Vertex AI Agent Engine
App : Un produit que vous utilisez directement
Runtime managé de Google Cloud pour déployer des agents : exécution, sessions, mémoire longue (Memory Bank), exécution de code et identité d'agent.
Le pendant Google d'AgentCore, pensé pour les agents écrits avec ADK. Memory Bank isole les mémoires par utilisateur, avec durée de vie et droits IAM configurables.
La sécurité reflète la destination des données, les permissions demandées et les incidents recensés à la date de vérification. Ce n’est pas une garantie d’absence de risque : vérifiez le mode de déploiement et les connexions que vous activez.
Ce que ça fait, concrètement
Déployer un agent IA en production implique de gérer l'infrastructure, la mise à l'échelle, la persistance du contexte et la sécurité des exécutions. Vertex AI Agent Engine, désormais intégré à la plateforme Gemini Enterprise Agent Platform, prend en charge ces aspects dans un environnement entièrement géré par Google Cloud.
Concrètement, le service propose quatre blocs principaux : un runtime serverless pour déployer et faire évoluer les agents sans gérer de serveurs, un système de sessions pour conserver l'état d'une conversation, une Memory Bank pour stocker des informations persistantes entre plusieurs sessions, et un environnement d'exécution de code Python isolé. Les agents peuvent être écrits avec ADK, LangChain, LangGraph, LlamaIndex, AG2 ou le protocole Agent2Agent.
La plateforme s'adresse aux équipes de développement qui construisent des agents IA à usage professionnel et ont besoin d'observabilité, de contrôle des accès IAM, de résidence des données et de fonctionnalités de sécurité entreprise comme VPC Service Controls ou les clés de chiffrement gérées par le client (CMEK).
Elle ne convient pas à ceux qui cherchent une solution sans code ou un outil grand public : il faut maîtriser Google Cloud, configurer des comptes de service et écrire du code pour déployer ses agents.
Ce que ça propose
- ·Runtime serverless géré pour déployer et faire évoluer des agents sans administrer d'infrastructure, avec démarrages à froid inférieurs à une seconde (payant).
- ·Sessions pour conserver l'état et le contexte d'une conversation au sein d'une même interaction utilisateur-agent (payant).
- ·Memory Bank pour stocker des préférences et faits utilisateur de façon persistante entre plusieurs sessions, avec contrôle d'accès par IAM Conditions (payant).
- ·Exécution de code Python dans un environnement sandbox sécurisé et isolé pour les calculs et l'automatisation (payant).
- ·Identité d'agent IAM permettant d'attribuer des permissions précises à chaque agent déployé.
- ·Compatibilité avec plusieurs frameworks : ADK, LangChain, LangGraph, LlamaIndex, AG2 et Agent2Agent.
- ·Observabilité intégrée via Cloud Trace, Cloud Logging et métriques personnalisées pour surveiller les agents en production.
- ·Fonctionnalités de sécurité entreprise : VPC Service Controls, CMEK, résidence des données et conformité HIPAA pour la plupart des services.
En pratique
- Prix
- PayantRuntime facturé à l'usage ; Sessions, Memory Bank et Code Execution facturés depuis le 28 janvier 2026.
- Usage commercial
- Usage commercial : oui
- Disponible sur
- cloud
- Interface FR
- Non
Sécurité et données
- Pastille
- Sécu : une réserve, lire la fiche
- Vos données
- Données chez l’éditeur
- Permissions
- L'agent s'exécute dans votre projet Google Cloud avec son identité d'agent ; vérifiez la région choisie pour la résidence des données.
- Maintenance
- Active
Liens et dépôt vérifiés le 18 octobre 2026 · ajoutée le 27 septembre 2026
Comment installer Vertex AI Agent Engine
pip install google-cloud-aiplatform[agent_engines,adk] puis déploiement depuis le SDK (projet Google Cloud requis)