Criar agentes do ADK para Android

Com a biblioteca do Kit de Desenvolvimento de Agente (ADK) para Android, é possível criar e integrar agentes de IA sofisticados diretamente nos seus apps Android. O ADK é um framework de desenvolvedor de código aberto para criar agentes com tecnologia de IA que são executados localmente, em serviços hospedados e em dispositivos móveis Android. O framework é compatível com as linguagens de programação Kotlin e Java, permitindo que você comece a criar agentes rapidamente e escalone para aplicativos complexos e multiagente.

A biblioteca do ADK para Android oferece dependências especializadas e suporte ao ambiente de execução adaptado para ambientes móveis. É possível criar agentes que executam modelos de IA no dispositivo usando o Gemini Nano com as APIs GenAI do Kit de ML, o que permite criar experiências de IA com foco na privacidade e baixa latência que podem funcionar sem acesso à rede.

Usar o ADK Kotlin em projetos do Android

Use a API de agente Kotlin do ADK para criar agentes de IA que são executados em apps Android. O código do agente que você escreve é idêntico ao guia de introdução do ADK Kotlin. As diferenças são a dependência do Gradle, a configuração do projeto e como você invoca o agente no ambiente de execução.

Pré-requisitos

A biblioteca do ADK para Android tem os seguintes requisitos de desenvolvimento:

  • Android Studio
  • SDK do Android (compileSdk 34 ou mais recente, minSdk 24 ou mais recente)

Configurar seu projeto do Android

No build.gradle.kts do seu projeto do Android, adicione a dependência do ADK para Android e o processador de anotações do KSP:

plugins {
    id("com.android.application")
    kotlin("android")
    id("com.google.devtools.ksp") version "2.1.20-2.0.1"
}

android {
    namespace = "com.example.agent"
    compileSdk = 34

    defaultConfig {
        applicationId = "com.example.agent"
        minSdk = 24
        targetSdk = 34
    }

    packaging {
        resources {
            excludes += "/META-INF/{INDEX.LIST,DEPENDENCIES}"
        }
    }
}

dependencies {
    implementation("com.google.adk:google-adk-kotlin-core-android:0.1.0")
    ksp("com.google.adk:google-adk-kotlin-processor:0.1.0")
}

kotlin {
    jvmToolchain(17)
}

definir seu agente

O código do agente é idêntico ao Guia de início rápido do Kotlin do ADK. O exemplo de código HelloTimeAgent com a sintaxe @Tool, @Param e .generatedTools() funciona sem modificações no Android:

// package com.example.agent
// import com.google.adk.kt.agents.Instruction
// import com.google.adk.kt.agents.LlmAgent
// import com.google.adk.kt.annotations.Param
// import com.google.adk.kt.annotations.Tool
// import com.google.adk.kt.models.Gemini
class TimeService {
    /** Mock tool implementation */
    @Tool
    fun getCurrentTime(
        @Param("Name of the city to get the time for") city: String
    ): Map<String, String> {
        return mapOf("city" to city, "time" to "The time is 10:30am.")
    }
}

object HelloTimeAgent {
    @JvmField
    val rootAgent = LlmAgent(
        name = "hello_time_agent",
        description = "Tells the current time in a specified city.",
        model = Gemini(
            name = "gemini-flash-latest",
            apiKey = System.getenv("GOOGLE_API_KEY")
                ?: error("GOOGLE_API_KEY environment variable not set."),
        ),
        instruction = Instruction(
            "You are a helpful assistant that tells the current time in a city. " +
                "Use the 'getCurrentTime' tool for this purpose."
        ),
        tools = TimeService().generatedTools(),
    )
}

Executar o agente no app Android

Em dispositivos Android, use InMemoryRunner para invocar o agente e coletar respostas de uma corrotina, como mostrado no exemplo de código a seguir:

// import com.google.adk.kt.runners.InMemoryRunner
// import com.google.adk.kt.sessions.InMemorySessionService
// import com.google.adk.kt.types.Content
// import com.google.adk.kt.types.Part
// import com.google.adk.kt.types.Role
// import kotlinx.coroutines.CoroutineScope
// import kotlinx.coroutines.launch
// Create a runner and session service
val sessionService = InMemorySessionService()
val runner = InMemoryRunner(
    agent = HelloTimeAgent.rootAgent,
    sessionService = sessionService,
)
// Call the agent from a coroutine (e.g. in a ViewModel or Activity)
scope.launch {
    runner.runAsync(
        userId = "user-123",
        sessionId = "session-123",
        newMessage = Content(
            role = Role.USER,
            parts = listOf(Part(text = "What time is it in New York?")),
        ),
    ).collect { event ->
        val text = event.content?.parts?.firstOrNull()?.text
        if (!text.isNullOrBlank()) {
            // Update your UI with the agent's response
        }
    }
}

Usar agentes para gerar a interface

Quando o agente precisar retornar interfaces do usuário estruturadas e interativas, como cards, formulários ou listas, em vez de texto simples, use o protocolo agente para interface do usuário (A2UI).

Use o renderizador de A2UI do Jetpack Compose para renderizar automaticamente as respostas de A2UI como componentes nativos do Jetpack Compose e do Material 3 na hierarquia de interface do app. Para começar, consulte o guia do Jetpack Compose para A2UI.

Modelos no dispositivo com o Gemini Nano

O artefato do ADK para Android inclui suporte para inferência no dispositivo usando o Gemini Nano pela API GenAI do Kit de ML. Essa abordagem permite que os agentes sejam executados sem acesso à rede, mantendo os dados no dispositivo.

Para usar um modelo no dispositivo, crie um modelo GenaiPrompt em vez de Gemini, conforme mostrado no exemplo de código a seguir:

// import com.google.adk.kt.models.mlkit.GenaiPrompt
// import com.google.mlkit.genai.prompt.Generation
// import com.google.mlkit.genai.prompt.GenerativeModel
// Create an ML Kit GenerativeModel for on-device inference
val generativeModel: GenerativeModel = Generation.getClient()
val onDeviceModel = GenaiPrompt.create(
    generativeModel = generativeModel,
    name = "gemini-nano",
)
val agent = LlmAgent(
    name = "on_device_agent",
    model = onDeviceModel,
    instruction = Instruction("You are a helpful assistant."),
)

Também é possível combinar modelos de nuvem e no dispositivo em um sistema multiagente: use um Gemini baseado na nuvem para o orquestrador raiz e modelos GenaiPrompt no dispositivo para subagentes que lidam com tarefas confidenciais de privacidade. Para saber mais sobre esse padrão, consulte a postagem do blog sobre o ADK para Kotlin e Android.

Para ver uma atividade completa em funcionamento e mais exemplos, consulte os exemplos do ADK Kotlin no GitHub.