GENAI107

Ringkasan

Di lab ini, Anda akan mempelajari cara men-deploy agen ADK ke Agent Engine untuk lingkungan yang skalabel dan terkelola sepenuhnya dalam alur kerja agentic Anda.

Hal ini memungkinkan Anda berfokus pada logika agen, sementara infrastruktur akan dialokasikan dan diskalakan untuk Anda.

Tujuan

Di lab ini, Anda akan mempelajari:

• Manfaat men-deploy agen ke Agent Engine
• Cara memberikan peran yang diperlukan ke Reasoning Engine Service Agent
• Cara men-deploy agen ke Agent Engine menggunakan antarmuka command line ADK
• Cara mengkueri agen yang di-deploy ke Agent Engine
• Cara memantau agen yang di-deploy
• Cara menghapus agen

Penyiapan dan persyaratan

Sebelum mengklik tombol Start Lab (Mulai Lab)

Baca petunjuk ini. Lab memiliki timer dan Anda tidak dapat menjedanya. Timer, yang dimulai saat Anda mengklik Start Lab (Mulai Lab), menampilkan lamanya resource Cloud akan tersedia untuk Anda.

Lab praktis Qwiklabs ini memungkinkan Anda melakukan aktivitas lab sendiri di lingkungan cloud nyata, bukan di lingkungan demo atau simulasi. Yaitu dengan cara memberi Anda kredensial sementara yang baru yang digunakan untuk login dan mengakses Google Cloud Platform selama durasi lab.

Yang diperlukan

Untuk menyelesaikan lab ini, Anda memerlukan:

• Akses ke browser internet standar (disarankan browser Chrome).
• Waktu untuk menyelesaikan lab.

Catatan: Jika Anda sudah memiliki project atau akun GCP pribadi, jangan gunakan project atau akun tersebut untuk lab ini.

Cara memulai lab dan login ke Google Cloud Console

1. Klik tombol Start Lab. Jika Anda perlu membayar lab, dialog akan terbuka untuk memilih metode pembayaran. Di sebelah kiri ada panel Lab Details yang berisi hal-hal berikut:

   • Tombol Open Google Cloud console
   • Waktu tersisa
   • Kredensial sementara yang harus Anda gunakan untuk lab ini
   • Informasi lain, jika diperlukan, untuk menyelesaikan lab ini

2. Klik Open Google Cloud console (atau klik kanan dan pilih Open Link in Incognito Window jika Anda menjalankan browser Chrome).

   Lab akan menjalankan resource, lalu membuka tab lain yang menampilkan halaman Sign in.

   Tips: Atur tab di jendela terpisah secara berdampingan.

   Catatan: Jika Anda melihat dialog Choose an account, klik Use Another Account.

3. Jika perlu, salin Username di bawah dan tempel ke dialog Sign in.

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

   Anda juga dapat menemukan Username di panel Lab Details.

4. Klik Next.

5. Salin Password di bawah dan tempel ke dialog Welcome.

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

   Anda juga dapat menemukan Password di panel Lab Details.

6. Klik Next.

   Penting: Anda harus menggunakan kredensial yang diberikan lab. Jangan menggunakan kredensial akun Google Cloud Anda. Catatan: Menggunakan akun Google Cloud sendiri untuk lab ini dapat dikenai biaya tambahan.

7. Klik halaman berikutnya:

   • Setujui persyaratan dan ketentuan.
   • Jangan tambahkan opsi pemulihan atau autentikasi 2 langkah (karena ini akun sementara).
   • Jangan mendaftar uji coba gratis.

Setelah beberapa saat, Konsol Google Cloud akan terbuka di tab ini.

Catatan: Untuk mengakses produk dan layanan Google Cloud, klik Navigation menu atau ketik nama layanan atau produk di kolom Search.

Agent Engine

Vertex AI Agent Engine (sebelumnya dikenal sebagai LangChain di Vertex AI atau Vertex AI Reasoning Engine) adalah layanan Google Cloud terkelola sepenuhnya yang memungkinkan developer men-deploy, mengelola, dan menskalakan agen AI dalam produksi.

Anda dapat mempelajari lebih lanjut manfaatnya di dokumentasi Vertex AI Agent Engine.

Tugas 1. Menginstal ADK dan menyiapkan lingkungan Anda

Mengaktifkan API yang direkomendasikan Vertex AI

1. Di lingkungan lab ini, Vertex AI API telah diaktifkan untuk Anda. Jika mengikuti langkah-langkah ini di project Anda sendiri, Anda dapat mengaktifkannya dengan membuka Vertex AI dan mengikuti dialog untuk melakukannya.

Menyiapkan tab Cloud Shell Editor

1. Di jendela Konsol Google Cloud yang aktif, buka Cloud Shell dengan menekan tombol G, lalu tombol S di keyboard Anda. Atau, Anda dapat mengklik tombol Activate Cloud Shell () di kanan atas Konsol Cloud.

2. Klik Continue.

3. Jika diminta untuk memberikan otorisasi pada Cloud Shell, klik Authorize.

4. Di pojok kanan atas panel Cloud Shell Terminal, klik tombol Open in new window .

5. Di Cloud Shell Terminal, masukkan teks berikut untuk membuka Cloud Shell Editor ke direktori utama Anda:

   cloudshell workspace ~

6. Tutup panel Gemini atau tutorial tambahan yang muncul di sisi kanan layar untuk meluangkan ruang jendela bagi editor kode Anda.
7. Di sepanjang lab, Anda dapat memanfaatkan jendela ini sebagai IDE dengan Cloud Shell Editor dan Cloud Shell Terminal.

Mendownload dan menginstal ADK serta contoh kode untuk lab ini

1. Update variabel lingkungan PATH dan instal ADK dengan menjalankan perintah berikut di Cloud Shell Terminal.

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

2. Tempel perintah berikut ke Cloud Shell Terminal untuk menyalin file dari bucket Cloud Storage, dan mengekstraknya, sehingga akan membuat direktori project dengan kode untuk lab ini:

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

3. Instal persyaratan lab tambahan dengan:

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

4. Jalankan perintah berikut untuk membuat file .env di direktori adk_to_agent_engine. (Catatan: Untuk melihat file tersembunyi yang diawali dengan titik, Anda dapat menggunakan menu Cloud Shell Editor untuk mengaktifkan View > Toggle Hidden Files):

   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. Salin file .env ke direktori agen untuk memberikan konfigurasi autentikasi yang diperlukan agen Anda setelah di-deploy:

   cp .env transcript_summarization_agent/.env

Tugas 2. Melakukan deployment ke Agent Engine menggunakan metode deployment command line

Antarmuka command line ADK menyediakan pintasan untuk men-deploy agen ke Agent Engine, Cloud Run, dan Google Kubernetes Engine (GKE). Anda dapat menggunakan perintah dasar berikut untuk melakukan deployment ke setiap layanan ini:

• adk deploy agent_engine (dengan argumen command line-nya yang dijelaskan di dekorator @deploy.command("agent_engine"))
• adk deploy cloud_run (dengan argumen command line-nya yang dijelaskan di dekorator @deploy.command("cloud_run"))
• adk deploy gke (dengan argumen command line-nya yang dijelaskan di dekorator @deploy.command("gke"))

Perintah adk deploy agent_engine menggabungkan agen Anda dalam class reasoning_engines.AdkApp dan men-deploy aplikasi ini ke runtime terkelola Agent Engine, yang siap menerima kueri agentic.

Saat di-deploy ke Agent Engine, AdkApp akan otomatis menggunakan VertexAiSessionService untuk status sesi yang persisten dan terkelola. Hal ini menyediakan memori percakapan multi-giliran tanpa konfigurasi tambahan. Untuk pengujian lokal, aplikasi secara default menggunakan InMemorySessionService sementara.

Untuk men-deploy aplikasi Agent Engine menggunakan adk deploy agent_engine, selesaikan langkah-langkah berikut:

1. Di direktori adk_to_agent_engine/transcript_summarization_agent, klik file agent.py untuk meninjau petunjuk agen peringkasan sederhana ini.

2. Untuk men-deploy agen, Anda harus memberikan persyaratannya. Di Cloud Shell Editor, klik kanan direktori transcript_summarization_agent. (Anda mungkin perlu mengklik Allow untuk mengaktifkan menu klik kanan.)

3. Pilih New File...

4. Beri nama file seperti file persyaratan Python standar: requirements.txt

5. Tempel teks berikut ke dalam file:

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

6. Simpan file dengan mengklik tombol Save.

7. Di Cloud Shell Terminal, jalankan perintah deploy:

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

   Anda dapat mengikuti status dari file log yang akan ditautkan dari output perintah. Selama deployment, langkah-langkah berikut akan terjadi:

   1. Paket artefak dibuat secara lokal, yang terdiri dari:
      • *.pkl: file pickle yang sesuai dengan local_agent.
      • requirements.txt: file ini dari folder agen yang menentukan persyaratan paket.
      • dependencies.tar.gz: file tar yang berisi paket tambahan.
   2. Paket diupload ke Cloud Storage (menggunakan direktori yang ditetapkan jika ditentukan) untuk melakukan staging artefak.
   3. Cloud Storage URI untuk setiap artefak ditentukan dalam PackageSpec.
   4. Layanan Vertex AI Agent Engine menerima permintaan dan membangun container serta menjalankan server HTTP di backend.

   Catatan: Deployment akan membutuhkan waktu sekitar 10 menit, tetapi Anda dapat melanjutkan lab ini saat deployment berlangsung.

   Kuis Saat Agen Anda Di-Deploy

   Setiap perintah adk deploy ... memerlukan setelan argumen tertentu. Untuk mendapatkan argumen terbaru, klik perintah tertaut dalam daftar di bagian atas tugas ini dan cari argumen yang ditandai sebagai "Wajib".

   Beberapa argumen wajib, seperti --project dan --region dari deployment adk deploy agent_engine dapat memuat nilainya dari file .env agen jika ada.

   Jawab pertanyaan berikut berdasarkan argumen untuk adk deploy agent_engine:

   Sorotan dari Output yang Diharapkan:

   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

Klik Periksa progres saya untuk memverifikasi tujuan. Men-deploy agen Anda.

Tugas 3. Mendapatkan dan mengkueri agen yang di-deploy ke Agent Engine

Untuk mengkueri agen, Anda harus terlebih dahulu memberinya otorisasi untuk memanggil model melalui Vertex AI.

1. Untuk melihat agen layanan dan peran yang ditetapkan, buka IAM di konsol.

2. Klik kotak centang Include Google-provided role grants.

3. Temukan AI Platform Reasoning Engine Service Agent (service-PROJECT_NUMBER@gcp-sa-aiplatform-re.iam.gserviceaccount.com), lalu klik ikon pensil edit di baris agen layanan ini.

4. Klik + Add another role.

5. Di kolom Select a role, masukkan Vertex AI User. Jika men-deploy agen yang menggunakan alat untuk mengakses data lain, Anda juga akan memberikan akses ke sistem tersebut kepada agen layanan ini.

6. Simpan perubahan Anda dengan mengklik Save.

7. Kembali ke Cloud Shell Editor, dalam direktori adk_to_agent_engine, buka file query_agent_engine.py.

8. Tinjau kode dan komentar untuk mengetahui fungsinya.

9. Tinjau transkrip yang diteruskan ke agen agar Anda dapat mengevaluasi apakah agen menghasilkan ringkasan yang memadai.

10. Di Cloud Shell Terminal, jalankan file dari direktori adk_to_agent_engine dengan:

    cd ~/adk_to_agent_engine/transcript_summarization_agent python3 query_agent_engine.py

    Contoh output (hasil Anda mungkin sedikit berbeda):

    [remote response] Pengguna ingin membeli perahu, dan setelah ditanya tentang ukurannya, ia menanyakan perahu seperti apa yang bisa dibeli dengan uang $50.000. Agen Virtual merespons bahwa uang $50.000 cukup untuk membeli "perahu yang sangat bagus", dan pengguna tersebut setuju untuk melanjutkan.

Klik Periksa progres saya untuk memverifikasi tujuan. Mengkueri agen.

Tugas 4. Melihat dan menghapus agen yang di-deploy ke Agent Engine

1. Setelah agen Anda menyelesaikan deployment-nya, kembali ke tab browser yang menampilkan Konsol Cloud dan buka Agent Engine dengan menelusurinya dan memilihnya di bagian atas Konsol.

2. Di dropdown Region, pastikan lokasi Anda untuk lab ini () dipilih.

3. Anda akan melihat nama tampilan agen yang di-deploy. Klik namanya untuk membuka dasbor pemantauan agen.

4. Perhatikan tab Metrics dan Session yang akan memberi Anda insight tentang bagaimana agen Anda digunakan.

5. Jika Anda siap menghapus agen, pilih Deployment details dari bagian atas dasbor pemantauannya.

6. Kembali ke tab browser yang menjalankan Cloud Shell Terminal, tempel perintah berikut, tetapi jangan dijalankan dulu:

   cd ~/adk_to_agent_engine python3 agent_engine_utils.py delete REPLACE_WITH_AE_ID

7. Dari panel Deployment info Agent Engine, salin kolom Name, yang akan memiliki format seperti: projects/qwiklabs-gcp-02-76ce2eed15a5/locations/us-central1/reasoningEngines/1467742469964693504.

8. Kembali ke Cloud Shell Terminal dan ganti bagian akhir perintah REPLACE_WITH_AE_ID dengan nama resource yang telah Anda salin.

9. Tekan Enter untuk menjalankan perintah penghapusan.

   Contoh Output:

   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. Di Konsol Cloud, kembali ke dasbor Agent Engine untuk melihat bahwa agen telah dihapus.

11. Untuk melihat kode Python SDK sederhana guna menampilkan daftar agen dan menghapusnya, lihat isi file adk_to_agent_engine/agent_engine_utils.py.

Klik Periksa progres saya untuk memverifikasi tujuan. Menampilkan daftar agen dan menghapusnya.

Selamat!

Di lab ini, Anda telah mempelajari:

• Manfaat men-deploy agen ke Agent Engine
• Cara memberikan peran yang diperlukan ke Reasoning Engine Service Agent
• Cara men-deploy agen ke Agent Engine menggunakan antarmuka command line ADK
• Cara mengkueri agen yang di-deploy ke Agent Engine
• Cara memantau agen yang di-deploy
• Cara menghapus agen

Langkah Berikutnya

Anda dapat mempelajari lebih lanjut cara membangun agen dengan Agent Development Kit dari lab lain dalam seri ini:

• Melengkapi agen ADK dengan berbagai alat
• Membangun sistem multi-agen dengan ADK
• Men-deploy agen ADK ke Agent Engine

Sertifikasi dan pelatihan Google Cloud

...membantu Anda mengoptimalkan teknologi Google Cloud. Kelas kami mencakup keterampilan teknis dan praktik terbaik untuk membantu Anda memahami dengan cepat dan melanjutkan proses pembelajaran. Kami menawarkan pelatihan tingkat dasar hingga lanjutan dengan opsi on demand, live, dan virtual untuk menyesuaikan dengan jadwal Anda yang sibuk. Sertifikasi membantu Anda memvalidasi dan membuktikan keterampilan serta keahlian Anda dalam teknologi Google Cloud.

Manual Terakhir Diperbarui pada 19 Agustus 2025

Lab Terakhir Diuji pada 19 Agustus 2025

Hak cipta 2026 Google LLC. Semua hak dilindungi undang-undang. Google dan logo Google adalah merek dagang dari Google LLC. Semua nama perusahaan dan produk lain mungkin adalah merek dagang masing-masing perusahaan yang bersangkutan.