A partire dal 29 aprile 2025, i modelli Gemini 1.5 Pro e Gemini 1.5 Flash non sono disponibili nei progetti che non li hanno mai utilizzati, inclusi i nuovi progetti. Per maggiori dettagli, vedi Versioni e ciclo di vita dei modelli.

Questa pagina è stata tradotta dall'API Cloud Translation.

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 Vertex AI 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:

Console

Nella console Google Cloud , vai alla pagina Vertex AI Agent Engine.

Vai a Motore agente

Gli agenti di cui è stato eseguito il deployment che fanno parte del progetto selezionato vengono visualizzati nell'elenco. Puoi utilizzare il campo Filtra per filtrare l'elenco in base alla colonna specificata.

SDK Vertex AI per Python

from vertexai import agent_engines

agent_engines.list()

Per filtrare l'elenco in base a 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:

curl (Linux, macOS o Cloud Shell)

Nota: il seguente comando presuppone che tu abbia eseguito l'accesso all'interfaccia a riga di comando gcloud con il tuo account utente eseguendo gcloud init o gcloud auth login oppure utilizzando Cloud Shell, che consente di accedere automaticamente all'interfaccia a riga di comando gcloud. Puoi controllare l'account attualmente attivo eseguendo gcloud auth list.

Esegui questo comando:

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)

Nota: il comando seguente presuppone che tu abbia eseguito l'accesso all'interfaccia a riga di comando gcloud con il tuo account utente eseguendo gcloud init o gcloud auth login . Puoi controllare l'account attualmente attivo eseguendo gcloud auth list.

Esegui questo comando:

$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

Dovresti ricevere un codice di stato riuscito (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.

Console

Nella console Google Cloud , vai alla pagina Vertex AI Agent Engine.

Vai a Motore agente

Gli agenti di cui è stato eseguito il deployment che fanno parte del progetto selezionato vengono visualizzati nell'elenco. Puoi utilizzare il campo Filtra per filtrare l'elenco in base alla colonna specificata.
Fai clic sul nome dell'agente specificato. Viene visualizzata la pagina Metriche per l'agente.
(Facoltativo) Per visualizzare i dettagli del deployment dell'agente, fai clic su Dettagli del deployment. Viene visualizzato il riquadro Dettagli deployment. Per chiudere il riquadro, fai clic su Fine.
(Facoltativo) Per visualizzare gli URL query e streamQuery per l'agente, fai clic su URL API. Si apre il riquadro URL API. Per chiudere il riquadro, fai clic su Fine.

SDK Vertex AI per Python

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

from vertexai import agent_engines

remote_agent = agent_engines.get("RESOURCE_ID")

In alternativa, puoi fornire il nome risorsa completo:

from vertexai import agent_engines

remote_agent = agent_engines.get(
"projects/PROJECT_ID_OR_NUMBER/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:

curl (Linux, macOS o Cloud Shell)

Esegui questo comando:

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)

Esegui questo comando:

$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

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

Aggiornare un agente di cui è stato eseguito il deployment

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

Console

Nella console Google Cloud , vai alla pagina Vertex AI Agent Engine.

Vai a Motore agente
Per l'agente specificato, fai clic sul menu Altre azioni ().
Fai clic su Modifica. Viene visualizzato il riquadro Modifica per l'agente.
Modifica il Nome visualizzato o la Descrizione dell'agente.
Fai clic su Salva.

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 di quando esegui il deployment di un agente. Puoi trovare i dettagli nel riferimento API.

REST

Chiama il metodo reasoningEngines.patch e fornisci un update_mask per specificare quali campi 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:

curl (Linux, macOS o Cloud Shell)

Salva il corpo della richiesta in un file denominato request.json, quindi esegui il comando seguente:

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)

Salva il corpo della richiesta in un file denominato request.json, ed esegui questo comando:

$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

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

Eliminare un agente di cui è stato eseguito il deployment

Elimina un agente di cui è stato eseguito il deployment dal runtime gestito di Vertex AI Agent Engine.

Console

Nella console Google Cloud , vai alla pagina Vertex AI Agent Engine.

Vai a Motore agente
Per l'agente specificato, fai clic sul menu Altre azioni ().
Fai clic su Elimina.
Fai clic su Elimina agente.

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 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

Per inviare la richiesta, espandi una di queste opzioni:

curl (Linux, macOS o Cloud Shell)

Esegui questo comando:

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)

Esegui questo comando:

$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

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

Gestire gli agenti di cui è stato eseguito il deployment Mantieni tutto organizzato con le raccolte Salva e classifica i contenuti in base alle tue preferenze.

Elenco degli agenti di cui è stato eseguito il deployment

Console

SDK Vertex AI per Python

REST

curl (Linux, macOS o Cloud Shell)

PowerShell (Windows)

Recuperare un agente di cui è stato eseguito il deployment

Console

SDK Vertex AI per Python

REST

curl (Linux, macOS o Cloud Shell)

PowerShell (Windows)

Aggiornare un agente di cui è stato eseguito il deployment

Console

SDK Vertex AI per Python

REST

curl (Linux, macOS o Cloud Shell)

PowerShell (Windows)

Eliminare un agente di cui è stato eseguito il deployment

Console

SDK Vertex AI per Python

REST

curl (Linux, macOS o Cloud Shell)

PowerShell (Windows)

Passaggi successivi

Gestire gli agenti di cui è stato eseguito il deployment