Configura el entorno

Antes de trabajar con Vertex AI Agent Engine, debes asegurarte de que tu entorno esté configurado. Debes tener un proyecto de Google Cloud con la facturación habilitada, tener los permisos necesarios, configurar un bucket de Cloud Storage e instalar el SDK de Vertex AI para Python. Usa los siguientes temas para asegurarte de que estás listo para comenzar a trabajar con Vertex AI Agent Engine.

Para obtener un ejemplo de referencia de Terraform que te permita optimizar la configuración y la implementación del entorno de Vertex AI Agent Engine, considera explorar el kit de partida de agentes.

Configura tu Google Cloud proyecto

Cada proyecto se puede identificar de dos maneras: con el número o con el ID del proyecto. El PROJECT_NUMBER se crea automáticamente cuando creas el proyecto, mientras que tú o la persona que creó el proyecto crea el PROJECT_ID. Para configurar un proyecto, sigue estos pasos:

  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.

  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.

    Obtén los roles necesarios

    Para obtener los permisos que necesitas para usar el motor de agentes de Vertex AI, pídele a tu administrador que te otorgue los siguientes roles de IAM en tu proyecto:

    Para obtener más información sobre cómo otorgar roles, consulta Administra el acceso a proyectos, carpetas y organizaciones.

    También puedes obtener los permisos necesarios mediante roles personalizados o cualquier otro rol predefinido.

    Configura los permisos del agente de servicio

    Los agentes que implementas en Vertex AI Agent Engine se ejecutan con la cuenta de servicio del agente de servicio de AI Platform Reasoning Engine. Esta cuenta tiene un rol de agente de servicio de Reasoning Engine de Vertex AI que otorga los permisos predeterminados necesarios para los agentes implementados. Puedes ver la lista completa de permisos predeterminados en la documentación de IAM.

    Si necesitas permisos adicionales, puedes otorgar roles adicionales a este agente de servicio mediante los siguientes pasos:

    1. Ve a la página IAM y marca la casilla de verificación “Incluir asignaciones de roles proporcionados por Google”.

      Ir a IAM

    2. Busca el principal que coincide con service-PROJECT_NUMBER@gcp-sa-aiplatform-re.iam.gserviceaccount.com.

    3. Para agregar los roles necesarios a la principal, haz clic en el botón Editar y, luego, en el botón Guardar.

    Genera un agente de servicio de forma manual

    Si bien el agente de servicio de Reasoning Engine se aprovisiona automáticamente durante la implementación del motor de agentes de Vertex AI, es posible que haya situaciones en las que debas generarlo manualmente con anticipación. Esto es muy importante cuando necesitas otorgar roles específicos al agente de servicio para garantizar que el proceso de implementación tenga los permisos necesarios y evitar posibles fallas de implementación.

    Estos son los pasos para generar manualmente un agente de servicio de Reasoning Engine:

    1. Genera el agente de servicio de Reasoning Engine con Google Cloud CLI.

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

    2. Ve a la página IAM y haz clic en Otorgar acceso.

      Ir a IAM

    3. En la sección Agregar principales, en el campo Principales nuevas, ingresa service-PROJECT_NUMBER@gcp-sa-aiplatform-re.iam.gserviceaccount.com.

    4. En la sección Asignar roles, busca y selecciona los roles que necesitas.

    5. Haz clic en el botón Guardar.

    Cree un bucket de Cloud Storage

    El motor de agentes de Vertex AI almacena en etapa intermedia los artefactos de tus agentes implementados en un bucket de Cloud Storage como parte del proceso de implementación. Asegúrate de que la principal que esté autenticada para usar Vertex AI (ya sea tú o una cuenta de servicio) tenga acceso Storage Admin a este bucket. Esto es necesario porque el SDK de Vertex AI para Python escribe tu código en este bucket.

    Si ya tienes un bucket configurado, puedes omitir este paso. De lo contrario, puedes seguir las instrucciones estándar para crear un bucket.

    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.

    Línea de comandos

      Create a Cloud Storage bucket and configure it as follows:
      • Reemplaza STORAGE_CLASS con tu clase de almacenamiento de preferencia.
      • Reemplaza LOCATION por tu ubicación de preferencia (ASIA, EU o US)
      • Reemplaza BUCKET_NAME por Un nombre de dep��sito que cumpla con los requisitos de nombre del depósito 
        • gcloud storage buckets create gs://BUCKET_NAME --default-storage-class STORAGE_CLASS --location LOCATION

    Instala e inicializa el SDK de Vertex AI para Python

    En esta sección, se supone que configuraste un entorno de desarrollo de Python o que usas Colab (o cualquier otro entorno de ejecución adecuado que lo haya configurado por ti).

    Configura un entorno virtual (opcional)

    También te recomendamos configurar un entorno virtual para aislar tus dependencias.

    Instalación

    Para minimizar el conjunto de dependencias que debes instalar, las dividimos en las siguientes categorías:

    • agent_engines: Es el conjunto de paquetes necesarios para la implementación en Vertex AI Agent Engine.
    • adk: Es el conjunto de paquetes compatibles del kit de desarrollo de agentes.
    • langchain: Es el conjunto de paquetes compatibles de LangChain y LangGraph.
    • ag2: Es el conjunto de paquetes AG2 compatibles.
    • llama_index: Es el conjunto de paquetes de LlamaIndex compatibles.

    Cuando instalas el SDK de Vertex AI para Python, puedes especificar las dependencias requeridas (separadas por comas). Para instalarlos todos, sigue estos pasos:

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

    Autenticación

    Colab

    Ejecuta el siguiente código:

    from google.colab import auth

auth.authenticate_user(project_id="PROJECT_ID")

    Cloud Shell

    No se requiere ninguna acción.

    Shell local

    Ejecuta el siguiente comando:

    gcloud auth application-default login

    Importa e inicializa el SDK

    Ejecuta el siguiente código para importar y, luego, inicializar el SDK para Vertex AI Agent Engine:

    import vertexai
from vertexai import agent_engines

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

    donde

    ¿Qué sigue?