Atelier

Lesson 4 — Tester, déployer, nettoyer

Déployer et interroger à distance

5 min read

This content is not translated yet. Showing the original version.

Déployer et interroger à distance

Avant de lancer

  • pytest est vert (sinon, inutile de payer un déploiement)
  • python local.py fonctionne avec Vertex AI
  • vous avez lu la leçon Coûts et nettoyage et vous savez lancer nettoyer.py
terminal
export GOOGLE_GENAI_USE_VERTEXAI=TRUE GOOGLE_CLOUD_PROJECT=votre-projet GOOGLE_CLOUD_LOCATION=europe-west1
python deployer.py        # 5 à 15 minutes
python interroger.py      # 2 sessions distantes + lecture des souvenirs
python nettoyer.py        # supprime tout, puis vérifie

Le déploiement

sequenceDiagram
  participant P as "deployer.py"
  participant GCS as "Bucket lab-agent-engine-memory-bank-xxxxxx"
  participant AE as "Agent Engine (europe-west1)"
  P->>GCS: "création du bucket (label formation-lab)"
  P->>GCS: "agent_engine.pkl, dependencies.tar.gz, requirements.txt"
  P->>AE: "create(display_name lab-agent-engine-memory-bank, context_spec)"
  AE->>AE: "construction du conteneur, installation des dépendances"
  AE-->>P: "projects/.../reasoningEngines/ID"

Les trois fichiers déposés dans le bucket sont l'agent sérialisé (agent_engine.pkl), le code local nécessaire (dependencies.tar.gz, qui contient agent_memoire.py) et la liste des dépendances.

Dans notre essai du 2026-10-15, le déploiement a pris un peu moins de 5 minutes. Pendant ce temps, rien n'est encore interrogeable : create() rend la main quand le conteneur est prêt.

Que contient dependencies.tar.gz dans le bucket de staging ?

Interroger à distance

client.agent_engines.get(name=...) renvoie un objet dont les méthodes correspondent aux opérations exposées par AdkApp : async_create_session, async_stream_query, async_search_memory…

files/interroger.py
async def tour(distant, texte: str) -> str:
    session = await distant.async_create_session(user_id=UTILISATEUR)
    morceaux = []
    async for ev in distant.async_stream_query(user_id=UTILISATEUR, session_id=session["id"],
                                               message=texte):
        for part in (ev.get("content") or {}).get("parts", []):
            if part.get("function_call"):
                print("   [outil]", part["function_call"]["name"], part["function_call"]["args"])
            if part.get("text"):
                morceaux.append(part["text"])
    return "".join(morceaux)

À distance, les événements arrivent sous forme de dictionnaires (JSON), pas d'objets Event : on lit ev["content"]["parts"].

Entre les deux sessions, on attend que Memory Bank ait fini d'extraire les souvenirs : la génération est asynchrone, elle se fait en arrière-plan après l'appel de add_session_to_memory().

files/interroger.py
for _ in range(18):                       # 3 minutes au plus
    faits = souvenirs(client, nom)        # [m.fact for m in client.agent_engines.memories.list(name=nom)]
    if faits:
        break
    time.sleep(10)

Pourquoi interroger.py attend-il avant d'ouvrir la session 2 ?

Exercice : chercher dans la mémoire sans passer par l'agent

Écrivez quelques lignes qui interrogent directement la mémoire de Camille avec la question « quel ordinateur ? », sans lancer de conversation.

Voir la solution

AdkApp expose async_search_memory, qui appelle le MemoryService (ici Memory Bank) :

chercher.py
import asyncio, json, vertexai
from deployer import ETAT, PROJET, REGION

async def main():
    client = vertexai.Client(project=PROJET, location=REGION)
    distant = client.agent_engines.get(name=json.loads(ETAT.read_text())["agent_engine"])
    print(await distant.async_search_memory(user_id="camille", query="quel ordinateur ?"))

asyncio.run(main())

La recherche est limitée à l'utilisateur et à l'application (app_name) : les souvenirs de Camille ne remontent jamais pour un autre user_id. En production, l'user_id doit venir de l'authentification, jamais d'un champ saisi par l'utilisateur.

Résultat obtenu

Exécution réelle le 2026-10-15 (python interroger.py, agent déployé dans europe-west1, gemini-2.5-flash), environ 1 minute au total :

Session 1 > Bonjour, je suis Camille, je travaille sur le site de Nantes avec un MacBook.
Assistant < Bonjour Camille, je prends note que vous travaillez sur le site de Nantes avec un
            MacBook. Comment puis-je vous aider aujourd'hui ?
Souvenirs dans Memory Bank : ['My name is Camille, I work at the Nantes site, and I use a MacBook.']
Session 2 > Mon ordinateur ne démarre plus depuis ce matin. Tu peux créer un ticket ?
   [outil] creer_ticket {'priorite': 'haute', 'sujet': "L'ordinateur de Camille (Nantes) ne démarre plus."}
Assistant < Bien sûr, je viens de créer un ticket de support pour votre problème de démarrage
            d'ordinateur. Le numéro de votre ticket est IT-46114. Notre équipe va examiner cela
            en priorité.

Trois observations :

  • le sujet du ticket de la session 2 contient « Camille (Nantes) » : l'information vient uniquement de Memory Bank, la session étant neuve ;
  • Memory Bank a écrit le souvenir en anglais et à la première personne, alors que la conversation était en français : c'est le comportement par défaut observé ce jour-là ; la configuration de génération (thèmes, exemples) permet de l'orienter ;
  • la recherche de l'exercice (async_search_memory) a renvoyé ce souvenir pour camille, et une liste vide pour un autre utilisateur (dominique).

Je sais faire

  • Déployer un agent ADK sur Agent Engine et retrouver son nom de ressource
  • Ouvrir une session distante et lire les événements en streaming
  • Lister les souvenirs générés par Memory Bank
  • Vérifier qu'une nouvelle session utilise les souvenirs d'une session précédente
Next