Agent Runtime でエージェントを開発してデプロイする

Agent Runtime を使用すると、さまざまなフレームワークで開発されたエージェントをホストできます。このドキュメントでは、LangGraph、LangChain、AG2、または LlamaIndex を使用してエージェントを作成、デプロイ、テストする方法について説明します。

このクイックスタートでは、次の手順について説明します。

  • Cloud de Confiance by S3NS プロジェクトを設定する。
  • Agent Platform SDK for Python と選択したフレームワークをインストールします。
  • 通貨換算エージェントを開発します。
  • エージェントを Agent Runtime にデプロイします。
  • デプロイしたエージェントをテストします。

Agent Development Kit（ADK）を使用したクイックスタートについては、Agent Development Kit を使用して Agent Platform でエージェントを開発してデプロイするをご覧ください。

始める前に

  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

Agent Runtime の使用に必要な権限を取得するには、プロジェクトに対する次の IAM ロールを付与するよう管理者に依頼してください。

ロールの付与については、プロジェクト、フォルダ、組織へのアクセス権の管理をご覧ください。

必要な権限は、カスタムロールや他の事前定義ロールから取得することもできます。

Agent Platform SDK for Python をインストールして初期化する

  1. 次のコマンドを実行して、Agent Platform SDK for Python とその他の必要なパッケージをインストールします。

    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. ユーザーとして認証します。

    Colab

    次のコードを実行します。

    from google.colab import auth

auth.authenticate_user(project_id="PROJECT_ID")

    Cloud Shell

    対応は不要です。

    ローカルシェル

    次のコマンドを実行します。

    gcloud auth application-default login

  3. 次のコードを実行して、Agent Platform をインポートし、SDK を初期化します。

    1. （省略可）開発したエージェントをテストする前に、Agent Platform をインポートして、次のように SDK を初期化する必要があります。

      Google Cloud プロジェクト

      import vertexai

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

      ここで

    2. エージェントをデプロイする前に、次のように Agent Platform をインポートして SDK を初期化する必要があります。

      Google Cloud プロジェクト

      import vertexai

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

      ここで

エージェントを開発する

  1. エージェントの通貨換算ツールを開発します。

    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. エージェントをインスタンス化します。

    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. ローカルでエージェントをテストします。

    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?"
)

エージェントをデプロイする

Agent Platform で reasoningEngine リソースを作成して、エージェントをデプロイします。

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,
    },
)

エージェントを使用する

クエリを送信して、デプロイしたエージェントをテストします。

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?"
)

クリーンアップ

このページで使用したリソースについて、 Cloud de Confiance アカウントに課金されないようにするには、次の手順を実施します。

remote_agent.delete(force=True)

次のステップ

ガイド

Agent Platform Runtime を使用するように環境を設定します。

ガイド

開発ニーズに基づいて Agent Platform Runtime にエージェントをデプロイする 5 つの方法について学習します。

ガイド

Agent Platform マネージド ランタイムにデプロイされたエージェントを管理する方法について説明します。

ガイド

Agent Platform Runtime でエージェントを使用します。

リソース

Google Agent Platform のリソースとサポートを確認します。