Agent Starter Pack

O Agent Starter Pack traz um conjunto de templates de agentes GenAI que você pode gerar e rodar de imediato. A linha cobre um template de agente ReAct base construído sobre o Agent Development Kit do Google, um template de agente RAG para recuperação de documentos e perguntas e respostas, uma configuração multiagente, uma variante Agent2Agent para comunicação distribuída entre agentes e um agente multimodal em tempo real impulsionado pelo Gemini que lida com áudio, vídeo e texto. Você não começa de um arquivo em branco. Começa de um padrão funcional que bate com a maioria dos designs de agentes comuns e depois o molda ao seu caso de uso. Precisa de algo personalizado? Os templates remotos permitem trazer um starter pack de qualquer repositório Git.

O comando central, uvx agent-starter-pack create, monta um projeto inteiro em um passo: um backend, um frontend, testes e infraestrutura de Terraform chegam em uma única pasta. Esse é o ponto do toolkit. Ele comprime a fase de configuração, que normalmente é uma semana de trabalho de cola, em um comando que você executa antes do café esfriar. Sem ligação manual. Se você já tem um agente, o comando de atualização adiciona o mesmo andaime de produção ao seu projeto existente em vez de forçar um recomeço do zero.

O Agent Starter Pack configura um pipeline completo de implantação de agentes para cada ambiente com um único comando. Ele é compatível tanto com o Google Cloud Build quanto com o GitHub Actions, então você integra os releases às ferramentas que sua equipe já usa. O resultado é um caminho de build e deploy repetível em vez de um conjunto de passos manuais que alguém precisa lembrar. Para equipes que tratam o código de agente como código de produção, este é o recurso que mantém os releases entediantes e previsíveis.

Os projetos gerados são implantados no Cloud Run do Google Cloud ou no Vertex AI Agent Engine. O Cloud Run serve agentes que cabem em um contêiner e querem escalar sob demanda, enquanto o Agent Engine lida com cargas de trabalho de agentes que o Google otimizou para essa plataforma. Como a configuração de implantação é gerada junto com o projeto, você não escreve à mão as definições de contêiner e serviço. Você escolhe um destino e o andaime já fala a língua dele.

Os templates vêm com monitoramento, observabilidade e padrões de segurança já no lugar. Isso significa que registros, rastreamentos e controles de acesso fazem parte do projeto desde o primeiro commit, não algo acoplado às pressas depois de um incidente. Para quem já publicou um agente e depois teve de descobrir por que ele falhou em produção, ter observabilidade presente desde o início é a diferença silenciosa entre uma demo e um serviço.

Para agentes com muita recuperação, o toolkit inclui um pipeline de dados que processa embeddings para RAG e o liga ao sistema de agentes por meio do Terraform e do CI/CD. Ele é compatível tanto com o Vertex AI Search quanto com o Vector Search, então você conecta o backend de recuperação que encaixa nos seus dados. Configurar à mão a ingestão de documentos e os pipelines de embeddings é tedioso e fácil de errar. Isto resolve isso como parte do projeto gerado.

Os projetos gerados incluem a avaliação do Vertex AI e um ambiente interativo de testes. O ambiente permite testar prompts e o comportamento do agente localmente antes de implantar, e as ferramentas de avaliação medem a saída do modelo contra os seus critérios. Por que isso importa em agentes? Porque o comportamento de um agente é mais difícil de julgar a olho do que a resposta de um chatbot comum. Você ganha uma forma de comparar mudanças na qualidade, não apenas uma forma de ver que o código roda.