Agent Runtime היא סביבת זמן ריצה מנוהלת לחלוטין וייעודית, שמאפשרת לפרוס, להפעיל ולהתאים לעומס (scaling) אפליקציות מבוססות-סוכנים. Agent Runtime מסתיר את התשתית הבסיסית, וכך מאפשר לכם להתמקד בלוגיקה של הסוכן במקום בפעולות.
בעזרת Agent Runtime אתם יכולים:
- פריסה והרחבה של סוכנים באמצעות סביבת זמן ריצה מנוהלת ויכולות ניהול מקצה לקצה.
- התאמה אישית של קובץ האימג' של הקונטיינר של הנציג באמצעות סקריפטים להתקנה בזמן ה-build של יחסי תלות של המערכת.
- להשתמש בתכונות אבטחה, כולל תאימות ל-VPC-SC והגדרה של אימות ו-IAM.
- גישה למודלים ולכלים כמו קריאה לפונקציות.
- פריסת נציגים שנוצרו באמצעות שפות וסביבות פיתוח שונות והפרוטוקול הפתוח Agent2Agent.
יצירה ופריסה ב-Agent Runtime
תהליך העבודה ליצירת סוכן ב-Agent Runtime:
- הגדרת הסביבה: מגדירים את הפרויקט ב-Google Cloud ומתקינים את הגרסה העדכנית של Agent Platform SDK לפייתון.
- Develop an agent: מפתחים נציג שאפשר לפרוס ב-Agent Runtime.
- Deploy the agent: פריסת הסוכן בסביבת זמן הריצה המנוהלת של Agent Runtime.
- שימוש בסוכן: שולחים בקשת API כדי לשלוח שאילתה לסוכן.
- ניהול הסוכן שנפרס: ניהול ומחיקה של סוכנים שפרסתם ב-Agent Runtime.
שפות וסביבות פיתוח נתמכות
ב-Agent Runtime אפשר לפרוס סוכנים שכתובים בכל שפת תכנות ובכל מסגרת של סוכנים, כל עוד אפשר להכיל את אפליקציית הסוכן בקונטיינר והיא תואמת לחוזה זמן הריצה:
מקובץ אימג' של קונטיינר: אם יצרתם קובץ אימג' של קונטיינר בשביל הנציג, אתם יכולים לפרוס אותו ישירות מ-Artifact Registry ל-Agent Runtime. מידע נוסף זמין במאמר פריסה מקובץ אימג' של קונטיינר.
מקובץ Docker: אם יש לכם קוד מקור בקונטיינר, אתם יכולים לספק
Dockerfileעם קובצי המקור. Agent Runtime יוצר ופורס את קובץ האימג' של הקונטיינר באופן אוטומטי. מידע נוסף זמין במאמר פריסה מקובץ Docker.
בשפות וב-frameworks נתמכים, יש כלים וערכות SDK ברמה גבוהה יותר כדי לפשט את הפריסה. בטבלה הבאה מתוארת רמת התמיכה ש-Agent Runtime מספק למסגרות שונות של סוכנים:
| רמת תמיכה | מסגרות של סוכנים |
|---|---|
| תבנית בהתאמה אישית: אתם יכולים להתאים תבנית בהתאמה אישית כדי לתמוך בפריסה ל-Agent Runtime מה-framework שלכם. כדי לפרוס קונטיינרים בהתאמה אישית, קראו את החוזה של סביבת זמן הריצה. | CrewAI, custom frameworks |
| שילוב של Agent Platform SDK: ב-Agent Runtime יש תבניות מנוהלות לכל מסגרת ב-Agent Platform SDK ובמסמכי התיעוד. | LangChain, LangGraph, AG2, LlamaIndex |
| שילוב מלא: התכונות משולבות כדי לפעול במסגרת, ב-Agent Runtime ובסביבה העסקית הרחבה יותר של Google Cloud . |
ערכת פיתוח לסוכנים (ADK)
|
פריסה בסביבת ייצור באמצעות Agents CLI
Agents CLI הוא ממשק שורת הפקודה המאוחד ומערך המיומנויות של Agent Platform. היא מספקת לסוכני תכנות ולמפתחים נתיב צפוי במחזור החיים של פיתוח הסוכן: פיגום, הערכה, פריסה, פרסום ותצפית. Agents CLI מספק את הדברים הבאים:
- תבניות מוכנות מראש של סוכנים: ReAct, RAG, סוכנים מרובים ותבניות אחרות.
- סביבת פיתוח אינטראקטיבית: בודקים את הסוכן ויוצרים איתו אינטראקציה.
- תשתית אוטומטית: משתמשת ב-Terraform לניהול יעיל של משאבים.
- תהליכי CI/CD: תהליכי פריסה אוטומטיים באמצעות Cloud Build.
- ניראות (observability): תמיכה מובנית ב-Cloud Trace וב-Cloud Logging.
כדי להתחיל, קראו את המדריך למתחילים.
תרחישים לדוגמה
למידע ולמידה על Agent Runtime באמצעות דוגמאות מקצה לקצה, ראו את מקורות המידע הבאים:
לחצו כדי להרחיב את תרחישי השימוש
| תרחיש לדוגמה | תיאור | קישורים | |
|---|---|---|---|
| פיתוח סוכנים באמצעות חיבור לממשקי API ציבוריים | להמיר בין מטבעות. יוצרים פונקציה שמתחברת לאפליקציה להמרת מטבעות, כדי שהמודל יוכל לתת תשובות מדויקות לשאילתות כמו "מה שער החליפין של אירו לדולר היום?" |
Agent Platform SDK (Python) notebook – מבוא ליצירה ולפריסה של סוכן באמצעות Agent Runtime | |
| תכנון פרויקט סולארי קהילתי. מזהים מיקומים פוטנציאליים, מחפשים משרדי ממשלה וספקים רלוונטיים, ובודקים תצלומי לוויין ואת הפוטנציאל הסולארי של אזורים ומבנים כדי למצוא את המיקום האופטימלי להתקנת הלוחות הסולאריים. |
Agent Platform SDK (Python) notebook – יצירה ופריסה של סוכן Google Maps API באמצעות Agent Runtime | ||
| איך יוצרים סוכנים באמצעות קישור למסדי נתונים | שילוב עם AlloyDB ו-Cloud SQL ל-PostgreSQL. | פוסט בבלוג – הכרזה על LangChain ב-Gemini Enterprise Agent Platform ל-AlloyDB ול-Cloud SQL ל-PostgreSQL Agent Platform SDK (Python) notebook – פריסת אפליקציית RAG עם Cloud SQL ל-PostgreSQL ב-Agent Runtime Agent Platform SDK (Python) notebook – פריסת אפליקציית RAG עם AlloyDB ל-PostgreSQL ב-Agent Runtime |
|
| ליצור סוכנים עם כלים שניגשים לנתונים במסד הנתונים שלכם. | Agent Platform SDK (Python) notebook – פריסת סוכן באמצעות Agent Runtime ו-MCP Toolbox for Databases | ||
| שליחת שאילתות והבנה של מאגרי נתונים מובְנים באמצעות שפה טבעית. | Agent Platform SDK (Python) notebook – יצירת סוכן חיפוש בממשק שיחה באמצעות Agent Runtime ו-RAG ב-Agent Search | ||
| איך שולחים שאילתות למסדי נתונים של גרפים ומבינים אותם באמצעות שפה טבעית | פוסט בבלוג – GraphRAG של GenAI וסוכני AI באמצעות Agent Runtime עם LangChain ו-Neo4j | ||
| שליחת שאילתות והבנה של מאגרי וקטורים באמצעות שפה טבעית | פוסט בבלוג – פישוט של GenAI RAG באמצעות MongoDB Atlas ו-Agent Runtime | ||
| יצירת סוכנים באמצעות ADK | פיתוח ופריסה של סוכנים באמצעות ADK. | ערכה לפיתוח סוכנים (ADK) – פריסה ל-Agent Runtime | |
| יצירת סוכנים באמצעות מסגרות OSS | פיתוח ופריסה של סוכנים באמצעות OneTwo, מסגרת בקוד פתוח. | פוסט בבלוג – OneTwo ו-Agent Runtime: פיתוח מתקדם של סוכני AI ב- Google Cloud | |
| פיתוח ופריסה של סוכנים באמצעות מסגרת הקוד הפתוח LangGraph. | Agent Platform SDK (Python) notebook – פיתוח ופריסה של אפליקציית LangGraph באמצעות Agent Runtime | ||
| ניפוי באגים ואופטימיזציה של סוכנים | פיתוח ומעקב אחרי סוכנים באמצעות OpenTelemetry ו-Cloud Trace. | Agent Platform SDK (Python) notebook - Debugging and Optimizing Agents: A Guide to Tracing in Agent Runtime | |
| יצירת מערכות מרובות סוכנים באמצעות פרוטוקול A2A (גרסת טרום-השקה) | ליצור סוכנים עם יכולת פעולה הדדית, שמתקשרים ומשתפים פעולה עם סוכנים אחרים בלי קשר למסגרת שלהם. | מידע נוסף זמין במאמרי העזרה בנושא פרוטוקול A2A. | |
אזורים נתמכים
במאמר מיקומים מפורטת רשימת האזורים שנתמכים ב-Agent Runtime.
מכסה
במאמר מכסות ומגבלות המערכת מפורט מידע על המכסות של Agent Runtime.
תמחור
למחירון של Gemini Enterprise Agent Platform
מעבר ל-SDK מבוסס-לקוח
בגרסה 2.0.1 של Agent Platform SDK, המודול agent_engines עבר שינוי מבני ושמו שונה למודולים נפרדים (כמו runtimes, sessions, sandboxes ו-memory_banks) בחבילה העצמאית google-cloud-agentplatform (agentplatform). ה-SDK משתמש בעיצוב מבוסס-לקוח מהסיבות העיקריות הבאות:
- כדי להתאים ל-ADK (ADK) ול-Google Gen AI SDK (
google-genai) בייצוגים של סוגים קנוניים. כך אפשר לייצג סוגי נתונים בצורה עקבית ואחידה בערכות SDK שונות, מה שמפשט את יכולת הפעולה ההדדית ומפחית את התקורה של ההמרות. - להגדרת היקף הפרמטרים של Google Cloud ברמת הלקוח באפליקציות עם כמה פרויקטים וכמה מיקומים. כך אפשר לנהל אינטראקציות עם משאבים בפרויקטים ובמיקומים גיאוגרפיים שונים של Google Cloud , על ידי הגדרה של כל מופע לקוח (
client = agentplatform.Client(project=..., location=...)) עם הגדרות הפרויקט והמיקום הספציפיות שלו. - כדי לשפר את החשיפה והלכידות של שירותי פלטפורמת הסוכנים של Gemini Enterprise (
client.runtimes,client.sessions,client.sandboxesו-client.memory_banks). - כדי לספק חבילה קלה ומנותקת (
google-cloud-agentplatform) שמותאמת לעומסי עבודה של סוכנים, בזמן שהמודולים של ה-AI הגנרטיבי עוברים ל-Google Gen AI SDK (google-genai).
במדריכים הבאים מפורטות הוראות למעבר למבנה החדש של ה-SDK:
- העברת Agent Runtime SDK: העברה מ-
vertexai.agent_enginesל-agentplatform.Client().runtimes. - Agent Platform SDK ל-Python: מדריך להעברת נתונים (מיגרציה) לגרסה 2.0.1: מדריך כללי שמסביר איך להפריד בין חבילות, להוציא משימוש מודולים ולהעביר מודולים של AI גנרטיבי ל-Google Gen AI SDK.