Vertex AI Agent Builder

Créez des agents d'IA performants, sans code. Pour les objectifs complexes, il est facile d'assembler plusieurs agents, l'un jouant le rôle d'agent principal, et les autres le rôle de sous-agents. Entraînez vos modèles avec vos données, automatisez vos tâches et itérez facilement. Lancez et analysez vos résultats depuis une plate-forme conviviale.

En appliquant nos modèles de pointe tels que Gemini à la recherche Google, nous offrons aux clients la puissance combinée des derniers modèles de fondation de Google, ainsi que l'accès à des informations à jour et de haute qualité afin d'améliorer considérablement l'exhaustivité et la précision des réponses. Vous pouvez accéder à Gemini amélioré avec la recherche Google d'un simple clic sur notre API. L'ancrage avec la recherche Google proposera bientôt la récupération dynamique, une nouvelle fonctionnalité permettant aux clients de trouver un équilibre entre qualité et rentabilité, en choisissant intelligemment quand utiliser les résultats de la recherche Google et les données d'entraînement du modèle.

Avec Vertex AI Search, vous pouvez bénéficier d'un système de génération augmentée de récupération (RAG, Retrieval Augmented Generation) prêt à l'emploi de qualité Google, qui vous permet d'ancrer facilement vos modèles de langage dans vos propres données. Vertex AI Search gère la complexité de l'indexation de diverses sources de données, propose une fonctionnalité de recherche performante optimisée par la technologie Google et s'intègre parfaitement aux modèles de langage de Vertex AI.

Créer une génération augmentée de récupération (RAG) personnalisée pour des besoins d'IA uniques ? Vertex AI simplifie le processus grâce à ces outils :

• Analyseur de mise en page Document AI : extrait les données clés de documents complexes pour améliorer les recherches.
• API de classement : le classement basé sur un LLM donne la priorité aux réponses pertinentes.
• API Ground Generation : crée des réponses précises à l'aide de vos données ou de sources fiables. Cette API propose désormais un mode haute fidélité dans la version preview expérimentale. Cette nouvelle fonctionnalité va encore réduire les hallucinations en se concentrant sur le contexte fourni par le client pour l'ancrage.
• API Check Grounding : valide les réponses par rapport aux faits pour en vérifier la fiabilité.

Pour les entreprises qui ont besoin d'une récupération d'informations basée sur des représentations vectorielles continues personnalisées, Vertex AI offre de puissantes fonctionnalités de recherche vectorielle. La recherche vectorielle peut s'étendre à des milliards de vecteurs et trouver les voisins les plus proches en quelques millisecondes. La recherche vectorielle offre désormais une fonctionnalité de recherche hybride, une intégration de techniques de recherche vectorielles et par mots clés pour garantir aux utilisateurs les réponses les plus pertinentes.

Avec Vertex AI Agent Builder, vous pouvez créer des agents personnalisés hautement performants en fonction de vos besoins, avec tous les composants. LangChain sur Vertex AI n'est qu'une de nos nombreuses offres axées sur le code. Ainsi, nous vous aidons à créer facilement à l'aide de l'un des frameworks Python Open Source les plus populaires que les développeurs d'IA générative apprécient et déploient sur Vertex AI à l'échelle des entreprises.

LlamaIndex sur Vertex AI simplifie le processus de génération augmentée de récupération (RAG), de l'ingestion et la transformation des données en passant par l'intégration, l'indexation, la récupération et la génération. Les clients de Vertex AI peuvent désormais exploiter les modèles de Google, l'infrastructure optimisée par l'IA et le framework de données Open Source simple et flexible de LlamaIndex pour connecter des sources de données personnalisées à des modèles génératifs.

Genkit de Firebase est un framework Typescript/JavaScript Open Source conçu pour simplifier le développement, le déploiement et la surveillance des agents d'IA prêts pour la production. Grâce au plug-in Vertex AI, les développeurs Firebase peuvent désormais exploiter des modèles Google tels que Gemini et Imagen 2, ainsi que des représentations vectorielles continues de texte.