GSP1268

Übersicht

Agent Engine ist ein vollständig verwalteter Google Cloud-Dienst, mit dem Entwickler KI-Agenten in der Produktion bereitstellen, verwalten und skalieren können. Agent Engine verwaltet die Infrastruktur zum Skalieren von KI-Agenten in der Produktion, sodass Sie sich auf die Entwicklung intelligenter und effektiver Anwendungen konzentrieren können.

Sie können Python-Funktionen definieren, die über Gemini-Funktionsaufrufe als Tools verwendet werden. Agent Engine lässt sich eng in das Gen AI SDK für das Gemini-Modell in Vertex AI einbinden und kann Prompts, KI-Agenten und Beispiele modular verwalten. Agent Engine ist mit LangChain, LlamaIndex oder anderen Python-Frameworks kompatibel.

In diesem Lab erfahren Sie, wie Sie einen KI-Agenten (Modell, Tools und Funktionen zum Ziehen von Schlussfolgerungen) mit dem Gen AI SDK for Python erstellen und bereitstellen. Sie werden einen KI-Agenten erstellen und bereitstellen, der das Modell , Python-Funktionen als Tools und LangChain für die Orchestrierung verwendet.

Gemini

Gemini umfasst eine Reihe leistungsstarker generativer KI-Modelle, die von Google DeepMind entwickelt wurden. Diese können verschiedene Formen von Inhalten verstehen und erstellen, darunter Text, Code, Bilder, Audio und Video.

Gemini API in Vertex AI

Die Gemini API in Vertex AI bietet eine einheitliche Benutzeroberfläche für die Interaktion mit Gemini-Modellen. Darüber können Entwickler die leistungsstarken KI-Funktionen ohne viel Aufwand in ihre Anwendungen integrieren. Aktuelle Informationen und besondere Merkmale der neuesten Versionen finden Sie in der offiziellen Dokumentation zu Gemini.

Gemini-Modelle

• Gemini Pro – entwickelt für komplexe Schlussfolgerungen, darunter:
  • Analysieren und Zusammenfassen großer Mengen von Informationen
  • Ausgereifte multimodale Schlussfolgerungen (zu Text, Code, Bildern usw.)
  • Effektive Problemlösung mit komplexer Codebasis
• Gemini Flash – für Geschwindigkeit und Effizienz optimiert, bietet folgende Vorteile:
  • Reaktionszeiten unter einer Sekunde und hoher Durchsatz
  • Hohe Qualität zu niedrigeren Kosten für eine Vielzahl von Aufgaben
  • Erweiterte multimodale Funktionen, einschließlich der Verwendung nativer Tools (Google Suche, Codeausführung und Funktionen von Drittanbietern), verbesserter räumlicher Strukturen und neuer Ausgabemodalitäten (Text, Audio, Bilder)

Vorbereitung

Für dieses Lab sollten Sie folgende Konzepte kennen:

• Grundlegende Kenntnisse der Programmierung mit Python
• Grundlegende API-Konzepte
• Ausführen von Python-Code in einem Jupyter-Notebook in Vertex AI Workbench

Ziele

Aufgaben in diesem Lab:

• Gen AI SDK for Python installieren
• Gen AI SDK zum Erstellen von Komponenten eines einfachen KI-Agenten verwenden
• KI-Agent vor der Bereitstellung lokal testen
• KI-Agent in Vertex AI bereitstellen und testen
• Ebenen des KI-Agenten anpassen (Modell, Tools, Orchestrierung)

Einrichtung und Anforderungen

Vor dem Klick auf „Start Lab“ (Lab starten)

Lesen Sie diese Anleitung. Labs sind zeitlich begrenzt und können nicht pausiert werden. Der Timer beginnt zu laufen, wenn Sie auf Lab starten klicken, und zeigt Ihnen, wie lange Google Cloud-Ressourcen für das Lab verfügbar sind.

In diesem praxisorientierten Lab können Sie die Lab-Aktivitäten in einer echten Cloud-Umgebung durchführen – nicht in einer Simulations- oder Demo-Umgebung. Dazu erhalten Sie neue, temporäre Anmeldedaten, mit denen Sie für die Dauer des Labs auf Google Cloud zugreifen können.

Für dieses Lab benötigen Sie Folgendes:

• Einen Standardbrowser (empfohlen wird Chrome)

• Zeit für die Durchführung des Labs – denken Sie daran, dass Sie ein begonnenes Lab nicht unterbrechen können.

Lab starten und bei der Google Cloud Console anmelden

1. Klicken Sie auf Lab starten. Wenn Sie für das Lab bezahlen müssen, wird ein Dialogfeld geöffnet, in dem Sie Ihre Zahlungsmethode auswählen können. Auf der linken Seite befindet sich der Bereich „Details zum Lab“ mit diesen Informationen:

   • Schaltfläche „Google Cloud Console öffnen“
   • Restzeit
   • Temporäre Anmeldedaten für das Lab
   • Ggf. weitere Informationen für dieses Lab

2. Klicken Sie auf Google Cloud Console öffnen (oder klicken Sie mit der rechten Maustaste und wählen Sie Link in Inkognitofenster öffnen aus, wenn Sie Chrome verwenden).

   Im Lab werden Ressourcen aktiviert. Anschließend wird ein weiterer Tab mit der Seite „Anmelden“ geöffnet.

   Tipp: Ordnen Sie die Tabs nebeneinander in separaten Fenstern an.

   Hinweis: Wird das Dialogfeld Konto auswählen angezeigt, klicken Sie auf Anderes Konto verwenden.

3. Kopieren Sie bei Bedarf den folgenden Nutzernamen und fügen Sie ihn in das Dialogfeld Anmelden ein.

   {{{user_0.username | "Username"}}}

   Sie finden den Nutzernamen auch im Bereich „Details zum Lab“.

4. Klicken Sie auf Weiter.

5. Kopieren Sie das folgende Passwort und fügen Sie es in das Dialogfeld Willkommen ein.

   {{{user_0.password | "Password"}}}

   Sie finden das Passwort auch im Bereich „Details zum Lab“.

6. Klicken Sie auf Weiter.

   Wichtig: Sie müssen die für das Lab bereitgestellten Anmeldedaten verwenden. Nutzen Sie nicht die Anmeldedaten Ihres Google Cloud-Kontos. Hinweis: Wenn Sie Ihr eigenes Google Cloud-Konto für dieses Lab nutzen, können zusätzliche Kosten anfallen.

7. Klicken Sie sich durch die nachfolgenden Seiten:

   • Akzeptieren Sie die Nutzungsbedingungen.
   • Fügen Sie keine Wiederherstellungsoptionen oder Zwei-Faktor-Authentifizierung hinzu (da dies nur ein temporäres Konto ist).
   • Melden Sie sich nicht für kostenlose Testversionen an.

Nach wenigen Augenblicken wird die Google Cloud Console in diesem Tab geöffnet.

Hinweis: Wenn Sie auf Google Cloud-Produkte und ‑Dienste zugreifen möchten, klicken Sie auf das Navigationsmenü oder geben Sie den Namen des Produkts oder Dienstes in das Feld Suchen ein.

Aufgabe 1: Notebook in Vertex AI Workbench öffnen

1. Klicken Sie in der Google Cloud Console im Navigationsmenü () auf Vertex AI > Workbench.

2. Suchen Sie die Instanz und klicken Sie auf JupyterLab öffnen.

Die JupyterLab-Oberfläche für Ihre Workbench-Instanz wird in einem neuen Browsertab geöffnet.

Aufgabe 2: Notebook einrichten

1. Öffnen Sie die -Datei.

2. Wählen Sie im Dialogfeld Kernel auswählen in der Liste der verfügbaren Kernel die Option Python 3 aus.

3. Gehen Sie den Abschnitt Erste Schritte des Notebooks durch. Die Projekt-ID und der Standort sind vorkonfiguriert.

Klicken Sie auf Fortschritt prüfen. Bibliotheken importieren und Notebook einrichten

Aufgabe 3: KI-Agent erstellen und bereitstellen

Im Rahmen dieses Abschnitts erstellen Sie mit dem Gen AI SDK for Python einen KI-Agenten und stellen ihn bereit. Der KI-Agent besteht aus drei Komponenten:

• Modell: Das Modell
• Tools: Python-Funktionen, die vom Modell aufgerufen werden können
• Orchestrierung: LangChain für die Orchestrierung des Schlussfolgerungsprozesses

Sie definieren das Modell, die Tools und die Orchestrierung im Notebook, testen den KI-Agenten lokal und stellen ihn dann in Vertex AI bereit.

1. Führen Sie den Abschnitt KI-Agent erstellen und bereitstellen im Notebook aus.

Klicken Sie auf Fortschritt prüfen. Gemini-Modell laden.

Klicken Sie auf Fortschritt prüfen. Python-Funktionen (Tools) definieren.

Klicken Sie auf Fortschritt prüfen. KI-Agent in Vertex AI bereitstellen.

Aufgabe 4: KI-Agent anpassen

Das Beispiel, das Sie gerade durchgegangen sind, enthält die Mindestkonfiguration, die zu Beginn für jede Komponente im KI-Agenten erforderlich ist.

Was aber, wenn Sie zu einer anderen Gemini-Modellversion wechseln, die Parameter des generativen Modells oder die Sicherheitsfilter ändern oder zusätzliche Anpassungen am KI-Agenten vornehmen möchten? Das folgende Beispiel im Notebook zeigt einige gängige Parameter, die Sie in Ihrem KI-Agenten anpassen können. Agent Engine in Vertex AI funktioniert mit Gemini-Modellversionen, die Funktionsaufrufe unterstützen, und mit LangChain-Agenten.

In diesem Abschnitt erfahren Sie, wie Sie die Modell- und Agentenkomponenten an Ihre Anforderungen anpassen.

1. Führen Sie den Abschnitt KI-Agent anpassen im Notebook aus.

Klicken Sie auf Fortschritt prüfen. Modellkonfiguration.

Klicken Sie auf Fortschritt prüfen. Agentenkonfiguration.

Glückwunsch!

Das wars! Sie haben das Lab erfolgreich abgeschlossen. In diesem Lab haben Sie gelernt, wie Sie mit Agent Engine in Vertex AI einen KI-Agenten erstellen und bereitstellen. Sie haben einen KI-Agenten erstellt und bereitgestellt, der das Modell , Python-Funktionen als Tools und LangChain für die Orchestrierung verwendet. Außerdem haben Sie gelernt, wie Sie verschiedene Ebenen Ihres KI-Agenten anpassen.

Weitere Informationen

In den folgenden Ressourcen finden Sie weitere Informationen zu Gemini:

• Überblick: Gemini
• Dokumentation: Generative KI in Vertex AI
• Generative KI auf YouTube
• Im Vertex AI Cookbook finden Sie ausgewählte und durchsuchbare Notebooks zu generativer KI.
• Weitere Notebooks und Beispiele wurden im Repository „Google Cloud Generative AI“ zusammengestellt.

Google Cloud-Schulungen und -Zertifizierungen

In unseren Schulungen erfahren Sie alles zum optimalen Einsatz unserer Google Cloud-Technologien und können sich entsprechend zertifizieren lassen. Unsere Kurse vermitteln technische Fähigkeiten und Best Practices, damit Sie möglichst schnell mit Google Cloud loslegen und Ihr Wissen fortlaufend erweitern können. Wir bieten On-Demand-, Präsenz- und virtuelle Schulungen für Anfänger wie Fortgeschrittene an, die Sie individuell in Ihrem eigenen Zeitplan absolvieren können. Mit unseren Zertifizierungen weisen Sie nach, dass Sie Experte im Bereich Google Cloud-Technologien sind.

Anleitung zuletzt am 6. November 2025 aktualisiert

Lab zuletzt am 6. November 2025 getestet

© 2026 Google LLC. Alle Rechte vorbehalten. Google und das Google-Logo sind Marken von Google LLC. Alle anderen Unternehmens- und Produktnamen können Marken der jeweils mit ihnen verbundenen Unternehmen sein.