottenere le autorizzazioni necessarie per utilizzare Agent Runtime, chiedi all'amministratore di concederti i seguenti ruoli IAM nel progetto:

Per saperne di più sulla concessione dei ruoli, consulta Gestisci l'accesso a progetti, cartelle e organizzazioni.

Potresti anche riuscire a ottenere le autorizzazioni richieste tramite i ruoli personalizzati o altri ruoli predefiniti.

Installa e inizializza l'SDK Agent Platform per Python

  1. Esegui questo comando per installare l'SDK Agent Platform per Python e altri pacchetti richiesti:

    LangGraph 

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

    LangChain 

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

    AG2 

    pip install --upgrade --quiet google-cloud-aiplatform[agent_engines,ag2]>=1.112

    LlamaIndex 

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

  2. Autenticarsi come utente

    Colab

    Esegui questo codice:

    from google.colab import auth

auth.authenticate_user(project_id="PROJECT_ID")

    Cloud Shell

    Nessuna azione richiesta.

    Shell locale

    Esegui questo comando:

    gcloud auth application-default login

  3. Esegui questo codice per importare Agent Platform e inizializzare l'SDK:

    1. (Facoltativo) Prima di testare un agente che sviluppi, devi importare Agent Platform e inizializzare l'SDK nel seguente modo:

      Progetto Google Cloud

      import vertexai

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

      Dove:

    2. Prima di eseguire il deployment di un agente, devi importare Agent Platform e inizializzare l'SDK nel seguente modo:

      Progetto Google Cloud

      import vertexai

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

      Dove:

Sviluppare un agente

  1. Sviluppa uno strumento di conversione valutaria per il tuo agente:

    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. Crea un'istanza di un agente:

    LangGraph 

    from vertexai import agent_engines

agent = agent_engines.LanggraphAgent(
    model="gemini-3.5-flash",
    tools=[get_exchange_rate],
    model_kwargs={
        "temperature": 0.28,
        "max_output_tokens": 1000,
        "top_p": 0.95,
    },
)

    LangChain 

    from vertexai import agent_engines

agent = agent_engines.LangchainAgent(
    model="gemini-3.5-flash",
    tools=[get_exchange_rate],
    model_kwargs={
        "temperature": 0.28,
        "max_output_tokens": 1000,
        "top_p": 0.95,
    },
)

    AG2 

    from vertexai import agent_engines

agent = agent_engines.AG2Agent(
    model="gemini-3.5-flash",
    runnable_name="Get Exchange Rate Agent",
    tools=[get_exchange_rate],
)

    LlamaIndex 

    from vertexai.preview import reasoning_engines

def runnable_with_tools_builder(model, runnable_kwargs=None, **kwargs):
    from llama_index.core.query_pipeline import QueryPipeline
    from llama_index.core.tools import FunctionTool
    from llama_index.core.agent import ReActAgent

    llama_index_tools = []
    for tool in runnable_kwargs.get("tools"):
        llama_index_tools.append(FunctionTool.from_defaults(tool))
    agent = ReActAgent.from_tools(llama_index_tools, llm=model, verbose=True)
    return QueryPipeline(modules = {"agent": agent})

agent = reasoning_engines.LlamaIndexQueryPipelineAgent(
    model="gemini-3.5-flash",
    runnable_kwargs={"tools": [get_exchange_rate]},
    runnable_builder=runnable_with_tools_builder,
)

  3. Testa l'agente localmente:

    LangGraph 

    agent.query(input={"messages": [
    ("user", "What is the exchange rate from US dollars to SEK today?"),
]})

    LangChain 

    agent.query(
    input="What is the exchange rate from US dollars to SEK today?"
)

    AG2 

    agent.query(
    input="What is the exchange rate from US dollars to SEK today?"
)

    LlamaIndex 

    agent.query(
    input="What is the exchange rate from US dollars to SEK today?"
)

Esegui il deployment di un agente

Esegui il deployment dell'agente creando una risorsa reasoningEngine in Agent Platform:

LangGraph 

remote_agent = client.agent_engines.create(
    agent,
    config={
        "display_name": "LangGraph currency exchange agent",
        "requirements": ["google-cloud-aiplatform[agent_engines,langchain]"],
        "identity_type": types.IdentityType.AGENT_IDENTITY,
    },
)

LangChain 

remote_agent = client.agent_engines.create(
    agent,
    config={
        "display_name": "LangChain currency exchange agent",
        "requirements": ["google-cloud-aiplatform[agent_engines,langchain]"],
        "identity_type": types.IdentityType.AGENT_IDENTITY,
    },
)

AG2 

remote_agent = client.agent_engines.create(
    agent,
    config={
        "display_name": "AG2 currency exchange agent",
        "requirements": ["google-cloud-aiplatform[agent_engines,ag2]"],
        "identity_type": types.IdentityType.AGENT_IDENTITY,
    },
)

LlamaIndex 

remote_agent = client.agent_engines.create(
    agent,
    config={
        "display_name": "LlamaIndex currency exchange agent",
        "requirements": ["google-cloud-aiplatform[agent_engines,llama_index]"],
        "identity_type": types.IdentityType.AGENT_IDENTITY,
    },
)

Utilizzare un agente

Testa l'agente di cui è stato eseguito il deployment inviando una query:

LangGraph 

remote_agent.query(input={"messages": [
    ("user", "What is the exchange rate from US dollars to SEK today?"),
]})

LangChain 

remote_agent.query(
    input="What is the exchange rate from US dollars to SEK today?"
)

AG2 

remote_agent.query(
    input="What is the exchange rate from US dollars to SEK today?"
)

LlamaIndex 

remote_agent.query(
    input="What is the exchange rate from US dollars to SEK today?"
)

Esegui la pulizia

Per evitare che al tuo account Cloud de Confiance vengano addebitati costi relativi alle risorse utilizzate in questa pagina, segui questi passaggi. 

remote_agent.delete(force=True)

Passaggi successivi

Guida

Configura l'ambiente per utilizzare Agent Platform Runtime.

Guida

Scopri i cinque modi per eseguire il deployment di un agente su Agent Platform Runtime in base alle tue esigenze di sviluppo.

Guida

Scopri come gestire gli agenti di cui è stato eseguito il deployment nel runtime gestito di Agent Platform.

Guida

Utilizza un agente con Agent Platform Runtime.

Risorsa

Trova risorse e assistenza per Google Agent Platform.