In diesem Dokument wird eine allgemeine Architektur für eine Anwendung beschrieben, die ein interaktives Lernquiz mit einem agentischen KI-Workflow generiert und verwaltet. Der Agent bewertet das Wissen eines Nutzers zu einem bestimmten Thema und verwendet einen persistenten Sitzungsstatus und ein Langzeitgedächtnis, um eine personalisierte Erfahrung zu schaffen. Der Agent speichert einen Verlauf der Antworten des Nutzers, sodass er den Schwierigkeitsgrad und den Inhalt nachfolgender Fragen dynamisch anpassen kann.
Dieses Dokument richtet sich an Architekten, Entwickler und Administratoren, die agentische KI-Anwendungen erstellen und verwalten. Diese Architektur kann für die Erstellung interaktiver und zustandsorientierter Bildungsanwendungen in verschiedenen Branchen angepasst werden. In diesem Dokument werden grundlegende Kenntnisse von KI-Agentensystemen vorausgesetzt. Informationen dazu, wie sich KI-Agenten von nicht agentischen Systemen unterscheiden, finden Sie unter Was ist der Unterschied zwischen KI-Agenten, KI-Assistenten und Bots?.
Im Abschnitt Bereitstellung dieses Dokuments finden Sie einen Link zu einem Codebeispiel, mit dem Sie die Bereitstellung einer agentischen KI-Anwendung testen können, die ein interaktives Lernquiz verwaltet.
Architektur
Das folgende Diagramm zeigt eine allgemeine Architektur für einen interaktiven Lern-Agenten.
Die Architektur zeigt den folgenden Datenfluss:
- Ein Nutzer führt in der auf Cloud Run gehosteten Quiz-Anwendung eine Aktion aus, z. B. ein Quiz starten oder eine Antwort einreichen.
- Die Anwendung leitet die Eingabe des Nutzers an den KI-Agenten weiter.
Der KI-Agent verwendet das Gemini-Modell auf der Gemini Enterprise Agent Platform, um die Eingabe des Nutzers zu interpretieren. Basierend auf der Anfrage des Nutzers ruft der KI-Agent die entsprechenden Tools auf, um die angeforderte Quizaktion auszuführen.
Der Agent wählt beispielsweise ein Tool aus, um eine Quizsitzung zu starten, eine Antwort zu bewerten oder die nächste Frage zu generieren.
Der Agent sendet die Antwort an die Quiz-Anwendung.
Die Quiz-Anwendung leitet die Antwort an den Nutzer weiter.
Um den Status des Quiz beizubehalten und die Interaktion zu personalisieren, führt der Agent die folgenden Hintergrundaufgaben aus:
- Der Agent hängt den neuesten Quizfortschritt und die Punktzahl an den Verlauf der gespeicherten Sitzung an, die in Gemini Enterprise Agent Platform-Sitzungen gespeichert ist.
- Der Agent wandelt Quizdaten in gemerkte Informationen um und speichert sie in der Memory Bank, damit sie langfristig abgerufen werden können. Der KI-Agent verwendet die im Speicher gespeicherten Verlaufsdaten, um in zukünftigen Sitzungen kontextbezogene Antworten zu generieren.
Verwendete Produkte
In dieser Beispielarchitektur werden die folgenden Google Cloud - und Open-Source-Produkte und -Tools verwendet:
- Cloud Run ist eine serverlose Computing-Plattform, mit der Sie Container direkt auf der skalierbaren Infrastruktur von Google ausführen können.
- Agent Development Kit (ADK): Eine Reihe von Tools und Bibliotheken zum Entwickeln, Testen und Bereitstellen von KI-Agenten.
- Gemini Enterprise Agent Platform: Eine umfassende Plattform, mit der Sie KI-Agenten auf Unternehmensniveau erstellen, skalieren, verwalten und optimieren können.
- Gemini Enterprise Agent Platform-Sitzungen: Ein nichtflüchtiger Speicherdienst, der den Verlauf der Interaktionen zwischen einem Nutzer und KI-Agenten speichert und abruft.
- Memory Bank: Ein nichtflüchtiger Speicherdienst, der auf der Grundlage von Nutzerunterhaltungen mit einem KI-Agenten langfristige Erinnerungen generiert, verfeinert, verwaltet und abruft.
Sicherheitsaspekte
Um die besonderen Sicherheitsrisiken von KI-Agenten zu minimieren, empfiehlt Google einen Ansatz, der deterministische Sicherheitskontrollen mit dynamischen, logikbasierten Abwehrmechanismen kombiniert:
- Menschliche Kontrolle: Integrieren Sie einen Human-in-the-Loop-Ablauf in geschäftskritische Systeme, damit menschliche Prüfer die Ausgaben überprüfen und die Aktionen des KI-Agenten genehmigen, überschreiben oder pausieren können.
- Agent Identity: Weisen Sie jedem KI-Agenten eine arbeitslastgebundene Identität zu, um die Zugriffssteuerung nach dem Prinzip der geringsten Berechtigung durchzusetzen und Anmeldedaten für externe Tools zentral zu verwalten.
- Agent Gateway: Erzwingen Sie die Governance für eingehenden und ausgehenden Traffic, Standardzugriffsrichtlinien zum Ablehnen und die Inline-Prüfung von Prompts und Tools mit Model Armor.
- Agent Registry: Prüfen Sie, ob sich KI-Agenten nur mit genehmigten Sub-Agenten und MCP-Tools verbinden.
Die Anleitung in diesem Abschnitt ist nicht vollständig. Weitere Informationen zu Designfaktoren und Best Practices sowie Empfehlungen zum Erstellen und Bereitstellen eines agentischen KI-Systems finden Sie unter agentisches KI-System in Google Cloud.
Bereitstellung
Wenn Sie eine Beispielimplementierung dieser Architektur bereitstellen möchten, die Programmierquizze bietet, verwenden Sie das Python-Tutor-Codebeispiel, das auf GitHub verfügbar ist.
Nächste Schritte
- (Notebook) Erste Schritte mit Agent Platform-Sitzungen und Memory Bank für ADK-Agenten in Cloud Run
- (Blog) Weitere Informationen zu Zustand und Speicher mit dem ADK
- (Codelab) KI-Assistenten fürs Code Review mit dem ADK erstellen
- (Video) Langzeitgedächtnis für KI-Agenten mit Memory Bank ansehen
- KI-Agenten in Cloud Run hosten
- Eine Übersicht über Architekturprinzipien und Empfehlungen, die speziell für KI- und ML-Arbeitslasten in Google Cloudgelten, finden Sie im Well-Architected Framework unter KI- und ML-Perspektive.
- Weitere Referenzarchitekturen, Diagramme und Best Practices finden Sie im Cloud-Architekturcenter.
Beitragende
Autor: Samantha He | Technical Writer
Weitere Beitragende:
- Amina Mansour | Tech Lead, Global Developer Relations & Strategic Content
- Kumar Dhanagopal | Cross-Product Solution Developer
- Megan O'Keefe | Developer Advocate
- Rachael Deacon-Smith | Developer Advocate
- Shir Meir Lador | Developer Relations Engineering Manager