Solucionar problemas con un agente

En este documento se describe cómo resolver los errores que pueden producirse al usar un agente.

Operation schemas está vacío

Si tu agente devuelve una lista vacía de .operation_schemas(), puede deberse a uno de los siguientes problemas:

Failure generating a schema during agent creation

Problema:

Cuando implementas tu agente, recibes una advertencia similar a la siguiente:

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

Causa posible:

Esta advertencia puede producirse si implementas un agente con la plantilla precompilada LangchainAgent en una versión de google-cloud-aiplatform anterior a 1.49.0. Para comprobar qué versión estás usando, ejecuta el siguiente comando en el terminal:

pip show google-cloud-aiplatform

Solución recomendada:

Ejecuta el siguiente comando en el terminal para actualizar el paquete google-cloud-aiplatform:

pip install google-cloud-aiplatform --upgrade

Después de actualizar el paquete google-cloud-aiplatform, ejecuta el siguiente comando para comprobar que su versión es 1.49.0 o posterior:

pip show google-cloud-aiplatform

Si estás en una instancia de cuaderno (por ejemplo, Jupyter, Colab o Workbench), es posible que tengas que reiniciar el entorno de ejecución para usar el paquete actualizado. Una vez que hayas comprobado que tu versión de google-cloud-aiplatform es 1.49.0 o una posterior, intenta desplegar tu agente de nuevo.

Error PermissionDenied al consultar tu agente

Es posible que tu consulta falle si no tienes los permisos necesarios.

Permisos de extensiones de Vertex AI

Problema

Es posible que recibas un error PermissionDenied similar al siguiente:

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}"
}
]

Tu agente no tiene los permisos de las extensiones de Vertex AI. Para usar las extensiones de Vertex AI con Vertex AI Agent Engine, asigna el rol Usuario de Vertex AI (roles/aiplatform.user) a la cuenta de servicio de identidad de tu agente. Para obtener más información, consulta Configurar la identidad y los permisos de tu agente.

Permisos de LLM

Problema:

Es posible que recibas un error PermissionDenied similar al siguiente:

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}"
}
]

Causa posible:

Es posible que la identidad de tu agente (cuenta de servicio) no tenga los permisos adecuados para consultar tu modelo de lenguaje extenso (LLM).

Solución recomendada:

Asegúrate de que tu cuenta de servicio tenga los permisos de gestión de identidades y accesos (IAM) adecuados que se indican en el mensaje de error. Por ejemplo, puede que te falte el permiso de gestión de identidades y accesos aiplatform.endpoints.predict. Consulta más información en Configurar la identidad y los permisos de tu agente.

No se ha podido ejecutar Reasoning Engine

Si recibe el mensaje de error "Reasoning Engine Execution failed" (No se ha podido ejecutar el motor de razonamiento) al consultar a su agente, puede deberse a uno de los problemas que se describen en esta sección.

Entradas no válidas para .query()

Problema:

Es posible que recibas un error FailedPrecondition similar al siguiente:

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

Causa posible:

Este error se produce cuando especificas las entradas de la consulta como argumentos posicionales en lugar de argumentos de palabras clave. Por ejemplo, llamas a agent.query(query_str) en lugar de a agent.query(input=query_str).

Solución recomendada:

Cuando consultes una instancia de un motor de razonamiento que se haya implementado, especifica todas las entradas como argumentos de palabras clave.

Cuota de modelos de Gemini alcanzada

Problema:

Es posible que recibas un error similar a uno de los siguientes, lo que indica que el error se ha producido en la llamada a Gemini:

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."}

o un mensaje de error diferente:

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

Causa posible:

Esto puede ocurrir si has enviado demasiadas solicitudes recientemente y has agotado la cuota del modelo de Gemini.

Solución recomendada:

Sigue el proceso de gestión de cuotas del modelo de Gemini para aumentar la cuota. También puedes limitar la frecuencia de tus pruebas y volver a intentarlo más tarde.

Recursos de asistencia

Si el problema sigue sin resolverse, consulta nuestra guía de asistencia para obtener ayuda.