本页介绍了如何管理已部署到 Vertex AI Agent Engine 托管运行时的代理。在 Vertex AI 中,已部署的代理是 reasoningEngine
类型的资源。
列出已部署的代理
列出给定项目和位置的所有已部署代理:
控制台
- 在 Google Cloud 控制台中,前往 Vertex AI Agent Engine 页面。
列表中会显示所选项目中已部署的代理。您可以使用过滤字段按指定列过滤列表。
Python 版 Vertex AI SDK
from vertexai import agent_engines
agent_engines.list()
如需按 display_name
过滤列表,请执行以下操作:
from vertexai import agent_engines
agent_engines.list(filter='display_name="Demo Langchain Agent"')
REST
调用 reasoningEngines.list
方法。
在使用任何请求数据之前,请先进行以下替换:
PROJECT_ID
:您的 GCP 项目 IDLOCATION
:支持的区域
HTTP 方法和网址:
GET https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/reasoningEngines
如需发送您的请求,请展开以下选项之一:
您应该会收到一个成功的状态代码 (2xx) 和一个空响应。
获取已部署的代理
每个已部署的代理都有一个唯一的 RESOURCE_ID
标识符。如需了解详情,请参阅部署代理。
控制台
- 在 Google Cloud 控制台中,前往 Vertex AI Agent Engine 页面。
列表中会显示所选项目中已部署的代理。您可以使用过滤字段按指定列过滤列表。
点击指定客服人员的姓名。系统随即会打开该代理的指标页面。
(可选)如需查看代理的部署详情,请点击部署详情。系统随即会打开部署详情窗格。如需关闭该窗格,请点击完成。
(可选)如需查看代理的
query
和streamQuery
网址,请点击 API 网址。API 网址窗格随即打开。如需关闭该窗格,请点击完成。
Python 版 Vertex AI SDK
通过以下代码,您可以获取特定的已部署代理:
from vertexai import agent_engines
remote_agent = agent_engines.get("RESOURCE_ID")
或者,您也可以提供完全限定的资源名称:
from vertexai import agent_engines
remote_agent = agent_engines.get(
"projects/PROJECT_ID_OR_NUMBER/locations/LOCATION/reasoningEngines/RESOURCE_ID"
)
REST
调用 reasoningEngines.get
方法。
在使用任何请求数据之前,请先进行以下替换:
PROJECT_ID
:您的 GCP 项目 IDLOCATION
:支持的区域RESOURCE_ID
:已部署代理的资源 ID
HTTP 方法和网址:
GET https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/reasoningEngines/RESOURCE_ID
如需发送您的请求,请展开以下选项之一:
您应该会收到一个成功的状态代码 (2xx) 和一个空响应。
更新已部署的代理
您可以同时更新已部署代理的一个或多个字段,但必须至少指定一个要更新的字段。更新已部署的代理所需的时间取决于所执行的更新,但通常需要几秒到几分钟。
控制台
- 在 Google Cloud 控制台中,前往 Vertex AI Agent Engine 页面。
针对您指定的代理,点击更多操作菜单 (
)。点击修改。系统随即会打开相应代理的修改窗格。
修改客服人员的显示名称或说明。
点击保存。
Python 版 Vertex AI SDK
如需将已部署的代理(对应于 RESOURCE_NAME
)更新为更新后的代理(对应于 UPDATED_AGENT
),请执行以下操作:
from vertexai import agent_engines
agent_engines.update(
resource_name=RESOURCE_NAME, # Required.
agent_engine=UPDATED_AGENT, # Optional.
requirements=REQUIREMENTS, # Optional.
display_name="DISPLAY_NAME", # Optional.
description="DESCRIPTION", # Optional.
extra_packages=EXTRA_PACKAGES, # Optional.
)
REST
调用 reasoningEngines.patch
方法并提供 update_mask
以指定要更新的字段。
在使用任何请求数据之前,请先进行以下替换:
PROJECT_ID
:您的 GCP 项目 IDLOCATION
:支持的区域RESOURCE_ID
:已部署代理的资源 IDupdate_mask
:要更新的以英文逗号分隔的字段列表
HTTP 方法和网址:
PATCH https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/reasoningEngines/RESOURCE_ID?update_mask="display_name,description"
请求 JSON 正文:
{ "displayName": "DISPLAY_NAME", "description": "DESCRIPTION" }
如需发送您的请求,请展开以下选项之一:
您应该会收到一个成功的状态代码 (2xx) 和一个空响应。
删除已部署的代理
从 Vertex AI Agent Engine 托管式运行时中删除已部署的代理。
控制台
- 在 Google Cloud 控制台中,前往 Vertex AI Agent Engine 页面。
针对您指定的代理,点击更多操作菜单 (
)。点击删除。
点击删除代理。
Python 版 Vertex AI SDK
如果您已经有已部署的代理的实例(以 remote_agent
的形式),则可以运行以下命令:
remote_agent.delete()
或者,您也可以调用 agent_engines.delete()
以以下方式删除与 RESOURCE_NAME
对应的已部署代理:
from vertexai import agent_engines
agent_engines.delete(RESOURCE_NAME)
REST
调用 reasoningEngines.delete
方法。
在使用任何请求数据之前,请先进行以下替换:
PROJECT_ID
:您的 GCP 项目 IDLOCATION
:支持的区域RESOURCE_ID
:已部署代理的资源 ID
HTTP 方法和网址:
DELETE https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/reasoningEngines/RESOURCE_ID
如需发送您的请求,请展开以下选项之一:
您应该会收到一个成功的状态代码 (2xx) 和一个空响应。