Crea un'app Google Chat con un agente Agent2Agent

Anteprima di Vertex AI Agent Builder: lo sviluppo e l'utilizzo di un agente Agent2Agent (A2A) sono in anteprima. Consulta la documentazione completa.

Questa pagina spiega come creare un componente aggiuntivo di Google Workspace che funzioni in Google Chat e interagisca con un agente AI che utilizza il protocollo Agent2Agent (A2A). Sviluppi l'agente utilizzando Agent Development Kit (ADK) e lo ospiti in Vertex AI Agent Engine.

Nota:in Google Chat, gli utenti vedono i componenti aggiuntivi come app Google Chat. Puoi anche creare la tua app di chat utilizzando gli eventi di interazione dell'API Google Chat. Per saperne di più, consulta la Panoramica di Estendi Google Chat.

Gli agenti AI percepiscono autonomamente il loro ambiente, ragionano ed eseguono azioni complesse e in più passaggi per raggiungere un obiettivo definito. In questo tutorial, esegui il deployment dell'esempio multi-agente LLM Auditor che critica e rivede i fatti utilizzando Gemini e la Ricerca Google.

Il seguente diagramma mostra l'architettura e il pattern di messaggistica:

Nel diagramma, un utente che interagisce con un'app di chat implementata con un agente A2A ha il seguente flusso di informazioni:

1. Un utente invia un messaggio a un'app di chat, in un messaggio diretto o in uno spazio di Chat.
2. La logica dell'app Chat implementata in Apps Script o come server web con endpoint HTTP riceve ed elabora il messaggio.
3. L'agente A2A ospitato con Vertex AI Agent Engine riceve ed elabora l'interazione.
4. Se vuoi, l'app Chat o l'agente AI possono integrarsi con i servizi Google Workspace, come Calendar o Fogli, o con altri servizi Google, come Google Maps o YouTube.
5. L'app Chat invia le risposte in modo asincrono, utilizzando l'API Google Chat per comunicare lo stato di avanzamento dell'agente AI.
6. Le risposte vengono inviate all'utente.

Obiettivi

• Configurare l'ambiente.
• Esegui il deployment dell'agente A2A.
• Esegui il deployment dell'app Chat.
• Configura l'app Chat.
• Testa l'app Chat.

Prerequisiti

• Un account Google Workspace Business o Enterprise con accesso a Google Chat.
• Un progetto Google Cloud con la fatturazione abilitata. Per verificare che la fatturazione sia abilitata per un progetto esistente, consulta Verificare lo stato di fatturazione dei progetti. Per creare un progetto e impostare la fatturazione, consulta Creare un progetto Google Cloud.
• Prerequisiti dell'agente ADK LLM Auditor
  • Python 3.11+: per l'installazione, seguire le istruzioni sul sito web ufficiale di Python.
  • Python Poetry: per l'installazione, seguire le istruzioni sul sito web ufficiale di Poetry.
  • Google Cloud CLI: per l'installazione, segui le istruzioni sul sito web ufficiale di Google Cloud.

Configura l'ambiente

Abilita le API di Google Cloud

Prima di utilizzare le API di Google, è necessario attivarle in un progetto Google Cloud. È possibile attivare una o più API in un singolo progetto Google Cloud.

• Nella console di Google Cloud, abilita le API di Google Chat, Vertex AI e Cloud Resource Manager.

  Abilita le API

Configura la schermata per il consenso OAuth

Tutte le app che utilizzano OAuth 2.0 richiedono la configurazione della schermata di consenso. La configurazione della schermata di consenso OAuth della tua app definisce cosa viene visualizzato agli utenti e ai revisori dell'app e registra la tua app in modo da poterla pubblicare in un secondo momento.

1. Nella console di Google Cloud, vai a Menu > Google Auth platform > Branding.

   Vai a Branding

2. Se hai già configurato Google Auth platform, puoi configurare le seguenti impostazioni della schermata di consenso OAuth in Branding, Pubblico e Accesso ai dati. Se vedi un messaggio che dice Google Auth platform non ancora configurato, fai clic su Inizia:
1. In Informazioni sull'app, nel campo Nome app, inserisci un nome per l'app.
2. In Email dell'assistenza utente, scegli un indirizzo email dell'assistenza a cui gli utenti possono contattarti in caso di domande sul loro consenso.
3. Fai clic su Avanti.
4. Nella sezione Pubblico, seleziona Interno.
5. Fai clic su Avanti.
6. In Informazioni di contatto, inserisci un indirizzo email a cui ricevere notifiche in caso di modifiche al tuo progetto.
7. Fai clic su Avanti.
8. In Fine, esamina le Norme relative ai dati utente dei servizi API di Google e, se le accetti, seleziona Accetto le Norme relative ai dati utente dei servizi API di Google.
9. Fai clic su Continua.
10. Fai clic su Crea.
3. Per ora puoi saltare l'aggiunta degli ambiti. In futuro, quando crei un'app da utilizzare al di fuori della tua organizzazione Google Workspace, devi modificare il Tipo di utente in Esterno. Poi aggiungi gli ambiti di autorizzazione richiesti dalla tua app. Per saperne di più, consulta la guida completa Configurare il consenso OAuth.

Crea un service account nella console Google Cloud

Crea un nuovo service account con il ruolo Vertex AI User seguendo questi passaggi:

Console Google Cloud

1. Nella console di Google Cloud, vai a Menu > IAM e amministrazione > Account di servizio.

   Vai a Service account

2. Fai clic su Crea account di servizio.
3. Inserisci i dettagli dell'account di servizio, quindi fai clic su Crea e continua.
   Nota: per impostazione predefinita, Google crea un ID account di servizio univoco. Se desideri modificare l'ID, modificalo nel campo ID account di servizio.
4. Facoltativo: assegna ruoli al tuo account di servizio per concedere l'accesso alle risorse del tuo progetto Google Cloud. Per maggiori dettagli, consulta Concessione, modifica e revoca dell'accesso alle risorse.
5. Fai clic su Continua.
6. Facoltativo: inserisci gli utenti o i gruppi che possono gestire ed eseguire azioni con questo account di servizio. Per maggiori dettagli, consulta Gestione della rappresentazione dell'account di servizio.
7. Fai clic su Fine. Prendi nota dell'indirizzo email dell'account di servizio.

Interfaccia a riga di comando gcloud

1. Crea l'account di servizio:

   gcloud iam service-accounts create SERVICE_ACCOUNT_NAME \
     --display-name="SERVICE_ACCOUNT_NAME"

2. Facoltativo: assegna ruoli al tuo account di servizio per concedere l'accesso alle risorse del tuo progetto Google Cloud. Per maggiori dettagli, consulta Concessione, modifica e revoca dell'accesso alle risorse.

L'account di servizio viene visualizzato nella pagina dell'account di servizio.

Crea una chiave privata

Avvertenza: per semplicità, in questo esempio viene utilizzata una chiave dell'account di servizio esportata. L'esportazione di una chiave privata non è consigliata in produzione perché non dovrebbe essere archiviata in una posizione non sicura, come il controllo del codice sorgente.

Per scoprire di più sulle implementazioni sicure dei service account e sulle best practice, consulta Scegliere quando utilizzare i service account.

Per creare e scaricare una chiave privata per il service account, segui questi passaggi:

1. Nella console Google Cloud, vai a Menu > IAM e amministrazione > Service account.

   Vai a Service account

2. Seleziona il tuo service account.
3. Fai clic su Chiavi > Aggiungi chiave > Crea nuova chiave.
4. Seleziona JSON, quindi fai clic su Crea.

   Una nuova coppia di chiavi pubblica/privata viene generata e scaricata sul tuo computer come nuovo file. Salva il file JSON scaricato come credentials.json nella directory di lavoro. Questo file è l'unica copia di questa chiave. Per informazioni su come archiviare la chiave in modo sicuro, consulta la sezione Gestione delle chiavi degli account di servizio.

5. Fai clic su Chiudi.

Per saperne di più sui service account, consulta la sezione Service account nella documentazione di Google Cloud IAM.

Esegui il deployment dell'agente A2A

1. Se non l'hai ancora fatto, esegui l'autenticazione con il tuo account Google Cloud e configura Google Cloud CLI in modo da utilizzare il tuo progetto Google Cloud.

   gcloud auth application-default login
   gcloud config set project PROJECT_ID
   gcloud auth application-default set-quota-project PROJECT_ID

   Sostituisci PROJECT_ID con l'ID del tuo progetto Cloud.

2. Scarica il repository GitHub di esempi dell'ADK utilizzando questo pulsante:

   Scarica adk-samples

3. Nell'ambiente di sviluppo locale che preferisci, estrai il file archivio scaricato e apri la directory adk-samples/python/agents/llm-auditor.

   unzip adk-samples-main.zip
   cd adk-samples-main/python/agents/llm-auditor

4. Aggiorna l'implementazione per eseguire il deployment dell'agente ADK come agente remoto A2A:

   1. pyproject.toml: aggiungi le dipendenze dell'ADK e dell'SDK A2A nel gruppo di deployment.

      apps-script/chat/a2a-ai-agent/llm-auditor/pyproject.toml

      Visualizza su GitHub
      [project]
      name = "llm-auditor"
      version = "0.1.0"
      description = "The LLM Auditor evaluates LLM-generated answers, verifies actual accuracy using the web, and refines the response to ensure alignment with real-world knowledge."
      authors = [
          { name = "Chun-Sung Ferng", email = "[e-mail]" },
          { name = "Cyrus Rashtchian", email = "[e-mail]" },
          { name = "Da-Cheng Juan", email = "[e-mail]" },
          { name = "Ivan Kuznetsov", email = "[e-mail]" },
      ]
      license = "Apache License 2.0"
      readme = "README.md"
      
      [tool.poetry.dependencies]
      python = "^3.10"
      google-adk = "^1.0.0"
      google-cloud-aiplatform = { extras = [
          "adk",
          "agent-engines",
      ], version = "^1.93.0" }
      google-genai = "^1.9.0"
      pydantic = "^2.10.6"
      python-dotenv = "^1.0.1"
      
      [tool.poetry.group.dev]
      optional = true
      
      [tool.poetry.group.dev.dependencies]
      google-adk = { version = "^1.0.0", extras = ["eval"] }
      pytest = "^8.3.5"
      pytest-asyncio = "^0.26.0"
      
      [tool.poetry.group.deployment]
      optional = true
      
      [tool.poetry.group.deployment.dependencies]
      absl-py = "^2.2.1"
      google-adk = "^1.0.0"
      a2a-sdk = "^0.3.0"
      
      [build-system]
      requires = ["poetry-core>=2.0.0,<3.0.0"]
      build-backend = "poetry.core.masonry.api"

   2. deployment/deploy.py: sostituisci il deployment dell'app ADK con un agente e una scheda A2A.

      apps-script/chat/a2a-ai-agent/llm-auditor/deployment/deploy.py

      Visualizza su GitHub
      # Copyright 2025 Google LLC
      #
      # Licensed under the Apache License, Version 2.0 (the "License");
      # you may not use this file except in compliance with the License.
      # You may obtain a copy of the License at
      #
      #     http://www.apache.org/licenses/LICENSE-2.0
      #
      # Unless required by applicable law or agreed to in writing, software
      # distributed under the License is distributed on an "AS IS" BASIS,
      # WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
      # See the License for the specific language governing permissions and
      # limitations under the License.
      
      """Deployment script for LLM Auditor."""
      
      import os
      
      from absl import app
      from absl import flags
      from dotenv import load_dotenv
      from llm_auditor.agent import root_agent
      import vertexai
      from vertexai import agent_engines
      
      # A2A wrapping
      from a2a.types import AgentSkill
      from google.adk.a2a.executor.a2a_agent_executor import A2aAgentExecutor
      from google.adk.runners import InMemoryRunner
      from vertexai.preview.reasoning_engines.templates.a2a import create_agent_card
      from vertexai.preview.reasoning_engines import A2aAgent
      
      FLAGS = flags.FLAGS
      flags.DEFINE_string("project_id", None, "GCP project ID.")
      flags.DEFINE_string("location", None, "GCP location.")
      flags.DEFINE_string("bucket", None, "GCP bucket.")
      flags.DEFINE_string("resource_id", None, "ReasoningEngine resource ID.")
      
      flags.DEFINE_bool("list", False, "List all agents.")
      flags.DEFINE_bool("create", False, "Creates a new agent.")
      flags.DEFINE_bool("delete", False, "Deletes an existing agent.")
      flags.mark_bool_flags_as_mutual_exclusive(["create", "delete"])
      
      
      def create() -> None:
          """Creates an agent engine for LLM Auditor."""
          agent_card = create_agent_card(
              agent_name=root_agent.name,
              description=root_agent.description,
              skills=[AgentSkill(
                  id='audit_llm_output',
                  name='Audit LLM Output',
                  description='Critiques and revises outputs from large language models.',
                  tags=['LLM', 'Audit', 'Revision'],
                  examples=[
                      'The earth is flat.',
                      'The capital of France is Berlin.',
                      'The last winner of the Super Bowl was the New England Patriots in 2020.',
                  ],
              )]
          )
          a2a_agent = A2aAgent(
              agent_card=agent_card,
              agent_executor_builder=lambda: A2aAgentExecutor(
                  runner=InMemoryRunner(
                      app_name=root_agent.name,
                      agent=root_agent,
                  )
              )
          )
          a2a_agent.set_up()
      
          remote_agent = agent_engines.create(
              a2a_agent,
              display_name=root_agent.name,
              requirements=[
                      "google-adk (>=0.0.2)",
                      "google-cloud-aiplatform[agent_engines] (>=1.88.0,<2.0.0)",
                      "google-genai (>=1.5.0,<2.0.0)",
                      "pydantic (>=2.10.6,<3.0.0)",
                      "absl-py (>=2.2.1,<3.0.0)",
                      "a2a-sdk>=0.3.22",
                      "uvicorn",
              ],
              # In-memory runner
              max_instances=1,
              env_vars ={
                  "NUM_WORKERS": "1"
              },
              extra_packages=["./llm_auditor"],
          )
          print(f"Created remote agent: {remote_agent.resource_name}")
      
      
      def delete(resource_id: str) -> None:
          remote_agent = agent_engines.get(resource_id)
          remote_agent.delete(force=True)
          print(f"Deleted remote agent: {resource_id}")
      
      
      def list_agents() -> None:
          remote_agents = agent_engines.list()
          TEMPLATE = '''
      {agent.name} ("{agent.display_name}")
      - Create time: {agent.create_time}
      - Update time: {agent.update_time}
      '''
          remote_agents_string = '\n'.join(TEMPLATE.format(agent=agent) for agent in remote_agents)
          print(f"All remote agents:\n{remote_agents_string}")
      
      def main(argv: list[str]) -> None:
          del argv  # unused
          load_dotenv()
      
          project_id = (
              FLAGS.project_id
              if FLAGS.project_id
              else os.getenv("GOOGLE_CLOUD_PROJECT")
          )
          location = (
              FLAGS.location if FLAGS.location else os.getenv("GOOGLE_CLOUD_LOCATION")
          )
          bucket = (
              FLAGS.bucket if FLAGS.bucket
              else os.getenv("GOOGLE_CLOUD_STORAGE_BUCKET")
          )
      
          print(f"PROJECT: {project_id}")
          print(f"LOCATION: {location}")
          print(f"BUCKET: {bucket}")
      
          if not project_id:
              print("Missing required environment variable: GOOGLE_CLOUD_PROJECT")
              return
          elif not location:
              print("Missing required environment variable: GOOGLE_CLOUD_LOCATION")
              return
          elif not bucket:
              print(
                  "Missing required environment variable: GOOGLE_CLOUD_STORAGE_BUCKET"
              )
              return
      
          vertexai.init(
              project=project_id,
              location=location,
              staging_bucket=f"gs://{bucket}",
          )
      
          if FLAGS.list:
              list_agents()
          elif FLAGS.create:
              create()
          elif FLAGS.delete:
              if not FLAGS.resource_id:
                  print("resource_id is required for delete")
                  return
              delete(FLAGS.resource_id)
          else:
              print("Unknown command")
      
      
      if __name__ == "__main__":
          app.run(main)

5. Crea un nuovo bucket Cloud Storage dedicato all'agente ADK.

   gcloud storage buckets create gs://CLOUD_STORAGE_BUCKET_NAME --project=PROJECT_ID --location=PROJECT_LOCATION

   Sostituisci quanto segue:

   1. CLOUD_STORAGE_BUCKET_NAME con un nome di bucket univoco che vuoi utilizzare.
   2. PROJECT_ID: l'ID del tuo progetto Cloud.
   3. PROJECT_LOCATION: la posizione del tuo progetto Cloud.

6. Imposta le seguenti variabili di ambiente:

   export GOOGLE_GENAI_USE_VERTEXAI=true
   export GOOGLE_CLOUD_PROJECT=PROJECT_ID
   export GOOGLE_CLOUD_LOCATION=PROJECT_LOCATION
   export GOOGLE_CLOUD_STORAGE_BUCKET=CLOUD_STORAGE_BUCKET_NAME

   Sostituisci quanto segue:

   1. CLOUD_STORAGE_BUCKET_NAME con il nome del bucket che hai creato.
   2. PROJECT_ID: l'ID del tuo progetto Cloud.
   3. PROJECT_LOCATION con la località del tuo progetto Cloud.

7. Installa ed esegui il deployment dell'agente ADK dall'ambiente virtuale.

   python3 -m venv myenv
   source myenv/bin/activate
   poetry install --with deployment
   python3 deployment/deploy.py --create

8. Recupera l'ID agente. Ti servirà in un secondo momento, quando configurerai l'app Chat.

   python3 deployment/deploy.py --list

Crea e configura il progetto dell'app Chat

1. Fai clic sul pulsante seguente per aprire il progetto Apps Script A2A AI Agent Quickstart.

   Apri il progetto.

2. Fai clic su Panoramica > Crea una copia.

3. Nel progetto Apps Script, fai clic su Impostazioni progetto > Modifica proprietà script > Aggiungi proprietà script per aggiungere le seguenti proprietà script:

   1. REASONING_ENGINE_RESOURCE_NAME con il nome della risorsa dell'agente Vertex AI copiato nei passaggi precedenti.
   2. SERVICE_ACCOUNT_KEY con la chiave JSON dell'account di servizio scaricata nei passaggi precedenti, ad esempio { ... }.

4. Fai clic su Salva proprietà script.

5. Nella console Google Cloud, vai al menu > IAM e amministrazione > Impostazioni.

   Vai a IAM e amministrazione > Impostazioni

6. Nel campo Numero di progetto, copia il valore.

7. Nel tuo progetto Apps Script, fai clic su Impostazioni progetto.

8. In Progetto Google Cloud (GCP), fai clic su Cambia progetto.

9. In Numero di progetto Google Cloud, incolla il numero di progetto Google Cloud copiato nei passaggi precedenti.

10. Fai clic su Imposta progetto. Il progetto Cloud e il progetto Apps Script sono ora connessi.

Crea un deployment di test

Per questo progetto Apps Script è necessario un ID deployment, in modo da poterlo utilizzare nel passaggio successivo.

Per ottenere l'ID deployment principale:

1. Nel progetto Apps Script dell'app Chat, fai clic su Deployment > Test dei deployment.
2. In ID deployment head, fai clic su Copia.
3. Fai clic su Fine.

Configurare l'app Chat

Utilizzando il deployment di Apps Script, segui questi passaggi per eseguire il deployment dell'app Google Chat per i test:

1. Nella console, cerca Google Chat API e fai clic su API Google Chat.
2. Fai clic su Gestisci.

3. Fai clic su Configurazione e configura l'app Chat:

   1. Nel campo Nome app, inserisci A2A Quickstart.
   2. Nel campo URL avatar, inserisci https://developers.google.com/workspace/add-ons/images/quickstart-app-avatar.png.
   3. Nel campo Descrizione, inserisci A2A Quickstart.
   4. In Funzionalità, seleziona Partecipa a spazi e conversazioni di gruppo.
   5. In Impostazioni di connessione, seleziona Progetto Apps Script.
   6. Nel campo ID distribuzione, incolla l'ID distribuzione Head copiato in precedenza.
   7. In Visibilità, seleziona Persone e gruppi specifici nel tuo dominio e inserisci il tuo indirizzo email.

4. Fai clic su Salva.

L'app Chat è pronta a rispondere ai messaggi.

Prova l'app Chat

Per testare l'app di Chat, apri uno spazio di messaggi diretti con l'app di Chat e invia un messaggio:

1. Apri Google Chat utilizzando l'account Google Workspace che hai fornito quando ti sei aggiunto come tester attendibile.

   Vai a Google Chat

2. Fai clic su Nuova chat.
3. Nel campo Aggiungi una o più persone, digita il nome della tua app di Chat.

4. Seleziona la tua app Chat dai risultati. Si apre un messaggio diretto.

   Nota: se non vedi la tua app di Chat nell'elenco dei risultati, assicurati di aver incluso il tuo account Google Workspace nelle impostazioni di visibilità della pagina di configurazione dell'API di Chat nella console Google Cloud.

5. Nel nuovo messaggio diretto con l'app, digita The Eiffel Tower was completed in 1900 e premi enter.

   L'app Chat risponde con le risposte dei sub-agenti Critico e Revisore.

Per aggiungere tester attendibili e saperne di più sui test delle funzionalità interattive, consulta Testare le funzionalità interattive per le app Google Chat.

Risoluzione dei problemi

Quando un'app o una scheda di Google Chat restituisce un errore, l'interfaccia di Chat visualizza un messaggio che dice "Si è verificato un errore". o "Impossibile elaborare la tua richiesta." A volte l'interfaccia utente della chat non visualizza alcun messaggio di errore, ma l'app o la scheda Chat produce un risultato inaspettato; ad esempio, un messaggio sulla scheda potrebbe non essere visualizzato.

Sebbene un messaggio di errore potrebbe non essere visualizzato nell'interfaccia utente della chat, sono disponibili messaggi di errore descrittivi e dati di registro per aiutarti a correggere gli errori quando la registrazione degli errori per le app di chat è attivata. Per assistenza nella visualizzazione, nel debug e nella correzione degli errori, consulta Risoluzione dei problemi e correzione degli errori di Google Chat.

Esegui la pulizia

Per evitare che al tuo account Google Cloud vengano addebitati costi relativi alle risorse utilizzate in questo tutorial, ti consigliamo di eliminare il progetto Cloud.

Attenzione: l'eliminazione di un progetto ha i seguenti effetti:

• L'intero contenuto del progetto viene eliminato. Se hai utilizzato un progetto esistente per questo tutorial, quando lo eliminerai, eliminerai anche tutto il lavoro effettuato nel progetto.
• Gli ID progetto personalizzati non sono più disponibili. Quando hai creato questo progetto, potresti aver creato un ID progetto personalizzato che vuoi utilizzare in futuro. Per conservare gli URL che utilizzano l'ID progetto, ad esempio un URL su appspot.com, elimina le risorse selezionate all'interno del progetto anziché eliminare l'intero progetto.

Se intendi esplorare più tutorial e guide rapide, puoi riutilizzare i progetti ed evitare così di superare i limiti di quota.

1. Nella console Google Cloud, vai alla pagina Gestisci risorse. Fai clic su Menu > IAM e amministrazione > Gestisci risorse.

   Vai a Resource Manager

2. Nell'elenco dei progetti, seleziona quello da eliminare e fai clic su Elimina .
3. Nella finestra di dialogo, digita l'ID progetto, quindi fai clic su Chiudi per eliminare il progetto.

Argomenti correlati

• Creare un'app Google Chat con un agente AI ADK
• Crea un'app Google Chat con un agente Agent2UI
• Verifica dei fatti con un agente di intelligenza artificiale ADK e un modello Gemini
• Pianificare i viaggi con un agente AI accessibile in Google Workspace
• Integrare i concetti fondamentali dell'intelligenza artificiale nelle app di chat
• Rispondi alle domande basate sulle conversazioni in chat con un'app Gemini AI Chat
• Rispondere agli incidenti con Google Chat, Vertex AI, Apps Script e l'autenticazione utente
• Gestire i progetti con Google Chat, Vertex AI e Firestore