GENAI107

Présentation

Dans cet atelier, vous allez apprendre à déployer des agents ADK sur Agent Engine afin de créer un environnement entièrement géré et évolutif pour vos workflows agentifs.

Vous pourrez ainsi vous concentrer sur la logique des agents, pendant que l'infrastructure est allouée et ajustée automatiquement.

Objectif

Dans cet atelier, vous allez découvrir :

• Les avantages du déploiement d'agents sur Agent Engine
• Comment attribuer les rôles requis à l'agent de service Reasoning Engine
• Comment déployer un agent sur Agent Engine à l'aide de l'interface de ligne de commande ADK
• Comment interroger un agent déployé sur Agent Engine
• Comment surveiller vos agents déployés
• Comment supprimer des agents

Préparation

Avant de cliquer sur le bouton Start Lab (Démarrer l'atelier)

Lisez ces instructions. Les ateliers sont minutés, et vous ne pouvez pas les mettre en pause. Le minuteur, qui démarre lorsque vous cliquez sur le bouton "Start Lab" (Démarrer l'atelier), indique combien de temps les ressources cloud resteront accessibles.

Cet atelier pratique Qwiklabs vous permet de suivre vous-même les activités dans un véritable environnement cloud, et non dans un environnement de simulation ou de démonstration. Des identifiants temporaires vous sont fournis pour vous permettre de vous connecter à Google Cloud Platform le temps de l'atelier.

Conditions requises

Pour réaliser cet atelier, vous devez remplir les conditions suivantes :

• Vous devez avoir accès à un navigateur Internet standard (nous vous recommandons d'utiliser Chrome).
• Vous devez disposer de suffisamment de temps pour réaliser l'atelier en une fois.

Remarque : Si vous possédez déjà un compte ou un projet GCP, veillez à ne pas l'utiliser pour réaliser cet atelier.

Démarrer l'atelier et se connecter à la console Google Cloud

1. Cliquez sur le bouton Démarrer l'atelier. Si l'atelier est payant, une boîte de dialogue s'affiche pour vous permettre de sélectionner un mode de paiement. Sur la gauche, vous trouverez le panneau "Détails concernant l'atelier", qui contient les éléments suivants :

   • Le bouton "Ouvrir la console Google Cloud"
   • Le temps restant
   • Les identifiants temporaires que vous devez utiliser pour cet atelier
   • Des informations complémentaires vous permettant d'effectuer l'atelier

2. Cliquez sur Ouvrir la console Google Cloud (ou effectuez un clic droit et sélectionnez Ouvrir le lien dans la fenêtre de navigation privée si vous utilisez le navigateur Chrome).

   L'atelier lance les ressources, puis ouvre la page "Se connecter" dans un nouvel onglet.

   Conseil : Réorganisez les onglets dans des fenêtres distinctes, placées côte à côte.

   Remarque : Si la boîte de dialogue Sélectionner un compte s'affiche, cliquez sur Utiliser un autre compte.

3. Si nécessaire, copiez le nom d'utilisateur ci-dessous et collez-le dans la boîte de dialogue Se connecter.

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

   Vous trouverez également le nom d'utilisateur dans le panneau "Détails concernant l'atelier".

4. Cliquez sur Suivant.

5. Copiez le mot de passe ci-dessous et collez-le dans la boîte de dialogue Bienvenue.

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

   Vous trouverez également le mot de passe dans le panneau "Détails concernant l'atelier".

6. Cliquez sur Suivant.

   Important : Vous devez utiliser les identifiants fournis pour l'atelier. Ne saisissez pas ceux de votre compte Google Cloud. Remarque : Si vous utilisez votre propre compte Google Cloud pour cet atelier, des frais supplémentaires peuvent vous être facturés.

7. Accédez aux pages suivantes :

   • Acceptez les conditions d'utilisation.
   • N'ajoutez pas d'options de récupération ni d'authentification à deux facteurs (ce compte est temporaire).
   • Ne vous inscrivez pas à des essais sans frais.

Après quelques instants, la console Cloud s'ouvre dans cet onglet.

Remarque : Pour accéder aux produits et services Google Cloud, cliquez sur le menu de navigation ou saisissez le nom du service ou du produit dans le champ Recherche.

Agent Engine

Vertex AI Agent Engine (anciennement LangChain sur Vertex AI ou Vertex AI Reasoning Engine) est un service Google Cloud entièrement géré qui permet aux développeurs de déployer, de gérer et de faire évoluer des agents IA en production.

Pour en savoir plus sur ses avantages, consultez la documentation sur Vertex AI Agent Engine.

Tâche 1 : Installer ADK et configurer votre environnement

Remarque : Nous vous recommandons d'utiliser une fenêtre de navigation privée pour la plupart des activités Qwiklabs afin d'éviter toute confusion entre votre compte étudiant Qwiklabs et d'autres comptes connectés à Google Cloud. Si vous utilisez Chrome, fermez toutes les fenêtres de navigation privée, effectuez un clic droit sur le bouton Ouvrir la console Google Cloud en haut de cet atelier et sélectionnez Ouvrir le lien dans la fenêtre de navigation privée.

Activer les API recommandées Vertex AI

1. Dans cet environnement d'atelier, l'API Vertex AI a été activée pour vous. Si vous deviez suivre ces étapes dans votre propre projet, vous pourriez l'activer en accédant à Vertex AI et en suivant l'invite.

Préparer un onglet de l'éditeur Cloud Shell

1. Depuis la fenêtre de la console Google Cloud, ouvrez Cloud Shell en appuyant sur les touches G, puis S de votre clavier. Vous pouvez également cliquer sur le bouton Activer Cloud Shell () en haut à droite de la console Cloud.

2. Cliquez sur Continuer.

3. Si vous êtes invité à autoriser Cloud Shell, cliquez sur Autoriser.

4. En haut à droite du panneau du terminal Cloud Shell, cliquez sur le bouton Ouvrir dans une nouvelle fenêtre .

5. Dans le terminal Cloud Shell, saisissez la commande suivante pour ouvrir l'éditeur Cloud Shell dans votre répertoire d'accueil :

   cloudshell workspace ~

6. Fermez les autres tutoriels ou panneaux Gemini qui s'affichent sur le côté droit de l'écran pour que l'éditeur de code occupe une plus grande partie de la fenêtre.
7. Dans le reste de cet atelier, vous pouvez utiliser cette fenêtre comme IDE avec l'éditeur Cloud Shell et le terminal Cloud Shell.

Télécharger et installer ADK et les exemples de code pour cet atelier

1. Mettez à jour votre variable d'environnement PATH et installez ADK en exécutant les commandes suivantes dans le terminal Cloud Shell.

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

2. Collez les commandes suivantes dans le terminal Cloud Shell pour copier un fichier depuis un bucket Cloud Storage et le décompresser. Un répertoire de projet contenant le code de cet atelier sera ainsi créé :

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

3. Installez les éléments supplémentaires requis pour l'atelier :

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

4. Exécutez les commandes suivantes pour créer un fichier .env dans le répertoire adk_to_agent_engine. (Remarque : Pour afficher un fichier caché commençant par un point, vous pouvez utiliser les menus de l'éditeur Cloud Shell et activer Affichage > Afficher/Masquer les fichiers cachés.)

   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. Copiez le fichier .env dans le répertoire de l'agent pour fournir à l'agent les configurations d'authentification nécessaires une fois qu'il est déployé :

   cp .env transcript_summarization_agent/.env

Tâche 2 : Déployer sur Agent Engine à l'aide de la méthode de déploiement par ligne de commande

L'interface de ligne de commande d'ADK fournit des raccourcis pour déployer des agents sur Agent Engine, Cloud Run et Google Kubernetes Engine (GKE). Vous pouvez utiliser les commandes de base suivantes pour le déploiement sur chacun de ces services :

• adk deploy agent_engine (avec ses arguments de ligne de commande décrits sous le décorateur @deploy.command("agent_engine"))
• adk deploy cloud_run (avec ses arguments de ligne de commande décrits sous le décorateur @deploy.command("cloud_run"))
• adk deploy gke (avec ses arguments de ligne de commande décrits sous le décorateur @deploy.command("gke"))

La commande adk deploy agent_engine encapsule votre agent dans une classe reasoning_engines.AdkApp et déploie cette application dans l'environnement d'exécution géré d'Agent Engine, prête à recevoir des requêtes agentives.

Lorsqu'une AdkApp est déployée sur Agent Engine, elle utilise automatiquement un VertexAiSessionService pour un état de session persistant et géré. Cela permet de bénéficier d'une mémoire conversationnelle multitours sans aucune configuration supplémentaire. Pour les tests locaux, l'application utilise par défaut un InMemorySessionService temporaire.

Pour déployer une application Agent Engine à l'aide de la commande adk deploy agent_engine, procédez comme suit :

1. Dans le répertoire adk_to_agent_engine/transcript_summarization_agent, cliquez sur le fichier agent.py pour consulter les instructions de cet agent de synthèse simple.

2. Pour déployer un agent, vous devez fournir ses dépendances. Dans l'éditeur Cloud Shell, effectuez un clic droit sur le répertoire transcript_summarization_agent. (Vous devrez peut-être cliquer sur Autoriser pour activer le menu contextuel.)

3. Sélectionnez Nouveau fichier.

4. Nommez le fichier comme un fichier de dépendances Python standard : requirements.txt

5. Collez ce qui suit dans le fichier :

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

6. Enregistrez le fichier.

7. Dans le terminal Cloud Shell, exécutez la commande de déploiement :

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

   Vous pouvez suivre l'état dans le fichier journal dont le lien s'affiche dans le résultat de la commande. Pendant le déploiement, les étapes suivantes se déroulent :

   1. Un ensemble d'artefacts est généré localement, comprenant :
      • *.pkl : fichier pickle correspondant à local_agent.
      • requirements.txt : fichier du dossier de l'agent définissant les dépendances de package.
      • dependencies.tar.gz : fichier tar contenant les éventuels packages supplémentaires.
   2. Le bundle est importé dans Cloud Storage (dans un répertoire défini, le cas échéant) pour la préproduction des artefacts.
   3. Les URI Cloud Storage des artefacts respectifs sont spécifiés dans PackageSpec.
   4. Le service Vertex AI Agent Engine reçoit la requête, crée des conteneurs et lance des serveurs HTTP sur le backend.

   Remarque : Le déploiement devrait prendre environ 10 minutes, mais vous pouvez continuer cet atelier pendant qu'il s'effectue.

   Quiz pendant le déploiement de votre agent

   Chacune des commandes adk deploy ... nécessite de définir certains arguments. Pour connaître les arguments les plus récents, cliquez sur les commandes associées dans la liste en haut de cette tâche et recherchez les arguments marqués comme "Obligatoire".

   Certains arguments obligatoires, comme --project et --region de la commande de déploiement adk deploy agent_engine, peuvent charger leurs valeurs à partir du fichier .env de l'agent, s'il existe.

   Répondez aux questions suivantes en vous basant sur les arguments spécifiés pour adk deploy agent_engine :

   Points importants du résultat attendu :

   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

Cliquez sur Vérifier ma progression pour valider l'objectif. Déployer votre agent

Tâche 3 : Obtenir et interroger un agent déployé sur Agent Engine

Pour interroger l'agent, vous devez d'abord lui accorder l'autorisation d'appeler des modèles via Vertex AI.

1. Pour voir l'agent de service et le rôle qui lui est attribué, accédez à IAM dans la console.

2. Cochez la case Inclure les attributions de rôles fournies par Google.

3. Recherchez l'agent de service AI Platform Reasoning Engine (service-NUMÉRO_DU_PROJET@gcp-sa-aiplatform-re.iam.gserviceaccount.com), puis cliquez sur l'icône en forme de crayon dans la ligne de cet agent de service.

4. Cliquez sur + Ajouter un autre rôle.

5. Dans le champ Sélectionner un rôle, saisissez Utilisateur Vertex AI. Si vous déployez un agent qui utilise des outils pour accéder à d'autres données, vous devez également accorder l'accès à ces systèmes à cet agent de service.

6. Enregistrez les modifications.

7. De retour dans l'éditeur Cloud Shell, dans le répertoire adk_to_agent_engine, ouvrez le fichier query_agent_engine.py.

8. Examinez le code et les commentaires pour comprendre ce qu'il fait.

9. Examinez la transcription transmise à l'agent pour évaluer si le résumé généré est adéquat.

10. Dans le terminal Cloud Shell, exécutez le fichier à partir du répertoire adk_to_agent_engine avec la commande suivante :

    cd ~/adk_to_agent_engine/transcript_summarization_agent python3 query_agent_engine.py

    Exemple de résultat (le vôtre peut être légèrement différent) :

    [remote response] L'utilisateur souhaite acheter un bateau. Après avoir été interrogé sur la taille, il demande quel type de bateau il peut acheter avec 50 000 $. L'agent virtuel répond que 50 000 $ permettent d'acheter un "très beau bateau", et l'utilisateur donne son accord pour continuer.

Cliquez sur Vérifier ma progression pour valider l'objectif. Interroger un agent

Tâche 4 : Afficher et supprimer les agents déployés sur Agent Engine

1. Une fois le déploiement de votre agent terminé, revenez à l'onglet du navigateur affichant la console Cloud et accédez à Agent Engine en le recherchant et en le sélectionnant en haut de la console.

2. Dans le menu déroulant Région, assurez-vous que l'emplacement de cet atelier () est sélectionné.

3. Vous verrez le nom à afficher de l'agent que vous avez déployé. Cliquez dessus pour accéder à son tableau de bord de surveillance.

4. Notez les onglets Métriques et Session, qui vous donneront chacun des informations sur la façon dont votre agent est utilisé.

5. Lorsque vous êtes prêt à supprimer votre agent, sélectionnez Détails du déploiement en haut de son tableau de bord de surveillance.

6. Dans l'onglet de votre navigateur où s'exécute le terminal Cloud Shell, collez la commande suivante, mais ne l'exécutez pas encore :

   cd ~/adk_to_agent_engine python3 agent_engine_utils.py delete REPLACE_WITH_AE_ID

7. Dans le panneau Deployment info (Infos sur le déploiement) d'Agent Engine, copiez le champ Name (Nom), qui se présente sous le format suivant : projects/qwiklabs-gcp-02-76ce2eed15a5/locations/us-central1/reasoningEngines/1467742469964693504.

8. Revenez au terminal Cloud Shell et remplacez la fin de la commande REPLACE_WITH_AE_ID par le nom de ressource que vous avez copié.

9. Appuyez sur Retour pour exécuter la commande de suppression.

   Exemple de résultat :

   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. Dans la console Cloud, revenez au tableau de bord Agent Engine pour vérifier que l'agent a bien été supprimé.

11. Pour afficher le code simple du SDK Python permettant de lister et de supprimer des agents, consultez le contenu du fichier adk_to_agent_engine/agent_engine_utils.py.

Cliquez sur Vérifier ma progression pour valider l'objectif. Lister et supprimer des agents

Félicitations !

Dans cet atelier, vous avez appris :

• Les avantages du déploiement d'agents sur Agent Engine
• Comment attribuer les rôles requis à l'agent de service Reasoning Engine
• Comment déployer un agent sur Agent Engine à l'aide de l'interface de ligne de commande ADK
• Comment interroger un agent déployé sur Agent Engine
• Comment surveiller vos agents déployés
• Comment supprimer des agents

Étapes suivantes

Pour en savoir plus sur la création d'agents avec Agent Development Kit, consultez les autres ateliers de cette série :

• Équiper les agents ADK d'outils
• Créer des systèmes multi-agents avec ADK
• Déployer des agents ADK sur Agent Engine

Formations et certifications Google Cloud

Les formations et certifications Google Cloud vous aident à tirer pleinement parti des technologies Google Cloud. Nos cours portent sur les compétences techniques et les bonnes pratiques à suivre pour être rapidement opérationnel et poursuivre votre apprentissage. Nous proposons des formations pour tous les niveaux, à la demande, en salle et à distance, pour nous adapter aux emplois du temps de chacun. Les certifications vous permettent de valider et de démontrer vos compétences et votre expérience en matière de technologies Google Cloud.

Dernière mise à jour du manuel : 19 août 2025

Dernier test de l'atelier : 19 août 2025

Copyright 2020 Google LLC Tous droits réservés. Google et le logo Google sont des marques de Google LLC. Tous les autres noms d'entreprises et de produits peuvent être des marques des entreprises auxquelles ils sont associés.