Umgebung einrichten

Bevor Sie mit Vertex AI Agent Engine arbeiten, müssen Sie Ihre Umgebung einrichten. Sie benötigen ein Google Cloud -Projekt mit aktivierter Abrechnung, die erforderlichen Berechtigungen und Sie müssen einen Cloud Storage-Bucket einrichten und das Vertex AI SDK für Python installieren. Bereiten Sie sich auf die folgenden Themen vor, damit Sie die Arbeit mit Vertex AI Agent Engine beginnen können.

Ein Terraform-Beispiel zur Optimierung der Einrichtung und Bereitstellung der Vertex AI Agent Engine-Umgebung finden Sie im Agent-Starter-Pack.

Ihr Google Cloud -Projekt einrichten

Jedes Projekt kann auf zwei Arten identifiziert werden: über die Projektnummer oder die Projekt-ID. Die PROJECT_NUMBER wird beim Erstellen des Projekts automatisch erstellt, während die PROJECT_ID von Ihnen oder dem Ersteller des Projekts erstellt wird. So richten Sie ein Projekt ein:

  1. Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.

  2. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

    Go to project selector

  3. Make sure that billing is enabled for your Google Cloud project.

  4. Enable the Vertex AI, Cloud Storage, Cloud Logging, Cloud Monitoring, and Cloud Trace APIs.

    Enable the APIs

  5. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

    Go to project selector

  6. Make sure that billing is enabled for your Google Cloud project.

  7. Enable the Vertex AI, Cloud Storage, Cloud Logging, Cloud Monitoring, and Cloud Trace APIs.

    Enable the APIs

    8.

    Erforderliche Rollen abrufen

    Bitten Sie Ihren Administrator, Ihnen die folgenden IAM-Rollen für Ihr Projekt zuzuweisen, um die Berechtigungen zu erhalten, die Sie zur Verwendung von Vertex AI Agent Engine benötigen:

    Weitere Informationen zum Zuweisen von Rollen finden Sie unter Zugriff auf Projekte, Ordner und Organisationen verwalten.

    Sie können die erforderlichen Berechtigungen auch über benutzerdefinierte Rollen oder andere vordefinierte Rollen erhalten.

    Berechtigungen für Dienst-Agent einrichten

    Agents, die Sie in Vertex AI Agent Engine bereitstellen, werden mit dem Dienstkonto AI Platform Reasoning Engine Service Agent ausgeführt. Dieses Konto hat die Rolle Vertex AI Reasoning Engine-Dienst-Agent, die die Standardberechtigungen gewährt, die für bereitgestellte Agents erforderlich sind. Eine vollständige Liste der Standardberechtigungen finden Sie in der IAM-Dokumentation.

    Wenn Sie zusätzliche Berechtigungen benötigen, können Sie diesem Dienst-Agenten zusätzliche Rollen zuweisen. Gehen Sie dazu so vor:

    1. Rufen Sie die Seite IAM auf und markieren Sie das Kästchen „Von Google bereitgestellte Rollenzuweisungen einschließen“.

      IAM aufrufen

    2. Suchen Sie das Hauptkonto, das service-PROJECT_NUMBER@gcp-sa-aiplatform-re.iam.gserviceaccount.com entspricht.

    3. Fügen Sie dem Hauptkonto die erforderlichen Rollen hinzu. Klicken Sie dazu auf die Schaltfläche „Bearbeiten“ und dann auf die Schaltfläche „Speichern“.

    Dienst-Agent manuell generieren

    Der Reasoning Engine Service Agent wird zwar bei der Bereitstellung von Vertex AI Agent Engine automatisch bereitgestellt, es kann aber Fälle geben, in denen Sie ihn vorher manuell generieren müssen. Das ist besonders wichtig, wenn Sie dem Dienst-Agent bestimmte Rollen zuweisen müssen, damit der Bereitstellungsprozess die erforderlichen Berechtigungen hat und potenzielle Bereitstellungsfehler vermieden werden.

    So erstellen Sie einen Reasoning Engine Service Agent manuell:

    1. Generieren Sie den Reasoning Engine Service Agent mit der Google Cloud CLI.

      gcloud beta services identity create --service=aiplatform.googleapis.com --project=PROJECT-ID-OR-PROJECT-NUMBER

    2. Rufen Sie die Seite IAM auf und klicken Sie auf Zugriff erlauben.

      IAM aufrufen

    3. Geben Sie im Abschnitt Hauptkonten hinzufügen im Feld Neue Hauptkonten service-PROJECT_NUMBER@gcp-sa-aiplatform-re.iam.gserviceaccount.com ein.

    4. Suchen Sie im Bereich Rollen zuweisen nach den benötigten Rollen und wählen Sie sie aus.

    5. Klicken Sie auf Speichern.

    Cloud Storage-Bucket erstellen

    Vertex AI Agent Engine stellt die Artefakte Ihrer bereitgestellten Agenten im Rahmen des Bereitstellungsprozesses in einem Cloud Storage-Bucket bereit. Achten Sie darauf, dass das Hauptkonto, das für die Verwendung von Vertex AI authentifiziert ist (entweder Sie selbst oder ein Dienstkonto), Storage Admin-Zugriff auf diesen Bucket hat. Dies ist erforderlich, da das Vertex AI SDK für Python Ihren Code in diesen Bucket schreibt.

    Wenn Sie bereits einen Bucket eingerichtet haben, können Sie diesen Schritt überspringen. Andernfalls können Sie der Standardanleitung zum Erstellen eines Buckets folgen.

    Google Cloud console

    1. In the Google Cloud console, go to the Cloud Storage Buckets page.

      Go to Buckets

    2. Click Create.
    3. On the Create a bucket page, enter your bucket information. To go to the next step, click Continue.
      1. In the Get started section, do the following:
        • Enter a globally unique name that meets the bucket naming requirements.
        • To add a bucket label, expand the Labels section (), click Add label, and specify a key and a value for your label.
      2. In the Choose where to store your data section, do the following:
        1. Select a Location type.
        2. Choose a location where your bucket's data is permanently stored from the Location type drop-down menu.
        3. To set up cross-bucket replication, select Add cross-bucket replication via Storage Transfer Service and follow these steps:

          Set up cross-bucket replication

          1. In the Bucket menu, select a bucket.

          2. In the Replication settings section, click Configure to configure settings for the replication job.

            The Configure cross-bucket replication pane appears.

            • To filter objects to replicate by object name prefix, enter a prefix that you want to include or exclude objects from, then click Add a prefix.
            • To set a storage class for the replicated objects, select a storage class from the Storage class menu. If you skip this step, the replicated objects will use the destination bucket's storage class by default.
            • Click Done.
      3. In the Choose how to store your data section, do the following:
        1. Select a default storage class for the bucket or Autoclass for automatic storage class management of your bucket's data.
        2. To enable hierarchical namespace, in the Optimize storage for data-intensive workloads section, select Enable hierarchical namespace on this bucket.
      4. In the Choose how to control access to objects section, select whether or not your bucket enforces public access prevention, and select an access control method for your bucket's objects.
      5. In the Choose how to protect object data section, do the following:
        • Select any of the options under Data protection that you want to set for your bucket.
          • To enable soft delete, click the Soft delete policy (For data recovery) checkbox, and specify the number of days you want to retain objects after deletion.
          • To set Object Versioning, click the Object versioning (For version control) checkbox, and specify the maximum number of versions per object and the number of days after which the noncurrent versions expire.
          • To enable the retention policy on objects and buckets, click the Retention (For compliance) checkbox, and then do the following:
            • To enable Object Retention Lock, click the Enable object retention checkbox.
            • To enable Bucket Lock, click the Set bucket retention policy checkbox, and choose a unit of time and a length of time for your retention period.
        • To choose how your object data will be encrypted, expand the Data encryption section (), and select a Data encryption method.
    4. Click Create.

    Befehlszeile

      Create a Cloud Storage bucket and configure it as follows:
      • Ersetzen Sie STORAGE_CLASS durch die gewünschte Storage-Klasse.
      • Ersetzen Sie LOCATION durch den gewünschten Standort (ASIA, EU oder US)
      • Ersetzen Sie BUCKET_NAME durch einen Bucket-Namen, der die Anforderungen für Bucket-Namen erfüllt. 
        • gcloud storage buckets create gs://BUCKET_NAME --default-storage-class STORAGE_CLASS --location LOCATION

    Vertex AI SDK für Python installieren und initialisieren

    In diesem Abschnitt wird davon ausgegangen, dass Sie eine Python-Entwicklungsumgebung eingerichtet haben oder Colab (oder eine andere geeignete Laufzeitumgebung, in der die Umgebung für Sie eingerichtet wurde) verwenden.

    (Optional) Virtuelle Umgebung einrichten

    Außerdem empfehlen wir, eine virtuelle Umgebung einzurichten, um Ihre Abhängigkeiten zu isolieren.

    Installation

    Um die Anzahl der Abhängigkeiten, die Sie installieren müssen, zu minimieren, haben wir die Abhängigkeiten in folgende Kategorien unterteilt:

    • agent_engines: Die für die Bereitstellung in Vertex AI Agent Engine erforderlichen Pakete.
    • adk: Die Menge der kompatiblen Agent Development Kit-Pakete.
    • langchain: Die Menge der kompatiblen LangChain- und LangGraph-Pakete.
    • ag2: Die Menge der kompatiblen AG2-Pakete.
    • llama_index: Die Menge der kompatiblen LlamaIndex-Pakete.

    Wenn Sie das Vertex AI SDK für Python installieren, können Sie die erforderlichen Abhängigkeiten (durch Kommas getrennt) angeben. So installieren Sie alle:

    pip install google-cloud-aiplatform[agent_engines,adk,langchain,ag2,llama_index]>=1.88.0

    Authentifizierung

    Colab

    Führen Sie den folgenden Code aus:

    from google.colab import auth

auth.authenticate_user(project_id="PROJECT_ID")

    Cloud Shell

    Es sind keine weiteren Schritte erforderlich.

    Lokale Shell

    Führen Sie dazu diesen Befehl aus:

    gcloud auth application-default login

    SDK importieren und initialisieren

    Führen Sie den folgenden Code aus, um das SDK für Vertex AI Agent Engine zu importieren und zu initialisieren:

    import vertexai
from vertexai import agent_engines

vertexai.init(
    project="PROJECT_ID",
    location="LOCATION",
    staging_bucket="gs://BUCKET_NAME",
)

    Dabei gilt:

    Nächste Schritte