- Avoimen lähdekoodin kehys hienostuneiden ja skaalautuvien tekoälyagenttien suunnitteluun.
- Natiivi tuki paikalliselle suoritukselle Android-laitteilla Gemini Nanon kautta.
- Kyky orkestroida moniagenttijärjestelmiä yhdistämällä pilvi- ja paikallisia malleja.
- Joustava ekosysteemi, joka mahdollistaa räätälöityjen työkalujen ja MCP-standardien integroinnin.
Jos olet kiinnostunut tekoälystä ja Kotlin-ohjelmoinnista, valmistaudu, sillä Agent Development Kit (ADK) on täällä tekemässä asioista mielenkiintoisia. Pohjimmiltaan se on avoimen lähdekoodin työkalupakki jonka avulla voit suunnitella tekoälyagentteja täysin halliten niitä, olipa kyse sitten omasta tietokoneestasi, Google Cloudista tai suoraan käyttäjän mobiililaitteesta.
Tämän viitekehyksen tehokkain ominaisuus on se, että se valitsee lähestymistavan "koodi ensin"Unohda tylsät ulkoisten rajapintojen määritykset; tässä määrität toiminnan, orkestrointilogiikan ja työkalujen käytön suoraan koodissa, mikä tekee siitä vianmääritä ja versioi agenttejasi olla helppokäyttöinen verrattuna muihin menetelmiin.
Toteutus Android-ekosysteemissä
Tekoälyn tuominen mobiililaitteisiin on ADK:n todellinen loistama osa. Android-ympäristöön optimoitujen riippuvuuksien ansiosta voit luoda kokemuksia, jotka yksityisyyden priorisointi ja niillä on erittäin pieni latenssi, koska ne eivät ole riippuvaisia jatkuvasta internetyhteydestä.
Aloittaaksesi tarvitset Android Studion ja päivitetyn Android SDK:n (vähintään compileSdk 34 ja minSdk 24Gradle-määritystiedostoon sinun on lisättävä kirjasto google-adk-kotlin-core-android ja KSP-merkintäprosessori. Tärkeä yksityiskohta on, että Ei niitä kannata sekoittaa. Androidin riippuvuus JVM:stä on rajallinen, koska mobiiliversio sisältää jo kaiken tarvittavan ja tietyn yhteensopivuuden laitemallien kanssa.
Agenttia määriteltäessä syntaksi on hyvin intuitiivinen. Annotaatiot, kuten @Tool y @Param osoittamaan agentin ominaisuudet. Voit esimerkiksi luoda palvelun, joka tarjoaa kaupungin nykyisen ajan ja linkittää sen LlmAgent konfiguroitu mallilla, kuten Gemini Flash. Ole kuitenkin erittäin varovainen turvallisuuden kanssa: Älä koskaan anna API-avaimia suoraan asiakassovelluksen koodissa; mieluiten käytä omaa taustajärjestelmääsi tai Firebase AI Logic -sovellusta, jotta tunnistetietosi eivät paljastu maailmalle.
Agentin suorittamiseen Android-aktiviteetissa tai ViewModelissa käytetään InMemoryRunnerTämä komponentti mahdollistaa kerää vastaukset agentilta Kotlin-korutiineja käyttäen, mikä helpottaa reaaliaikaisia käyttöliittymäpäivityksiä agentin käsitellessä käyttäjän pyyntöä.
Gemini Nano ja paikalliset mallit
Yksi kruununjalokivistä on integraatio Gemini Nano ML Kit -rajapintojen kautta. Etämallin kutsumisen sijaan voit käyttää luokkaa GenaiPrompt jotta johtopäätös voidaan tehdä kokonaan laitteellaTämä on puhdasta kultaa sovelluksille, jotka käsittelevät arkaluonteisia tietoja tai joiden on toimittava lentokonetilassa.
Mielenkiintoisinta on, että voit leikkiä tekoälyarkkitehtiä ja rakentaa moniagenttijärjestelmätKuvittele järjestelmä, jossa tehokas pilvipohjainen malli toimii orkestroivana aivoina ja delegoi yksityisemmät tai nopeammat tehtävät paikalliset aliagentit jotka toimivat laitteella. Tämä rakenne mahdollistaa vertikaalisen skaalautumisen yksinkertaisesta apuohjelmasta monimutkaiseen moniagenttisovellukseen.
Kehitys JVM:ssä ja edistyneissä työkaluissa
Jos et kehitä Androidille, ADK loistaa myös JVM:ssä. Aloittaaksesi tarvitset vain Java 17:n ja Gradle 8.0:n. Työnkulku on samanlainen: määrittelet agenttisi ja käytät ReplRunner vuorovaikuttaaksesi sen kanssa konsolista tai jos haluat jotain visuaalisempaa, voit nostaa AdkWebServer testatakseen kaiken web-chat-käyttöliittymässä portissa 8080.
Ominaisuuksien suhteen ADK ei rajoitu tekstin luomiseen. työkalut Ne mahdollistavat agentin vuorovaikutuksen todellisen maailman kanssa. On olemassa Function ToolsNämä ovat paikallisia funktioita ja tuki MCP (Model Context Protocol) -palvelimille, mikä laajentaa huomattavasti agentin suorittamien toimintojen valikoimaa.
Maksimaalista tehokkuutta etsiville on olemassa edistyneitä toteutuksia, jotka integroivat CodeGraph navigoida koodin kutsukaaviossa, mikä vähentää merkittävästi tokenin kulutusta tutkimuksen aikana. Lisäksi mahdollisuus käyttää useita LLM-tarjoajia (kuten OpenAI, Anthropic tai Ollama) tekevät kehyksestä erittäin monipuolisen eikä riippuvaisen yksinomaan yhdestä ekosysteemistä.
Kotlinin Agent Development Kit positionoi itsensä vankaksi ratkaisuksi, joka yhdistää kielimallien tehon Kotlinin joustavuuteen, mahdollistaen nopeat prototyypit JVM:ssä mukaan lukien monimutkaiset ja yksityiset käyttöönotot Androidilla Gemini Nanon avulla sekä työkalujen ja moniagenttien älykäs hallinta.