Exécuter l’agent Google Vertex

Description

Les agents Vertex AI sont des systèmes logiciels autonomes sur la plate-forme Vertex AI de Google Cloud qui utilisent l'IA générative pour comprendre, raisonner, planifier et effectuer des tâches avec des utilisateurs ou d'autres agents.

Une partie essentielle de ces agents est le moteur Vertex AI Agent, qui fournit un runtime géré permettant de développer, de déployer et de mettre à l’échelle des agents en production.

Cette activité permet d'utiliser des agents déployés dans le moteur d'agents en tant que participants à un processus automatisé orchestré par Maestro.

Créer l'agent vertex

Les méthodes de déploiement d'agents basées sur le moteur d'agents Vertex AI évoluent constamment. Actuellement, il s’agit d’une configuration axée sur le code dans Vertex AI. Toutes les infrastructures prises en charge par Agent Engine sont prises en charge par le connecteur Google Vertex. (par ex. google-adk). Lorsqu'un agent Vertex AI est déployé avec succès, il est organisé dans un projet Google Cloud sous Vertex AI > Agent Builder > Agent Engine. Un agent prêt à être intégré à UiPath doit être visible avec un nom de ressource attribué sous une URL telle que celle-ci :

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

Dans cet exemple, l'ID du projet est 771273109380.

Dans la plupart des scénarios Maestro, vous invitez l'agent à générer la sortie sous la forme d'une structure JSON. Par exemple {"sku1": "9735A45", "sku2": "1735A50"}.

Comment utiliser l’activité

Pour utiliser cette activité dans un processus agentique Maestro, procédez comme suit :

1. Ajoutez un élément de tâche de service à la zone de dessin et ouvrez le panneau Propriétés de la tâche.
2. Nommez la tâche de service Vertex Hello World.
3. Dans la section Implementation , de la liste déroulante Action , sélectionnez Start and wait for external agent.
4. Sélectionnez le connecteur Google Vertex .
5. Sélectionnez une connexion existante ou créez-en une nouvelle. Pour plus d'informations, consultez Authentification Google Vertex.

6. Dans Activité, sélectionnez Exécuter Google Vertex Agent.

7. Dans Nom de l'agent, sélectionnez un agent que vous avez précédemment créé dans Vertex AI (par exemple ORDERS_AGENT). Veuillez noter que si vous utilisez la mauvaise clé de compte de service, vous obtiendrez une liste déroulante contenant des agents inattendus, ou aucun agent du tout.

8. dans le champ Message , saisissez "What can you do?". Assurez-vous d'inclure les guillemets dans l'invite.
9. Dans le champ ID utilisateur , saisissez user.

10. Connectez l'événement de début à la tâche de service et la tâche de service à un nœud d'événement de fin sur le canevas.

11. Sélectionnez Déboguer pour exécuter ce processus. Après une exécution réussie, examinez les variables globales et recherchez la réponse {:} du Vertex source. Notez la structure de la réponse. Par exemple, il s'agit de la réponse de l'agent à l'invite « Que pouvez-vous faire ? » :

    {
      "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 sortie de l'agent doit être affectée à une variable de processus afin qu'il puisse influencer la progression du processus Maestro, par exemple pour prendre une décision basée sur une évaluation booléenne, ou pour utiliser la réponse d'une tâche de classification.

1. En mode Conception, sélectionnez l'agent dans le canevas de conception.

2. Sélectionnez Propriétés.

3. Sous Sortie, sélectionnez Add new et ajoutez une variable de type String nommée agent_reponse.

4. Pour Valeur, sélectionnez Vertex Hello Word > réponse (objet) > Contenu (objet) > Texte de contenu (chaîne).

Astuce : en pratique, spécifiez la sortie structurée de votre choix à partir de l'agent, puis évaluez la sortie dans Maestro à l'aide de l'éditeur d'expressions pour extraire la partie spécifique de la sortie dont vous avez besoin dans le type nécessaire pour votre flux de processus.

Dépannage et réglage

Au-delà de l'établissement de la connectivité, vous devez tester les requêtes à la fois dans l'espace de travail Vertex et à partir de Maestro. Cela vous permet d'obtenir la sortie souhaitée qui peut être le mieux utilisée par Maestro, affectée à des variables et transmise aux autres acteurs du processus.

Nous recommandons que les requêtes détaillées restent dans les requêtes système de l'agent dans Vertex. La requête utilisateur fournie par Maestro à l'agent au moment de l'exécution doit être brève et dans le point. Son rôle consiste principalement à indiquer les variables pertinentes nécessaires à l'agent pour effectuer une tâche spécifique et générer un résultat attendu cohérent.

La sortie qui est destinée aux humains, par exemple les raisons d’une escalade, peut être facilement passée en texte naturel pour l’humain. La sortie attendue pour une action d’API/robot doit être strictement composée. Voici un exemple de requête utilisateur qui fournit une sortie spécifique à partir d'un agent. Utilisez l’ éditeur d’expression C# dans Studio pour ajouter des variables selon vos besoins.

"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"

L'agent répondra avec les informations suivantes :

{"Order_Quantity":"100"}

Faites particulièrement attention aux saisies de votre demande à l’agent et à la réponse réelle. Même si la réponse ressemble à du type JSON, elle peut être de type string.