GSP1268

Visão geral

O Agent Engine é um serviço totalmente gerenciado do Google Cloud que permite aos desenvolvedores implantar, gerenciar e dimensionar agentes de IA em produção. O Agent Engine cuida da infraestrutura de escalonamento de agentes em produção, para que você possa se concentrar na criação de aplicativos inteligentes e impactantes.

É possível definir funções em Python para serem usadas como ferramentas com a chamada de função do Gemini. O Agent Engine se integra ao SDK de IA generativa para o modelo do Gemini na Vertex AI e pode gerenciar comandos, agentes e exemplos de maneira modular. Também é compatível com LangChain, LlamaIndex ou outros frameworks do Python.

Neste laboratório, você vai aprender a criar e implantar um agente (modelo, ferramentas e raciocínio) usando o SDK da IA generativa para Python. Você vai criar e implantar um agente que usa o modelo , funções Python como ferramentas e LangChain para orquestração.

Gemini

Gemini é uma família de modelos avançados de IA generativa desenvolvido pelo Google DeepMind. Ele é capaz de entender e gerar várias formas de conteúdo, como texto, código, imagens, áudio e vídeo.

API Gemini na Vertex AI

A API Gemini na Vertex AI oferece uma interface unificada de interação com os modelos do Gemini. Com isso, desenvolvedores podem integrar esses recursos avançados de IA aos aplicativos com facilidade. Para conferir os detalhes mais recentes e recursos específicos dos últimos lançamentos, consulte a documentação oficial do Gemini.

Modelos do Gemini

• O Gemini Pro foi projetado para tarefas de raciocínio complexo, incluindo:
  • Análise e resumo de grandes quantidades de informações.
  • Raciocínio multimodal avançado (em texto, código, imagens etc.).
  • Solução eficaz de problemas em bases de código complexas.
• O Gemini Flash conta com velocidade e eficiência otimizadas, oferecendo:
  • Tempos de resposta com menos de um segundo e alta capacidade de processamento.
  • Alta qualidade com custos reduzidos para diversas tarefas.
  • Recursos multimodais avançados, incluindo melhor compreensão espacial, novas modalidades de saída (texto, áudio, imagens) e o uso de ferramentas nativas (Pesquisa Google, execução de código e funções de terceiros).

Pré-requisitos

Antes de fazer este laboratório, você precisa saber os seguintes conceitos:

• Noção básica de programação em Python.
• Conceitos gerais sobre APIs.
• Executar códigos Python em um notebook do Jupyter no Vertex AI Workbench.

Objetivos

Neste laboratório, você vai aprender a:

• Instalar o SDK de IA generativa para Python
• Usar o SDK de IA generativa para criar componentes de um agente simples
• Testar o agente localmente antes da implantação
• Implantar e testar seu agente na Vertex AI
• Personalizar cada camada do seu agente (modelo, ferramentas, orquestração)

Configuração e requisitos

Antes de clicar no botão Começar o Laboratório

Leia estas instruções. Os laboratórios são cronometrados e não podem ser pausados. O timer é ativado quando você clica em Iniciar laboratório e mostra por quanto tempo os recursos do Google Cloud vão ficar disponíveis.

Este laboratório prático permite que você realize as atividades em um ambiente real de nuvem, e não em uma simulação ou demonstração. Você vai receber novas credenciais temporárias para fazer login e acessar o Google Cloud durante o laboratório.

Confira os requisitos para concluir o laboratório:

• Acesso a um navegador de Internet padrão (recomendamos o Chrome).

• Tempo para concluir o laboratório: não se esqueça que, depois de começar, não será possível pausar o laboratório.

Como iniciar seu laboratório e fazer login no console do Google Cloud

1. Clique no botão Começar o laboratório. Se for preciso pagar por ele, uma caixa de diálogo vai aparecer para você selecionar a forma de pagamento. No painel Detalhes do Laboratório, à esquerda, você vai encontrar o seguinte:

   • O botão Abrir Console do Google Cloud
   • O tempo restante
   • As credenciais temporárias que você vai usar neste laboratório
   • Outras informações, se forem necessárias

2. Se você estiver usando o navegador Chrome, clique em Abrir console do Google Cloud ou clique com o botão direito do mouse e selecione Abrir link em uma janela anônima.

   O laboratório ativa os recursos e depois abre a página Fazer Login em outra guia.

   Dica: coloque as guias em janelas separadas lado a lado.

   Observação: se aparecer a caixa de diálogo Escolher uma conta, clique em Usar outra conta.

3. Se necessário, copie o Nome de usuário abaixo e cole na caixa de diálogo Fazer login.

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

   Você também encontra o nome de usuário no painel Detalhes do Laboratório.

4. Clique em Próxima.

5. Copie a Senha abaixo e cole na caixa de diálogo de Olá.

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

   Você também encontra a senha no painel Detalhes do Laboratório.

6. Clique em Próxima.

   Importante: você precisa usar as credenciais fornecidas no laboratório, e não as da sua conta do Google Cloud. Observação: se você usar sua própria conta do Google Cloud neste laboratório, é possível que receba cobranças adicionais.

7. Acesse as próximas páginas:

   • Aceite os Termos e Condições.
   • Não adicione opções de recuperação nem autenticação de dois fatores (porque essa é uma conta temporária).
   • Não se inscreva em testes gratuitos.

Depois de alguns instantes, o console do Google Cloud será aberto nesta guia.

Observação: para acessar os produtos e serviços do Google Cloud, clique no Menu de navegação ou digite o nome do serviço ou produto no campo Pesquisar.

Tarefa 1: abrir o notebook no Vertex AI Workbench

1. No menu de navegação () do console do Google Cloud, clique em Vertex AI > Workbench.

2. Ache a instância e clique no botão Abrir o JupyterLab.

A interface do JupyterLab para sua instância do Workbench é aberta em uma nova guia do navegador.

Tarefa 2: configurar o notebook

1. Abra o arquivo .

2. Na caixa de diálogo Selecionar Kernel, escolha Python 3 na lista de kernels disponíveis.

3. Leia a seção Vamos começar do notebook. O ID do projeto e o local já estão pré-configurados.

Clique em Verificar meu progresso para conferir o objetivo. Importar bibliotecas e configurar o notebook

Tarefa 3: criar e implantar um agente

Nesta seção, você vai criar e implantar um agente usando o SDK da IA generativa para Python. O agente consiste em três componentes:

• Modelo: o modelo
• Ferramentas: funções Python que podem ser chamadas pelo modelo
• Orquestração: LangChain para orquestrar o raciocínio

Você vai definir o modelo, as ferramentas e a orquestração no notebook, testar o agente localmente e implantá-lo na Vertex AI.

1. Execute a seção Criar e implantar um agente do notebook.

Clique em Verificar meu progresso para conferir o objetivo. Carregue o modelo do Gemini.

Clique em Verificar meu progresso para conferir o objetivo. Defina funções do Python (ferramentas).

Clique em Verificar meu progresso para conferir o objetivo. Implante o agente na Vertex AI.

Tarefa 4: personalizar seu agente

O exemplo que você acabou de executar inclui o mínimo de configuração necessário para cada componente do agente e ajuda você a começar.

Mas e se você quiser mudar para uma versão diferente do modelo do Gemini, alterar os parâmetros do modelo generativo ou os filtros de segurança, ou ainda fazer outras personalizações no agente? O exemplo a seguir no notebook mostra alguns dos parâmetros que mais são personalizados nos agentes. O Agent Engine na Vertex AI funciona com versões do modelo do Gemini que oferecem suporte à chamada de função e a agentes do LangChain.

Nesta seção, você vai aprender a personalizar os componentes do modelo e do agente para atender às suas necessidades.

1. Execute a seção Personalizar seu agente do notebook.

Clique em Verificar meu progresso para conferir o objetivo. Configuração do modelo.

Clique em Verificar meu progresso para conferir o objetivo. Configuração do agente.

Parabéns!

Parabéns! Neste laboratório, você aprendeu a criar e implantar um agente com o Agent Engine na Vertex AI. Você criou e implantou um agente que usa o modelo , funções do Python como ferramentas e o LangChain para orquestração. Também aprendeu a personalizar diferentes camadas do seu agente.

Próximas etapas / Saiba mais

Confira os recursos a seguir para saber mais sobre o Gemini:

• Visão geral do Gemini
• IA generativa na documentação da Vertex AI
• IA generativa no YouTube
• Confira o manual da Vertex AI para acessar uma galeria selecionada e pesquisável de notebooks da IA generativa.
• Conheça outros notebooks e exemplos no Repositório da IA generativa do Google Cloud (em inglês).

Treinamento e certificação do Google Cloud

Esses treinamentos ajudam você a aproveitar as tecnologias do Google Cloud ao máximo. Nossas aulas incluem habilidades técnicas e práticas recomendadas para ajudar você a alcançar rapidamente o nível esperado e continuar sua jornada de aprendizado. Oferecemos treinamentos que vão do nível básico ao avançado, com opções de aulas virtuais, sob demanda e por meio de transmissões ao vivo para que você possa encaixá-las na correria do seu dia a dia. As certificações validam sua experiência e comprovam suas habilidades com as tecnologias do Google Cloud.

Manual atualizado em 6 de novembro de 2025

Laboratório testado em 6 de novembro de 2025

Copyright 2026 Google LLC. Todos os direitos reservados. Google e o logotipo do Google são marcas registradas da Google LLC. Todos os outros nomes de produtos e empresas podem ser marcas registradas das respectivas empresas a que estão associados.