- Рамка с отворен код за проектиране на сложни и мащабируеми AI агенти.
- Вградена поддръжка за локално изпълнение на Android устройства чрез Gemini Nano.
- Възможност за оркестриране на многоагентни системи чрез комбиниране на облачни и локални модели.
- Гъвкава екосистема, която позволява интеграция на персонализирани инструменти и MCP стандарти.
Ако се интересувате от изкуствен интелект и програмиране с Kotlin, пригответе се, защото Комплектът за разработка на агенти (ADK) е тук, за да направи нещата интересни. По принцип това е... инструментариум с отворен код което ви позволява да проектирате AI агенти с пълен контрол, независимо дали да работят на вашия собствен компютър, в Google Cloud или директно на мобилното устройство на потребителя.
Най-силният аспект на тази рамка е, че тя избира подход „кодът е на първо място“Забравете досадните конфигурации във външни интерфейси; тук вие дефинирате поведението, логиката на оркестрация и използването на инструменти директно в кода, което го прави... отладка и версия на вашите агенти да е разходка в парка в сравнение с други методи.
Внедряване в екосистемата на Android
Пренасянето на изкуствен интелект в мобилни устройства е сферата, в която ADK наистина блести. Благодарение на оптимизираните зависимости за Android среда, можете да създавате изживявания, които... приоритет на поверителността и имат много ниска латентност, тъй като не зависят от постоянна интернет връзка.
За да започнете, трябва да имате Android Studio и актуализиран Android SDK (поне compileSdk 34 и minSdk 24В конфигурационния файл на Gradle ще трябва да добавите библиотеката google-adk-kotlin-core-android и процесора за анотации KSP. Важен детайл е, че Не бива да ги смесвате. Зависимостта на Android от JVM е ограничена, тъй като мобилната версия вече включва всичко необходимо и специфична съвместимост с моделите устройства.
При дефинирането на агента, синтаксисът е много интуитивен. Анотации като @Tool y @Param за да посочите какви възможности има агентът. Например, можете да създадете услуга, която предоставя текущото време в даден град и да я свържете с LlmAgent конфигуриран с модел като Gemini Flash. Бъдете обаче много внимателни със сигурността: Никога не въвеждайте API ключове директно в кода на клиентското приложение; в идеалния случай използвайте собствен бекенд или Firebase AI Logic, за да избегнете разкриването на вашите идентификационни данни пред света.
За да стартирате агента в рамките на Android дейност или ViewModel, използвате InMemoryRunnerТози компонент позволява съберете отговорите от агента, използващ корутини на Kotlin, улеснявайки актуализациите на потребителския интерфейс в реално време, докато агентът обработва заявката на потребителя.
Gemini Nano и локални модели
Едно от перлите в короната е интеграцията с Близнаци Нано чрез API-тата на ML Kit. Вместо да извиквате отдалечен модел, можете да използвате класа GenaiPrompt за да може да се направи изводът изцяло на устройствотоТова е чисто злато за приложения, които обработват чувствителни данни или които трябва да работят в самолетен режим.
Най-любопитното е, че можете да се превърнете в архитект на изкуствен интелект и да изградите многоагентни системиПредставете си схема, в която мощен облачен модел действа като оркестриращ мозък и делегира по-частните или по-бързи задачи на местни подагенти които се изпълняват на устройството. Тази структура позволява вертикално мащабиране от проста помощна програма до сложно многоагентно приложение.
Разработка в JVM и разширени инструменти
Ако не разработвате за Android, ADK също е отличен избор в JVM. За да започнете, ви трябват само Java 17 и Gradle 8.0. Работният процес е подобен: дефинирате вашия агент и използвате ReplRunner да взаимодействате с него от конзолата или, ако предпочитате нещо по-визуално, можете да повдигнете AdkWebServer да тествам всичко в уеб чат интерфейс на порт 8080.
По отношение на възможностите, ADK не е ограничен само до генериране на текст. инструменти Те позволяват на агента да взаимодейства с реалния свят. Има Function ToolsТова са локални функции и поддръжка за MCP (Model Context Protocol) сървъри, което значително разширява обхвата от действия, които агентът може да извършва.
За тези, които търсят максимална ефективност, има усъвършенствани реализации, които интегрират CodeGraph за навигиране в графа на извикванията на кода, драстично намалявайки потреблението на токени по време на проучване. Освен това, възможността за използване различни доставчици на LLM (като OpenAI, Anthropic или Ollama) прави рамката изключително гъвкава и не зависима единствено от една единствена екосистема.
Комплектът за разработка на агенти за Kotlin се позиционира като надеждно решение, което обединява силата на езиковите модели с гъвкавостта на Kotlin, позволявайки от бързи прототипи в JVM включително сложни и частни внедрявания на Android с помощта на Gemini Nano и интелигентно управление на инструменти и мултиагенти.