Desarrollar y desplegar agentes en Vertex AI Agent Engine

Desarrollar y desplegar agentes en Vertex AI Agent Engine

En esta página se muestra cómo crear e implementar un agente que devuelva el tipo de cambio entre dos monedas en una fecha específica. Para ello, se utilizan los siguientes frameworks de agentes:

• Agent Development Kit (ADK)

• LangGraph

• LangChain

• AG2

• Flujo de procesamiento de consultas de LlamaIndex (vista previa)

Antes de empezar

Nota: Para habilitar APIs, necesitas el permiso serviceusage.services.enable. Si no tienes este permiso, pide a tu administrador que te conceda el rol Administrador de uso de servicios (roles/serviceusage.serviceUsageAdmin).

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.

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

Roles required to select or create a project

• Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
• Create a project: To create a project, you need the Project Creator (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

Go to project selector

Verify that billing is enabled for your Google Cloud project.

Enable the Vertex AI and Cloud Storage APIs.

Roles required to enable APIs

To enable APIs, you need the Service Usage Admin IAM role (roles/serviceusage.serviceUsageAdmin), which contains the serviceusage.services.enable permission. Learn how to grant roles.

Enable the APIs

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

Roles required to select or create a project

• Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
• Create a project: To create a project, you need the Project Creator (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

Go to project selector

Verify that billing is enabled for your Google Cloud project.

Enable the Vertex AI and Cloud Storage APIs.

Roles required to enable APIs

To enable APIs, you need the Service Usage Admin IAM role (roles/serviceusage.serviceUsageAdmin), which contains the serviceusage.services.enable permission. Learn how to grant roles.

Enable the APIs

Para obtener los permisos que necesitas para usar Vertex AI Agent Engine, pide a tu administrador que te conceda los siguientes roles de gestión de identidades y accesos en tu proyecto:

• Usuario de Vertex AI (roles/aiplatform.user)
• Administrador de almacenamiento (roles/storage.admin)

Para obtener más información sobre cómo conceder roles, consulta el artículo Gestionar el acceso a proyectos, carpetas y organizaciones.

También puedes conseguir los permisos necesarios a través de roles personalizados u otros roles predefinidos.

Instalar e inicializar el SDK de Vertex AI para Python

1. Ejecuta el siguiente comando para instalar el SDK de Vertex AI para Python y otros paquetes necesarios:

   ADK

   pip install --upgrade --quiet google-cloud-aiplatform[agent_engines,adk]>=1.112

   LangGraph

   pip install --upgrade --quiet google-cloud-aiplatform[agent_engines,langchain]>=1.112

   LangChain

   pip install --upgrade --quiet google-cloud-aiplatform[agent_engines,langchain]>=1.112

   AG2

   pip install --upgrade --quiet google-cloud-aiplatform[agent_engines,ag2]>=1.112

   LlamaIndex

   Vista previa

   Esta función está sujeta a los "Términos de las Ofertas de Acceso Previo a la Disponibilidad General" de la sección Términos Generales de los Servicios de los Términos Específicos de los Servicios. Las funciones previas a la disponibilidad general están disponibles tal cual y pueden tener una compatibilidad y asistencia limitadas. Para obtener más información, consulta las descripciones de las fases de lanzamiento.

   pip install --upgrade --quiet google-cloud-aiplatform[agent_engines,llama_index]>=1.112

2. Autenticarse como usuario

   Colab

   Ejecuta el siguiente código:

   from google.colab import auth
   
   auth.authenticate_user(project_id="PROJECT_ID")
   

   Cloud Shell

   No tienes que hacer nada.

   Shell local

   Ejecuta el siguiente comando:

   gcloud auth application-default login

3. Ejecuta el siguiente código para importar Vertex AI Agent Engine e inicializar el SDK:

   import vertexai
   
   client = vertexai.Client(
       project="PROJECT_ID",               # Your project ID.
       location="LOCATION",                # Your cloud region.
   )
   

   Donde:

   • PROJECT_ID es el Google Cloud ID de proyecto en el que desarrollas y despliegas agentes.

   • LOCATION es una de las regiones admitidas.

Desarrollar un agente

Primero, desarrolla una herramienta:

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()

A continuación, crea una instancia de un agente:

ADK

from google.adk.agents import Agent
from vertexai import agent_engines

agent = Agent(
    model="gemini-2.0-flash",
    name='currency_exchange_agent',
    tools=[get_exchange_rate],
)

app = agent_engines.AdkApp(agent=agent)

LangGraph

from vertexai import agent_engines

agent = agent_engines.LanggraphAgent(
    model="gemini-2.0-flash",
    tools=[get_exchange_rate],
    model_kwargs={
        "temperature": 0.28,
        "max_output_tokens": 1000,
        "top_p": 0.95,
    },
)

LangChain

from vertexai import agent_engines

agent = agent_engines.LangchainAgent(
    model="gemini-2.0-flash",
    tools=[get_exchange_rate],
    model_kwargs={
        "temperature": 0.28,
        "max_output_tokens": 1000,
        "top_p": 0.95,
    },
)

AG2

from vertexai import agent_engines

agent = agent_engines.AG2Agent(
    model="gemini-2.0-flash",
    runnable_name="Get Exchange Rate Agent",
    tools=[get_exchange_rate],
)

LlamaIndex

Vista previa

Esta función está sujeta a los "Términos de las Ofertas de Acceso Previo a la Disponibilidad General" de la sección Términos Generales de los Servicios de los Términos Específicos de los Servicios. Las funciones previas a la disponibilidad general están disponibles tal cual y pueden tener una compatibilidad y asistencia limitadas. Para obtener más información, consulta las descripciones de las fases de lanzamiento.

from vertexai.preview import reasoning_engines

def runnable_with_tools_builder(model, runnable_kwargs=None, **kwargs):
    from llama_index.core.query_pipeline import QueryPipeline
    from llama_index.core.tools import FunctionTool
    from llama_index.core.agent import ReActAgent

    llama_index_tools = []
    for tool in runnable_kwargs.get("tools"):
        llama_index_tools.append(FunctionTool.from_defaults(tool))
    agent = ReActAgent.from_tools(llama_index_tools, llm=model, verbose=True)
    return QueryPipeline(modules = {"agent": agent})

agent = reasoning_engines.LlamaIndexQueryPipelineAgent(
    model="gemini-2.0-flash",
    runnable_kwargs={"tools": [get_exchange_rate]},
    runnable_builder=runnable_with_tools_builder,
)

Por último, prueba el agente de forma local:

ADK

Nota: Para probar un agente del ADK de forma local, se usan sesiones en memoria.

async for event in app.async_stream_query(
    user_id="USER_ID",
    message="What is the exchange rate from US dollars to SEK today?",
):
    print(event)

donde USER_ID es un ID definido por el usuario con un límite de 128 caracteres.

LangGraph

agent.query(input={"messages": [
    ("user", "What is the exchange rate from US dollars to SEK today?"),
]})

LangChain

agent.query(
    input="What is the exchange rate from US dollars to SEK today?"
)

AG2

agent.query(
    input="What is the exchange rate from US dollars to SEK today?"
)

LlamaIndex

Vista previa

Esta función está sujeta a los "Términos de las Ofertas de Acceso Previo a la Disponibilidad General" de la sección Términos Generales de los Servicios de los Términos Específicos de los Servicios. Las funciones previas a la disponibilidad general están disponibles tal cual y pueden tener una compatibilidad y asistencia limitadas. Para obtener más información, consulta las descripciones de las fases de lanzamiento.

agent.query(
    input="What is the exchange rate from US dollars to SEK today?"
)

Desplegar un agente

Para desplegar el agente, sigue estos pasos:

ADK

Nota: Al implementar un agente de ADK en Vertex AI Agent Engine, se genera automáticamente un recurso de sesión gestionado. Puedes eliminar el recurso de sesión gestionada junto con el agente en la sección de limpieza.

remote_agent = client.agent_engines.create(
    agent=app,
    config={
        "requirements": ["google-cloud-aiplatform[agent_engines,adk]"],
    }
)

LangGraph

remote_agent = client.agent_engines.create(
    agent,
    config={
        "requirements": ["google-cloud-aiplatform[agent_engines,langchain]"],
    },
)

LangChain

remote_agent = client.agent_engines.create(
    agent,
    config={
        "requirements": ["google-cloud-aiplatform[agent_engines,langchain]"],
    },
)

AG2

from vertexai import agent_engines

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

LlamaIndex

Vista previa

Esta función está sujeta a los "Términos de las Ofertas de Acceso Previo a la Disponibilidad General" de la sección Términos Generales de los Servicios de los Términos Específicos de los Servicios. Las funciones previas a la disponibilidad general están disponibles tal cual y pueden tener una compatibilidad y asistencia limitadas. Para obtener más información, consulta las descripciones de las fases de lanzamiento.

from vertexai import agent_engines

remote_agent = agent_engines.create(
    agent,
    config={
        "requirements": ["google-cloud-aiplatform[agent_engines,llama_index]"],
    },
)

De esta forma, se crea un recurso reasoningEngine en Vertex AI.

Usar un agente

Prueba el agente implementado enviando una consulta:

ADK

async for event in remote_agent.async_stream_query(
    user_id="USER_ID",
    message="What is the exchange rate from US dollars to SEK today?",
):
    print(event)

LangGraph

remote_agent.query(input={"messages": [
    ("user", "What is the exchange rate from US dollars to SEK today?"),
]})

LangChain

remote_agent.query(
    input="What is the exchange rate from US dollars to SEK today?"
)

AG2

remote_agent.query(
    input="What is the exchange rate from US dollars to SEK today?"
)

LlamaIndex

Vista previa

Esta función está sujeta a los "Términos de las Ofertas de Acceso Previo a la Disponibilidad General" de la sección Términos Generales de los Servicios de los Términos Específicos de los Servicios. Las funciones previas a la disponibilidad general están disponibles tal cual y pueden tener una compatibilidad y asistencia limitadas. Para obtener más información, consulta las descripciones de las fases de lanzamiento.

remote_agent.query(
    input="What is the exchange rate from US dollars to SEK today?"
)

Limpieza

Para evitar que se apliquen cargos en tu cuenta de Google Cloud por los recursos utilizados en esta página, sigue estos pasos.

remote_agent.delete(force=True)

Siguientes pasos

• Consulta los cuadernos.
• Configura el entorno.
• Desarrolla un agente.
• Desplegar un agente.
• Usar un agente.
• Gestionar un agente.
• Obtener asistencia