Agent Runtime היא סביבת זמן ריצה מנוהלת לחלוטין, עם דעה מוצקה, שבה אפשר לפרוס, להפעיל ולהתאים לעומס (scaling) אפליקציות מבוססות-סוכנים. הספרייה Agent Runtime מסתירה את התשתית הבסיסית, כך שאתם יכולים להתמקד בלוגיקה של הסוכן במקום בפעולות.
התכונה Agent Runtime מאפשרת לכם:
- פריסה והרחבה של סוכנים באמצעות זמן ריצה מנוהל ויכולות ניהול מקצה לקצה.
- התאמה אישית של קובץ האימג' של הקונטיינר של הסוכן באמצעות סקריפטים להתקנה בזמן ה-build של יחסי תלות במערכת.
- שימוש בתכונות אבטחה, כולל תאימות ל-VPC-SC והגדרה של אימות ו-IAM.
- גישה למודלים ולכלים כמו קריאה לפונקציות.
- פריסת סוכנים שנבנו באמצעות שפות וסביבות עבודה שונות ופרוטוקול Agent2Agent הפתוח.
יצירה ופריסה ב-Agent Runtime
תהליך העבודה ליצירת סוכן ב-Agent Runtime הוא:
- הגדרת הסביבה: מגדירים את הפרויקט ב-Google ומתקינים את הגרסה האחרונה של Agent Platform SDK ל-Python.
- פיתוח סוכן: פיתוח סוכן שאפשר לפרוס ב-Agent Runtime.
- פריסת הסוכן: פורסים את הסוכן בסביבת זמן הריצה המנוהלת של Agent Runtime.
- שימוש בסוכן: שולחים שאילתה לסוכן באמצעות בקשת API.
- ניהול הסוכן שנפרס: ניהול ומחיקה של סוכנים שנפרסו ב-Agent Runtime.
שפות ו-frameworks נתמכים
הסביבה Agent Runtime תומכת בפריסת סוכנים שנכתבו בכל שפת תכנות ובכל מסגרת סוכנים, כל עוד אפליקציית הסוכן יכולה להיות מועברת ל-container ועומדת בדרישות של חוזה זמן הריצה:
מקובץ אימג' של קונטיינר: אם יצרתם קובץ אימג' בקונטיינר לסוכן שלכם, אתם יכולים לפרוס אותו ישירות מ-Artifact Registry אל Agent Runtime. מידע נוסף זמין במאמר בנושא פריסה מקובץ אימג' של קונטיינר.
מקובץ Dockerfile: אם יש לכם קוד מקור בקונטיינר, אתם יכולים לספק
Dockerfileעם קובצי המקור. Agent Runtime יוצרת ופורסת את קובץ אימג' של קונטיינר באופן אוטומטי. מידע נוסף זמין במאמר בנושא פריסה מ-Dockerfile.
בשפות וב-frameworks נתמכים, יש כלים ו-SDK ברמה גבוהה יותר כדי לפשט את הפריסה. בטבלה הבאה מתואר רמת התמיכה של Agent Runtime במסגרות שונות של סוכנים:
| רמת תמיכה | מסגרות של סוכנים |
|---|---|
| תבנית בהתאמה אישית: אתם יכולים להתאים תבנית בהתאמה אישית כדי לתמוך בפריסה ל-Agent Runtime מהמסגרת שלכם. למידע על פריסת קונטיינרים בהתאמה אישית, אפשר לעיין בחוזה של זמן הריצה. | CrewAI, custom frameworks |
| שילוב של Agent Platform SDK: Agent Runtime מספק תבניות מנוהלות לכל מסגרת ב-Agent Platform SDK ובמסמכי התיעוד. | LangChain, LangGraph, AG2, LlamaIndex |
| שילוב מלא: התכונות משולבות כך שהן פועלות במסגרת, ב-Agent Runtime ובמערכת האקולוגית הרחבה יותר של Google Cloud . | ערכת פיתוח של סוכנים (ADK) |
פריסה בסביבת ייצור באמצעות Agents CLI
Agents CLI הוא ממשק שורת פקודה מאוחד וערכת סקילים ל-Gemini Enterprise Agent Platform. היא מספקת למפתחים ולסוכני תכנות נתיב צפוי לאורך מחזור החיים של פיתוח סוכנים: יצירת תשתית, הערכה, פריסה, פרסום ובדיקה. ה-Agents CLI כולל את האפשרויות הבאות:
- תבניות מוכנות מראש של סוכנים: ReAct, RAG, multi-agent ותבניות אחרות.
- סביבת בדיקה אינטראקטיבית: אפשר לבדוק את הנציג ולקיים איתו אינטראקציה.
- תשתית אוטומטית: משתמשת ב-Terraform לניהול יעיל של משאבים.
- צינורות עיבוד נתונים של CI/CD: תהליכי עבודה אוטומטיים לפריסה שמבוססים על Cloud Build.
- Observability: תמיכה מובנית ב-Cloud Trace וב-Cloud Logging.
כדי להתחיל, קראו את המדריך למתחילים.
תרחישים לדוגמה
כדי לקבל מידע על Agent Runtime עם דוגמאות מקצה לקצה, אפשר לעיין במקורות המידע הבאים:
לחיצה להרחבת תרחישי שימוש
| תרחיש לדוגמה | תיאור | קישורים | |
|---|---|---|---|
| יצירת סוכנים על ידי התחברות לממשקי API ציבוריים | להמיר בין מטבעות. יצירת פונקציה שמתחברת לאפליקציה להמרת מטבעות, כדי שהמודל יוכל לספק תשובות מדויקות לשאילתות כמו "מה שער החליפין של אירו לדולר היום?" |
מחברת (notebook) של Agent Platform SDK (Python) – מבוא ליצירה ולפריסה של סוכן באמצעות Agent Runtime | |
| עיצוב מודל סולרי קהילתי. לזהות מיקומים פוטנציאליים, לחפש משרדי ממשלה וספקים רלוונטיים, ולעיין בתצלומי לוויין ובפוטנציאל ליצירת אנרגיה סולארית של אזורים ומבנים כדי למצוא את המיקום האופטימלי להתקנת הלוחות הסולאריים. |
מחברת (notebook) של Agent Platform SDK (Python) – יצירה ופריסה של סוכן Google Maps API באמצעות Agent Runtime | ||
| יצירת סוכנים על ידי התחברות למסדי נתונים | שילוב עם AlloyDB ו-Cloud SQL ל-PostgreSQL. | פוסט בבלוג – השקת LangChain ב-Gemini Enterprise Agent Platform ל-AlloyDB ול-Cloud SQL ל-PostgreSQL מחברת (Python) של Agent Platform SDK – פריסת אפליקציית RAG באמצעות Cloud SQL ל-PostgreSQL ב-Agent Runtime מחברת (Python) של Agent Platform SDK – פריסת אפליקציית RAG באמצעות AlloyDB ל-PostgreSQL ב-Agent Runtime |
|
| ליצור סוכנים באמצעות כלים שיכולים לגשת לנתונים במסד הנתונים. | מחברת Agent Platform SDK (Python) – פריסת סוכן באמצעות Agent Runtime ו-MCP Toolbox for Databases | ||
| שליחת שאילתות למאגרי נתונים מובְנים והבנתם באמצעות שפה טבעית. | מחברת (Python) של Agent Platform SDK – יצירת סוכן לחיפוש בממשק שיחה באמצעות Agent Runtime ו-RAG בחיפוש מבוסס סוכנים | ||
| Query and understand graph databases using natural language | פוסט בבלוג – GenAI GraphRAG וסוכני AI באמצעות Agent Runtime עם LangChain ו-Neo4j | ||
| שליחת שאילתות למאגרי וקטורים והבנתם באמצעות שפה טבעית | פוסט בבלוג – פישוט של GenAI RAG באמצעות MongoDB Atlas ו-Agent Runtime | ||
| יצירת סוכנים באמצעות ערכה לפיתוח סוכנים | איך יוצרים ופורסים סוכנים באמצעות ערכה לפיתוח סוכנים (ADK). | ערכה לפיתוח סוכנים (ADK) – פריסה ל-Agent Runtime | |
| יצירת סוכנים באמצעות מסגרות OSS | פיתוח ופריסה של סוכנים באמצעות מסגרת הקוד הפתוח OneTwo. | פוסט בבלוג – OneTwo ו-Agent Runtime: בחינת פיתוח מתקדם של סוכני AI ב- Google Cloud | |
| פיתוח ופריסה של סוכנים באמצעות LangGraph, מסגרת קוד פתוח. | מחברת (notebook) של Agent Platform SDK (Python) – יצירה ופריסה של אפליקציית LangGraph באמצעות Agent Runtime | ||
| ניפוי באגים וביצוע אופטימיזציה של סוכנים | פיתוח ומעקב אחרי סוכנים באמצעות OpenTelemetry ו-Cloud Trace. | מחברת Agent Platform SDK (Python) – ניפוי באגים באגנטים ואופטימיזציה שלהם: מדריך למעקב ב-Agent Runtime | |
| יצירת מערכות מרובות סוכנים באמצעות פרוטוקול A2A (גרסת Preview) | ליצור סוכנים עם יכולת פעולה הדדית שיכולים לתקשר ולשתף פעולה עם סוכנים אחרים, בלי קשר למסגרת שלהם. | מידע נוסף מופיע במאמרי העזרה בנושא פרוטוקול A2A. | |
אזורים נתמכים
רשימת האזורים הנתמכים של Agent Runtime מופיעה במאמר מיקומים.
מכסה
מידע על מכסות של Agent Runtime זמין במאמר מכסות ומגבלות של המערכת.
תמחור
יש מסלול חינמי ל-Agent Runtime. מידע על התמחור של Agent Runtime זמין במאמר תמחור של Gemini Enterprise Agent Platform.
מעבר ל-SDK מבוסס-לקוח
בגרסה 2.0.1 של Agent Platform SDK, המודול agent_engines עבר רפקטורינג ושמו שונה למודולים נפרדים (כמו runtimes, sessions, sandboxes ו-memory_banks) בחבילה העצמאית google-cloud-agentplatform (agentplatform). ערכת ה-SDK מאמצת עיצוב מבוסס-לקוח מהסיבות העיקריות הבאות:
- כדי להתאים לערכה לפיתוח סוכנים (ADK) ול-Google Gen AI SDK (
google-genai) בייצוגים של סוגים קנוניים. כך אפשר לוודא שסוגי הנתונים מיוצגים בצורה עקבית ותקנית בערכות SDK שונות, מה שמפשט את יכולת הפעולה ההדדית ומצמצם את התקורה של ההמרות. - לשימוש בפרמטרים Google Cloud ברמת הלקוח באפליקציות עם מספר פרויקטים ומספר מיקומים. כך אפליקציה יכולה לנהל אינטראקציות עם משאבים בפרויקטים שונים של Google Cloud ובמיקומים גיאוגרפיים שונים, על ידי הגדרת כל מופע לקוח (
client = agentplatform.Client(project=..., location=...)) עם ההגדרות הספציפיות של הפרויקט והמיקום שלו. - כדי לשפר את יכולת הגילוי והלכידות של שירותי Gemini Enterprise Agent Platform (
client.runtimes,client.sessions,client.sandboxesו-client.memory_banks). - כדי לספק חבילה קלה ובלתי תלויה (
google-cloud-agentplatform) שמותאמת לעומסי עבודה של סוכנים, בזמן שמודולים של AI גנרטיבי עוברים ל-Google Gen AI SDK (google-genai).
הוראות מפורטות להעברה למבנה ה-SDK החדש מופיעות במדריכים הבאים:
- העברה של Agent Runtime SDK: מעבר מ-
vertexai.agent_enginesל-agentplatform.Client().runtimes. - Agent Platform SDK for Python: version 2.0.1 migration guide: מדריך כללי שכולל מידע על ביטול ההתאמה בין חבילות, הוצאה משימוש של מודולים והעברת מודולים של AI גנרטיבי אל Google Gen AI SDK.