Ejecutar agente de Google Vertex

Descripción

Los agentes de IA de Vertex son sistemas de software autónomos en la plataforma de IA de Vertex de Google Cloud que utilizan IA generativa para comprender, razonar, planificar y completar tareas con usuarios u otros agentes.

Una parte fundamental de estos agentes es el motor de agente de IA de Vertex, que proporciona un tiempo de ejecución gestionado para desarrollar, implementar y escalar agentes en producción.

Esta actividad permite el uso de agentes implementados en el motor de agente como participantes en un proceso automatizado orquestado por Maestro.

Crear el agente de Vertex

Las formas en que puedes implementar agentes basados en el motor de agente de IA de Vertex evolucionan constantemente. Actualmente, esta es una configuración de código primero en Vertex AI. Todos los marcos compatibles con Agent Engine son compatibles con el conector de Google Vertex. (por ejemplo google-adk). Cuando un agente de Vertex AI se implementa con éxito, se organiza bajo un proyecto de Google Cloud en Vertex AI > Agent Builder > Motor de agente. Un agente que esté listo para la integración con UiPath debe ser visible con un nombre de recurso asignado en una URL como esta:

projects/771273109380/locations/us-central1/reasoningEngines/7522902537708503040

En este ejemplo, el ID del proyecto es 771273109380.

En la mayoría de los escenarios de Maestro, solicitas al agente que genere una salida en forma de estructura JSON. P. ej. {"sku1": "9735A45", "sku2": "1735A50"}.

Cómo usar la actividad

Para utilizar esta actividad en un proceso agéntico de Maestro, sigue estos pasos:

1. Añade un elemento de tarea de servicio al lienzo y abre el panel Propiedades de la tarea.
2. Nombra la tarea de servicio Vertex Hello World.
3. En la sección Implementación , en la lista desplegable Acción , selecciona Iniciar y esperar al agente externo.
4. Selecciona el conector de Google Vertex .
5. Seleccione una conexión existente o cree una nueva. Para obtener más información, consulta Autenticación de Google Vertex.

6. En Actividad, selecciona Ejecutar agente de Google Vertex.

7. En Nombre del agente, selecciona un agente que hayas creado previamente en Vertex AI (p. ej. ORDERS_AGENT). Ten en cuenta que el uso de la clave de cuenta de servicio incorrecta dará como resultado un menú desplegable que incluye agentes inesperados o ningún agente.

8. en el campo Mensaje , introduce "What can you do?". Asegúrate de incluir las comillas en la solicitud.
9. En el campo ID de usuario , introduce user.

10. Conecta el evento de inicio a la tarea de servicio y la tarea de servicio a un nodo de evento final en el lienzo.

11. Selecciona Depurar para ejecutar este proceso. Después de una ejecución correcta, revisa las variables globales y busca la respuesta {:} del vértice de origen. Toma nota de la estructura de la respuesta. Por ejemplo, esta es la respuesta del agente a la pregunta "¿Qué puedes hacer?":

    {
      "usage_metadata": {
        "candidates_token_count": 404,
        "thoughts_token_count": 46,
        "total_token_count": 1229,
        "prompt_tokens_details": [
          {
            "token_count": 779,
            "modality": "TEXT"
          }
        ],
        "traffic_type": "ON_DEMAND",
        "candidates_tokens_details": [
          {
            "token_count": 404,
            "modality": "TEXT"
          }
        ],
        "prompt_token_count": 779
      },
      "author": "loan_eligibility_agent",
      "invocation_id": "e-a496b1b8-fb54-4120-9aa2-7fac34e1d04d",
      "session_id": "3080378032481894400",
      "id": "26G1y9He",
      "content": {
        "parts": [
          {
            "text": "I am a loan eligibility evaluation agent. My primary function is to assess whether a loan applicant is eligible for approval based on a predefined set of criteria.\n\nHere's what I can do:\n\n1.  **Receive Loan Application Details:** I expect loan application details in a JSON format. If I don't receive it, I will prompt you to provide it.\n2.  **Evaluate Against Criteria:** I will evaluate each field in the provided JSON against specific eligibility criteria, which include:\n    *   Age (21-60)\n    *   Employment status and duration (employed, min 12 months)\n    *   Monthly net income (min $2,500 USD)\n    *   Credit Score (min 650)\n    *   Debt-to-Income Ratio (monthly obligations <= 40% of income)\n    *   Residency Status (legal resident/citizen)\n    *   Loan Purpose (specific allowed purposes, no disallowed ones)\n3.  **Determine Eligibility:** Based on the evaluation, I will determine one of three outcomes:\n    *   `eligible`: If all standard criteria are met.\n    *   `not eligible`: If one or more core criteria are failed, and no compelling justification is provided.\n    *   `manual review: other_criteria`: If one or more core criteria are failed, but an \"other_criteria\" explanation is provided that might justify an exception (e.g., medical hardship, protected populations, employment transition).\n4.  **Provide Justification:** For every determination, I will provide a detailed explanation outlining how the decision was reached, referencing the specific parameters from the eligibility criteria and the applicant's data.\n5.  **Output in JSON:** My final output will always be a JSON object containing the `determination` and `justification`.\n\nEssentially, I automate the initial screening process for personal loan applications according to established rules."
          }
        ],
        "role": "model"
      },
      "timestamp": 1758552780.125623
    }

La salida del agente debe asignarse a una variable de proceso para que pueda influir en el progreso del proceso de Maestro, por ejemplo, para tomar una decisión basada en una evaluación booleana, o para utilizar la respuesta de una tarea de clasificación.

1. En el modo Diseño, selecciona el agente en el lienzo de diseño.

2. Selecciona Propiedades.

3. En Salida, selecciona Añadir nuevo y añade una variable de tipo String llamada agent_reponse.

4. Para Valor, selecciona Vertex Hello World > respuesta (objeto) > Contenido (objeto) > Texto de contenido (cadena).

Consejo: en la práctica, especifica la salida estructurada de tu elección desde el agente y luego evalúa la salida dentro de Maestro utilizando el editor de expresiones para extraer la parte específica de la salida que necesitas en el tipo necesario para tu flujo de proceso.

Solución de problemas y ajustes

Más allá de establecer la conectividad, debes probar las solicitudes tanto en el espacio de trabajo de Vertex como desde Maestro. Esto garantiza que logres el resultado deseado que Maestro puede consumir mejor, asignarlo a variables y transmitirlo a otros actores en el proceso.

Recomendamos que las solicitudes detalladas permanezcan dentro de las solicitudes del sistema del agente dentro de Vertex. La solicitud de usuario que Maestro proporciona al agente en tiempo de ejecución debe ser breve y concisa. Su función es principalmente indicar las variables relevantes que necesita el agente para realizar tareas específicas y generar una salida consistente esperada.

La salida dirigida a humanos, por ejemplo, los motivos de una escalada, puede pasar fácilmente como texto natural para el humano. La salida que se espera para una acción de API/robot debe estar estrictamente compuesta. Aquí hay un ejemplo de solicitud de usuario que produce una salida específica de un agente. Utiliza el editor de expresiones C# dentro de Studio para añadir variables según sea necesario.

"What is the quantity on inventory of Order ID " + vars.orderId_1 + "respond only with a JSON object with the quantity in the key Order_Quantity. No explanations, only JSON"

El agente responderá con:

{"Order_Quantity":"100"}

Presta especial atención a los tipos en tu solicitud al agente y en la respuesta real. Incluso si la respuesta parece de tipo JSON, en realidad puede ser de tipo string.