Desenvolver e implantar agentes no Agente Engine

Esta página demonstra como criar e implantar um agente que retorna a taxa de câmbio entre duas moedas em uma data especificada.

Antes de começar

  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.

Para receber as permissões necessárias a fim de usar o Agente Engine, peça que o administrador conceda a você os seguintes papéis do IAM no projeto:

Para mais informações sobre a concessão de papéis, consulte Gerenciar o acesso a projetos, pastas e organizações.

Também é possível conseguir as permissões necessárias por meio de papéis personalizados ou de outros papéis predefinidos.

Instalar e inicializar o SDK do Vertex AI para Python

  1. Execute o seguinte comando para instalar o SDK da Vertex AI para Python e outros pacotes necessários:

    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. Autenticar como usuário

    Colab

    Execute o seguinte código:

    from google.colab import auth

auth.authenticate_user(project_id="PROJECT_ID")

    Cloud Shell

    Nenhuma ação é necessária.

    Shell local

    Execute este comando:

    gcloud auth application-default login

  3. Execute o seguinte código para importar o mecanismo do agente e inicializar o SDK:

    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.
)

Desenvolver um agente

Primeiro, desenvolva uma ferramenta:

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()

Em seguida, instancie um agente:

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],
)

Por fim, teste o agente localmente:

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?"
)

Implantar um agente

Para implantar o agente:

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]"],
)

Isso cria um recurso reasoningEngine na Vertex AI.

Usar um agente

Teste o agente implantado enviando uma consulta:

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?"
)

Limpar

Para evitar cobranças na conta do Google Cloud pelos recursos usados nesta página, siga estas etapas. 

remote_agent.delete()

A seguir