Crea ed esegui il deployment di un agente di AI su Cloud Run utilizzando l'Agent Development Kit (ADK)

Il framework Agent Development Kit (ADK) semplifica la creazione, la valutazione e il deployment di agenti AI. ADK fornisce un approccio modulare e basato sul codice per creare agenti in grado di ragionare, pianificare e utilizzare strumenti.

Questo tutorial mostra come creare ed eseguire il deployment di un agente AI in Cloud Run utilizzando ADK per Python. Questo agente recupera il report meteo per una città che specifichi.

Per saperne di più sull'hosting dell'agente ADK utilizzando Google Cloud CLI, consulta Esegui il deployment in Cloud Run nella documentazione di ADK.

Obiettivi

Costi

In questo documento vengono utilizzati i seguenti componenti fatturabili di Google Cloud:

Per generare una stima dei costi in base all'utilizzo previsto, utilizza il calcolatore prezzi.

I nuovi utenti di Google Cloud potrebbero avere diritto a una prova senza costi.

Prima di iniziare

  1. Accedi al tuo account Google Cloud . Se non conosci Google Cloud, crea un account per valutare le prestazioni dei nostri prodotti in scenari reali. I nuovi clienti ricevono anche 300 $di crediti senza costi per l'esecuzione, il test e il deployment dei carichi di lavoro.

  2. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

    Roles required to select or create a project

    • Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
    • Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

    Go to project selector

  3. Verify that billing is enabled for your Google Cloud project.

  4. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

    Roles required to select or create a project

    • Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
    • Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

    Go to project selector

  5. Verify that billing is enabled for your Google Cloud project.

  6. Abilita le API Cloud Run Admin, Vertex AI e Cloud Build, se non sono già abilitate.

    Ruoli richiesti per abilitare le API

    Per abilitare le API, devi disporre dell'autorizzazione serviceusage.services.enable. Se hai creato il progetto, probabilmente disponi già di questa autorizzazione tramite il ruolo Proprietario (roles/owner). In caso contrario, puoi ottenere questa autorizzazione tramite il ruolo Amministratore utilizzo servizi (roles/serviceusage.serviceUsageAdmin). Scopri come concedere i ruoli.

    Abilita le API

  7. Configura l'ambiente di sviluppo Cloud Run nel tuo progetto Google Cloud .
  8. Installa ADK seguendo le istruzioni riportate nella documentazione di Agent Development Kit.

  9. Se il tuo progetto è soggetto a un criterio dell'organizzazione con limitazione del dominio che limita le chiamate non autenticate, dovrai accedere al servizio di cui è stato eseguito il deployment come descritto in Test dei servizi privati.

Ruoli obbligatori

Per ottenere le autorizzazioni necessarie per eseguire il deployment di un agente AI su Cloud Run, chiedi all'amministratore di concederti i seguenti ruoli IAM:

Per saperne di più sulla concessione dei ruoli, consulta Gestisci l'accesso a progetti, cartelle e organizzazioni.

Potresti anche riuscire a ottenere le autorizzazioni richieste tramite i ruoli personalizzati o altri ruoli predefiniti.

scrivi l'applicazione di esempio

Per scrivere un'applicazione in Python:

  1. Crea una nuova directory principale denominata parent_folder e passa alla directory:

    mkdir parent_folder
cd parent_folder

  2. Nella directory parent_folder, crea una nuova sottodirectory denominata multi_tool_agent e passa a questa directory:

    mkdir multi_tool_agent
cd multi_tool_agent

  3. Crea un file __init__.py per importare l'agente:

    from . import agent

  4. Crea un file agent.py per definire l'agente per rispondere alle domande sull'ora e sul meteo in una città specificata:

    import datetime
from zoneinfo import ZoneInfo
from google.adk.agents import Agent

def get_weather(city: str) -> dict:
    """Retrieves the current weather report for a specified city.

    Args:
        city (str): The name of the city for which to retrieve the weather report.

    Returns:
        dict: status and result or error msg.
    """
    if city.lower() == "new york":
        return {
            "status": "success",
            "report": (
                "The weather in New York is sunny with a temperature of 25 degrees"
                " Celsius (77 degrees Fahrenheit)."
            ),
        }
    else:
        return {
            "status": "error",
            "error_message": f"Weather information for '{city}' is not available.",
        }

def get_current_time(city: str) -> dict:
    """Returns the current time in a specified city.

    Args:
        city (str): The name of the city for which to retrieve the current time.

    Returns:
        dict: status and result or error msg.
    """

    if city.lower() == "new york":
        tz_identifier = "America/New_York"
    else:
        return {
            "status": "error",
            "error_message": (
                f"Sorry, I don't have timezone information for {city}."
            ),
        }

    tz = ZoneInfo(tz_identifier)
    now = datetime.datetime.now(tz)
    report = (
        f'The current time in {city} is {now.strftime("%Y-%m-%d %H:%M:%S %Z%z")}'
    )
    return {"status": "success", "report": report}

root_agent = Agent(
    name="weather_time_agent",
    model="gemini-2.5-flash",
    description=(
        "Agent to answer questions about the time and weather in a city."
    ),
    instruction=(
        "You are a helpful agent who can answer user questions about the time and weather in a city."
    ),
    tools=[get_weather, get_current_time],
)

  5. Crea un file .env e aggiungi le seguenti variabili:

    GOOGLE_GENAI_USE_VERTEXAI=TRUE
GOOGLE_CLOUD_PROJECT=PROJECT_ID
GOOGLE_CLOUD_LOCATION=REGION

    Sostituisci quanto segue:

    • PROJECT_ID: l'ID progetto Google Cloud .
    • REGION: la regione in cui prevedi di eseguire il deployment del servizio.

  6. Vai alla directory della cartella principale parent_folder e crea un file requirements.txt per aggiungere la dipendenza google-adk:

    google-adk

    Il progetto di origine include la seguente struttura:

    parent_folder/
├── requirements.txt
└── multi_tool_agent/
    ├── __init__.py
    ├── agent.py
    └── .env

L'app è stata completata ed è pronta per il deployment.

Esegui il deployment in Cloud Run dall'origine

Il deployment dal codice sorgente crea automaticamente un'immagine container dal codice sorgente e la esegue il deployment.

  1. Nella directory del codice sorgente (parent_folder), esegui il deployment su Cloud Run utilizzando il seguente comando:

    gcloud run deploy --source .

    1. Quando ti viene chiesto il nome del servizio, premi Invio per accettare il nome predefinito, ad esempio weather-agent.

    2. Se ti viene chiesto di abilitare API aggiuntive nel progetto, ad esempio l'API Artifact Registry, rispondi premendo y.

    3. Quando ti viene chiesto di selezionare la regione, scegli la regione che preferisci, ad esempio europe-west1.

    4. Se ti viene chiesto di creare un repository nella regione specificata, rispondi premendo y.

    5. Se ti viene chiesto di consentire l'accesso pubblico: rispondi y. Potresti non visualizzare questo prompt se è presente una policy dell'organizzazione con limitazioni del dominio che lo impedisce. Per maggiori dettagli, consulta la sezione Prima di iniziare.

    Poi, attendi qualche istante fino al completamento del deployment. Se l'operazione riesce, la riga di comando visualizza l'URL del servizio dell'agente di cui è stato eseguito il deployment, che avrà il seguente formato: https://weather-agent-123456789101.us-central1.run.app/list-apps.

Esegui l'agente

Per utilizzare l'agente ADK, puoi eseguire i seguenti comandi curl:

  1. Per ottenere l'elenco delle app, esegui questo comando:

    curl -X GET SERVICE_URL/list-apps

    Sostituisci SERVICE_URL con l'URL del servizio di cui è stato eseguito il deployment.

  2. Per avviare una sessione, esegui questo comando:

    curl -X POST SERVICE_URL/apps/multi_tool_agent/users/u_123/sessions/s_123 -H "Content-Type: application/json" -d '{"key1": "value1", "key2": "value2"}'

  3. Per eseguire una query sull'agente, esegui questo comando:

    curl -X POST SERVICE_URL/run \
-H "Content-Type: application/json" \
-d "{\"appName\": \"multi_tool_agent\",\"userId\": \"u_123\",\"sessionId\": \"s_123\",\"newMessage\": { \"role\": \"user\", \"parts\": [{ \"text\": \"What's the weather in New York today?\" }]}}"

L'agente restituisce le informazioni meteo nei risultati della query.

Per ulteriori informazioni ed esempi sui comandi curl supportati, consulta Utilizzare il server API nella documentazione di ADK.

Esegui la pulizia

Per evitare costi aggiuntivi al tuo account Google Cloud , elimina tutte le risorse che hai implementato con questo tutorial.

Elimina il progetto

Se hai creato un nuovo progetto per questo tutorial, eliminalo. Se hai utilizzato un progetto esistente e devi conservarlo senza le modifiche aggiunte in questo tutorial, elimina le risorse che hai creato per il tutorial.

Il modo più semplice per eliminare la fatturazione è eliminare il progetto creato per il tutorial.

Per eliminare il progetto:

  1. Nella console Google Cloud , vai alla pagina Gestisci risorse.

    Vai a Gestisci risorse

  2. Nell'elenco dei progetti, seleziona quello che vuoi eliminare, quindi fai clic su Elimina.
  3. Nella finestra di dialogo, digita l'ID progetto, quindi fai clic su Chiudi per eliminare il progetto.

Elimina le risorse del tutorial

  1. Elimina il servizio Cloud Run di cui hai eseguito il deployment in questo tutorial. I servizi Cloud Run non comportano costi finché non ricevono richieste.

    Per eliminare il servizio Cloud Run, esegui questo comando:

    gcloud run services delete SERVICE-NAME

    Sostituisci SERVICE-NAME con il nome del servizio.

    Puoi eliminare i servizi Cloud Run anche dalla consoleGoogle Cloud .

  2. Rimuovi la configurazione della regione predefinita gcloud che hai aggiunto durante la configurazione del tutorial:

     gcloud config unset run/region

  3. Rimuovi la configurazione del progetto:

     gcloud config unset project