Agent Starter Pack

Agent Starter Pack incluye un conjunto de plantillas de agentes GenAI que puedes generar y ejecutar de inmediato. La selección cubre una plantilla de agente ReAct base construida sobre el Agent Development Kit de Google, una plantilla de agente RAG para recuperación de documentos y preguntas y respuestas, una configuración multiagente, una variante Agent2Agent para comunicación distribuida entre agentes y un agente multimodal en tiempo real impulsado por Gemini que maneja audio, vídeo y texto. No empiezas desde un archivo en blanco. Empiezas desde un patrón funcional que encaja con la mayoría de los diseños de agentes habituales y luego lo adaptas a tu caso de uso. ¿Necesitas algo personalizado? Las plantillas remotas te permiten traer un starter pack desde cualquier repositorio de Git.

El comando central, uvx agent-starter-pack create, crea un proyecto entero en un solo paso: un backend, un frontend, pruebas e infraestructura de Terraform aterrizan en una sola carpeta. Ese es el punto del toolkit. Comprime la fase de configuración, que normalmente es una semana de trabajo de pegamento, en un comando que ejecutas antes de que se enfríe el café. Sin cableado manual. Si ya tienes un agente, el comando de actualización añade el mismo andamiaje de producción a tu proyecto existente en lugar de forzar un comienzo desde cero.

Agent Starter Pack configura un pipeline completo de despliegue de agentes para cada entorno con un solo comando. Es compatible tanto con Google Cloud Build como con GitHub Actions, así que integras las publicaciones en las herramientas que tu equipo ya usa. El resultado es una ruta de compilación y despliegue repetible en lugar de un conjunto de pasos manuales que alguien tiene que recordar. Para los equipos que tratan el código de agentes como código de producción, esta es la función que mantiene las publicaciones aburridas y predecibles.

Los proyectos generados se despliegan en Cloud Run de Google Cloud o en Vertex AI Agent Engine. Cloud Run encaja con agentes que caben en un contenedor y quieren escalar bajo demanda, mientras que Agent Engine maneja cargas de trabajo de agentes que Google optimizó para esa plataforma. Como la configuración de despliegue se genera con el proyecto, no escribes a mano las definiciones de contenedor y servicio. Eliges un destino y el andamiaje ya habla su idioma.

Las plantillas vienen con monitoreo, observabilidad y valores de seguridad por defecto ya en su sitio. Eso significa que los registros, las trazas y los controles de acceso forman parte del proyecto desde el primer commit, no algo que se añade a toda prisa después de un incidente. Para cualquiera que haya publicado un agente y luego haya tenido que averiguar por qué falló en producción, tener observabilidad presente desde el principio es la diferencia silenciosa entre una demo y un servicio.

Para los agentes con mucha recuperación, el toolkit incluye un pipeline de datos que procesa embeddings para RAG y lo conecta al sistema de agentes mediante Terraform y CI/CD. Es compatible tanto con Vertex AI Search como con Vector Search, así que puedes conectar el backend de recuperación que encaje con tus datos. Configurar a mano la ingesta de documentos y los pipelines de embeddings es tedioso y fácil de hacer mal. Esto lo resuelve como parte del proyecto generado.

Los proyectos generados incluyen la evaluación de Vertex AI y un entorno interactivo de pruebas. El entorno te permite probar prompts y el comportamiento del agente en local antes de desplegar, y las herramientas de evaluación miden la salida del modelo contra tus criterios. ¿Por qué importa esto en los agentes? Porque el comportamiento de un agente es más difícil de juzgar a ojo que la respuesta de un chatbot simple. Obtienes una forma de comparar cambios en la calidad, no solo una forma de ver que el código se ejecuta.