Gestire gli agenti di cui è stato eseguito il deployment

Questa pagina descrive come gestire gli agenti di cui è stato eseguito il deployment nel runtime gestito di Agent Engine. Gli agenti di cui è stato eseguito il deployment sono risorse di tipo reasoningEngine in Vertex AI.

Elenco degli agenti di cui è stato eseguito il deployment

Elenca tutti gli agenti di cui è stato eseguito il deployment per un determinato progetto e una determinata località:

SDK Vertex AI per Python 

from vertexai import agent_engines

agent_engines.list()

Per filtrare l'elenco per display_name:

from vertexai import agent_engines

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

REST

Chiama il metodo reasoningEngines.list.

Prima di utilizzare i dati della richiesta, apporta le seguenti sostituzioni:

  • PROJECT_ID: il tuo ID progetto Google Cloud
  • LOCATION: una regione supportata

Metodo HTTP e URL: 

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

Per inviare la richiesta, espandi una di queste opzioni:

Dovresti ricevere un codice di stato di operazione riuscita (2xx) e una risposta vuota.

Recuperare un agente di cui è stato eseguito il deployment

Ogni agente di cui è stato eseguito il deployment ha un identificatore RESOURCE_ID univoco. Per scoprire di più, consulta Eseguire il deployment di un agente.

SDK Vertex AI per Python

Il seguente codice ti consente di ottenere un agente di cui è stato eseguito il deployment:

from vertexai import agent_engines

remote_agent = agent_engines.get("RESOURCE_ID")

In alternativa, puoi fornire il nome completo della risorsa:

from vertexai import agent_engines

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

REST

Chiama il metodo reasoningEngines.get.

Prima di utilizzare i dati della richiesta, apporta le seguenti sostituzioni:

  • PROJECT_ID: il tuo ID progetto Google Cloud
  • LOCATION: una regione supportata
  • RESOURCE_ID: l'ID risorsa dell'agente di cui è stato eseguito il deployment

Metodo HTTP e URL: 

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

Per inviare la richiesta, espandi una di queste opzioni:

Dovresti ricevere un codice di stato di operazione riuscita (2xx) e una risposta vuota.

Aggiornare un agente di cui è stato eseguito il deployment

Puoi aggiornare contemporaneamente uno o più campi dell'agente di cui è stato eseguito il deployment, ma devi specificare almeno uno dei campi da aggiornare. Il tempo necessario per aggiornare l'agente di cui è stato eseguito il deployment dipende dall'aggiornamento, ma in genere sono necessari da alcuni secondi a qualche minuto.

SDK Vertex AI per Python

Per aggiornare un agente di cui è stato eseguito il deployment (corrispondente a RESOURCE_NAME) a un agente aggiornato (corrispondente a 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.
)

Gli argomenti sono gli stessi utilizzati per il deployment di un agente. Puoi trovare i dettagli nel riferimento dell'API.

REST

Chiama il metodo reasoningEngines.patch e fornisci un update_mask per specificare i campi da aggiornare.

Prima di utilizzare i dati della richiesta, apporta le seguenti sostituzioni:

  • PROJECT_ID: il tuo ID progetto Google Cloud
  • LOCATION: una regione supportata
  • RESOURCE_ID: l'ID risorsa dell'agente di cui è stato eseguito il deployment
  • update_mask: un elenco di campi separati da virgole da aggiornare

Metodo HTTP e URL: 

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

Corpo JSON della richiesta: 

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

Per inviare la richiesta, espandi una di queste opzioni:

Dovresti ricevere un codice di stato di operazione riuscita (2xx) e una risposta vuota.

Eliminare un agente di cui è stato eseguito il deployment

SDK Vertex AI per Python

Se hai già un'istanza esistente dell'agente di cui è stato eseguito il deployment (come remote_agent), puoi eseguire il seguente comando:

remote_agent.delete()

In alternativa, puoi chiamare agent_engines.delete() per eliminare l'agente di cui è stato eseguito il deployment corrispondente a RESOURCE_NAME nel seguente modo:

from vertexai import agent_engines

agent_engines.delete(RESOURCE_NAME)

REST

Chiama il metodo reasoningEngines.delete.

Prima di utilizzare i dati della richiesta, apporta le seguenti sostituzioni:

  • PROJECT_ID: il tuo ID progetto Google Cloud
  • LOCATION: una regione supportata
  • RESOURCE_ID: l'ID risorsa dell'agente di cui è stato eseguito il deployment

Metodo HTTP e URL: 

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

Corpo JSON della richiesta: 

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

Per inviare la richiesta, espandi una di queste opzioni:

Dovresti ricevere un codice di stato di operazione riuscita (2xx) e una risposta vuota.