- Atvirojo kodo sistema, skirta kurti sudėtingus ir keičiamo dydžio dirbtinio intelekto agentus.
- Gimtoji vietinio vykdymo palaikymas „Android“ įrenginiuose per „Gemini Nano“.
- Galimybė valdyti kelių agentų sistemas derinant debesijos ir vietinius modelius.
- Lanksti ekosistema, leidžianti integruoti pritaikytus įrankius ir MCP standartus.
Jei domitės dirbtiniu intelektu ir Kotlin programavimu, pasiruoškite, nes agentų kūrimo rinkinys (ADK) padės viską padaryti įdomų. Iš esmės tai atvirojo kodo įrankių rinkinys , leidžiantis kurti dirbtinio intelekto agentus su visiška kontrole, nesvarbu, ar jie veikia jūsų kompiuteryje, „Google Cloud“ debesyje, ar tiesiogiai vartotojo mobiliajame įrenginyje.
Galingiausias šios sistemos aspektas yra jos „pirmiausia kodas“ metodas . Pamirškite nuobodžias išorinių sąsajų konfigūracijas; čia jūs tiesiogiai kode apibrėžiate elgseną, koordinavimo logiką ir įrankių naudojimą, todėl agentų derinimas ir versijų kūrimas yra daug lengvesnis nei kiti metodai.
Įdiegimas „Android“ ekosistemoje
Dirbtinio intelekto pritaikymas mobiliuosiuose įrenginiuose yra tikras ADK privalumas. Dėl optimizuotų priklausomybių „Android“ aplinkai, galite kurti privatumo užtikrinimo funkcijas su neįtikėtinai mažu delsos laiku, nes joms nereikia nuolatinio interneto ryšio.
Norėdami pradėti, turite turėti „Android Studio“ ir atnaujintą „Android SDK“ (bent jau „compileSdk 34“ ir „minSdk 24“„Gradle“ konfigūracijos faile turėsite pridėti biblioteką google-adk-kotlin-core-android ir KSP anotacijų procesorius. Svarbi detalė yra ta, kad Neturėtumėte jų maišyti. „Android“ priklausomybė nuo JVM yra ribota, nes mobiliojoje versijoje jau yra viskas, kas būtina, ir yra suderinamumas su konkrečiais įrenginių modeliais.
Apibrėžiant agentą, sintaksė yra labai intuityvi. Tokios anotacijos kaip @Tool y @Param nurodyti, kokias galimybes turi agentas. Pavyzdžiui, galite sukurti paslaugą, kuri pateikia dabartinį laiką mieste, ir susieti ją su LlmAgent sukonfigūruotas su tokiu modeliu kaip „Gemini Flash“. Tačiau būkite labai atsargūs dėl saugumo: Niekada neįveskite API raktų tiesiai kliento programos kode; idealiu atveju naudokite savo vidinę sistemą arba „Firebase AI Logic“, kad jūsų prisijungimo duomenys nebūtų atskleisti pasauliui.
Norėdami paleisti agentą „Android“ veikloje arba „ViewModel“, naudojate InMemoryRunnerŠis komponentas leidžia surinkti atsakymus iš agento, naudojančio „Kotlin“ korutinas, palengvinančias vartotojo sąsajos atnaujinimus realiuoju laiku, kol agentas apdoroja vartotojo užklausą.
Gemini Nano ir vietiniai modeliai
Vienas iš svarbiausių privalumų yra integracija su Dvyniai Nano per ML rinkinio API. Užuot iškvietę nuotolinį modelį, galite naudoti klasę GenaiPrompt kad būtų galima padaryti išvadą visiškai ant įrenginioTai grynas auksas programoms, kurios tvarko slaptus duomenis arba turi veikti lėktuvo režimu.
Įdomiausia tai, kad galite žaisti kaip dirbtinio intelekto architektas ir kurti kelių agentų sistemas . Įsivaizduokite schemą, kurioje galingas debesijos modelis veikia kaip koordinuojančios smegenys ir deleguoja privatesnes ar greitesnes užduotis vietiniams įrenginyje veikiantiems subagentams . Ši struktūra leidžia vertikaliai plėstis nuo paprastos programos iki sudėtingos kelių agentų programos.
JVM ir pažangių įrankių kūrimas
Jei nekuriate „Android“ platformai, ADK taip pat puikiai veikia JVM. Pradžiai tereikia „Java 17“ ir „Gradle 8.0“. Darbo eiga panaši: apibrėžiate savo agentą ir naudojate ReplRunner kad galėtumėte su juo sąveikauti iš konsolės arba, jei norite kažko vizualesnio, galite pakelti AdkWebServer kad būtų galima viską patikrinti žiniatinklio pokalbių sąsajoje, esančioje 8080 prievade.
Kalbant apie galimybes, ADK neapsiriboja teksto generavimu. įrankiai Jie leidžia agentui sąveikauti su realiuoju pasauliu. Yra Function ToolsTai yra vietinės funkcijos ir MCP (Model Context Protocol) serverių palaikymas, o tai labai išplečia agento atliekamų veiksmų diapazoną.
Tiems, kurie siekia maksimalaus efektyvumo, yra pažangių diegimų, kurie integruoja „CodeGraph“ , kad būtų galima naršyti kodo iškvietimo grafe, taip smarkiai sumažinant žetonų sunaudojimą tyrinėjimo metu. Be to, galimybė naudoti įvairius LLM teikėjus (pvz., „OpenAI“, „Anthropic“ arba „Ollama“) daro sistemą itin universalią ir nepriklausomą nuo vienos ekosistemos.
„Kotlin“ agentų kūrimo rinkinys pozicionuoja save kaip patikimą sprendimą, sujungiantį kalbos modelių galią su „Kotlin“ lankstumu, leidžiantį atlikti viską – nuo greito prototipų kūrimo JVM iki sudėtingų ir privačių diegimų „Android“ sistemoje naudojant „Gemini Nano“ ir išmanų įrankių bei kelių agentų valdymą.