Configura el entorno

Antes de trabajar con Agent Engine, debes asegurarte de que tu entorno esté configurado. Debes tener un proyecto de Google Cloud con la facturación habilitada, tener los permisos necesarios, configurar un bucket de Cloud Storage e instalar el SDK de Vertex AI para Python. Usa los siguientes temas para asegurarte de que estás listo para comenzar a trabajar con Agent Engine.

Si quieres ver un ejemplo de referencia de Terraform para optimizar la configuración y la implementación del entorno de Agent Engine, considera explorar agent-starter-pack.

Configura el proyecto de Google Cloud

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.

   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

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

   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

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

7. Enable the Vertex AI and Cloud Storage APIs.

   Enable the APIs

Nota: Para habilitar las APIs, necesitas el permiso serviceusage.services.enable. Si no tienes este permiso, pídele al administrador que te otorgue el rol de administrador de uso de servicios (roles/serviceusage.serviceUsageAdmin).

Obtén los roles necesarios

Para obtener los permisos que necesitas para usar el motor de agentes, pídele a tu administrador que te otorgue los siguientes roles de IAM en tu proyecto:

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

Para obtener más información sobre cómo otorgar roles, consulta Administra el acceso a proyectos, carpetas y organizaciones.

También puedes obtener los permisos necesarios mediante roles personalizados o cualquier otro rol predefinido.

Configura los permisos del agente de servicio

Los agentes que implementas en Agent Engine se ejecutan con la cuenta de servicio del agente de servicio de AI Platform Reasoning Engine. Esta cuenta tiene un rol de agente de servicio de Reasoning Engine de Vertex AI que otorga los permisos predeterminados necesarios para los agentes implementados. Puedes ver la lista completa de permisos predeterminados en la documentación de IAM.

Si necesitas permisos adicionales, puedes otorgar roles adicionales a este agente de servicio mediante los siguientes pasos:

1. Ve a la página IAM y marca la casilla de verificación “Incluir asignaciones de roles proporcionados por Google”.

   Ir a IAM

2. Busca el principal que coincide con [e-mail].

3. Para agregar los roles necesarios a la principal, haz clic en el botón Editar y, luego, en el botón Guardar.

Genera un agente de servicio de forma manual

Si bien el agente de servicio de Reasoning Engine se aprovisiona automáticamente durante la implementación de Agent Engine, es posible que haya situaciones en las que debas generarlo manualmente con anticipación. Esto es muy importante cuando necesitas otorgar roles específicos al agente de servicio para garantizar que el proceso de implementación tenga los permisos necesarios y evitar posibles fallas de implementación.

Estos son los pasos para generar manualmente un agente de servicio de Reasoning Engine:

1. Genera el agente de servicio de Reasoning Engine con Google Cloud CLI.

   gcloud beta services identity create --service=aiplatform.googleapis.com --project=PROJECT-ID-OR-PROJECT-NUMBER

   Nota: Es posible que la respuesta al comando de Google Cloud CLI solo muestre el agente de servicio de Vertex AI. Sin embargo, también se crea el agente de servicio de Reasoning Engine.

2. Ve a la página IAM y haz clic en Otorgar acceso.

   Ir a IAM

3. En la sección Agregar principales, en el campo Principales nuevas, ingresa [e-mail].

4. En la sección Asignar roles, busca y selecciona los roles que necesitas.

5. Haz clic en el botón Save.

Cree un bucket de Cloud Storage

El motor de agentes almacena en etapa intermedia los artefactos de tus agentes implementados en un bucket de Cloud Storage como parte del proceso de implementación. Asegúrate de que la principal que esté autenticada para usar Vertex AI (ya sea tú o una cuenta de servicio) tenga acceso Storage Admin a este bucket. Esto es necesario porque el SDK de Vertex AI para Python escribe tu código en este bucket.

Si ya tienes un bucket configurado, puedes omitir este paso. De lo contrario, puedes seguir las instrucciones estándar para crear un bucket.

Consola de Google Cloud

1. In the Google Cloud console, go to the Cloud Storage Buckets page.

   Go to Buckets page

2. Click Create bucket.
3. On the Create a bucket page, enter your bucket information. To go to the next step, click Continue.
   • For Name your bucket, enter a name that meets the bucket naming requirements.
   • For Choose where to store your data, do the following:
     • Select a Location type option.
     • Select a Location option.
   • For Choose a default storage class for your data, select a storage class.
   • For Choose how to control access to objects, select an Access control option.
   • For Advanced settings (optional), specify an encryption method, a retention policy, or bucket labels.
4. Click Create.

Línea de comandos

Create a Cloud Storage bucket and configure it as follows:
• Reemplaza STORAGE_CLASS con tu clase de almacenamiento de preferencia.
• Reemplaza LOCATION por tu ubicación de preferencia (ASIA, EU o US)
• Reemplaza BUCKET_NAME por Un nombre de depósito que cumpla con los requisitos de nombre del depósito

gcloud storage buckets create gs://BUCKET_NAME --default-storage-class STORAGE_CLASS --location LOCATION

Instala e inicializa el SDK de Vertex AI para Python

En esta sección, se supone que configuraste un entorno de desarrollo de Python o que usas Colab (o cualquier otro entorno de ejecución adecuado que lo haya configurado por ti).

Configura un entorno virtual (opcional)

También te recomendamos configurar un entorno virtual para aislar tus dependencias.

Instalación

Para minimizar el conjunto de dependencias que debes instalar, las dividimos en las siguientes categorías:

• agent_engines: Es el conjunto de paquetes necesarios para la implementación en Agent Engine.
• langchain: Es el conjunto de paquetes de LangChain compatibles.
• langgraph: Es el conjunto de paquetes de LangGraph compatibles.

Cuando instalas el SDK de Vertex AI para Python, puedes especificar las dependencias requeridas (separadas por comas). Para instalarlos todos, sigue estos pasos:

pip install google-cloud-aiplatform[agent_engines,langchain,langgraph]

Autenticación

Colab

Ejecuta el siguiente código:

from google.colab import auth

auth.authenticate_user()

Cloud Shell

No se requiere ninguna acción.

Shell local

Ejecuta el siguiente comando:

gcloud auth application-default login

Importa e inicializa el SDK

Ejecuta el siguiente código para importar y, luego, inicializar el SDK para Agent Engine:

import vertexai
from vertexai import agent_engines

vertexai.init(
    project="PROJECT_ID",
    location="LOCATION",
    staging_bucket="gs://BUCKET_NAME",
)

• PROJECT_ID: ID del proyecto
• LOCATION: Tu región de Cloud
• BUCKET_NAME: Tu Google Cloud bucket.

¿Qué sigue?

• Desarrollar una aplicación.