Configurer l'environnement

Avant d'utiliser Agent Engine, vous devez vous assurer que votre environnement est configuré. Vous devez disposer d'un projet Google Cloud pour lequel la facturation est activée, disposer des autorisations requises, configurer un bucket Cloud Storage et installer le SDK Vertex AI pour Python. Utilisez les sujets suivants pour vous assurer que vous êtes prêt à commencer à travailler avec Agent Engine.

Pour obtenir un exemple de référence Terraform permettant de simplifier la configuration et le déploiement de l'environnement Agent Engine, consultez le pack de démarrage agent.

Configurer un projet 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

Remarque :Pour activer les API, vous devez disposer de l'autorisation serviceusage.services.enable. Si vous ne disposez pas de cette autorisation, demandez à votre administrateur de vous attribuer le rôle Administrateur Service Usage (roles/serviceusage.serviceUsageAdmin).

Obtenir les rôles requis

Pour obtenir les autorisations nécessaires pour utiliser Agent Engine, demandez à votre administrateur de vous accorder les rôles IAM suivants sur votre projet:

• Utilisateur Vertex AI (roles/aiplatform.user)
• Administrateur de l'espace de stockage (roles/storage.admin)

Pour en savoir plus sur l'attribution de rôles, consultez la page Gérer l'accès aux projets, aux dossiers et aux organisations.

Vous pouvez également obtenir les autorisations requises via des rôles personnalisés ou d'autres rôles prédéfinis.

Configurer les autorisations de votre agent de service

Les agents que vous déployez sur Agent Engine s'exécutent à l'aide du compte de service Agent de service AI Platform Reasoning Engine. Ce compte dispose d'un rôle Agent de service Reasoning Engine Vertex AI qui accorde les autorisations par défaut requises pour les agents déployés. Vous pouvez consulter la liste complète des autorisations par défaut dans la documentation IAM.

Si vous avez besoin d'autorisations supplémentaires, vous pouvez attribuer des rôles supplémentaires à cet agent de service en procédant comme suit:

1. Accédez à la page IAM et cochez la case "Inclure les attributions de rôles fournies par Google".

   Accéder à IAM

2. Recherchez le compte principal correspondant à [e-mail].

3. Ajoutez les rôles requis au principal en cliquant sur le bouton de modification, puis sur le bouton d'enregistrement.

Générer manuellement un agent de service

Bien que l'agent de service Reasoning Engine soit provisionné automatiquement lors du déploiement du moteur d'agent, il peut arriver que vous deviez le générer manuellement au préalable. Cela est particulièrement important lorsque vous devez attribuer des rôles spécifiques à l'agent de service pour vous assurer que le processus de déploiement dispose des autorisations nécessaires et éviter les échecs de déploiement potentiels.

Pour générer manuellement un agent de service Reasoning Engine, procédez comme suit:

1. Générez l'agent de service Reasoning Engine à l'aide de Google Cloud CLI.

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

   Remarque :La réponse à la commande Google Cloud CLI n'affiche peut-être que l'agent de service Vertex AI. Toutefois, l'agent de service Reasoning Engine est également créé.

2. Accédez à la page IAM, puis cliquez sur Accorder l'accès.

   Accéder à IAM

3. Dans la section Ajouter des comptes principaux, saisissez [e-mail] dans le champ Nouveaux comptes principaux.

4. Dans la section Attribuer des rôles, recherchez et sélectionnez les rôles dont vous avez besoin.

5. Cliquez sur le bouton Save (Enregistrer).

Créer un bucket Cloud Storage

Agent Engine préproduit les artefacts de vos agents déployés dans un bucket Cloud Storage dans le cadre du processus de déploiement. Assurez-vous que le compte principal authentifié pour utiliser Vertex AI (vous-même ou un compte de service) dispose d'un accès Storage Admin à ce bucket. Cela est nécessaire, car le SDK Vertex AI pour Python écrit votre code dans ce bucket.

Si vous avez déjà configuré un bucket, vous pouvez ignorer cette étape. Sinon, vous pouvez suivre les instructions standards pour créer un bucket.

console 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.

Ligne de commande

Create a Cloud Storage bucket and configure it as follows:
• Remplacez STORAGE_CLASS par la classe de stockage de votre choix.
• Remplacez LOCATION par l'emplacement de votre choix (ASIA, EU ou US)
• Remplacez BUCKET_NAME par Ce nom doit respecter les exigences relatives aux noms de buckets.

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

Installer et initialiser le SDK Vertex AI pour Python

Cette section suppose que vous avez configuré un environnement de développement Python ou que vous utilisez Colab (ou tout autre environnement d'exécution approprié qui l'a configuré pour vous).

(Facultatif) Configurer un environnement virtuel

Nous vous recommandons également de configurer un environnement virtuel pour isoler vos dépendances.

Installation

Pour réduire au maximum l'ensemble des dépendances que vous devez installer, nous les avons séparées en:

• agent_engines: ensemble de packages requis pour le déploiement sur Agent Engine.
• langchain: ensemble de packages LangChain compatibles.
• langgraph: ensemble de packages LangGraph compatibles.

Lorsque vous installez le SDK Vertex AI pour Python, vous pouvez spécifier les dépendances requises (séparées par des virgules). Pour les installer tous:

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

Authentification

Colab

Exécutez le code suivant :

from google.colab import auth

auth.authenticate_user()

Cloud Shell

Aucune action n'est requise.

Interface système locale

Exécutez la commande suivante :

gcloud auth application-default login

Importer et initialiser le SDK

Exécutez le code suivant pour importer et initialiser le SDK pour Agent Engine:

import vertexai
from vertexai import agent_engines

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

• PROJECT_ID : ID de votre projet
• LOCATION: votre région cloud.
• BUCKET_NAME: votre Google Cloud bucket.

Étape suivante

• Développer une application