RAG gestionado, RAG APIs y agentes a medida
Al construir un agente sobre datos propios, elegir el nivel de control que el equipo puede sostener: Agent Studio con RAG prebuilt de Agent Search para el mínimo esfuerzo, o RAG APIs y ADK cuando hace falta más control.
1. El problema de negocio
Un organismo público de ayudas a la vivienda quiere ofrecer en su sede electrónica un asistente que oriente a la ciudadanía sobre requisitos y plazos de cada convocatoria, citando la norma de la que sale cada respuesta. Las bases se publican y modifican varias veces al año. El equipo digital lo forman gestores sin perfil de desarrollo y la dirección no quiere asumir el mantenimiento de servidores ni índices propios.
2. Solución de Google
- Servicio
- Agent Studio con RAG prebuilt de Agent Search
- Capa
- Agentes
- Por qué
- Agent Studio permite construir el agente en low-code, y el RAG prebuilt de Agent Search aporta la búsqueda gestionada sobre las normas propias, lista para usar. El organismo no programa ni mantiene índices ni bases vectoriales, y el agente se despliega en Agent Runtime, el runtime gestionado de Agent Platform, con el mínimo esfuerzo operativo.
Ver la capa en el mapa de 5 capas
Capa 5Aplicaciones
La parte con la que interactúa el usuario final.
- Gemini app
- Gemini Enterprise
- Gemini for Google Workspace
- Gemini Notebook
- Gemini for Google Cloud
Capa 4Agentes[Capa de esta lección]
Software que persigue un objetivo usando un modelo y herramientas.
- Agentes en Agent Platform
- Customer Engagement Suite
Capa 3Plataforma
APIs, gestión de datos y despliegue de modelos; abstrae la infraestructura.
- Agent Studio
- Agent Search
- Model Garden
- Agent Platform AutoML
- RAG Engine
- Agent Runtime
Capa 2Modelos
Algoritmos entrenados con grandes volúmenes de datos que generan contenido.
- Gemini
- Gemma
- Imagen
- Veo
Capa 1Infraestructura
Cómputo y almacenamiento físico para entrenar y servir modelos.
- AI Hypercomputer
- Cloud TPU
- GPU
- Centros de datos de Google
3. Límites
- No la uses si
- El equipo cuenta con desarrolladores que necesitan controlar la recuperación y la lógica del agente y pueden asumir el esfuerzo operativo que eso implica, o el trabajo consiste en analizar tablas que ya están en el almacén de datos.
- Variable que fuerza el cambio
- Esfuerzo operativo
- Alternativa
- RAG APIs (RAG Engine) con un agente code-first creado con ADK y desplegado en Agent Runtime; para tablas del almacén, las funciones generativas de BigQuery, una ampliación que no figura en el exam guide, llaman a Gemini desde SQL sin sacar los datos.
4. La trampa del examen
- [✗] Distractor
- Programar el agente con scripts propios en Python y LangChain, con una base vectorial autogestionada en máquinas virtuales de Compute Engine.
- Por qué tienta
- Promete control total sobre cada pieza de la recuperación y parece más flexible a largo plazo.
- Por qué es incorrecto
- Sin desarrolladores en el equipo, ese control se paga con más plazo de construcción y con el mantenimiento continuo de servidores e índices que la dirección rechaza. Agent Studio con el RAG prebuilt de Agent Search cubre el caso sin esa carga.