Fehlerbehebung mit einem Kundenservicemitarbeiter

In diesem Dokument wird beschrieben, wie Sie Fehler beheben können, die bei der Verwendung eines Agents auftreten können.

„Operation schemas“ ist leer

Wenn Ihr Agent eine leere Liste von .operation_schemas() zurückgibt, kann das folgende Ursachen haben:

Fehler beim Generieren eines Schemas während der Agent-Erstellung

Problem:

Wenn Sie Ihren Agent bereitstellen, erhalten Sie eine Warnung ähnlich der folgenden:

WARNING:vertexai.agent_engines:failed to generate schema: issubclass() arg 1 must be a class

Mögliche Ursache:

Diese Warnung kann auftreten, wenn Sie einen Agenten mit der vorgefertigten LangchainAgent-Vorlage in einer Version von google-cloud-aiplatform bereitstellen, die älter als 1.49.0 ist. Führen Sie den folgenden Befehl im Terminal aus, um zu prüfen, welche Version Sie verwenden:

pip show google-cloud-aiplatform

Empfohlene Lösung:

Führen Sie im Terminal den folgenden Befehl aus, um das google-cloud-aiplatform-Paket zu aktualisieren:

pip install google-cloud-aiplatform --upgrade

Nachdem Sie das google-cloud-aiplatform-Paket aktualisiert haben, führen Sie den folgenden Befehl aus, um zu prüfen, ob die Version 1.49.0 oder höher ist:

pip show google-cloud-aiplatform

Wenn Sie sich in einer Notebookinstanz befinden (z. B. Jupyter, Colab oder Workbench), müssen Sie möglicherweise Ihre Laufzeit neu starten, um das aktualisierte Paket verwenden zu können. Nachdem Sie geprüft haben, ob Ihre Version von google-cloud-aiplatform 1.49.0 oder höher ist, versuchen Sie noch einmal, Ihren Agent bereitzustellen.

PermissionDenied-Fehler beim Abfragen Ihres Agents

Ihre Anfrage schlägt möglicherweise fehl, wenn Sie nicht die erforderlichen Berechtigungen haben.

Berechtigungen für Vertex AI-Erweiterungen

Problem

Möglicherweise erhalten Sie einen PermissionDenied-Fehler, der dem folgenden ähnelt:

Permission 'aiplatform.extensions.get' denied on resource
'//aiplatform.googleapis.com/projects/{PROJECT_ID}/locations/{LOCATION}/extensions/
{EXTENSION}' (or it may not exist). [reason: "IAM_PERMISSION_DENIED"
domain: "aiplatform.googleapis.com"
metadata {
  key: "permission"
  value: "aiplatform.extensions.get"
}
metadata {
  key: "resource"
  value: "projects/{PROJECT_ID}/locations/{LOCATION}/extensions/{EXTENSION}"
}
]

Ihr Agent hat nicht die Berechtigungen für Vertex AI-Erweiterungen. Wenn Sie Vertex AI-Erweiterungen mit Vertex AI Agent Engine verwenden möchten, weisen Sie dem Dienstkonto Ihrer Agent-Identität die Rolle „Vertex AI User“ (roles/aiplatform.user) zu. Weitere Informationen finden Sie unter Identität und Berechtigungen für Ihren Agent einrichten.

LLM-Berechtigungen

Problem:

Möglicherweise erhalten Sie einen PermissionDenied-Fehler, der dem folgenden ähnelt:

PermissionDenied: 403 Permission 'aiplatform.endpoints.predict' denied on resource 
'//aiplatform.googleapis.com/projects/{PROJECT_ID}/locations/{LOCATION}/publishers/
google/models/{MODEL}' (or it may not exist). [reason: "IAM_PERMISSION_DENIED"
domain: "aiplatform.googleapis.com"
metadata {
  key: "permission"
  value: "aiplatform.endpoints.predict"
}
metadata {
  key: "resource"
  value: "projects/{PROJECT_ID}/locations/{LOCATION}/publishers/google/models/{MODEL}"
}
]

Mögliche Ursache:

Das Dienstkonto Ihrer Agentenidentität hat möglicherweise nicht die erforderlichen Berechtigungen, um Ihr Large Language Model (LLM) abzufragen.

Empfohlene Lösung:

Prüfen Sie, ob Ihr Dienstkonto die in der Fehlermeldung aufgeführten IAM-Berechtigungen (Identity and Access Management) hat. Ein Beispiel für eine fehlende IAM-Berechtigung ist aiplatform.endpoints.predict. Weitere Informationen finden Sie unter Identität und Berechtigungen für Ihren Agent einrichten.

Ausführung der Reasoning Engine fehlgeschlagen

Wenn Sie beim Abfragen Ihres Agents die Fehlermeldung „Reasoning Engine Execution failed“ (Ausführung der Reasoning Engine fehlgeschlagen) erhalten, kann dies an einem der in diesem Abschnitt beschriebenen Probleme liegen.

Ungültige Eingaben für .query()

Problem:

Möglicherweise erhalten Sie einen FailedPrecondition-Fehler, der dem folgenden ähnelt:

FailedPrecondition: 400 Reasoning Engine Execution failed. Error Details:
{"detail":"Invalid request: `{'query': ...}`"}

Mögliche Ursache:

Dieser Fehler tritt auf, wenn Sie die Eingaben für die Abfrage als Positionsargumente anstelle von Keyword-Argumenten angeben. Sie rufen beispielsweise agent.query(query_str) anstelle von agent.query(input=query_str) auf.

Empfohlene Lösung:

Wenn Sie eine bereitgestellte Instanz einer Reasoning Engine abfragen, geben Sie alle Eingaben als Schlüsselwortargumente an.

Gemini-Modellkontingent ausgeschöpft

Problem:

Möglicherweise erhalten Sie einen Fehler, der einem der folgenden ähnelt. Das weist darauf hin, dass der Fehler durch den Aufruf von Gemini ausgelöst wurde:

FailedPrecondition: 400 Reasoning Engine Execution failed. Error Details:
{"detail":"...langchain_google_vertexai/chat_models.py...google.api_core.exceptions.ResourceExhausted: 429 Unable to submit request because the service is temporarily out of capacity. Try again later."}

oder eine andere Fehlermeldung:

FailedPrecondition: 400 Reasoning Engine Execution failed. Error Details:
{"detail":"...langchain_google_vertexai/chat_models.py...google.api_core.exceptions.InternalServerError: 500 Internal error occurred."}

Mögliche Ursache:

Das kann passieren, wenn Sie in letzter Zeit zu viele Anfragen gesendet und das Kontingent für das Gemini-Modell aufgebraucht haben.

Empfohlene Lösung:

Folgen Sie der Anleitung zum Verwalten von Kontingenten für Gemini-Modelle, um das Kontingent zu erhöhen. Alternativ können Sie die Ratenbegrenzung für Ihre Tests festlegen und es später noch einmal versuchen.

Supportressourcen

Wenn das Problem weiterhin besteht, wenden Sie sich an den Support.