本文档提供了一个高级架构，用于构建一个可信且有效的智能体 AI 系统，该系统基于 Google Maps Platform 和 Google 日历中的真实情境数据。系统会根据用户在提示中指明的地点制定旅行计划。该计划会考虑用户的日程安排、地点的地理位置、营业时间和路线距离。
本文档的目标受众群体包括构建和管理智能体 AI 应用的 AI 架构师、开发者和管理员。本文档假定您对 AI 和机器学习概念以及云架构有基本的了解。
本文档的部署部分提供了指向 Codelab 的链接，您可以通过该 Codelab 学习如何构建和测试基于此架构的功能性智能体 AI 系统。
架构
下图展示了一个应用架构，该应用使用多智能体 AI 系统为用户生成一日游行程。用户通过聊天界面与应用互动。编排器智能体通过调用专用智能体来收集必要的信息，然后创建每日计划。这些智能体在 Gemini Enterprise 中运行，其推理基于 Google Maps Platform 和 Google 日历中的真实数据。
上图中的架构包含以下组件：
Gemini Enterprise：架构的核心组件。 它托管智能体 AI 系统，该系统包含以下智能体：
- 编排器代理：通过聊天界面接收用户请求，解读目标，然后与专用代理协调以满足请求。
- 地点代理：处理基于位置的任务，例如查找地点并检查其是否营业。
- 路线智能体：处理路线和行程规划任务，例如确保有足够的时间前往所需地点。
- 定时智能体：管理日程安排和日历相关任务，例如加载日历和移动活动以适应行程时间。
此架构中的所有智能体都是使用智能体开发套件 (ADK) 构建的。这些智能体在 Gemini Enterprise Agent Platform 上的 Agent Runtime 中运行，并使用 Gemini 模型。
工具和数据：智能体使用以下工具获取所需的数据：
- Grounding with Google Maps：为地点和路线智能体提供来自 Google Maps Platform 的真实地理环境信息。
- 地点数据分析：提供来自 Google Maps Platform 的深度、特定于网站的分析和信息，帮助智能体根据会议类型创建适当的工件。
- 日历：使定时智能体能够访问和管理日历活动。
可观测性：此组件支持监控和调试代理操作。
- 代理事件会记录在 Cloud Logging 中，并发布到 Firestore 数据库。
- 该架构包含一个部署为 Cloud Run 服务的事件查看器应用。管理员可以使用此应用监控记录的事件，并查看智能体的思考流程和操作，例如验证地点和路线。
使用的产品
此架构使用以下 Google 产品和工具：
- Google Maps Platform：一个提供地图、路线和地点搜索服务的平台。
- Google 日历：一款供团队和个人管理日程和活动的工具。
- Gemini Enterprise：一个全托管式安全平台，用于在企业内部署和管理 AI 智能体。
- 智能体开发套件 (ADK)：一套用于开发、测试和部署 AI 代理的工具和库。
- Cloud Logging：具有存储、搜索、分析和提醒功能的实时日志管理系统。
- Firestore：一个 NoSQL 文档数据库，能够自动扩缩、具备出色的性能，并且易于进行应用开发。
- Cloud Run：一个无服务器计算平台，可让您直接在 Google 可伸缩的基础设施之上运行容器。
使用场景
以下是此架构的用例示例：
自动规划商务旅行：员工需要为客户峰会规划行程。
- 旅行智能体可以查找航班和酒店，并进行预订。
- 客户关系管理 (CRM) 智能体检索峰会地址和参加者名单。
- 定时智能体在旅客的日历中安排会议。最终输出是完整的行程。
智能现场服务调度：客户报告服务中断。
- CRM 智能体识别客户的合同和位置。
- Travel 智能体可找到距离最近的可用技术人员，并优化其行程路线。
- 定时智能体预约服务。
物流和供应链协调：物流经理需要因天气事件而重新安排运输路线。
- 物流智能体使用 Google Maps Platform 监控实时交通和天气。
- 物流智能体找到了一条替代路线和仓库。
- CRM 代理会通知客户修改后的发货时间表。
设计考虑事项
本部分介绍了一些设计因素、最佳实践和建议，您在使用此参考架构开发满足特定安全性、可靠性、运营效率、费用和性能要求的拓扑时应考虑这些内容。
本部分中的指导并非详尽无遗。如需详细了解设计因素和最佳实践，以及有关构建和部署多智能体 AI 系统的建议，请参阅 Google Cloud中的多智能体 AI 系统。
安全性、隐私权和合规性
为了帮助应对 AI 智能体的独特安全风险，Google 建议采用一种方法，将确定性安全控制与基于推理的动态防御相结合：
- 人工监督：在业务关键型系统中纳入人机协同流程，以便人工监督员可以审核输出并批准、覆盖或暂停智能体操作。
- Agent Identity：为每个智能体分配一个与工作负载绑定的身份，以强制执行最小权限访问权限控制，并集中管理外部工具的凭证。
- Agent Gateway：通过 Model Armor 强制执行入站和出站流量治理、默认拒绝访问政策以及内嵌提示和工具检查。
- Agent Registry：验证智能体是否仅连接到已获批准的子智能体和 MCP 工具。
可靠性
为确保您的代理配置满足可靠性要求，请考虑以下建议：
- 验证关键操作：针对预订不可退款机票等关键任务，添加人机协同 (HITL) 验证。
- 审核跟踪记录：通过使用 Logging 和 Pub/Sub 构建可观测性流水线，为代理决策创建清晰的审核跟踪记录。
运营效率
建立强大的治理机制，为每个智能体明确角色，并制定数据处理准则。使用包含持续监控的迭代式开发流程。此过程有助于优化智能体的行为，并有助于确保行为符合业务要求。
费用优化
通过严格限定每个智能体的任务范围来管理费用，防止出现开放式或不必要的查询。通过缓存经常请求的数据（例如常见路线或热门地点）来减少 API 调用。
性能优化
此架构中的模块化多智能体协调器模式可让专用智能体并行工作，从而提高性能。例如，Places 智能体可以搜索地点，而 Schedule 智能体可以同时检查日历冲突。
为智能体 AI 工作负载设计架构时，请考虑 Google Cloud Well-Architected Framework：AI 和机器学习视角中的最佳实践和建议。
部署
如需了解如何构建和测试基于此架构的功能性智能体 AI 系统，请按照 Codelab 使用 ADK 和 Google 地图接地构建行程规划智能体中的说明操作。此 Codelab 将引导您完成整个部署过程，包括以下任务：
- 启用必要的 Google Cloud 服务。
- 使用 ADK 创建智能体。
- 配置智能体，使其使用 Grounding with Google 地图获取真实世界的情境。
- 通过网页界面运行和测试智能体。
后续步骤
- 详细了解Grounding with Google Maps。
- 详细了解 Gemini Enterprise。
- 如需查看更多参考架构、图表和最佳做法，请浏览云架构中心。
贡献者
作者：Kenneth Nevarez | Google Maps Platform 开发者关系工程师
其他贡献者：
- Caio Moreira | DevX 工程师
- Kumar Dhanagopal | 跨产品解决方案开发者
- Mike Pegg | 开发者关系经理