Coûts et nettoyage

Ce qui est facturé

Élément	Facturé quand	Levier dans ce lab
Agent Engine (calcul)	vCPU et mémoire pendant le traitement des requêtes	1 vCPU, 1 Gio, `max_instances=1`, `min_instances=0`
Gemini (vos requêtes)	tokens d'entrée et de sortie	réponses de 3 phrases, quelques tours seulement
Memory Bank	stockage et opérations sur les souvenirs, plus le modèle qui les extrait	TTL de 30 jours, peu de conversations
Sessions gérées	stockage des événements	supprimées avec l'Agent Engine
Bucket de staging	stockage (quelques Mo)	supprimé à la fin

Pour ce lab (un déploiement, deux conversations, quelques minutes d'activité), le coût reste de l'ordre de quelques centimes ; le poste le plus incertain est le temps pendant lequel vous laissez l'instance exister.

Vous supprimez l'Agent Engine mais oubliez le bucket de staging. Que se passe-t-il ?

Supprimer : `nettoyer.py`

files/nettoyer.py

# 1. Agent Engine : force=True supprime aussi sessions et souvenirs (Memory Bank).
noms = {etat["agent_engine"]} if etat.get("agent_engine") else set()
noms |= {e.api_resource.name for e in client.agent_engines.list()
         if (e.api_resource.display_name or "").startswith(f"lab-{SLUG}")}
for nom in noms:
    for essai in range(20):  # 10 minutes au plus
        try:
            client.agent_engines.delete(name=nom, force=True)
            break
        except Exception as e:  # ex. génération de souvenirs encore en cours
            if "other operations running" not in str(e) or essai == 19:
                raise
            time.sleep(30)

# 2. Buckets de staging du lab (repérés par leur label).
for b in gcs.list_buckets():
    if (b.labels or {}).get("formation-lab") == LABELS["formation-lab"]:
        b.delete(force=True)       # force : supprime d'abord les objets (< 256)

# 3. Vérification, après la fin effective de la suppression (opération longue).
print("Restant :", {"agent_engines": restants, "buckets": buckets})

force=True est nécessaire dès que l'instance a des ressources enfants (sessions, souvenirs) : sans lui, la suppression échoue avec FAILED_PRECONDITION.
La recherche par nom affiché et par label rattrape un déploiement interrompu dont le nom n'a pas été noté.
bucket.delete(force=True) supprime d'abord les objets ; il refuse au-delà de 256 objets (largement suffisant pour un bucket de staging).

flowchart TB
  N["nettoyer.py"] --> AE["delete Agent Engine, force=True"]
  AE --> SE["sessions supprimées"]
  AE --> MB["souvenirs Memory Bank supprimés"]
  N --> BK["delete bucket, force=True"]
  N --> V{"Restant ?"}
  V -->|"vide"| OK["etat_deploiement.json effacé"]
  V -->|"non vide"| KO["relancer, ou supprimer dans la console"]

La suppression renvoie 400 FAILED_PRECONDITION « There are other operations running ». Que faire ?

Vérifier avec gcloud

Ne vous contentez pas du message du script : vérifiez avec des outils indépendants.

terminal

# Agent Engines (reasoningEngines) restants dans la région
curl -s -H "Authorization: Bearer $(gcloud auth print-access-token)" \
  "https://europe-west1-aiplatform.googleapis.com/v1/projects/VOTRE_PROJET/locations/europe-west1/reasoningEngines" \
  | grep -c "lab-agent-engine-memory-bank"           # attendu : 0

# Buckets du lab
gcloud storage buckets list --project VOTRE_PROJET \
  --filter="labels.formation-lab=agent-engine-memory-bank" --format="value(name)"   # attendu : vide

Exercice : un garde-fou contre l'oubli

Vous craignez qu'un participant oublie nettoyer.py. Proposez deux mécanismes, l'un dans le code, l'autre côté Google Cloud.

Voir la solution

Dans le code : interroger.py peut appeler le nettoyage dans un bloc try/finally, ou afficher en fin d'exécution un rappel avec la commande exacte. Pour un atelier, un script unique deployer.py && interroger.py; nettoyer.py (le ; lance le nettoyage même si l'interrogation échoue).
Côté Google Cloud : une alerte budgétaire sur le projet (Billing, Budgets et alertes) avec un seuil bas, et une règle de cycle de vie sur les buckets étiquetés formation-lab (suppression des objets après 1 jour). Un job planifié peut aussi lister les ressources portant le label et les supprimer chaque nuit.

Résultat obtenu

Nettoyage réel le 2026-10-15 (python nettoyer.py), lancé une minute après interroger.py, puis vérifications indépendantes :

Opération en cours sur l'instance, nouvel essai dans 30 s
[... 9 fois au total, environ 4 min 30 ...]
Suppression demandée : projects/<numéro-projet>/locations/europe-west1/reasoningEngines/2373526745996328960
Bucket supprimé : lab-agent-engine-memory-bank-13550c
Restant : {'agent_engines': [], 'buckets': []}

$ curl ... /reasoningEngines | grep -c "lab-agent-engine-memory-bank"
0
$ curl ... /reasoningEngines/2373526745996328960
{ "error": { "code": 404, "message": "The ReasoningEngine does not exist.", "status": "NOT_FOUND" } }
$ gcloud storage buckets list --filter="labels.formation-lab=agent-engine-memory-bank"
(aucun bucket)

Je sais faire

Lister ce qui est facturé dans un déploiement Agent Engine avec Memory Bank
Supprimer un Agent Engine avec ses sessions et ses souvenirs (force=True)
Retrouver par nom et par label les ressources d'un déploiement interrompu
Vérifier la suppression avec des commandes indépendantes du script

Coûts et nettoyage

Ce qui est facturé

Supprimer : nettoyer.py

Vérifier avec gcloud

Exercice : un garde-fou contre l'oubli

Résultat obtenu

Je sais faire

Supprimer : `nettoyer.py`