환경 설정

Agent Engine을 사용하기 전에 환경이 설정되어 있는지 확인해야 합니다. 결제가 사용 설정된 Google Cloud 프로젝트가 있고 필요한 권한이 있어야 하며 Cloud Storage 버킷을 설정하고 Vertex AI SDK for Python을 설치해야 합니다. 다음 주제를 사용하여 Agent Engine으로 작업할 준비를 하세요.

에이전트 엔진 환경 설정 및 배포를 간소화하는 참조용 Terraform 예시는 agent-starter-pack을 살펴보세요.

Google Cloud 프로젝트 설정

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

참고: API를 사용 설정하려면 serviceusage.services.enable 권한이 필요합니다. 이 권한이 없는 경우 관리자에게 서비스 사용량 관리자 (roles/serviceusage.serviceUsageAdmin) 역할을 부여해 달라고 요청하세요.

필요한 역할 가져오기

Agent Engine을 사용하는 데 필요한 권한을 얻으려면 관리자에게 프로젝트에 대한 다음 IAM 역할을 부여해 달라고 요청하세요.

• Vertex AI 사용자(roles/aiplatform.user)
• 스토리지 관리자(roles/storage.admin)

역할 부여에 대한 자세한 내용은 프로젝트, 폴더, 조직에 대한 액세스 관리를 참조하세요.

커스텀 역할이나 다른 사전 정의된 역할을 통해 필요한 권한을 얻을 수도 있습니다.

서비스 에이전트 권한 설정

Agent Engine에 배포하는 에이전트는 AI Platform Reasoning Engine 서비스 에이전트 서비스 계정을 사용하여 실행됩니다. 이 계정에는 배포된 에이전트에 필요한 기본 권한을 부여하는 Vertex AI Reasoning Engine 서비스 에이전트 역할이 있습니다. IAM 문서에서 기본 권한의 전체 목록을 확인할 수 있습니다.

추가 권한이 필요한 경우 다음 단계에 따라 이 서비스 에이전트에 추가 역할을 부여할 수 있습니다.

1. IAM 페이지로 이동하여 'Google 제공 역할 부여 포함' 체크박스를 선택합니다.

   IAM으로 이동

2. [e-mail]와 일치하는 주 구성원을 찾습니다.

3. 수정 버튼을 클릭한 다음 저장 버튼을 클릭하여 주 구성원에 필요한 역할을 추가합니다.

서비스 에이전트 수동 생성

Reasoning Engine 서비스 에이전트는 에이전트 엔진 배포 중에 자동으로 프로비저닝되지만, 사전에 수동으로 생성해야 하는 시나리오가 있을 수 있습니다. 이는 배포 프로세스에 필요한 권한이 있고 잠재적인 배포 실패를 방지할 수 있도록 서비스 에이전트에 특정 역할을 부여해야 하는 경우에 특히 중요합니다.

Reasoning Engine 서비스 에이전트를 수동으로 생성하는 단계는 다음과 같습니다.

1. Google Cloud CLI를 사용하여 Reasoning Engine 서비스 에이전트를 생성합니다.

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

   참고: Google Cloud CLI 명령어에 대한 응답에는 Vertex AI 서비스 에이전트만 표시될 수 있습니다. 그러나 Reasoning Engine 서비스 에이전트도 생성됩니다.

2. IAM 페이지로 이동하여 액세스 권한 부여를 클릭합니다.

   IAM으로 이동

3. 주 구성원 추가 섹션의 새 주 구성원 필드에 [e-mail]를 입력합니다.

4. 역할 할당 섹션에서 필요한 역할을 찾아 선택합니다.

5. 저장 버튼을 클릭합니다.

Cloud Storage 버킷 만들기

Agent Engine은 배포 프로세스 중에 Cloud Storage 버킷에서 배포된 에이전트의 아티팩트를 스테이징합니다. Vertex AI를 사용하도록 인증된 주 구성원 (사용자 또는 서비스 계정)에게 이 버킷에 대한 Storage Admin 액세스 권한이 있는지 확인합니다. Python용 Vertex AI SDK가 이 버킷에 코드를 작성하기 때문에 이 작업이 필요합니다.

버킷이 이미 설정되어 있으면 이 단계를 건너뛰어도 됩니다. 또는 표준 버킷 만들기 안내를 따르세요.

Google Cloud 콘솔

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.

명령줄

Create a Cloud Storage bucket and configure it as follows:
• STORAGE_CLASS를 원하는 스토리지 클래스로 바꿉니다.
• LOCATION을 원하는 위치(ASIA, EU, US)로 바꿉니다.
• BUCKET_NAME을 버킷 이름 요구사항을 충족하는 버킷 이름으로 바꿉니다.

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

Python용 Vertex AI SDK 설치 및 초기화

이 섹션에서는 Python 개발 환경을 설정했거나 Colab (또는 개발 환경을 설정해 준 다른 적절한 런타임)을 사용하고 있다고 가정합니다.

(선택사항) 가상 환경 설정

종속 항목을 격리하기 위해 가상 환경을 설정하는 것도 좋습니다.

설치

설치해야 하는 종속 항목 집합을 최소화하기 위해 종속 항목을 다음과 같이 분리했습니다.

• agent_engines: Agent Engine에 배포하는 데 필요한 패키지 모음입니다.
• langchain: 호환되는 LangChain 패키지 집합입니다.
• langgraph: 호환되는 LangGraph 패키지 집합입니다.

Python용 Vertex AI SDK를 설치할 때 필요한 종속 항목을 지정할 수 있습니다 (쉼표로 구분). 모두 설치하려면 다음 단계를 따르세요.

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

인증

Colab

다음 코드를 실행합니다.

from google.colab import auth

auth.authenticate_user()

Cloud Shell

어떤 조치도 필요하지 않습니다.

로컬 셸

다음 명령어를 실행합니다.

gcloud auth application-default login

SDK 가져오기 및 초기화

다음 코드를 실행하여 Agent Engine용 SDK를 가져오고 초기화합니다.

import vertexai
from vertexai import agent_engines

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

• PROJECT_ID: 프로젝트 ID입니다.
• LOCATION: 클라우드 리전입니다.
• BUCKET_NAME: 내 Google Cloud 버킷입니다.

다음 단계

• 애플리케이션 개발