AutoAgent 接入 Google Gemini 与 Vertex AI零代码 LLM Agent 框架的完整配置指南【免费下载链接】AutoAgentAutoAgent: Fully-Automated and Zero-Code LLM Agent Framework项目地址: https://gitcode.com/GitHub_Trending/au/AutoAgentAutoAgent 是一个全自动、零代码的 LLM Agent 框架用户仅通过自然语言即可创建和编排 Agent。本文围绕 AutoAgent 中 Google GeminiGoogle AI Studio与 Vertex AIGoogle Cloud Platform两条接入路径讲解模型命名、API Key、环境变量与启动命令的完整配置方法并辅以仓库源码如constant.py、autoagent/cli.py说明参数在框架内部的读取与生效机制。读完本文你将能够使用 Gemini 或 Vertex AI 模型驱动 AutoAgent 的user mode、agent editor与workflow editor三种模式。背景AutoAgent 如何调用 Google 模型AutoAgent 的 Agent 与工具调用统一由 LiteLLM 完成。LiteLLM 是一个统一的 LLM 网关支持provider/model格式的模型命名。AutoAgent 中所有完成completion请求都会携带COMPLETION_MODEL指定的模型名例如 文件查询工具 中的调用from constant import COMPLETION_MODEL, API_BASE_URL # ... final_res completion(modelCOMPLETION_MODEL, messagesmessages, base_urlAPI_BASE_URL)也就是说模型的 Provider 与具体型号完全由模型名决定以gemini/为前缀表示走 Google AI Studio 的 Gemini API以vertex_ai/为前缀表示走 Google Cloud Platform 的 Vertex AI 服务。因此接入 Google 模型的核心工作就是设置正确的 API Key 环境变量并把COMPLETION_MODEL设为带正确前缀的模型名。方式一GeminiGoogle AI Studio配置Google AI Studio 提供 Gemini 系列的免费/付费 API Key适合快速试用无需创建 GCP 项目。1. 获取并配置 API Key在 Google AI Studio 模板GEMINI_API_KEYyour_gemini_api_keyAutoAgent 会在启动时通过dotenv自动加载.env文件见 constant.pyfrom dotenv import load_dotenv load_dotenv() # 加载.env文件2. 设置模型名并启动使用环境变量COMPLETION_MODEL指定模型格式必须带gemini/前缀COMPLETION_MODELgemini/gemini-2.0-flash auto main其中auto main是 AutoAgent 的完整 CLI 命令会依次提供user mode、agent editor、workflow editor三种模式见 autoagent/cli.py。模型名规则参考 LiteLLMgemini/model-name例如gemini/gemini-1.5-progemini/gemini-1.5-flashgemini/gemini-2.0-flash3. 源码中的模型名解析COMPLETION_MODEL在 constant.py 中定义COMPLETION_MODEL os.getenv(COMPLETION_MODEL, claude-3-5-sonnet-20241022)默认值是 Anthropic 的claude-3-5-sonnet-20241022因此使用 Gemini 时必须显式设置COMPLETION_MODEL。此外AutoAgent 为 Gemini 做了专门的函数调用function calling适配在 autoagent/core.py 中有adapt_tools_for_gemini()当模型名包含gemini时会对工具定义中所有OBJECT类型参数自动补充非空properties以满足 Gemini 的 schema 校验要求避免工具调用报错。这意味着 Gemini 模型可以正常使用 AutoAgent 的 Tool-Use 能力。方式二Vertex AIGoogle Cloud Platform配置Vertex AI 面向企业级用户使用 Google Cloud 的服务账号Service Account鉴权适合对数据合规、权限管控有要求的场景。1. 准备服务账号凭证在 Google Cloud Console 中创建一个服务账号为其授予 Vertex AI 相关权限如roles/aiplatform.user并导出 JSON 格式的密钥文件。然后通过环境变量注入凭证与项目信息export GOOGLE_APPLICATION_CREDENTIALSjson-dump-of-gcp-service-account-json export VERTEXAI_PROJECTyour-gcp-project-id export VERTEXAI_LOCATIONyour-gcp-location三个变量的含义环境变量说明GOOGLE_APPLICATION_CREDENTIALSGCP 服务账号 JSON 凭证内容注意是 JSON 字符串本身而非文件路径VERTEXAI_PROJECT你的 GCP 项目 IDVERTEXAI_LOCATION部署区域如us-central1、asia-east1需与开通 Vertex AI 的区域一致2. 设置模型名并启动Vertex AI 模型名使用vertex_ai/前缀COMPLETION_MODELvertex_ai/gemini-1.5-pro auto mainLiteLLM 会根据vertex_ai/前缀走 Vertex AI 通道并结合上面三个环境变量完成鉴权与请求路由。常用的 Vertex AI Gemini 模型包括vertex_ai/gemini-1.5-provertex_ai/gemini-1.5-flashvertex_ai/gemini-2.0-flash3. 使用前提与限制需要已经开通 Google Cloud 项目并启用 Vertex AI API且服务账号对该项目有权限GOOGLE_APPLICATION_CREDENTIALS传入的是凭证 JSON 的字符串内容如果需要在多台机器或容器中复用请妥善保管若使用 Docker 容器方式运行 AutoAgent需通过-e参数把这些环境变量传入容器。CLI 模式与 Docker 运行补充说明AutoAgent 同时支持本机 CLI 与 Docker 容器两种运行形态本机运行直接在项目根目录设置.env中的 API Key并用COMPLETION_MODEL... auto main启动。这是官方 README 推荐的方式。Docker 运行使用镜像时通过-e传递环境变量例如docker run -e GEMINI_API_KEYyour-gemini-api-key \ -e COMPLETION_MODELgemini/gemini-1.5-pro \ -p 12347:12347 autoagent-imageVertex AI 场景则对应传入GOOGLE_APPLICATION_CREDENTIALS、VERTEXAI_PROJECT、VERTEXAI_LOCATION三个变量。此外AutoAgent 还会根据模型名自动推断一些行为参数见 constant.py例如NOT_SUPPORT_FN_CALL列表中的模型如llama、grok-2会关闭 function calling而 Gemini 不在该列表中因此默认启用函数调用能力。常见问题排查模型不生效 / 仍报 Claude 相关错误确认已在启动命令前显式设置COMPLETION_MODEL默认值是claude-3-5-sonnet-20241022见 constant.py并确保模型名带正确前缀gemini/或vertex_ai/。Gemini 工具调用报 schema 错误请确保使用仓库当前版本其中已内置adapt_tools_for_gemini适配逻辑autoagent/core.py如果仍失败可尝试在COMPLETION_MODEL中显式包含gemini字样以触发适配分支见 autoagent/core.py。Vertex AI 鉴权失败检查GOOGLE_APPLICATION_CREDENTIALS是否为服务账号 JSON 的完整内容、VERTEXAI_PROJECT是否与 GCP 项目 ID 一致、VERTEXAI_LOCATION是否已开通 Vertex AI 服务。速率限制429LiteLLM 层会自动重试可通过LLM_NUM_RETRIES、LLM_RETRY_MIN_WAIT、LLM_RETRY_MAX_WAIT、LLM_RETRY_MULTIPLIER等环境变量调整重试策略。小结接入 Google 模型到 AutoAgent 的关键可以归纳为两点正确的 API Key 环境变量GEMINI_API_KEY或GOOGLE_APPLICATION_CREDENTIALSVERTEXAI_PROJECTVERTEXAI_LOCATION与正确的模型名前缀gemini/或vertex_ai/。完成配置后执行COMPLETION_MODEL模型名 auto main即可让 Gemini 驱动的 Agent 完成深度研究、Agent 创建与工作流编排等全部功能。相关配置入口与源码可继续参阅 .env.template、constant.py、autoagent/cli.py 与 autoagent/core.py。【免费下载链接】AutoAgentAutoAgent: Fully-Automated and Zero-Code LLM Agent Framework项目地址: https://gitcode.com/GitHub_Trending/au/AutoAgent创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 AutoAgent 接入 Google Gemini 与 Vertex AI：零代码 LLM Agent 框架的完整配置指南
AutoAgent 接入 Google Gemini 与 Vertex AI零代码 LLM Agent 框架的完整配置指南【免费下载链接】AutoAgentAutoAgent: Fully-Automated and Zero-Code LLM Agent Framework项目地址: https://gitcode.com/GitHub_Trending/au/AutoAgentAutoAgent 是一个全自动、零代码的 LLM Agent 框架用户仅通过自然语言即可创建和编排 Agent。本文围绕 AutoAgent 中 Google GeminiGoogle AI Studio与 Vertex AIGoogle Cloud Platform两条接入路径讲解模型命名、API Key、环境变量与启动命令的完整配置方法并辅以仓库源码如constant.py、autoagent/cli.py说明参数在框架内部的读取与生效机制。读完本文你将能够使用 Gemini 或 Vertex AI 模型驱动 AutoAgent 的user mode、agent editor与workflow editor三种模式。背景AutoAgent 如何调用 Google 模型AutoAgent 的 Agent 与工具调用统一由 LiteLLM 完成。LiteLLM 是一个统一的 LLM 网关支持provider/model格式的模型命名。AutoAgent 中所有完成completion请求都会携带COMPLETION_MODEL指定的模型名例如 文件查询工具 中的调用from constant import COMPLETION_MODEL, API_BASE_URL # ... final_res completion(modelCOMPLETION_MODEL, messagesmessages, base_urlAPI_BASE_URL)也就是说模型的 Provider 与具体型号完全由模型名决定以gemini/为前缀表示走 Google AI Studio 的 Gemini API以vertex_ai/为前缀表示走 Google Cloud Platform 的 Vertex AI 服务。因此接入 Google 模型的核心工作就是设置正确的 API Key 环境变量并把COMPLETION_MODEL设为带正确前缀的模型名。方式一GeminiGoogle AI Studio配置Google AI Studio 提供 Gemini 系列的免费/付费 API Key适合快速试用无需创建 GCP 项目。1. 获取并配置 API Key在 Google AI Studio 模板GEMINI_API_KEYyour_gemini_api_keyAutoAgent 会在启动时通过dotenv自动加载.env文件见 constant.pyfrom dotenv import load_dotenv load_dotenv() # 加载.env文件2. 设置模型名并启动使用环境变量COMPLETION_MODEL指定模型格式必须带gemini/前缀COMPLETION_MODELgemini/gemini-2.0-flash auto main其中auto main是 AutoAgent 的完整 CLI 命令会依次提供user mode、agent editor、workflow editor三种模式见 autoagent/cli.py。模型名规则参考 LiteLLMgemini/model-name例如gemini/gemini-1.5-progemini/gemini-1.5-flashgemini/gemini-2.0-flash3. 源码中的模型名解析COMPLETION_MODEL在 constant.py 中定义COMPLETION_MODEL os.getenv(COMPLETION_MODEL, claude-3-5-sonnet-20241022)默认值是 Anthropic 的claude-3-5-sonnet-20241022因此使用 Gemini 时必须显式设置COMPLETION_MODEL。此外AutoAgent 为 Gemini 做了专门的函数调用function calling适配在 autoagent/core.py 中有adapt_tools_for_gemini()当模型名包含gemini时会对工具定义中所有OBJECT类型参数自动补充非空properties以满足 Gemini 的 schema 校验要求避免工具调用报错。这意味着 Gemini 模型可以正常使用 AutoAgent 的 Tool-Use 能力。方式二Vertex AIGoogle Cloud Platform配置Vertex AI 面向企业级用户使用 Google Cloud 的服务账号Service Account鉴权适合对数据合规、权限管控有要求的场景。1. 准备服务账号凭证在 Google Cloud Console 中创建一个服务账号为其授予 Vertex AI 相关权限如roles/aiplatform.user并导出 JSON 格式的密钥文件。然后通过环境变量注入凭证与项目信息export GOOGLE_APPLICATION_CREDENTIALSjson-dump-of-gcp-service-account-json export VERTEXAI_PROJECTyour-gcp-project-id export VERTEXAI_LOCATIONyour-gcp-location三个变量的含义环境变量说明GOOGLE_APPLICATION_CREDENTIALSGCP 服务账号 JSON 凭证内容注意是 JSON 字符串本身而非文件路径VERTEXAI_PROJECT你的 GCP 项目 IDVERTEXAI_LOCATION部署区域如us-central1、asia-east1需与开通 Vertex AI 的区域一致2. 设置模型名并启动Vertex AI 模型名使用vertex_ai/前缀COMPLETION_MODELvertex_ai/gemini-1.5-pro auto mainLiteLLM 会根据vertex_ai/前缀走 Vertex AI 通道并结合上面三个环境变量完成鉴权与请求路由。常用的 Vertex AI Gemini 模型包括vertex_ai/gemini-1.5-provertex_ai/gemini-1.5-flashvertex_ai/gemini-2.0-flash3. 使用前提与限制需要已经开通 Google Cloud 项目并启用 Vertex AI API且服务账号对该项目有权限GOOGLE_APPLICATION_CREDENTIALS传入的是凭证 JSON 的字符串内容如果需要在多台机器或容器中复用请妥善保管若使用 Docker 容器方式运行 AutoAgent需通过-e参数把这些环境变量传入容器。CLI 模式与 Docker 运行补充说明AutoAgent 同时支持本机 CLI 与 Docker 容器两种运行形态本机运行直接在项目根目录设置.env中的 API Key并用COMPLETION_MODEL... auto main启动。这是官方 README 推荐的方式。Docker 运行使用镜像时通过-e传递环境变量例如docker run -e GEMINI_API_KEYyour-gemini-api-key \ -e COMPLETION_MODELgemini/gemini-1.5-pro \ -p 12347:12347 autoagent-imageVertex AI 场景则对应传入GOOGLE_APPLICATION_CREDENTIALS、VERTEXAI_PROJECT、VERTEXAI_LOCATION三个变量。此外AutoAgent 还会根据模型名自动推断一些行为参数见 constant.py例如NOT_SUPPORT_FN_CALL列表中的模型如llama、grok-2会关闭 function calling而 Gemini 不在该列表中因此默认启用函数调用能力。常见问题排查模型不生效 / 仍报 Claude 相关错误确认已在启动命令前显式设置COMPLETION_MODEL默认值是claude-3-5-sonnet-20241022见 constant.py并确保模型名带正确前缀gemini/或vertex_ai/。Gemini 工具调用报 schema 错误请确保使用仓库当前版本其中已内置adapt_tools_for_gemini适配逻辑autoagent/core.py如果仍失败可尝试在COMPLETION_MODEL中显式包含gemini字样以触发适配分支见 autoagent/core.py。Vertex AI 鉴权失败检查GOOGLE_APPLICATION_CREDENTIALS是否为服务账号 JSON 的完整内容、VERTEXAI_PROJECT是否与 GCP 项目 ID 一致、VERTEXAI_LOCATION是否已开通 Vertex AI 服务。速率限制429LiteLLM 层会自动重试可通过LLM_NUM_RETRIES、LLM_RETRY_MIN_WAIT、LLM_RETRY_MAX_WAIT、LLM_RETRY_MULTIPLIER等环境变量调整重试策略。小结接入 Google 模型到 AutoAgent 的关键可以归纳为两点正确的 API Key 环境变量GEMINI_API_KEY或GOOGLE_APPLICATION_CREDENTIALSVERTEXAI_PROJECTVERTEXAI_LOCATION与正确的模型名前缀gemini/或vertex_ai/。完成配置后执行COMPLETION_MODEL模型名 auto main即可让 Gemini 驱动的 Agent 完成深度研究、Agent 创建与工作流编排等全部功能。相关配置入口与源码可继续参阅 .env.template、constant.py、autoagent/cli.py 与 autoagent/core.py。【免费下载链接】AutoAgentAutoAgent: Fully-Automated and Zero-Code LLM Agent Framework项目地址: https://gitcode.com/GitHub_Trending/au/AutoAgent创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考