Risolvere i problemi relativi all'utilizzo di un agente

Questo documento descrive come risolvere gli errori che potresti riscontrare quando utilizzi un agente.

Operation schemas è vuoto

Se l'agente restituisce un elenco vuoto da .operation_schemas(), il motivo potrebbe essere uno dei seguenti problemi:

Errore durante la generazione di uno schema durante la creazione dell'agente

Problema:

Quando esegui il deployment dell'agente, ricevi un avviso simile al seguente:

WARNING:vertexai.agent_engines:failed to generate schema: issubclass() arg 1 must be a class

Possibile causa:

Questo avviso potrebbe essere visualizzato se esegui il deployment di un agente utilizzando il modello LangchainAgent predefinito su una versione di google-cloud-aiplatform precedente alla versione 1.49.0. Per controllare la versione in uso, esegui questo comando nel terminale:

pip show google-cloud-aiplatform

Soluzione consigliata:

Esegui questo comando nel terminale per aggiornare il pacchetto google-cloud-aiplatform:

pip install google-cloud-aiplatform --upgrade

Dopo aver aggiornato il pacchetto google-cloud-aiplatform, esegui questo comando per verificare che la sua versione sia 1.49.0 o successiva:

pip show google-cloud-aiplatform

Se ti trovi in un'istanza notebook (ad esempio Jupyter, Colab o Workbench), potresti dover riavviare il runtime per utilizzare il pacchetto aggiornato. Dopo aver verificato che la tua versione di google-cloud-aiplatform sia 1.49.0 o successive, prova a eseguire di nuovo il deployment dell'agente.

Errore PermissionDenied durante l'interrogazione dell'agente

La query potrebbe non riuscire se non disponi delle autorizzazioni richieste.

Autorizzazioni delle estensioni Vertex AI

Problema

Potresti ricevere un errore PermissionDenied simile al seguente:

Permission 'aiplatform.extensions.get' denied on resource
'//aiplatform.googleapis.com/projects/{PROJECT_ID}/locations/{LOCATION}/extensions/
{EXTENSION}' (or it may not exist). [reason: "IAM_PERMISSION_DENIED"
domain: "aiplatform.googleapis.com"
metadata {
  key: "permission"
  value: "aiplatform.extensions.get"
}
metadata {
  key: "resource"
  value: "projects/{PROJECT_ID}/locations/{LOCATION}/extensions/{EXTENSION}"
}
]

Il tuo agente non dispone delle autorizzazioni per le estensioni Vertex AI. Per utilizzare le estensioni Vertex AI con Vertex AI Agent Engine, concedi il ruolo Utente Vertex AI (roles/aiplatform.user) al account di servizio dell'identità dell'agente. Per maggiori informazioni, vedi Configurare l'identità e le autorizzazioni per l'agente.

Autorizzazioni LLM

Problema:

Potresti ricevere un errore PermissionDenied simile al seguente:

PermissionDenied: 403 Permission 'aiplatform.endpoints.predict' denied on resource 
'//aiplatform.googleapis.com/projects/{PROJECT_ID}/locations/{LOCATION}/publishers/
google/models/{MODEL}' (or it may not exist). [reason: "IAM_PERMISSION_DENIED"
domain: "aiplatform.googleapis.com"
metadata {
  key: "permission"
  value: "aiplatform.endpoints.predict"
}
metadata {
  key: "resource"
  value: "projects/{PROJECT_ID}/locations/{LOCATION}/publishers/google/models/{MODEL}"
}
]

Possibile causa:

La tua identità agente service account potrebbe non disporre delle autorizzazioni appropriate per eseguire query sul tuo modello linguistico di grandi dimensioni (LLM).

Soluzione consigliata:

Assicurati che il tuo account di servizio disponga delle autorizzazioni Identity and Access Management (IAM) elencate nel messaggio di errore. Un esempio di autorizzazione IAM che potrebbe mancare è aiplatform.endpoints.predict. Per ulteriori informazioni, consulta Configurare l'identità e le autorizzazioni per l'agente.

Esecuzione del motore di ragionamento non riuscita

Se ricevi il messaggio di errore "Reasoning Engine Execution failed" (Errore di esecuzione del motore di ragionamento) quando esegui una query dell'agente, il problema potrebbe essere uno di quelli descritti in questa sezione.

Input non validi per .query()

Problema:

Potresti ricevere un errore FailedPrecondition simile al seguente:

FailedPrecondition: 400 Reasoning Engine Execution failed. Error Details:
{"detail":"Invalid request: `{'query': ...}`"}

Possibile causa:

Questo errore si verifica quando specifichi gli input della query come argomenti posizionali anziché argomenti con parole chiave. Ad esempio, chiami agent.query(query_str) invece di agent.query(input=query_str).

Soluzione consigliata:

Quando esegui una query su un'istanza di un motore di ragionamento di cui è stato eseguito il deployment, specifica tutti gli input come argomenti di parole chiave.

Quota del modello Gemini esaurita

Problema:

Potresti ricevere un errore simile a uno dei seguenti, che indica che l'errore è generato dalla chiamata a Gemini:

FailedPrecondition: 400 Reasoning Engine Execution failed. Error Details:
{"detail":"...langchain_google_vertexai/chat_models.py...google.api_core.exceptions.ResourceExhausted: 429 Unable to submit request because the service is temporarily out of capacity. Try again later."}

o un messaggio di errore diverso:

FailedPrecondition: 400 Reasoning Engine Execution failed. Error Details:
{"detail":"...langchain_google_vertexai/chat_models.py...google.api_core.exceptions.InternalServerError: 500 Internal error occurred."}

Possibile causa:

Ciò potrebbe accadere se di recente hai inviato troppe richieste e hai esaurito la quota del modello Gemini.

Soluzione consigliata:

Segui la procedura di gestione delle quote del modello Gemini per aumentare la quota. In alternativa, limita la frequenza dei test e riprova più tardi.

Risorse di assistenza

Se il problema persiste, consulta la nostra guida all'assistenza per ricevere aiuto.