ప్రణాళిక రూపొందించే ఏజెంట్‌ను, భారీగా GPU వనరులు అవసరమయ్యే శాస్త్రీయ గణనను, ఆ రెండింటి చుట్టూ ఉండే నియంత్రణలను వేరు చేసే బయోటెక్ ఏజెంట్ నమూనా ఆర్కిటెక్చర్‌ను Google Cloud ప్రచురించింది. అక్టోబర్ 16 నాటి రూపకల్పన కథనంలో ఔషధ అన్వేషణ బృందం Google Cloud పై ప్రోటీన్ ఫోల్డింగ్, అణువుల ఉత్పత్తి, లీడ్ సమ్మేళనాల సమీక్షను ఎలా సమన్వయం చేయవచ్చో వివరించింది. అది ఒక విధానాన్ని, ఉదాహరణ వ్యవస్థను సూచిస్తుంది. కానీ కొలతలు తీసిన వినియోగదారు అమలు, ప్రాసెసింగ్ రేటు ఫలితం, ధ్రువీకరించిన ఔషధ అభ్యర్థిని చూపదు.
పరిశోధనలో ఏజెంట్ వ్యవస్థలను అంచనా వేసే బృందాలకు ఈ తేడా ముఖ్యం. భాషా మోడల్ పనులను పంపిణీ చేసి ఫలితాలను సంగ్రహించగలదు. కానీ ప్రోటీన్ నిర్మాణం లేదా డాకింగ్ కదలిక పథం సాధారణ చాట్ సందర్భంలో ఉంచేందుకు చాలా పెద్దది. శాస్త్రీయ గణనకు ప్రత్యేక రన్‌టైమ్, క్యూ, యాక్సెస్ నియంత్రణలు కూడా ఉంటాయి. ఉమ్మడి వర్క్‌ఫ్లోపై ఆధారపడే ముందు బృందం ప్రతి భాగాన్ని పరిశీలించేందుకు Google ప్రతిపాదన వీటి మధ్య స్పష్టమైన సరిహద్దులను పెడుతుంది.
మూడు పొరలు, వేర్వేరు పనులు
మొదటి పొర Agent Runtimeపై పనిచేసే ప్రధాన సమన్వయకర్త. Google ఉదాహరణలో దీనికి రెండు ప్రత్యేక ఉపఏజెంట్‌లు ఉంటాయి: లీడ్ సమ్మేళనాల మెరుగుదల కోసం ఒకటి, భద్రతా స్క్రీనింగ్ కోసం మరొకటి. ప్రధాన ఏజెంట్ అభ్యర్థనను విడగొట్టి, పనులను పంపిణీ చేసి, సమాధానాన్ని సమీకరిస్తుంది. ఈ ప్రతిపాదిత రూపకల్పనలో అంతర్గత ఏజెంట్‌ల మధ్య పని బదిలీలు ఒకే ప్రాసెస్‌లో జరుగుతాయి. Agent Runtime ఒక నిర్వహిత డిప్లాయ్‌మెంట్ వాతావరణం. ఏజెంట్‌ను కాల్ చేయడానికి ముందు ప్రాజెక్ట్ ఏర్పాటు, Agent Platform SDK for Python, ఏజెంట్ అభివృద్ధి, డిప్లాయ్‌మెంట్ అవసరమని Google పత్రాలు వివరిస్తాయి. కంటైనర్‌లోని ఏజెంట్ దాని రన్‌టైమ్ ఒప్పందాన్ని పాటించాలి.
రెండో పొర ఖర్చుతో కూడిన శాస్త్రీయ పనులను నడుపుతుంది. Google ఉదాహరణలో RTX PRO 6000 Blackwell GPUలు ఉన్న G4 వర్చువల్ మెషీన్‌లను ఉపయోగించి Google Kubernetes Engine పై NVIDIA ESMFold, GenMol ఇన్‌ఫరెన్స్ మైక్రోసర్వీస్‌లను ఏర్పాటు చేస్తారు. ప్రోటీన్ ఫోల్డింగ్, అణువుల ఉత్పత్తి అనేవి సమన్వయకర్త అభ్యర్థించే పనులకు ఉదాహరణలు; సాధారణ ప్రయోజన భాషా మోడల్ స్వయంగా చేసే గణనలు కావు. కోల్డ్-స్టార్ట్ ఆలస్యాన్ని తగ్గించేందుకు కనీసం ఒక GKE నోడ్‌ను క్రియాశీలంగా ఉంచి, పాడ్‌లు ప్రారంభమయ్యేటప్పుడు మోడల్ వెయిట్‌లను లోడ్ చేయాలని కథనం సూచిస్తుంది. సిద్ధంగా ఉన్న నోడ్, లోడ్ చేసిన వెయిట్‌లు వనరులను వినియోగిస్తాయి. ఈ ఎంపికకు సంబంధించి ఆలస్యం, వినియోగ స్థాయి, ఖర్చుల పోలికను కథనం ఇవ్వదు.
మూడో పొర యాక్సెస్‌ను నియంత్రిస్తుంది. Agent Identity ఏజెంట్‌కు SPIFFE గుర్తింపును, నిర్వహిత X.509 సర్టిఫికెట్‌ను ఇస్తుంది. వీటిని IAM అనుమతులు, ఆడిట్ లాగ్‌లతో ఉపయోగించవచ్చు. Agent Gateway మద్దతు ఉన్న ఇన్‌గ్రెస్, ఎగ్రెస్ మార్గాల్లో యాక్సెస్ నియమాలను అమలు చేయగలదు. Agent Registry ఏజెంట్‌లు, MCP సర్వర్‌లు, సాధనాలు, ఎండ్‌పాయింట్‌లను జాబితా చేస్తుంది. కీలక పర్యవసానాలు ఉండే దశల్లో Model Armor తనిఖీలు, మానవ ఆమోదాన్ని కూడా Google ప్రతిపాదిస్తుంది. ఈ నియంత్రణలకు డిప్లాయ్‌మెంట్, విధానాల కాన్ఫిగరేషన్ అవసరం. ఆర్కిటెక్చర్ చిత్రంలో అవి కనిపించినంత మాత్రాన ఒక నిర్దిష్ట డేటా మార్గం ప్రైవేట్ అని లేదా ప్రతి నిర్ణయాన్ని ఆడిట్ చేస్తున్నారని నిర్ధారణ కాదు.
ఫైళ్లను ప్రాంప్ట్ ద్వారా కాకుండా స్టోరేజ్ ద్వారా తరలించాలి
ఈ రూపకల్పనలో ఇతర సందర్భాలకు అత్యంత అనువుగా వర్తింపజేయగల భాగం భారీ శాస్త్రీయ డేటాను నిర్వహించే తీరు. ప్రతిపాదిత వర్క్‌ఫ్లో PDB ఫైళ్లు, డాకింగ్ భంగిమలు, కదలిక పథాల లాగ్‌లను Cloud Storageలో రాస్తుంది. ఏజెంట్‌లు ఆబ్జెక్ట్ రిఫరెన్స్‌లు, చిన్న సారాంశాలను మార్పిడి చేసుకుని, సాధనానికి అవసరమైనప్పుడు అసలు డేటాను తెచ్చుకుంటాయి. దీంతో కోఆర్డినేట్ అరేలను LLM కాంటెక్స్ట్ విండోలోకి పంపాల్సిన అవసరం తప్పుతుంది. ఫైల్ యాక్సెస్, నిల్వ కాలాన్ని నియంత్రించేందుకు బృందానికి ప్రత్యేక స్థలం లభిస్తుంది.
ఈ విధానంలో సంతకం చేసిన ఆబ్జెక్ట్ URIలను Google వివరిస్తుంది. సంతకం చేసిన URL స్వయంగా అందులో పేర్కొన్న పరిధి, కాలవ్యవధికి యాక్సెస్ క్రెడెన్షియల్. కాబట్టి వాస్తవ వర్క్‌ఫ్లో కోసం గడువు, అనుమతులు, లాగింగ్‌ను బృందాలు ఇంకా నిర్దేశించాలి. ఉత్పత్తి వాతావరణంలోని బయోటెక్ పైప్‌లైన్‌కు పూర్తి స్టోరేజ్ విధానం, డేటా ఏ ప్రాంతంలో ఉండాలనే కాన్ఫిగరేషన్ లేదా ముప్పుల నమూనాను రూపకల్పన కథనం వివరించదు. ప్రైవేట్‌గా హోస్ట్ చేసిన గణన కంటైనర్ యాజమాన్య నిర్మాణాలను సంస్థ సరిహద్దుల్లోనే ఉంచుతుందనే వాదన, వాటిని స్వీకరించే లేదా ముందుకు పంపే ప్రతి భాగంపై ఆధారపడి ఉంటుంది. స్టోరేజ్, మోడల్ కాల్‌లు, లాగ్‌లు, బయటకు వెళ్లే ఎండ్‌పాయింట్‌లు కూడా ఇందులో ఉంటాయి.
సుదీర్ఘ సిమ్యులేషన్ శ్రేణిని స్పష్టమైన టూల్ ఇంటర్‌ఫేస్ వెనుక ఉంచి, దశలు పూర్తయినప్పుడు పురోగతిని తెలియజేయాలని కూడా కథనం సూచిస్తుంది. ఈ రూపకల్పన ఎంపికలను వాస్తవ బ్యాకెండ్ క్యూతో పోల్చి అంచనా వేయాలి. శాస్త్రీయ సర్వీస్ అభ్యర్థనలను అంతర్గతంగా వరుసగా ప్రాసెస్ చేస్తే, మరిన్ని అభ్యర్థనలను సమాంతరంగా పంపడం ఉపయోగపడదు. ప్రతిపాదిత కాన్ఫిగరేషన్ ప్రాసెసింగ్ రేటు నిర్ణీతంగా ఉంటుందని చూపే బెంచ్‌మార్క్‌ను వ్యాసం ఇవ్వదు.
మానవ నిర్ణయాన్ని ఎక్కడ ఉంచాలి
నిర్మాణాన్ని వెతకడం లేదా రసాయన పేరును నిర్ధారించడం వంటి వెనక్కి తిప్పగల సన్నాహక పనులను ఏజెంట్‌లు చేయనిస్తూ, అధిక ఖర్చు లేదా కీలక పర్యవసానాలున్న చర్యలకు వ్యక్తి ఆమోదం తీసుకోవాలని Google ప్రతిపాదిస్తుంది. అనేక GPUలపై డాకింగ్ రన్, లీడ్ సమ్మేళనాన్ని వాస్తవ ప్రయోగశాల సంశ్లేషణ వైపు తీసుకెళ్లడం, పరిశోధన కార్యక్రమాన్ని ఆర్కైవ్ చేయడం దాని ఉదాహరణలు. పరిశోధనా సంస్థ ఈ ఆమోద దశలు, ఆమోదించే వ్యక్తి, ప్రతి దశలో చూపాల్సిన ఆధారాలను నిర్ణయించాలి. కథనం ధ్రువీకరించిన భద్రతా స్క్రీనింగ్ ఫలితాన్ని నివేదించదు. నిపుణుల సమీక్ష లేకుండా మోడల్ ఔషధశాస్త్ర నిర్ణయాలు చేయగలదని కూడా నిర్ధారించదు.
పాలనా పత్రాలు బ్లాగ్‌లోని కొన్ని విస్తృత వ్యాఖ్యల పరిధిని కుదిస్తాయి. Gateway, Agent Runtimeతో ఇన్‌గ్రెస్, ఎగ్రెస్ రెండింటికీ మద్దతు ఇస్తుంది. Gemini Enterpriseకు మాత్రం ఎగ్రెస్ మాత్రమే మద్దతు ఉంటుంది. ఒక స్పష్టమైన IAM విధానం గమ్యస్థాన URLను లక్ష్యంగా చేసుకుంటే, నమోదు కాని గమ్యస్థానాలను కూడా చేరుకోవచ్చు. అందువల్ల నమోదు అనేది తెలియని సాధనాలన్నింటినీ ఆపే సార్వత్రిక అడ్డంకి కాదు. Model Armor తనిఖీలు బృందం కాన్ఫిగర్ చేయగల రక్షణ నియమాల్లో భాగం. Agent Identity పత్రాల్లోని పరిమితుల్లో ఏజెంట్ ప్రిన్సిపల్‌లకు పాత Cloud Storage బకెట్ పాత్రలను ఇవ్వలేకపోవడం ఉంది. ఏజెంట్‌ను తొలగించినప్పుడు IAM బైండింగ్‌లను చేతితో శుభ్రం చేయాలి.
ధ్రువీకరణ విషయంలో Google Cloud విడిగా పంచుకున్న ఏజెంట్ ప్లగిన్ మూల్యాంకనం నుంచి నాలుగు పాఠాలు ఉపయోగకరమైన సందర్భాన్ని ఇస్తాయి. అయితే ఆ ప్లగిన్ వేరే వ్యవస్థ. ఏజెంట్ తుది సమాధానాన్ని మాత్రమే అంచనా వేస్తే టూల్-కాల్ లాగ్‌లలో కనిపించే చర్యలు తప్పిపోతాయని బృందం గుర్తించింది. సమాంతర కాల్‌ల నిర్మాణాన్ని కాపాడటం, వాస్తవ రన్‌లను కేవలం ప్రణాళిక చేసే రన్‌లతో పోల్చడం, నిపుణులు ఎంపిక చేసిన ప్రామాణిక పనులను ఉంచుకోవడం దాని సిఫార్సులు. బయోటెక్ ప్రతిపాదనకు దీన్ని వర్తింపజేస్తే వాస్తవ స్టోరేజ్ రాతలు, మోడల్ ఎండ్‌పాయింట్‌లు, అనుమతుల నిర్ణయాలు, క్యూ ప్రవర్తన, మానవ ఆమోదాలను తనిఖీ చేయాలి. BIG CHANGE ఈ ఆర్కిటెక్చర్‌ను నిర్మించలేదు, పరీక్షించలేదు.
ఇంతకుముందు మేము వివరించిన Google Antigravityతో సూక్ష్మజీవ నిరోధక పెప్టైడ్‌ల ప్రాథమిక వడపోత వేరే శాస్త్రీయ ఏజెంట్ పనికి సంబంధించినది. ఇక్కడ ప్రతిపాదించిన మౌలిక వ్యవస్థ నిర్మితమైందని లేదా ధ్రువీకరించబడిందని అది నిరూపించదు.
యాక్సెస్, ఖర్చు, విడుదల స్థితి
బృందానికి Google Cloud ప్రాజెక్ట్, సంబంధిత APIలు, IAM ఏర్పాటు, Agent Runtime డిప్లాయ్‌మెంట్, GKE GPU సామర్థ్యం, స్టోరేజ్, కాన్ఫిగర్ చేసిన పాలనా భాగాలు అవసరం. లభ్యత, పరిమితులు ఎంచుకున్న ప్రాంతాలు, కోటా, ఉత్పత్తి కాన్ఫిగరేషన్‌పై ఆధారపడతాయి. Agent Runtime పత్రాలు ప్రాంతాలు, కోటా జాబితాలను సూచిస్తూ ఉచిత స్థాయి అందుబాటులో ఉందని చెబుతాయి. Agent Platform ధరల పేజీ రన్‌టైమ్ గణన, మెమరీకి ఛార్జీలు, Gateway ఎగ్రెస్ బిల్లింగ్‌ను వివరిస్తుంది. మోడల్ వినియోగం, GPU మౌలిక సదుపాయాలు, Cloud Storageలకు విడిగా ఖర్చులు చేరతాయి. Google ధరల కాలిక్యులేటర్ ఎంచుకున్న కాన్ఫిగరేషన్ ఖర్చును అంచనా వేయడంలో సహాయపడగలదు. నిరంతరం సిద్ధంగా ఉంచే GPU పూల్‌ను కూడా ఆ అంచనాలో చేర్చాలి.
భాగాల పత్రాలు ఉపయోగించగల సర్వీస్‌లను వివరిస్తాయి. కానీ వాటివల్ల ఉమ్మడి బయోటెక్ విధానం సాధారణంగా అందుబాటులో ఉన్న, కొలతలు తీసిన ఉత్పత్తిగా మారదు. Registryలోని స్వతంత్ర స్కిల్స్‌కు స్పష్టంగా Preview గుర్తింపు ఉంది. ఇక్కడ పరిశీలించిన పేజీలు ప్రతిపాదిత వ్యవస్థలోని ప్రతి అంశానికి ఒకే సమగ్ర విడుదల దశ గుర్తింపును ఇవ్వవు. నిర్దిష్ట మోడల్ కంటైనర్‌లు, నెట్‌వర్క్ నియంత్రణలు, పరిశోధన అప్లికేషన్‌ల అనుకూలతను ఉద్దేశించిన ప్రాంతం, డిప్లాయ్‌మెంట్‌కు తనిఖీ చేయాలి. ఈ వ్యాసం అక్టోబర్ 16 ప్రతిపాదనపై పత్రాల ఆధారిత పరిశీలన; సెటప్ మార్గదర్శకం లేదా పనిచేస్తున్న అమలుపై నివేదిక కాదు.
పెద్ద మార్పు
బయోటెక్ ఏజెంట్ వర్క్‌ఫ్లోను ప్రణాళిక, ప్రత్యేక శాస్త్రీయ గణన, నియంత్రిత యాక్సెస్‌గా విభజించే మార్గాన్ని Google వివరించింది. భారీ నిర్మాణాలను రిఫరెన్స్‌ల ద్వారా పంపుతూ, ఖర్చుతో కూడిన లేదా కీలక పర్యవసానాలున్న చర్యలకు మానవ ఆమోదాన్ని ఉంచింది. పరిశోధన మౌలిక సదుపాయాల బృందాలు అంచనా వేయడానికి ఈ రూపకల్పన స్పష్టమైన సరిహద్దులను ఇస్తుంది. వేగం, వేర్పాటు, శాస్త్రీయ విశ్వసనీయత, నిర్వహణ ఖర్చు అనేవి కాన్ఫిగర్ చేసిన అమలు, కొలతలతో కూడిన పరీక్షల ద్వారా తేల్చాల్సిన ప్రశ్నలుగానే మిగిలాయి.
మూలాలు, తదుపరి పఠనం
- Google Cloud, “స్వయంప్రతిపత్తికి రూపకల్పన”: అక్టోబర్ 16 నమూనా ఆర్కిటెక్చర్, దాని ప్రతిపాదిత భాగాలు, వర్క్‌లోడ్ విధానాలు, ఆమోద దశలు.
- Agent Runtime పత్రాలు: నిర్వహిత ఏజెంట్ డిప్లాయ్‌మెంట్, ముందస్తు అవసరాలు, ఫ్రేమ్‌వర్క్ మద్దతు, ప్రాంతాలు, కోటా లింకులు, ధరల సమాచారం ప్రారంభ స్థానం.
- Agent Identity అవలోకనం: గుర్తింపు, క్రెడెన్షియల్‌ల పనితీరు, IAM జీవనచక్రం, ఒక Cloud Storage పాత్ర పరిమితి.
- Agent Gateway అవలోకనం: అమలు నమూనా, రన్‌టైమ్ మోడ్‌లు, కాన్ఫిగరేషన్‌పై ఆధారపడే రక్షణ నియమాలు, పేర్కొన్న పరిమితులు.
- Agent Registry పత్రాలు: నమోదిత వనరుల రకాలు, స్వతంత్ర స్కిల్స్ Preview స్థితి.
- Agent Platform ధరలు: Runtime, Gateway ఛార్జీల ఆధారం; పూర్తి వ్యవస్థ ఖర్చును వేరుగా అంచనా వేయాలి.
- Google Cloud మూల్యాంకనంలోని నాలుగు పాఠాలు: అమలు ఆనవాళ్లు, మూల్యాంకన రూపకల్పనను తనిఖీ చేయడంపై మరో ఏజెంట్ ప్లగిన్ నుంచి సందర్భం.
మూలాలను అక్టోబర్ 18, 2026న తనిఖీ చేశాం. BIG CHANGE ప్రతిపాదిత బయోటెక్ వ్యవస్థను డిప్లాయ్ చేయలేదు, బెంచ్‌మార్క్ చేయలేదు.
