GENAI107

Übersicht

In diesem Lab erfahren Sie, wie Sie ADK-Agenten in der Agent Engine bereitstellen, um eine skalierbare, vollständig verwaltete Umgebung für agentengestützte Workflows zu erhalten.

So können Sie sich auf die Logik der KI-Agenten konzentrieren, während die Infrastruktur für Sie zugewiesen und skaliert wird.

Ziel

In diesem Lab lernen Sie Folgendes:

• Vorteile der Bereitstellung von KI-Agenten in der Agent Engine
• Reasoning Engine-Dienst-Agent die erforderlichen Rollen zuweisen
• KI-Agent über die ADK-Befehlszeile in der Agent Engine bereitstellen
• Abfragen an einen in der Agent Engine bereitgestellten KI-Agenten senden
• Bereitgestellte KI-Agenten überwachen
• KI-Agenten löschen

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, der mit dem Klick auf "Start Lab" (Lab starten) gestartet wird, gibt an, wie lange die Ressourcen für das Lab verfügbar sind.

In diesem praxisorientierten Qwiklabs-Lab können Sie die Lab-Aktivitäten selbst 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 die Google Cloud Platform zugreifen können.

Voraussetzungen

Für dieses Lab benötigen Sie Folgendes:

• Einen Standardbrowser (empfohlen wird Chrome)
• Genügend Zeit, um das Lab abzuschließen

Hinweis: Auch wenn Sie bereits ein eigenes GCP-Konto oder -Projekt haben, sollten Sie es nicht für das Lab verwenden.

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.

Agent Engine

Die Vertex AI Agent Engine (früher als LangChain in Vertex AI oder Vertex AI Reasoning Engine bezeichnet) ist ein vollständig verwalteter Google Cloud-Dienst, mit dem Entwicklerinnen und Entwickler KI-Agenten in der Produktion bereitstellen, verwalten und skalieren können.

Informationen zu den Vorteilen finden Sie in der Dokumentation zur Vertex AI Agent Engine.

Aufgabe 1: ADK installieren und Umgebung einrichten

Für Vertex AI empfohlene APIs aktivieren

1. In dieser Lab-Umgebung wurde die Vertex AI API für Sie aktiviert. Wenn Sie diese Schritte in Ihrem eigenen Projekt ausführen, können Sie die API aktivieren, indem Sie zu Vertex AI wechseln und der Aufforderung zum Aktivieren folgen.

Cloud Shell-Editor-Tab vorbereiten

1. Wählen Sie das Google Cloud Console-Fenster aus und öffnen Sie die Cloud Shell, indem Sie auf der Tastatur die Taste G und dann die Taste S drücken. Alternativ können Sie rechts oben in der Cloud Console auf „Cloud Shell aktivieren“ () klicken.

2. Klicken Sie auf Weiter.

3. Wenn Sie zur Autorisierung der Cloud Shell aufgefordert werden, klicken Sie auf Autorisieren.

4. Klicken Sie oben rechts im Cloud Shell-Terminalbereich auf In neuem Fenster öffnen .

5. Geben Sie im Cloud Shell-Terminal Folgendes ein, um den Cloud Shell-Editor mit Ihrem Basisverzeichnis zu öffnen:

   cloudshell workspace ~

6. Schließen Sie alle anderen Anleitungs- oder Gemini-Bereiche, die auf der rechten Seite des Bildschirms angezeigt werden, damit mehr Platz für den Code-Editor bleibt.
7. Im weiteren Verlauf dieses Labs können Sie in diesem Fenster als IDE mit dem Cloud Shell-Editor und dem Cloud Shell-Terminal arbeiten.

ADK und Codebeispiele für dieses Lab herunterladen und installieren

1. Aktualisieren Sie die Umgebungsvariable PATH und installieren Sie das ADK, indem Sie die folgenden Befehle im Cloud Shell-Terminal ausführen:

   export PATH=$PATH:"/home/${USER}/.local/bin" python3 -m pip install google-adk

2. Fügen Sie die folgenden Befehle in das Cloud Shell-Terminal ein, um eine Datei aus einem Cloud Storage-Bucket zu kopieren und zu entzippen. Dadurch wird ein Projektverzeichnis mit Code für dieses Lab erstellt:

   gcloud storage cp -r gs://{{{project_0.project_id| YOUR_GCP_PROJECT_ID}}}-bucket/adk_to_agent_engine .

3. Installieren Sie zusätzliche Lab-Voraussetzungen mit:

   python3 -m pip install -r adk_to_agent_engine/requirements.txt

4. Führen Sie die folgenden Befehle aus, um im Verzeichnis adk_to_agent_engine eine .env-Datei zu erstellen. Hinweis: Wenn Sie eine versteckte Datei ansehen möchten, die mit einem Punkt beginnt, können Sie in den Cloud Shell-Editor-Menüs Ansicht > Versteckte Dateien einblenden aktivieren:

   cd ~/adk_to_agent_engine cat << EOF > .env GOOGLE_GENAI_USE_VERTEXAI=TRUE GOOGLE_CLOUD_PROJECT={{{project_0.project_id| YOUR_GCP_PROJECT_ID}}} GOOGLE_CLOUD_LOCATION={{{project_0.default_region| GCP_LOCATION}}} MODEL=gemini-2.5-flash EOF

5. Kopieren Sie die .env-Datei in das Agentenverzeichnis, um dem KI-Agenten nach der Bereitstellung die erforderlichen Authentifizierungskonfigurationen zur Verfügung zu stellen:

   cp .env transcript_summarization_agent/.env

Aufgabe 2: Bereitstellung über die Befehlszeile in der Agent Engine vornehmen

Die Befehlszeile des ADK bietet Verknüpfungen zum Bereitstellen von KI-Agenten in der Agent Engine, in Cloud Run und in der Google Kubernetes Engine (GKE). Mit den folgenden Basisbefehlen können Sie die Bereitstellung in den einzelnen Diensten vornehmen:

• adk deploy agent_engine (wobei die Befehlszeilenargumente unter dem Decorator @deploy.command("agent_engine") beschrieben werden)
• adk deploy cloud_run (wobei die Befehlszeilenargumente unter dem Decorator @deploy.command("cloud_run") beschrieben werden)
• adk deploy gke (wobei die Befehlszeilenargumente unter dem Decorator @deploy.command("gke") beschrieben werden)

Mit dem Befehl adk deploy agent_engine wird der KI-Agent in eine reasoning_engines.AdkApp-Klasse verpackt und diese Anwendung in der verwalteten Laufzeit von der Agent Engine bereitgestellt, sodass sie agentengestützte Anfragen empfangen kann.

Wenn eine AdkApp in der Agent Engine bereitgestellt wird, wird automatisch ein VertexAiSessionService für den persistenten, verwalteten Sitzungsstatus verwendet. So erhalten Sie ein Multi-Turn-Unterhaltungsprotokoll ohne zusätzliche Konfiguration. Für lokale Tests wird standardmäßig ein temporärer InMemorySessionService verwendet.

Führen Sie die folgenden Schritte aus, um eine Agent Engine-App mit adk deploy agent_engine bereitzustellen:

1. Klicken Sie im Verzeichnis adk_to_agent_engine/transcript_summarization_agent auf die Datei agent.py, um die Anweisungen dieses einfachen Zusammenfassungsagenten zu prüfen.

2. Zum Bereitstellen eines KI-Agenten müssen Sie seine Anforderungen angeben. Klicken Sie im Cloud Shell-Editor mit der rechten Maustaste auf das Verzeichnis transcript_summarization_agent. Möglicherweise müssen Sie auf Zulassen klicken, um das Kontextmenü zu aktivieren.

3. Wählen Sie Neue Datei… aus.

4. Geben Sie der Datei den Namen einer standardmäßigen Python-Anforderungsdatei: requirements.txt

5. Fügen Sie Folgendes in die Datei ein:

   google-cloud-aiplatform[adk,agent_engines]==1.110.0

6. Speichern Sie die Datei.

7. Führen Sie im Cloud Shell-Terminal den Bereitstellungsbefehl aus:

   adk deploy agent_engine transcript_summarization_agent \ --display_name "Transcript Summarizer" \ --staging_bucket gs://{{{project_0.project_id| YOUR_GCP_PROJECT_ID}}}-bucket

   Sie können den Status in der Logdatei verfolgen, die in der Ausgabe des Befehls verlinkt wird. Während der Bereitstellung werden die folgenden Schritte ausgeführt:

   1. Lokal wird ein Artefaktbündel generiert, das Folgendes umfasst:
      • *.pkl: Eine Pickle-Datei, die local_agent entspricht.
      • requirements.txt: In dieser Datei aus dem Agentenordner sind die Paketanforderungen definiert.
      • dependencies.tar.gz: Eine TAR-Datei mit allen zusätzlichen Paketen.
   2. Das Bündel wird in Cloud Storage hochgeladen (bei Bedarf in ein definiertes Verzeichnis), um die Artefakte bereitzustellen.
   3. Die Cloud Storage-URIs für die jeweiligen Artefakte werden in der Paketspezifikation angegeben.
   4. Der Vertex AI Agent Engine-Dienst empfängt die Anfrage, erstellt Container und startet HTTP-Server im Backend.

   Hinweis: Die Bereitstellung sollte etwa zehn Minuten dauern. Sie können währenddessen aber mit dem Lab fortfahren.

   Quiz während der Bereitstellung des KI-Agenten

   Für jeden der adk deploy ...-Befehle müssen bestimmte Argumente festgelegt werden. Klicken Sie auf die verknüpften Befehle in der Liste oben in dieser Aufgabe, um die aktuellen Argumente zu sehen, und suchen Sie nach den Argumenten, die als „Erforderlich“ gekennzeichnet sind.

   Einige erforderliche Argumente wie --project und --region aus der Bereitstellung adk deploy agent_engine können ihre Werte aus der .env-Datei des KI-Agenten laden, sofern vorhanden.

   Beantworten Sie die folgenden Fragen anhand der Argumente für adk deploy agent_engine:

   Highlights der erwarteten Ausgabe:

   Copying agent source code... Copying agent source code complete. Initializing Vertex AI... [...] Creating AgentEngine Create AgentEngine backing LRO: projects/430282503153/locations/us-central1/reasoningEngines/2902138951282196480/operations/2777364189918789632 View progress and logs at https://console.cloud.google.com/logs/query?project=qwiklabs-gcp-04-f71a2270bd79 AgentEngine created. Resource name: projects/430282503153/locations/us-central1/reasoningEngines/2902138951282196480 To use this AgentEngine in another session: agent_engine = vertexai.agent_engines.get('projects/430282503153/locations/us-central1/reasoningEngines/2902138951282196480') Cleaning up the temp folder: /tmp/agent_engine_deploy_src/20250813_175223

Klicken Sie auf Fortschritt prüfen. KI-Agent bereitstellen

Aufgabe 3: In der Agent Engine bereitgestellten KI-Agenten abrufen und abfragen

Wenn Sie den KI-Agenten abfragen möchten, müssen Sie ihn zuerst dazu autorisieren, Modelle über Vertex AI aufzurufen.

1. Rufen Sie in der Console IAM auf, um den Dienst-Agenten und die zugewiesene Rolle zu sehen.

2. Klicken Sie auf das Kästchen Von Google bereitgestellte Rollenzuweisungen einschließen.

3. Suchen Sie nach dem AI Platform Reasoning Engine-Dienst-Agenten (service-PROJECT_NUMBER@gcp-sa-aiplatform-re.iam.gserviceaccount.com) und klicken Sie in der Zeile dieses Dienst-Agenten auf das Stiftsymbol zum Bearbeiten.

4. Klicken Sie auf + Weitere Rolle hinzufügen.

5. Geben Sie im Feld Rolle auswählen den Text Vertex AI User ein. Wenn Sie einen KI-Agenten bereitstellen, der Tools verwendet, um auf andere Daten zuzugreifen, gewähren Sie dem Dienst-Agenten auch Zugriff auf diese Systeme.

6. Speichern Sie die Änderungen.

7. Öffnen Sie im Cloud Shell-Editor im Verzeichnis adk_to_agent_engine die Datei query_agent_engine.py.

8. Sehen Sie sich den Code und die Kommentare an, um zu verstehen, was er bewirkt.

9. Sehen Sie sich das an den KI-Agenten übergebene Transkript an, um zu beurteilen, ob eine angemessene Zusammenfassung generiert wird.

10. Führen Sie im Cloud Shell-Terminal die Datei aus dem Verzeichnis adk_to_agent_engine mit folgendem Befehl aus:

    cd ~/adk_to_agent_engine/transcript_summarization_agent python3 query_agent_engine.py

    Beispielausgabe (Ihre Ergebnisse können davon abweichen):

    [Remote-Antwort] Der Nutzer möchte ein Boot kaufen und erkundigt sich, nachdem er nach der Größe gefragt wurde, was für ein Boot er für 50.000 $ bekommt. Der virtuelle Kundenservicemitarbeiter antwortet, dass man für 50.000 $ ein „sehr schönes Boot“ bekommt, woraufhin der Nutzer zustimmt, fortzufahren.

Klicken Sie auf Fortschritt prüfen. KI-Agent abfragen

Aufgabe 4: In der Agent Engine bereitgestellte KI-Agenten ansehen und löschen

1. Wenn die Bereitstellung des KI-Agenten abgeschlossen ist, kehren Sie zu einem Browsertab mit der Cloud Console zurück und rufen Sie die Agent Engine auf, indem Sie oben in der Console danach suchen und das Tool auswählen.

2. Achten Sie darauf, dass im Drop-down-Menü Region der Standort für dieses Lab () ausgewählt ist.

3. Der Anzeigename des bereitgestellten KI-Agenten wird angezeigt. Klicken Sie darauf, um das zugehörige Monitoring-Dashboard aufzurufen.

4. Auf den Tabs Messwerte und Sitzung finden Sie Informationen zur Nutzung Ihres KI-Agenten.

5. Wenn Sie den KI-Agenten löschen möchten, wählen Sie oben im Monitoring-Dashboard Bereitstellungsdetails aus.

6. Fügen Sie den folgenden Befehl in den Browsertab mit dem Cloud Shell-Terminal ein, führen Sie ihn aber noch nicht aus:

   cd ~/adk_to_agent_engine python3 agent_engine_utils.py delete REPLACE_WITH_AE_ID

7. Kopieren Sie im Agent Engine-Bereich Bereitstellungsinformationen das Feld Name, das Informationen im Format projects/qwiklabs-gcp-02-76ce2eed15a5/locations/us-central1/reasoningEngines/1467742469964693504 enthält.

8. Kehren Sie zum Cloud Shell-Terminal zurück und ersetzen Sie das Ende des Befehls REPLACE_WITH_AE_ID durch den kopierten Ressourcennamen.

9. Drücken Sie die Eingabetaste, um den Löschbefehl auszuführen.

   Beispielausgabe:

   Deleting AgentEngine resource: projects/1029886909158/locations/us-central1/reasoningEngines/1456078850617245696 Delete AgentEngine backing LRO: projects/1029886909158/locations/us-central1/operations/2884525977596067840 AgentEngine resource deleted: projects/1029886909158/locations/us-central1/reasoningEngines/1456078850617245696

10. Kehren Sie in der Cloud Console zum Agent Engine-Dashboard zurück, um zu prüfen, ob der KI-Agent gelöscht wurde.

11. Den einfachen Python SDK-Code zum Auflisten und Löschen von KI-Agenten finden Sie in der Datei adk_to_agent_engine/agent_engine_utils.py.

Klicken Sie auf Fortschritt prüfen. KI-Agenten auflisten und löschen

Das wars! Sie haben das Lab erfolgreich abgeschlossen.

In diesem Lab haben Sie Folgendes gelernt:

• Vorteile der Bereitstellung von KI-Agenten in der Agent Engine
• Reasoning Engine-Dienst-Agent die erforderlichen Rollen zuweisen
• KI-Agent über die ADK-Befehlszeile in der Agent Engine bereitstellen
• Abfragen an einen in der Agent Engine bereitgestellten KI-Agenten senden
• Bereitgestellte KI-Agenten überwachen
• KI-Agenten löschen

Weitere Informationen

Weitere Informationen zum Erstellen von KI-Agenten mit dem Agent Development Kit finden Sie in den anderen Labs dieser Reihe:

• ADK-Agenten mit Tools ausstatten
• Multi-Agenten-Systeme mit dem ADK erstellen
• ADK-Agenten in der Agent Engine bereitstellen

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 19. August 2025 aktualisiert

Lab zuletzt am 19. August 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.