Soluciona problemas de implementación de una aplicación

En este documento, se muestra cómo resolver errores que pueden surgir al implementar una aplicación.

Errores de plantilla compilada previamente

Si tienes problemas con la plantilla de LangchainAgent durante la implementación, puede deberse a uno de los problemas en esta sección.

Errores del compilador de modelos o del compilador ejecutable

Problema:

Recibes un mensaje de error similar al siguiente:

AttributeError: 'LangchainAgent' object has no attribute '_model_builder'

o

AttributeError: 'LangchainAgent' object has no attribute '_runnable_builder'

Causa posible:

Esto podría suceder si usaste una versión degoogle-cloud-aiplatform posterior a 1.50.0 para definir LangchainAgent en tu entorno de desarrollo, pero la implementas con una versión anterior a la 1.51.0 en requirements=. Para verificar qué versión estás usando en tu entorno de desarrollo, ejecuta el siguiente comando en tu terminal:

pip show google-cloud-aiplatform

Solución recomendada:

Si usas una versión de google-cloud-aiplatform anterior a la versión 1.51.0, especifica una versión de google-cloud-aiplatform antes de la versión 1.51.0 en requirements= cuando implementes el motor de razonamiento..

Si usas una versión de google-cloud-aiplatform después de la versión 1.50.0, especifica una versión de google-cloud-aiplatform después de la versión 1.50.0 en requirements= cuando implementes el motor de razonamiento.

Errores internos del servidor

Problema:

Recibes un mensaje de error similar al siguiente:

InternalServerError: 500 Revision XXX is not ready and cannot serve traffic.

Lamentablemente, este es un error genérico para cualquier problema con el contenedor en el entorno de ejecución y la posible causa es uno de los tantos errores que pueden estar ocurriendo.

Causas posibles

  • Estado no sincronizado en LangchainAgent. Esto podría suceder si .set_up() se llamó en un LangchainAgent antes de implementar en el motor de razonamiento.
  • Versiones de paquete incoherentes. Esto podría ocurrir si los paquetes instalados en el entorno de desarrollo son diferentes de los paquetes instalados en el entorno remoto en el motor de razonamiento.

Soluciones recomendadas

Errores de serialización

En general, es importante asegurarse de que los entornos "local" y "remoto" están sincronizadas cuando se implementa en el motor de razonamiento. Para garantizar esto, puedes especificar requirements= cuando implementas en el motor de razonamiento.

Si tienes problemas con la serialización (errores relacionados con "pickle" o "pickling" son sinónimos de “serialización”), podría deberse a uno de los problemas que se describen en esta sección.

Versión de Pydantic

Problema:

Recibes un mensaje de error similar al siguiente:

PicklingError: Can't pickle <cyfunction str_validator at 0x7ca030133d30>: it's
not the same object as pydantic.validators.str_validator

Causa posible:

Esto puede suceder si tu paquete pydantic es anterior a la versión 2.6.4. Para verificar qué versión estás usando, ejecuta el siguiente comando en la terminal:

pip show pydantic

Solución recomendada:

Actualiza el paquete mediante la ejecución del siguiente comando en la terminal:

pip install pydantic --upgrade

Ejecuta el siguiente comando en tu terminal para verificar que estés usando la versión 2.6.4 o posterior:

pip show pydantic

Si estás en una instancia de notebook (por ejemplo, Jupyter, Colab o Workbench), es posible que debas reiniciar tu entorno de ejecución para usar los paquetes actualizados.

Versión de Cloudpickle

Problema:

Recibes un mensaje de error similar al siguiente:

AttributeError: Can't get attribute '_class_setstate' on <module 'cloudpickle.cloudpickle'
from '/usr/local/lib/python3.10/site-packages/cloudpickle/cloudpickle.py'>

Causa posible:

Esto puede suceder si la versión de tu paquete cloudpickle es diferente en el entorno de desarrollo y el de implementación. Para comprobar qué versión usas en desarrollo, ejecuta el siguiente comando en la terminal:

pip show cloudpickle

Solución recomendada:

Implementa la misma versión de cloudpickle en ambos entornos (es decir, tu entorno de desarrollo local y el entorno de motor de razonamiento implementado de forma remota). Para ello, especifica requirements= cuando implementes el motor de razonamiento.

Errores internos del servidor

Problema:

Recibes un mensaje de error similar al siguiente:

InternalServerError: 500 Revision XXX is not ready and cannot serve traffic.

Causa posible:

Esto podría suceder si sys_version= es diferente del entorno de desarrollo cuando implementas en el motor de razonamiento.

Solución recomendada:

Considera quitar sys_version= de los argumentos de entrada cuando realices una implementación en el motor de razonamiento. Si aún tienes problemas, envía un informe de errores.

Errores del bucket de Cloud Storage

Si tienes problemas con el bucket de etapa de pruebas de Cloud Storage que se usa en el momento de la implementación para recopilar y subir tu agente, puede deberse a uno de los siguientes problemas:

Errores de permisos

Solución recomendada:

Si deseas usar un bucket preexistente, asegúrate de que la principal que está autenticada para usar Vertex AI (ya sea tú mismo o una cuenta de servicio) tenga acceso Storage Admin al bucket y otórgale permisos a la Cuenta de servicio del motor de razonamiento administrada por Google.

Como alternativa, puedes especificar un bucket nuevo cuando implementes en el motor de razonamiento. y el SDK cliente del motor de razonamiento creará el bucket con los permisos necesarios.

Si los problemas persisten, envía un informe de errores.

No se creó el subdirectorio del bucket de Cloud Storage

Problema:

Recibes un mensaje de error similar al siguiente:

NotFound: 404 Can not copy from \"gs://[LOCATION]-*/reasoning_engine/reasoning_engine.pkl\" to \"gs://*/code.pkl\", check if the source object and target bucket exist.

(El error 404 se produce cuando el sistema intenta realizar una copia en una carpeta que no existe).

Causa posible:

Es probable que esto se deba a un problema con la interpolación de cadenas en las versiones de google-cloud-aiplatform anteriores a la versión 1.49.0. Esto se corregió en versiones posteriores. Para verificar qué versión de google-cloud-aiplatform estás usando, ejecuta el siguiente comando en la terminal:

pip show google-cloud-aiplatform

Solución recomendada:

Actualiza el paquete mediante la ejecución del siguiente comando en la terminal:

pip install google-cloud-aiplatform --upgrade

Verifica que estés usando la versión 1.49.0 o una posterior de google-cloud-aiplatform ejecutando el siguiente comando en la terminal:

pip show google-cloud-aiplatform

Si usas una instancia de notebook (por ejemplo, Jupyter, Colab o Workbench), quizás debas reiniciar tu entorno de ejecución antes de poder usar los paquetes actualizados.