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

  1. 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 

import vertexai

client = vertexai.Client(  # For service interactions via client.agent_engines
    project="PROJECT_ID",
    location="LOCATION",
)

for agent in client.agent_engines.list():
    print(agent)

Per filtrare l'elenco in base a display_name:

for agent in client.agent_engines.list(
    config={
        "filter": 'display_name="DISPLAY_NAME"',
    },
):
    print(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 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 Implementare un agente.

Console

  1. 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.

  2. Fai clic sul nome dell'agente specificato. Si apre la pagina Metriche per l'agente.

  3. (Facoltativo) Per visualizzare i dettagli del deployment dell'agente, fai clic su Dettagli del deployment. Viene aperto il riquadro Dettagli deployment. Per chiudere il riquadro, fai clic su Fine.

  4. (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:

import vertexai

client = vertexai.Client(  # For service interactions via client.agent_engines
    project="PROJECT_ID",
    location="LOCATION",
)

remote_agent = client.agent_engines.get(
    name="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:

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

Aggiorna 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 cui è stato eseguito il deployment dipende dall'aggiornamento eseguito, ma in genere varia da pochi secondi a pochi minuti.

Console

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

    Vai a Motore agente

  2. Per l'agente specificato, fai clic sul menu Altre azioni ().

  3. Fai clic su Modifica. Viene visualizzato il riquadro Modifica per l'agente.

  4. Modifica il Nome visualizzato o la Descrizione dell'agente.

  5. 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):

import vertexai

client = vertexai.Client(  # For service interactions via client.agent_engines
    project="PROJECT_ID",
    location="LOCATION",
)

client.agent_engines.update(
    name=RESOURCE_NAME,                    # Required.
    agent=UPDATED_AGENT,                   # Optional.
    config={                                                # 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.

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:

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

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

    Vai a Motore agente

  2. Per l'agente specificato, fai clic sul menu Altre azioni ().

  3. Fai clic su Elimina.

  4. 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(
    force=True, # Optional, if the agent has resources (e.g. sessions, memory)
)

In alternativa, puoi chiamare agent_engines.delete() per eliminare l'agente corrispondente a RESOURCE_NAME nel seguente modo:

import vertexai

client = vertexai.Client(  # For service interactions via client.agent_engines
    project="PROJECT_ID",
    location="LOCATION",
)

client.agent_engines.delete(
    name=RESOURCE_NAME,
    force=True, # Optional, if the agent has resources (e.g. sessions, memory)
)

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:

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

Passaggi successivi