- Open-Source-Framework für die Entwicklung anspruchsvoller und skalierbarer KI-Agenten.
- Native Unterstützung für die lokale Ausführung auf Android-Geräten über Gemini Nano.
- Fähigkeit zur Orchestrierung von Multiagentensystemen durch die Kombination von Cloud- und On-Premises-Modellen.
- Flexibles Ökosystem, das die Integration von kundenspezifischen Tools und MCP-Standards ermöglicht.
Wenn du dich für künstliche Intelligenz und Kotlin-Programmierung interessierst, mach dich bereit, denn das Agent Development Kit (ADK) ist da und wird die Sache spannend machen. Im Grunde ist es ein Open-Source-Toolkit Dies ermöglicht es Ihnen, KI-Agenten mit vollständiger Kontrolle zu entwickeln, egal ob diese auf Ihrem eigenen Computer, in der Google Cloud oder direkt auf dem Mobilgerät eines Benutzers ausgeführt werden sollen.
Der größte Vorteil dieses Rahmens liegt in seinem gewählten Ansatz. "Code-First"Vergessen Sie umständliche Konfigurationen in externen Schnittstellen; hier definieren Sie das Verhalten, die Orchestrierungslogik und die Werkzeugnutzung direkt im Code, was es Debuggen und versionieren Sie Ihre Agenten Das ist im Vergleich zu anderen Methoden ein Kinderspiel.
Implementierung im Android-Ökosystem
Die wahre Stärke des ADK liegt in der Integration von KI in mobile Geräte. Dank seiner für die Android-Umgebung optimierten Abhängigkeiten lassen sich damit einzigartige Nutzererlebnisse schaffen. Datenschutz priorisieren und sie haben eine sehr geringe Latenz, da sie nicht auf eine konstante Internetverbindung angewiesen sind.
Für den Einstieg benötigen Sie Android Studio und ein aktualisiertes Android SDK (mindestens Version 2.0). compileSdk 34 und minSdk 24In der Gradle-Konfigurationsdatei müssen Sie die Bibliothek hinzufügen. google-adk-kotlin-core-android und dem KSP-Annotationsprozessor. Ein wichtiges Detail ist, dass Man sollte sie nicht mischen. Die Abhängigkeit von Android von der JVM ist begrenzt, da die mobile Version bereits alles Notwendige enthält und über spezifische Kompatibilität mit Gerätemodellen verfügt.
Die Syntax bei der Definition des Agenten ist sehr intuitiv. Annotationen wie beispielsweise @Tool y @Param um anzugeben, welche Fähigkeiten der Agent besitzt. Beispielsweise können Sie einen Dienst erstellen, der die aktuelle Uhrzeit in einer Stadt bereitstellt, und diesen mit einem verknüpfen. LlmAgent Konfiguriert mit einem Modell wie dem Gemini Flash. Seien Sie jedoch in puncto Sicherheit äußerst vorsichtig: Geben Sie niemals API-Schlüssel ein. direkt im Client-App-Code; idealerweise verwenden Sie Ihr eigenes Backend oder Firebase AI Logic, um zu vermeiden, dass Ihre Zugangsdaten nach außen dringen.
Um den Agenten innerhalb einer Android-Aktivität oder eines ViewModels auszuführen, verwenden Sie die InMemoryRunnerDiese Komponente ermöglicht sammle die Antworten vom Agenten mithilfe von Kotlin-Coroutinen, wodurch Echtzeit-Aktualisierungen der Benutzeroberfläche ermöglicht werden, während der Agent die Anfrage des Benutzers verarbeitet.
Gemini Nano und lokale Modelle
Eines der Kronjuwelen ist die Integration mit Zwillinge Nano über die ML Kit APIs. Anstatt ein Remote-Modell aufzurufen, können Sie die Klasse verwenden. GenaiPrompt damit die Schlussfolgerung gezogen werden kann. vollständig auf dem GerätFür Apps, die sensible Daten verarbeiten oder im Flugmodus laufen müssen, ist dies Gold wert.
Das Merkwürdigste daran ist, dass man in die Rolle eines KI-Architekten schlüpfen und etwas bauen kann. MultiagentensystemeStellen Sie sich ein System vor, in dem ein leistungsstarkes Cloud-basiertes Modell als zentrale Steuereinheit fungiert und die vertraulicheren oder schnelleren Aufgaben an andere Stellen delegiert. lokale Unteragenten die auf dem Gerät ausgeführt werden. Diese Struktur ermöglicht eine vertikale Skalierung von einem einfachen Hilfsprogramm bis hin zu einer komplexen Multiagentenanwendung.
Entwicklung in der JVM und fortgeschrittene Tools
Wenn Sie nicht für Android entwickeln, ist das ADK auch in der JVM hervorragend geeignet. Für den Einstieg benötigen Sie lediglich Java 17 und Gradle 8.0. Der Workflow ist ähnlich: Sie definieren Ihren Agenten und verwenden ihn. ReplRunner Sie können über die Konsole damit interagieren oder, falls Sie eine visuellere Lösung bevorzugen, können Sie die AdkWebServer Alles in einer Web-Chat-Oberfläche auf Port 8080 testen.
Hinsichtlich der Leistungsfähigkeit ist das ADK nicht auf die Textgenerierung beschränkt. Werkzeuge Sie ermöglichen es dem Agenten, mit der realen Welt zu interagieren. Es gibt Function ToolsHierbei handelt es sich um lokale Funktionen und die Unterstützung von MCP-Servern (Model Context Protocol), wodurch sich das Spektrum der vom Agenten durchführbaren Aktionen erheblich erweitert.
Für diejenigen, die maximale Effizienz anstreben, gibt es fortschrittliche Implementierungen, die integrieren CodeGraph um den Aufrufgraphen des Codes zu navigieren und den Tokenverbrauch während der Exploration drastisch zu reduzieren. Darüber hinaus die Möglichkeit zu nutzen verschiedene LLM-Anbieter (wie beispielsweise OpenAI, Anthropic oder Ollama) macht das Framework extrem vielseitig und nicht ausschließlich von einem einzigen Ökosystem abhängig.
Das Agent Development Kit für Kotlin positioniert sich als robuste Lösung, die die Leistungsfähigkeit von Sprachmodellen mit der Flexibilität von Kotlin vereint und Folgendes ermöglicht: Schnelle Prototypen in der JVM einschließlich komplexer und privater Bereitstellungen auf Android mit Gemini Nano und intelligentem Management von Tools und Multiagenten.