- Регистрация
- Окт 16, 2022
- Сообщения
- 1,233
- Реакции
- 214
- Награды
- 2
Искусственный интеллект в качестве агента — одна из самых перспективных областей современной разработки ИИ. Он мощнее простых чат-ботов, поскольку может использовать инструменты, запускать код, осуществлять поиск в интернете, планировать действия и даже взаимодействовать с другими агентами для выполнения сложных задач.
В этой статье я покажу вам, как создать своего первого ИИ-агента с нуля, используя Google ADK (Agent Development Kit). Это платформа с открытым исходным кодом, которая упрощает создание агентов, их тестирование, добавление инструментов и даже построение многоагентных систем.
Самое приятное? Вы можете собрать всё бесплатно и всего за несколько минут, если у вас уже установлен Python.
Давайте начнём.
Обычная модель искусственного интеллекта (например, ChatGPT или Gemini) выдает только текстовые ответы.
Искусственный интеллект — это нечто иное: он может:
Можно представить себе ИИ-агента как небольшого «работника-ИИ», который может выполнять задачи вместо вас.
В этом уроке мы сначала создадим простого агента, а затем модернизируем его до многоагентной системы с отдельными агентами для исследования, обобщения и координации.
Если у вас всё готово, давайте строить!
mkdir my_first_agent
cd my_first_agent
Теперь создайте виртуальную среду:
python -m venv .venv
Активируйте его:
source .venv/bin/activate # macOS / Linux
# or
.\venv\Scripts\activate # Windows
Виртуальная среда обеспечивает чистоту проекта и предотвращает конфликты версий.
pip install google-adk
adk create my_agent
Выберите модель (можно выбрать Gemini 2.5 или Gemini Flash).
После этого появляется структура папок:
my_agent/
├── agent.py
├── .env
└── __init__.py
Откройте папку в VS Code или любой другой IDE.
Войдите в свою учетную запись Google → боковая панель в левом нижнем углу → Получить ключ API .
Нажмите «Создать ключ API» , дайте ему имя, выберите проект (или создайте свой) и скопируйте ключ.
Теперь откройте свой .envфайл и добавить:
GOOGLE_API_KEY="your-key-here"
Перед запуском обновите название модели.
Перейдите в AI Studio → Модели → выберите модель → скопируйте её внутреннее имя
(Пример: gemini-2.0-flash или gemini-3-pro-preview)
Замените имя модели-заполнителя в вашем коде.
Теперь протестируйте своего агента. Выполните эту команду в терминале:
adk run my_agent
Задайте простой вопрос. Если всё работает, вы должны получить ответ.
Если вы достигли бесплатного лимита для определенной модели, переключитесь на более легкую бесплатную модель.
1. Агент поиска. Этот агент будет искать информацию в интернете и сохранять результаты.
2. Агент-сумматор. Он берет результаты исследования и пишет краткое изложение.
3. Агент-координатор (Корневой агент). Этот агент решает, кто должен работать первым, а затем формирует окончательный ответ.
Каждому агенту необходимо:
Этот код можно использовать в файле agent.py:
from google.adk.agents.llm_agent import Agent
from google.adk.tools import google_search, AgentTool
research_agent = Agent(
name="Researcher",
model="gemini-2.5-flash-lite",
instruction="""You are a specialized research agent. Your only job is to use the
google_search tool to find top 5 AI news for a give topic. Do not answer any user questions directly.""",
tools=[google_search],
output_key="research_result",
)
print("Resereach Agent created successfully.")
summarizert = Agent(
name="Summarizert",
model="gemini-2.5-flash-lite",
instruction="""
Read the research findings {research_result} and create a summary for each topic with the link to read more
""",
output_key="summary_result",
)
print("Summarizert Agent created successfully.")
# Root Coordinator:
root_agent = Agent(
model='gemini-2.5-flash-lite',
name='root_agent',
description='A helpful assistant for user questions.',
instruction="""
You are coordinator. First your job is to delegate user questions to the 'research_agent' to gather information. Second pass the findings to the 'summarizert' agent to create a summary. Finally, compile the summaries into a final response for the user.
""",
tools=[
AgentTool(research_agent),
AgentTool(summarizert),
]
)
Теперь это действительно многоагентный конвейер.
adk run my_agent
Затем введите тему для исследования. После запуска агентов вы увидите:
Всё работает слаженно!
В терминале выполните следующую команду:
adk web --port 8000
Если всё в порядке, вы увидите URL-адрес сервера:
Откройте ссылку в браузере. Выберите своего агента из меню.
Теперь вы можете увидеть:
Это очень помогает при отладке многоагентных систем.
Смотрите на YouTube: Как создать ИИ-агента с нуля
Ваше здоровье!
Источник
В этой статье я покажу вам, как создать своего первого ИИ-агента с нуля, используя Google ADK (Agent Development Kit). Это платформа с открытым исходным кодом, которая упрощает создание агентов, их тестирование, добавление инструментов и даже построение многоагентных систем.
Самое приятное? Вы можете собрать всё бесплатно и всего за несколько минут, если у вас уже установлен Python.
Давайте начнём.
Что такое ИИ-агент? (Простое объяснение)
Прежде чем начать, давайте кратко вспомним, что же такое ИИ-агент.Обычная модель искусственного интеллекта (например, ChatGPT или Gemini) выдает только текстовые ответы.
Искусственный интеллект — это нечто иное: он может:
- Выполняйте задачи , а не просто отвечайте на вопросы.
- Используйте такие инструменты , как поиск Google, калькуляторы, API или базы данных.
- Принимайте решения и планируйте действия.
- Работать автономно с минимальной помощью человека.
Можно представить себе ИИ-агента как небольшого «работника-ИИ», который может выполнять задачи вместо вас.
В этом уроке мы сначала создадим простого агента, а затем модернизируем его до многоагентной системы с отдельными агентами для исследования, обобщения и координации.
Что вам понадобится перед началом работы
Для выполнения этого руководства вам понадобится только:- Python установлен на вашем компьютере.
- Любой редактор кода , например VS Code (или Google Antigravity IDE, если хотите).
- Google ADK — это фреймворк с открытым исходным кодом, который мы установим.
- API -ключ Gemini , который можно сгенерировать бесплатно.
Если у вас всё готово, давайте строить!
Создавайте агентов искусственного интеллекта с нуля.
Шаг 1: Создайте папку проекта и виртуальную среду.
Сначала откройте терминал и создайте папку:mkdir my_first_agent
cd my_first_agent
Теперь создайте виртуальную среду:
python -m venv .venv
Активируйте его:
source .venv/bin/activate # macOS / Linux
# or
.\venv\Scripts\activate # Windows
Виртуальная среда обеспечивает чистоту проекта и предотвращает конфликты версий.
Шаг 2: Установите Google ADK
Теперь установите комплект разработки агентов:pip install google-adk
Шаг 3: Создайте свой проект агента.
В терминале выполните следующую команду:adk create my_agent
Выберите модель (можно выбрать Gemini 2.5 или Gemini Flash).
После этого появляется структура папок:
my_agent/
├── agent.py
├── .env
└── __init__.py
- agent.py → Это основной файл, в котором находится ваш код.
- .env → Здесь указывается ваш API-ключ
Откройте папку в VS Code или любой другой IDE.
Шаг 4: Получите бесплатный API-ключ Gemini.
Перейдите по ссылке: https://aistudio.google.comВойдите в свою учетную запись Google → боковая панель в левом нижнем углу → Получить ключ API .
Нажмите «Создать ключ API» , дайте ему имя, выберите проект (или создайте свой) и скопируйте ключ.
Теперь откройте свой .envфайл и добавить:
GOOGLE_API_KEY="your-key-here"
Шаг 5: Тестирование агента по умолчанию
Открыть agent.pyВы увидите стандартный шаблонный код.Перед запуском обновите название модели.
Перейдите в AI Studio → Модели → выберите модель → скопируйте её внутреннее имя
(Пример: gemini-2.0-flash или gemini-3-pro-preview)
Замените имя модели-заполнителя в вашем коде.
Теперь протестируйте своего агента. Выполните эту команду в терминале:
adk run my_agent
Задайте простой вопрос. Если всё работает, вы должны получить ответ.
Если вы достигли бесплатного лимита для определенной модели, переключитесь на более легкую бесплатную модель.
Шаг 6: Создание нескольких агентов (Исследователь + Обобщитель + Координатор)
Теперь давайте создадим настоящую многоагентную систему .1. Агент поиска. Этот агент будет искать информацию в интернете и сохранять результаты.
2. Агент-сумматор. Он берет результаты исследования и пишет краткое изложение.
3. Агент-координатор (Корневой агент). Этот агент решает, кто должен работать первым, а затем формирует окончательный ответ.
Каждому агенту необходимо:
- Его собственное имя
- собственные инструкции
- Дополнительные инструменты (например, поиск Google)
- Четко выраженное ожидаемое поведение
Этот код можно использовать в файле agent.py:
from google.adk.agents.llm_agent import Agent
from google.adk.tools import google_search, AgentTool
research_agent = Agent(
name="Researcher",
model="gemini-2.5-flash-lite",
instruction="""You are a specialized research agent. Your only job is to use the
google_search tool to find top 5 AI news for a give topic. Do not answer any user questions directly.""",
tools=[google_search],
output_key="research_result",
)
print("Resereach Agent created successfully.")
summarizert = Agent(
name="Summarizert",
model="gemini-2.5-flash-lite",
instruction="""
Read the research findings {research_result} and create a summary for each topic with the link to read more
""",
output_key="summary_result",
)
print("Summarizert Agent created successfully.")
# Root Coordinator:
root_agent = Agent(
model='gemini-2.5-flash-lite',
name='root_agent',
description='A helpful assistant for user questions.',
instruction="""
You are coordinator. First your job is to delegate user questions to the 'research_agent' to gather information. Second pass the findings to the 'summarizert' agent to create a summary. Finally, compile the summaries into a final response for the user.
""",
tools=[
AgentTool(research_agent),
AgentTool(summarizert),
]
)
Теперь это действительно многоагентный конвейер.
Шаг 7: Запуск многоагентной системы
Выполните эту команду в терминале:adk run my_agent
Затем введите тему для исследования. После запуска агентов вы увидите:
- Исследовательский агент собирает информацию
- Агент сумматора формирует сводку
- Координатор, объединяющий результаты
Всё работает слаженно!
Шаг 8: Используйте веб-интерфейс (гораздо проще)
ADK включает в себя веб-интерфейс.В терминале выполните следующую команду:
adk web --port 8000
Если всё в порядке, вы увидите URL-адрес сервера:
Откройте ссылку в браузере. Выберите своего агента из меню.
Теперь вы можете увидеть:
- Поток сообщений
- Какого агента вызвали?
- Предпринятые ими шаги
Это очень помогает при отладке многоагентных систем.
Видеоурок: Как создавать агентов искусственного интеллекта
Если вам нужны наглядные инструкции, пожалуйста, посмотрите мой пошаговый видеоурок.Смотрите на YouTube: Как создать ИИ-агента с нуля
Заключение
Создание ИИ-агентов проще, чем кажется большинству. С помощью Google ADK вы можете создавать простые или даже многоагентные системы за считанные минуты, тестировать их в веб-интерфейсе и расширять с помощью инструментов, рабочих процессов и интеграций с реальным миром. Попробуйте, и, пожалуйста, поделитесь своим опытом в комментариях ниже.Ваше здоровье!
Источник
