Ce document fournit une architecture de haut niveau pour créer un système d'IA agentique fiable et efficace, basé sur des données contextuelles réelles provenant de Google Maps Platform et de Google Agenda. Le système crée des plans de voyage pour les lieux que les utilisateurs indiquent dans leur requête. Le plan tient compte de l'emploi du temps de l'utilisateur, de l'emplacement géographique des lieux, des horaires d'ouverture et des distances des itinéraires.
Ce document s'adresse aux architectes, développeurs et administrateurs d'IA qui créent et gèrent des applications d'IA agentiques. Dans ce document, nous partons du principe que vous possédez des connaissances de base sur les concepts d'IA et de ML, ainsi que sur l'architecture cloud.
La section Déploiement de ce document fournit un lien vers un atelier de programmation que vous pouvez utiliser pour apprendre à créer et à tester un système d'IA agentique fonctionnel basé sur cette architecture.
Architecture
Le diagramme suivant illustre l'architecture d'une application qui utilise un système d'IA multi-agents pour générer un itinéraire de voyage pour les lieux qu'un utilisateur souhaite visiter au cours d'une journée. Les utilisateurs interagissent avec l'application via une interface de chat. Un agent orchestrateur collecte les informations nécessaires en appelant des agents spécialisés, puis crée un programme de la journée. Les agents s'exécutent dans Gemini Enterprise et leur raisonnement est ancré à l'aide de données réelles provenant de Google Maps Platform et de Google Agenda.
L'architecture du diagramme précédent contient les composants suivants :
Gemini Enterprise : composant essentiel de l'architecture. Il héberge le système d'IA agentique, qui contient les agents suivants :
- Agent orchestrateur : reçoit les requêtes des utilisateurs via une interface de chat, interprète l'objectif, puis coordonne les agents spécialisés pour répondre à la requête.
- Agent Places : gère les tâches basées sur la localisation, comme la recherche de lieux et la vérification de leurs horaires d'ouverture.
- Agent Routes : gère les tâches de routage et de planification de voyage, par exemple en s'assurant qu'il y a suffisamment de temps pour se rendre aux lieux requis.
- Agent de planification : gère les tâches de planification et d'agenda, comme le chargement de l'agenda et le déplacement d'événements pour tenir compte du temps de trajet.
Tous les agents de cette architecture sont créés à l'aide d'Agent Development Kit (ADK). Les agents s'exécutent dans Agent Runtime sur Gemini Enterprise Agent Platform et utilisent un modèle Gemini.
Outils et données : les agents utilisent les outils suivants pour obtenir les données dont ils ont besoin :
- Ancrage avec Google Maps : fournit un contexte géographique réel à partir de Google Maps Platform aux agents Places et Routes.
- Places Insights : fournit des informations et des analyses détaillées et spécifiques à un site à partir de Google Maps Platform pour aider les agents à créer des artefacts appropriés en fonction du type de réunion.
- Agenda : permet à l'agent de planification d'accéder aux événements de l'agenda et de les gérer.
Observabilité : ce composant permet de surveiller et de déboguer les opérations de l'agent.
- Les événements d'agent sont consignés dans Cloud Logging et publiés dans une base de données Firestore.
- L'architecture inclut une application d'observateur d'événements déployée en tant que service Cloud Run. Les administrateurs peuvent utiliser cette application pour surveiller les événements enregistrés et afficher le processus de réflexion et les actions des agents, comme la validation de lieux et d'itinéraires.
Produits utilisés
Cette architecture utilise les produits et outils Google suivants :
- Google Maps Platform : plate-forme qui fournit des services de cartographie, de calcul d'itinéraires et de recherche de localisation.
- Google Agenda : outil permettant aux équipes et aux utilisateurs individuels de gérer leurs plannings et leurs événements.
- Gemini Enterprise : plate-forme sécurisée entièrement gérée permettant de déployer et de gérer des agents IA dans une entreprise.
- Agent Development Kit (ADK) : ensemble d'outils et de bibliothèques permettant de développer, de tester et de déployer des agents d'IA.
- Cloud Logging : système de gestion des journaux en temps réel avec stockage, recherche, analyse et alertes.
- Firestore : conçu pour le scaling automatique et les hautes performances, il s'agit d'une base de données de documents NoSQL qui simplifie le développement d'applications.
- Cloud Run : plate-forme de calcul gérée qui vous permet d'exécuter des conteneurs directement sur l'infrastructure évolutive de Google.
Cas d'utilisation
Voici quelques exemples de cas d'utilisation de cette architecture :
Planification automatisée des voyages d'affaires : un employé doit planifier un voyage pour un sommet client.
- Un agent de voyage trouve des vols et des hôtels, et effectue des réservations.
- Un agent de gestion de la relation client (CRM) récupère l'adresse du sommet et la liste des participants.
- Un agent de planification programme des réunions dans l'agenda du voyageur. Le résultat final est un itinéraire de voyage complet.
Répartition intelligente des techniciens sur le terrain : un client signale une panne de service.
- Un agent CRM identifie le contrat et l'emplacement du client.
- Un agent de voyage trouve le technicien disponible le plus proche et optimise son itinéraire.
- Un agent Schedule prend rendez-vous pour un service.
Coordination de la logistique et de la chaîne d'approvisionnement : un responsable de la logistique doit rediriger une expédition en raison d'un événement météorologique.
- Un agent logistique surveille le trafic et la météo en temps réel à l'aide de Google Maps Platform.
- L'agent de logistique trouve un autre itinéraire et un autre entrepôt
- Un agent CRM informe le client du nouvel échéancier de livraison.
Considérations de conception
Pour implémenter cette architecture en production, tenez compte des recommandations suivantes :
- Sécurité : adoptez un modèle zéro confiance en accordant à chaque agent le niveau d'accès minimal nécessaire pour effectuer sa tâche. Définissez précisément les outils et les données auxquels chaque agent peut accéder. Par exemple, configurez l'agent Schedule pour qu'il ne puisse lire ou écrire que dans des agendas spécifiques.
- Fiabilité : incluez la validation human-in-the-loop (HITL) pour les tâches critiques, comme la réservation de billets non remboursables. Créez des journaux d'audit clairs pour les décisions des agents en créant un pipeline d'observabilité avec Logging et Pub/Sub.
- Performances : le modèle de coordinateur multi-agents modulaire de cette architecture permet d'améliorer les performances en permettant aux agents spécialisés de travailler en parallèle. Par exemple, l'agent Places peut rechercher des lieux tandis que l'agent Schedule vérifie simultanément les conflits d'agenda.
- Coût : gérez les coûts en limitant précisément les tâches de chaque agent pour éviter les requêtes ouvertes ou inutiles. Réduisez le nombre d'appels d'API en utilisant la mise en cache pour les données fréquemment demandées, telles que les itinéraires courants ou les lieux populaires.
- Gouvernance : établissez une gouvernance solide avec des rôles clairs pour chaque agent et des consignes pour la gestion des données. Utilisez un processus de développement itératif qui inclut une surveillance continue. Ce processus permet d'affiner le comportement des agents et de s'assurer qu'il est conforme aux exigences de l'entreprise.
Lorsque vous concevez l'architecture pour votre charge de travail d'IA agentique, tenez compte des bonnes pratiques et des recommandations de Google Cloud Well-Architected Framework : perspective de l'IA et du ML.
Déploiement
Pour apprendre à créer et à tester un système d'IA agentive fonctionnel basé sur cette architecture, suivez les instructions de l'atelier de programmation Créer un agent de planification d'itinéraires avec ADK et l'ancrage Google Maps. Cet atelier de programmation vous guide tout au long du processus de déploiement, y compris pour les tâches suivantes :
- Activez les services Google Cloud nécessaires.
- Utiliser ADK pour créer des agents
- Configurer les agents pour qu'ils utilisent l'ancrage avec Google Maps pour le contexte réel.
- Exécuter et tester vos agents via une interface Web.
Étapes suivantes
- En savoir plus sur l'ancrage avec Google Maps
- En savoir plus sur Gemini Enterprise
- Pour découvrir d'autres architectures de référence, schémas et bonnes pratiques, consultez le Centre d'architecture cloud.
Contributeurs
Auteur : Kenneth Nevarez | Ingénieur relations avec les développeurs, Google Maps Platform
Autres contributeurs :
- Caio Moreira | Ingénieur DevX
- Kumar Dhanagopal Développeur de solutions multiproduits
- Mike Pegg | Responsable, Relations avec les développeurs