Agenten in der Agent Engine entwickeln und bereitstellen

Auf dieser Seite wird gezeigt, wie Sie einen Agenten erstellen und bereitstellen, der den Wechselkurs zwischen zwei Währungen an einem bestimmten Datum zurückgibt.

Hinweise

  1. Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.

  2. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

    Go to project selector

  3. Make sure that billing is enabled for your Google Cloud project.

  4. Enable the Vertex AI and Cloud Storage APIs.

    Enable the APIs

    5.

  5. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

    Go to project selector

  6. Make sure that billing is enabled for your Google Cloud project.

  7. Enable the Vertex AI and Cloud Storage APIs.

    Enable the APIs

    8.

Bitten Sie Ihren Administrator, Ihnen die folgenden IAM-Rollen für Ihr Projekt zuzuweisen, um die Berechtigungen zu erhalten, die Sie zur Verwendung der Agent Engine benötigen:

Weitere Informationen zum Zuweisen von Rollen finden Sie unter Zugriff auf Projekte, Ordner und Organisationen verwalten.

Sie können die erforderlichen Berechtigungen auch über benutzerdefinierte Rollen oder andere vordefinierte Rollen erhalten.

Vertex AI SDK für Python installieren und initialisieren

  1. Führen Sie den folgenden Befehl aus, um das Vertex AI SDK für Python und andere erforderliche Pakete zu installieren:

    LangGraph 

    pip install --upgrade --quiet google-cloud-aiplatform[agent_engines,langchain]

    LangChain 

    pip install --upgrade --quiet google-cloud-aiplatform[agent_engines,langchain]

    AG2 

    pip install --upgrade --quiet google-cloud-aiplatform[agent_engines,ag2]

  2. Als Nutzer authentifizieren

    Colab

    Führen Sie den folgenden Code aus:

    from google.colab import auth

auth.authenticate_user(project_id="PROJECT_ID")

    Cloud Shell

    Es sind keine weiteren Schritte erforderlich.

    Lokale Shell

    Führen Sie dazu diesen Befehl aus:

    gcloud auth application-default login

  3. Führen Sie den folgenden Code aus, um die Agent Engine zu importieren und das SDK zu initialisieren:

    import vertexai
from vertexai import agent_engines

vertexai.init(
    project="PROJECT_ID",               # Your project ID.
    location="LOCATION",                # Your cloud region.
    staging_bucket="gs://BUCKET_NAME",  # Your staging bucket.
)

Agent entwickeln

Entwickeln Sie zuerst ein Tool:

def get_exchange_rate(
    currency_from: str = "USD",
    currency_to: str = "EUR",
    currency_date: str = "latest",
):
    """Retrieves the exchange rate between two currencies on a specified date."""
    import requests

    response = requests.get(
        f"https://api.frankfurter.app/{currency_date}",
        params={"from": currency_from, "to": currency_to},
    )
    return response.json()

Als Nächstes instanziieren Sie einen Agenten:

LangGraph 

from vertexai.preview.reasoning_engines import LanggraphAgent

agent = LanggraphAgent(
    model="gemini-1.5-flash-001",
    tools=[get_exchange_rate],
    model_kwargs={
        "temperature": 0.28,
        "max_output_tokens": 1000,
        "top_p": 0.95,
    },
)

LangChain 

from vertexai.preview.reasoning_engines import LangchainAgent

agent = LangchainAgent(
    model="gemini-1.5-flash-001",
    tools=[get_exchange_rate],
    model_kwargs={
        "temperature": 0.28,
        "max_output_tokens": 1000,
        "top_p": 0.95,
    },
)

AG2 

from vertexai.preview.reasoning_engines import AG2Agent

agent = AG2Agent(
    model="gemini-1.5-flash-001",
    runnable_name="Get Exchange Rate Agent",
    tools=[get_exchange_rate],
)

Testen Sie den Agenten abschließend lokal:

LangGraph 

agent.query(input={"messages": [
    ("user", "What's the exchange rate from US dollars to Swedish currency?"),
]})

LangChain 

agent.query(
    input="What's the exchange rate from US dollars to Swedish currency?"
)

AG2 

agent.query(
    input="What's the exchange rate from US dollars to Swedish currency?"
)

Agent bereitstellen

So stellen Sie den Agenten bereit:

LangGraph 

remote_agent = agent_engines.create(
    agent,
    requirements=["google-cloud-aiplatform[agent_engines,langchain]"],
)

LangChain 

remote_agent = agent_engines.create(
    agent,
    requirements=["google-cloud-aiplatform[agent_engines,langchain]"],
)

AG2 

remote_agent = agent_engines.create(
    agent,
    requirements=["google-cloud-aiplatform[agent_engines,ag2]"],
)

Dadurch wird eine reasoningEngine-Ressource in Vertex AI erstellt.

Kundenservicemitarbeiter verwenden

Testen Sie den bereitgestellten Agenten, indem Sie eine Anfrage senden:

LangGraph 

remote_agent.query(input={"messages": [
    ("user", "What's the exchange rate from US dollars to Swedish currency?"),
]})

LangChain 

remote_agent.query(
    input="What's the exchange rate from US dollars to Swedish currency?"
)

AG2 

remote_agent.query(
    input="What's the exchange rate from US dollars to Swedish currency?"
)

Bereinigen

Mit den folgenden Schritten vermeiden Sie, dass Ihrem Google Cloud -Konto die in dieser Anleitung verwendeten Ressourcen in Rechnung gestellt werden: 

remote_agent.delete()

Nächste Schritte