Diese Seite wurde von der Cloud Translation API übersetzt.

Bereitstgestellte Kundenservicemitarbeiter verwalten

Auf dieser Seite wird beschrieben, wie Sie Agents verwalten, die in der verwalteten Laufzeit von Vertex AI Agent Engine bereitgestellt wurden. Bereitgestellte Agents sind Ressourcen vom Typ reasoningEngine in Vertex AI.

Bereitgestellte Agents auflisten

Alle bereitgestellten Agents für ein bestimmtes Projekt und einen bestimmten Standort auflisten:

Console

Rufen Sie in der Google Cloud Console die Seite Vertex AI Agent Engine auf.

Zu Agent Engine

Bereitgestellte Agents, die Teil des ausgewählten Projekts sind, werden in der Liste angezeigt. Mit dem Feld Filter können Sie die Liste nach der von Ihnen angegebenen Spalte filtern.

Vertex AI SDK für Python

from vertexai import agent_engines

agent_engines.list()

So filtern Sie die Liste nach display_name:

from vertexai import agent_engines

agent_engines.list(filter='display_name="Demo Langchain Agent"')

REST

Rufen Sie die Methode reasoningEngines.list auf.

Ersetzen Sie diese Werte in den folgenden Anfragedaten:

PROJECT_ID: ID Ihres GCP-Projekts
LOCATION: eine unterstützte Region

HTTP-Methode und URL:

GET https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/reasoningEngines

Wenn Sie die Anfrage senden möchten, maximieren Sie eine der folgenden Optionen:

curl (Linux, macOS oder Cloud Shell)

Hinweis: Der folgende Befehl setzt voraus, dass Sie sich mit Ihrem Nutzerkonto bei der gcloud-Befehlszeile angemeldet haben. Dazu haben Sie gcloud init oder gcloud auth login ausgeführt oder die Cloud Shell genutzt, die Sie automatisch bei der gcloud-Befehlszeile anmeldet. Um herauszufinden, welches Konto gerade aktiv ist, führen Sie gcloud auth list aus.

Führen Sie folgenden Befehl aus:

curl -X GET \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     "https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/reasoningEngines"

PowerShell (Windows)

Hinweis: Der folgende Befehl setzt voraus, dass Sie sich mit Ihrem Nutzerkonto bei der gcloud-Befehlszeile angemeldet haben. Dazu führen Sie gcloud init oder gcloud auth login aus. Um herauszufinden, welches Konto gerade aktiv ist, führen Sie gcloud auth list aus.

Führen Sie folgenden Befehl aus:

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
    -Method GET `
    -Headers $headers `
    -Uri "https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/reasoningEngines" | Select-Object -Expand Content

Sie sollten einen erfolgreichen Statuscode (2xx) und eine leere Antwort als Ausgabe erhalten.

Bereitgestellten Agent abrufen

Jeder bereitgestellte Agent hat eine eindeutige RESOURCE_ID-ID. Weitere Informationen finden Sie unter Agent bereitstellen.

Console

Rufen Sie in der Google Cloud Console die Seite Vertex AI Agent Engine auf.

Zu Agent Engine

Bereitgestellte Agents, die Teil des ausgewählten Projekts sind, werden in der Liste angezeigt. Mit dem Feld Filter können Sie die Liste nach der von Ihnen angegebenen Spalte filtern.
Klicken Sie auf den Namen des angegebenen Agents. Die Seite Messwerte für den Agent wird geöffnet.
Optional: Wenn Sie sich die Bereitstellungsdetails für den Agent ansehen möchten, klicken Sie auf Bereitstellungsdetails. Der Bereich Bereitstellungsdetails wird geöffnet. Klicken Sie auf Fertig, um den Bereich zu schließen.
Optional: Wenn Sie die query- und streamQuery-URLs für den Agent ansehen möchten, klicken Sie auf API-URLs. Der Bereich API-URLs wird geöffnet. Klicken Sie auf Fertig, um den Bereich zu schließen.

Vertex AI SDK für Python

Mit dem folgenden Code können Sie einen bestimmten bereitgestellten Agent abrufen:

from vertexai import agent_engines

remote_agent = agent_engines.get("RESOURCE_ID")

Alternativ können Sie den vollständig qualifizierten Ressourcennamen angeben:

from vertexai import agent_engines

remote_agent = agent_engines.get(
"projects/PROJECT_ID_OR_NUMBER/locations/LOCATION/reasoningEngines/RESOURCE_ID"
)

REST

Rufen Sie die Methode reasoningEngines.get auf.

Ersetzen Sie diese Werte in den folgenden Anfragedaten:

PROJECT_ID: ID Ihres GCP-Projekts
LOCATION: eine unterstützte Region
RESOURCE_ID: die Ressourcen-ID des bereitgestellten Agents

HTTP-Methode und URL:

GET https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/reasoningEngines/RESOURCE_ID

Wenn Sie die Anfrage senden möchten, maximieren Sie eine der folgenden Optionen:

curl (Linux, macOS oder Cloud Shell)

Führen Sie folgenden Befehl aus:

curl -X GET \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     "https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/reasoningEngines/RESOURCE_ID"

PowerShell (Windows)

Führen Sie folgenden Befehl aus:

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
    -Method GET `
    -Headers $headers `
    -Uri "https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/reasoningEngines/RESOURCE_ID" | Select-Object -Expand Content

Sie sollten einen erfolgreichen Statuscode (2xx) und eine leere Antwort als Ausgabe erhalten.

Bereitgestellten Agent aktualisieren

Sie können ein oder mehrere Felder des bereitgestellten Agents gleichzeitig aktualisieren. Sie müssen jedoch mindestens eines der zu aktualisierenden Felder angeben. Wie lange die Aktualisierung des bereitgestellten Agents dauert, hängt vom durchgeführten Update ab. In der Regel sollte sie jedoch nur wenige Sekunden bis Minuten in Anspruch nehmen.

Console

Rufen Sie in der Google Cloud Console die Seite Vertex AI Agent Engine auf.

Zu Agent Engine
Klicken Sie für den angegebenen Agenten auf das Dreipunkt-Menü .
Klicken Sie auf Bearbeiten. Der Bereich Bearbeiten für den Agent wird geöffnet.
Bearbeiten Sie den Anzeigenamen oder die Beschreibung des Agents.
Klicken Sie auf Speichern.

Vertex AI SDK für Python

So aktualisieren Sie einen bereitgestellten Agenten (entsprechend RESOURCE_NAME) auf einen aktualisierten Agenten (entsprechend UPDATED_AGENT):

from vertexai import agent_engines

agent_engines.update(
    resource_name=RESOURCE_NAME,    # Required.
    agent_engine=UPDATED_AGENT,     # Optional.
    requirements=REQUIREMENTS,      # Optional.
    display_name="DISPLAY_NAME",    # Optional.
    description="DESCRIPTION",      # Optional.
    extra_packages=EXTRA_PACKAGES,  # Optional.
)

Die Argumente sind dieselben wie bei der Bereitstellung eines Agents. Weitere Informationen finden Sie in der API-Referenz.

REST

Rufen Sie die Methode reasoningEngines.patch auf und geben Sie einen update_mask an, um festzulegen, welche Felder aktualisiert werden sollen.

Ersetzen Sie diese Werte in den folgenden Anfragedaten:

PROJECT_ID: ID Ihres GCP-Projekts
LOCATION: eine unterstützte Region
RESOURCE_ID: die Ressourcen-ID des bereitgestellten Agents
update_mask: eine Liste durch Kommas getrennter Felder, die aktualisiert werden sollen

HTTP-Methode und URL:

PATCH https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/reasoningEngines/RESOURCE_ID?update_mask="display_name,description"

JSON-Text anfordern:

{
"displayName": "DISPLAY_NAME",
"description": "DESCRIPTION"
}

Wenn Sie die Anfrage senden möchten, maximieren Sie eine der folgenden Optionen:

curl (Linux, macOS oder Cloud Shell)

Speichern Sie den Anfragetext in einer Datei mit dem Namen request.json und führen Sie den folgenden Befehl aus:

curl -X PATCH \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     -H "Content-Type: application/json; charset=utf-8" \
     -d @request.json \
     "https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/reasoningEngines/RESOURCE_ID?update_mask="display_name,description""

PowerShell (Windows)

Speichern Sie den Anfragetext in einer Datei mit dem Namen request.json und führen Sie den folgenden Befehl aus:

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
    -Method PATCH `
    -Headers $headers `
    -ContentType: "application/json; charset=utf-8" `
    -InFile request.json `
    -Uri "https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/reasoningEngines/RESOURCE_ID?update_mask="display_name,description"" | Select-Object -Expand Content

Sie sollten einen erfolgreichen Statuscode (2xx) und eine leere Antwort als Ausgabe erhalten.

Bereitgestellten Agent löschen

Einen bereitgestellten Agent aus der verwalteten Laufzeit von Vertex AI Agent Engine löschen

Console

Rufen Sie in der Google Cloud Console die Seite Vertex AI Agent Engine auf.

Zu Agent Engine
Klicken Sie für den angegebenen Agenten auf das Dreipunkt-Menü .
Klicken Sie auf Löschen.
Klicken Sie auf Agent löschen.

Vertex AI SDK für Python

Wenn Sie bereits eine vorhandene Instanz des bereitgestellten Agents (als remote_agent) haben, können Sie den folgenden Befehl ausführen:

remote_agent.delete()

Alternativ können Sie agent_engines.delete() aufrufen, um den bereitgestellten Agenten zu löschen, der RESOURCE_NAME entspricht:

from vertexai import agent_engines

agent_engines.delete(RESOURCE_NAME)

REST

Rufen Sie die Methode reasoningEngines.delete auf.

Ersetzen Sie diese Werte in den folgenden Anfragedaten:

PROJECT_ID: ID Ihres GCP-Projekts
LOCATION: eine unterstützte Region
RESOURCE_ID: die Ressourcen-ID des bereitgestellten Agents

HTTP-Methode und URL:

DELETE https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/reasoningEngines/RESOURCE_ID

Wenn Sie die Anfrage senden möchten, maximieren Sie eine der folgenden Optionen:

curl (Linux, macOS oder Cloud Shell)

Führen Sie folgenden Befehl aus:

curl -X DELETE \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     "https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/reasoningEngines/RESOURCE_ID"

PowerShell (Windows)

Führen Sie folgenden Befehl aus:

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
    -Method DELETE `
    -Headers $headers `
    -Uri "https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/reasoningEngines/RESOURCE_ID" | Select-Object -Expand Content

Sie sollten einen erfolgreichen Statuscode (2xx) und eine leere Antwort als Ausgabe erhalten.

Bereitstgestellte Kundenservicemitarbeiter verwalten Mit Sammlungen den Überblick behalten Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.

Bereitgestellte Agents auflisten

Console

Vertex AI SDK für Python

REST

curl (Linux, macOS oder Cloud Shell)

PowerShell (Windows)

Bereitgestellten Agent abrufen

Console

Vertex AI SDK für Python

REST

curl (Linux, macOS oder Cloud Shell)

PowerShell (Windows)

Bereitgestellten Agent aktualisieren

Console

Vertex AI SDK für Python

REST

curl (Linux, macOS oder Cloud Shell)

PowerShell (Windows)

Bereitgestellten Agent löschen

Console

Vertex AI SDK für Python

REST

curl (Linux, macOS oder Cloud Shell)

PowerShell (Windows)

Nächste Schritte

Bereitstgestellte Kundenservicemitarbeiter verwalten