Resolver problemas usando um agente

Neste documento, descrevemos como resolver erros que podem ser encontrados ao usar um agente.

Os esquemas da operação estão vazios

Se o agente retornar uma lista vazia de .operation_schemas(), isso pode ser causado por um dos seguintes problemas:

Falha ao gerar um esquema durante a criação do agente

Problema:

Ao implantar o agente, você vai receber um aviso semelhante a este:

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

Possível causa:

Esse aviso poderá ocorrer se você implantar um agente usando o modelo LangchainAgent pré-criado em uma versão de google-cloud-aiplatform anterior à 1.49.0. Para verificar qual versão você está usando, execute o seguinte comando no seu terminal:

pip show google-cloud-aiplatform

Solução recomendada:

Execute o seguinte comando no terminal para atualizar o pacote google-cloud-aiplatform:

pip install google-cloud-aiplatform --upgrade

Depois de atualizar o pacote google-cloud-aiplatform, execute o seguinte comando para verificar se a versão é 1.49.0 ou mais recente:

pip show google-cloud-aiplatform

No caso de uma instância de notebook (por exemplo, Jupyter, Colab ou Workbench), talvez seja necessário reiniciar o ambiente de execução para usar os pacotes atualizados. Depois de verificar que sua versão do google-cloud-aiplatform é 1.49.0 ou mais recente, tente implantar o agente de novo.

Erro PermissionDenied ao consultar seu agente

Sua consulta pode falhar se você não tiver as permissões necessárias.

Permissões das extensões da Vertex AI

Problema

Talvez você receba um erro PermissionDenied semelhante ao seguinte:

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}"
}
]

Seu agente não tem as permissões de extensões da Vertex AI. Para usar as extensões da Vertex AI com o Vertex AI Agent Engine, conceda o papel de usuário da Vertex AI (roles/aiplatform.user) à conta de serviço de identidade do agente. Para mais informações, consulte Configurar a identidade e as permissões do seu agente.

Permissões do LLM

Problema:

Talvez você receba um erro PermissionDenied semelhante ao seguinte:

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}"
}
]

Possível causa:

Talvez a conta de serviço da identidade do seu agente não tenha as permissões adequadas para consultar o modelo de linguagem grande (LLM).

Solução recomendada:

Verifique se a conta de serviço tem as permissões de gerenciamento de identidade e acesso (IAM) apropriadas listadas na mensagem de erro. Um exemplo de permissão do IAM que talvez esteja faltando é aiplatform.endpoints.predict. Consulte Configurar a identidade e as permissões do agente para mais informações.

Falha na execução do mecanismo de raciocínio

Se você receber a mensagem de erro "Falha na execução do mecanismo de raciocínio" ao consultar seu agente, talvez seja devido a um dos problemas descritos nesta seção.

Entradas inválidas para .query()

Problema:

Talvez você receba um erro FailedPrecondition semelhante ao seguinte:

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

Possível causa:

Esse erro ocorre quando você especifica as entradas para a consulta como argumentos posicionais no lugar de argumentos de palavra-chave. Por exemplo, você chama agent.query(query_str) no lugar de agent.query(input=query_str).

Solução recomendada:

Ao consultar uma instância de um mecanismo de raciocínio que foi implantado, especifique todas as entradas como argumentos de palavra-chave.

Fora da cota de modelos do Gemini

Problema:

Talvez você receba um erro semelhante àqueles a seguir, que indica que o erro foi gerado pela chamada para o 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."}

ou uma mensagem de erro 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."}

Possível causa:

Isso pode acontecer ao enviar muitas solicitações recentemente e usar toda a cota de modelos do Gemini.

Solução recomendada:

Siga o processo de gerenciamento de cotas de modelos do Gemini para aumentar a cota. Uma alternativa é limitar a taxa dos testes e tentar novamente mais tarde.

Recursos de suporte

Se o problema ainda não for resolvido, consulte nosso guia de suporte para receber ajuda.