Новий фреймворк Google ADK дозволяє створювати агентів на Python і Java

Компанія Google оновила фреймворк ADK (Agent Development Kit). Вперше представлений у квітні цього року, ADK допомагає опанувати повний життєвий цикл розробки агентів штучного інтелекту, включаючи створення, тестування та розгортання, пише Developer-Tech.

Хоча ADK оптимізовано для Gemini та екосистеми Google, він не залежить від моделі та створений для сумісності з іншими фреймворками, які підтримують роботу на Python і Java.

Компанія рекомендує розгортати ADK у Vertex AI Agent Engine Runtime, повністю керованому сервісі Google Cloud, спеціально розробленому для розгортання, керування та масштабування агентів штучного інтелекту.

Створення агента в ADK є відносно простим процесом за допомогою Python, однак справжня цінність полягає в потужному наборі інструментів, які надає вам цей фреймворк. Багато хто з розробників засмічує свої функції операторами print(), намагаючись швидко побачити, про що «думає» програма в будь-який момент. Це класичний метод налагодження, але він не завжди підходить, коли ви намагаєтеся зрозуміти багаторівневу логіку агента, масив інструментів, які він має в своєму розпорядженні, та часто непередбачувану природу мовної моделі, яка його живить.

Оскільки ADK оснащено інструментом командного рядка та веб-інтерфейсом, ви можете спостерігати за робочим процесом і детально відстежувати кожен крок, від введення даних користувачем до остаточної відповіді.

Коли ваш агент робить щось неочікуване, замість того, щоб переглядати журнали чи додавати більше операторів print(), ви можете просто натиснути rewind (перейти назад). Інтерфейс ADK діє як традиційний налагоджувач, дозволяючи вам повернутися назад у процесі прийняття рішень агентом. Цей миттєвий цикл зворотного зв’язку скорочує час розробки та налагодження з тижнів до годин, дозволяючи вам швидко виконувати ітерації та швидко створювати інтелектуальні агенти ШІ.

Фреймворк постачається з вбудованою системою тестування, розробленою для того, щоб ваш агент був випробуваний задовго до того, як користувачі почнуть з ним взаємодіяти. Ви можете створити набір тестових випадків — наприклад, у простому JSON-файлі — які охоплюють широкий спектр різних сценаріїв та визначають очікувані результати для кожного з них. Потім ви можете автоматично запускати ці тести, щоб перевірити не лише правильність остаточної відповіді, але й те, чи агент дійшов до неї логічним та ефективним способом.