RAG gestionado, RAG APIs y agentes a medida

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: Agent Studio con RAG prebuilt de Agent Search

Servicio: con RAG prebuilt de
Capa: Agentes
Por qué: (antes Vertex AI Studio) permite construir el agente en low-code, y el RAG prebuilt de 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 , el runtime gestionado de , con el mínimo esfuerzo operativo.

Ver la capa en el mapa de 5 capas

Las 5 capas del panorama de IA generativa: arriba, lo más cercano al usuario; abajo, la infraestructura.

Capa 5Aplicaciones
La parte con la que interactúa el usuario final.
- Gemini app
- Gemini Enterprise
- Google Workspace with Gemini
- 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
- Gemini Enterprise for Customer Experience
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 llaman a desde SQL sin sacar los datos. RAG Engine, ADK, Agent Runtime y esas funciones son una ampliación que no figura en el material oficial de preparación del examen: se explican porque ayudan a razonar cuánto control y cuánto esfuerzo exige cada vía.

4. La trampa habitual

[✗] 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. con el RAG prebuilt de cubre el caso sin esa carga.

5. Micro-check

Fuentes oficiales

Agent Studio

Entorno de Agent Platform para probar modelos, refinar prompts, diseñar agentes en low-code, ajustar modelos y desplegar aplicaciones de IA generativa en producción, con la gobernanza de la plataforma (IAM, CMEK, auditoría, residencia de datos, SLA) según el servicio y la región.

Ficha de Agent Studio

Agent Search

Servicio gestionado de Agent Platform para crear experiencias de búsqueda y recomendaciones con IA sobre sitios web, documentos y datos estructurados propios. Funciona como RAG prebuilt listo para usar: indexa los datos, los recupera en cada consulta y genera resúmenes.

Ficha de Agent Search

RAG APIs

APIs de Agent Platform para construir un RAG propio pieza a pieza: parseo de documentos, embeddings, búsqueda vectorial, ranking semántico y generación fundamentada. RAG Engine orquesta ese flujo como servicio gestionado, desde la ingesta y la indexación hasta la recuperación.

Ficha de RAG APIs

Agent Development Kit[Ampliación]

Framework de código abierto con el que los desarrolladores programan agentes de IA, desde uno solo con sus herramientas hasta sistemas multiagente, y los prueban, evalúan y despliegan, por ejemplo en Agent Runtime. Es la vía code-first de Agent Platform.

Ficha de Agent Development Kit

Agent Runtime[Ampliación]

Entorno de ejecución gestionado de Agent Platform para desplegar, operar y escalar agentes en producción sin administrar infraestructura. Aporta observabilidad integrada y servicios de sesiones y memoria que mantienen el contexto de las conversaciones.

Ficha de Agent Runtime

Agent Platform

Plataforma unificada de ML de Google Cloud para construir, entrenar, desplegar y gestionar soluciones de ML, de IA generativa y agentes. Agrupa Model Garden, Model Builder, Agent Studio, Agent Search y Agent Runtime, con controles de gobierno según el servicio y la región.

Ficha de Agent Platform

BigQuery

Plataforma de datos de Google Cloud, totalmente gestionada y sin servidor, para almacenar y analizar grandes volúmenes de datos con SQL. Sus funciones de IA generativa llaman a modelos como Gemini desde SQL sin sacar los datos del almacén.

Ficha de BigQuery

Gemini

Modelos fundacionales multimodales nativos de Google: procesan texto, código, imagen, audio y vídeo. Gamas: Pro (razonamiento complejo), Flash (equilibrio entre coste y latencia), Flash-Lite (volumen masivo a mínimo coste) y Nano (en el dispositivo). «Gemini» es también la marca de aplicaciones como la Gemini app.

Ficha de Gemini