지능형 Android 앱 빌드: Jetpacker 소개

앱에서 생성형 AI 기능을 빌드하려면 일반적으로 다양한 모델, API, 아키텍처 선택사항을 탐색해야 합니다.

• 실행 위치: 모델은 어디에서 실행되나요? 기기에서 실행되나요, 클라우드에서 실행되나요, 아니면 둘 다에서 실행되나요?
• 복잡성: 설정은 얼마나 복잡한가요? 단일 추론 호출을 실행하나요, 아니면 더 에이전트형 흐름이 필요한가요?
• 인앱 또는 Android 시스템: 기능을 Android 앱에 빌드해야 하나요, 아니면 Android 시스템 통합으로 더 적합한가요?

이 블로그 게시물 시리즈에서는 이러한 선택사항을 함께 탐색합니다. 기본 모바일 앱으로 시작하여 맞춤형, 지능형, 에이전트형 환경으로 변환하는 여정을 함께합니다.

Jetpacker: 데모 여행 앱

Jetpacker는 올해 Google I/O를 위해 Google팀에서 처음부터 빌드한 기술 쇼케이스 앱 입니다 (Antigravity를 사용하여 빌드됨). Jetpacker는 사용자가 다음 모험을 계획하고, 탐색하고, 즐길 수 있도록 지원합니다. 여행 개요, 각 여행의 여정, 여행의 각 이벤트 세부정보를 보여줍니다. 아름답고 표현력이 뛰어난 Material UI 디자인을 비롯한 모든 Android 개발 권장사항을 따릅니다.

가장 좋은 점은 무엇일까요? 완전한 오픈소스입니다.

오늘은 이러한 각 기능을 자세히 살펴보는 일련의 기술 블로그 게시물 을 게시합니다. 자체 지능형 Android 애플리케이션을 빌드하는 데 도움이 되는 자세한 구현 단계, 코드 스니펫, 아키텍처 통계를 제공합니다.

기기 내에서 실행되는 스마트 기능

기기 내 모델을 사용하면 추가 클라우드 추론 비용이 발생하지 않으며 인터넷 연결에 대해 걱정할 필요가 없고 사용자는 데이터가 클라우드로 전송되지 않고 기기에서 로컬로 처리된다고 확신할 수 있습니다.

Jetpacker에서는 세 가지 기능에 기기 내 추론을 선택했습니다.

• 여행 개요 기능은 지저분한 여러 날의 일정을 간결하고 실행 가능한 요약으로 변환합니다. ML Kit GenAI API를 통해 Gemini Nano를 활용하여 기기에서 데이터를 로컬로 처리합니다. 추가 클라우드 비용을 발생시키지 않으려는 경우 이 기능을 유용한 기능으로 간주하여 기기 내 추론을 올바른 선택으로 만듭니다.
• 비용 추적기 는 영수증 이미지에서 구조화된 데이터를 자동으로 추출하여 사용자가 여행 지출을 추적할 수 있도록 지원합니다. ML Kit GenAI API를 통해 Gemini Nano 4의 멀티모달 기능을 사용합니다. 영수증 이미지의 개인 정보 보호에 민감한 정보가 사용자의 기기에서 유출되지 않도록 기기 내 솔루션을 선택합니다.
• 오디오 다이어리 는 음성 메모를 녹음하고, 텍스트 변환하고, 관련 여행 활동으로 분류합니다. ML Kit 음성 인식 및 GenAI 프롬프트 API를 기반으로 합니다. 개인 정보 보호 및 연결을 위해 기기 내 솔루션을 선택했습니다.

클라우드 및 하이브리드 추론

경우에 따라 사용 사례에는 더 많은 세계 지식 또는 훨씬 더 큰 컨텍스트 윈도우 와 복잡한 작업을 처리 하는 더 큰 기능이 있는 AI 모델이 필요합니다. 이 경우 기기 내 모델 실행에서 클라우드 모델 사용으로 전환할 수 있습니다.

또는 두 가지 장점을 모두 활용하려면 하이브리드 추론을 사용하여 런타임에 클라우드 모델 또는 기기 내 모델을 동적으로 선택 할 수 있습니다. 이렇게 하면 추론을 사용할 수 있을 때 기기로 이동하여 비용을 절감 할 수 있지만 동시에 앱을 실행하는 모든 Android 기기를 지원 할 수 있습니다.

Jetpacker에서는 클라우드 또는 하이브리드 추론을 사용하여 여러 기능을 구현했습니다.

• 장소 Q&A 기능은 실제 데이터에 응답을 그라운딩하여 특정 위치에 관한 사용자 질문에 답변합니다. Google 지도 및 웹 컨텍스트와 통합된 Firebase AI Logic을 사용합니다. 여기에서는 더 많은 세계 지식을 위해 클라우드 모델을 사용해야 합니다.
• 리뷰 초안 작성 기능은 사용자가 방문한 장소에 관한 자세한 리뷰를 작성하는 데 도움이 됩니다. Firebase AI Logic의 새로운 하이브리드 추론 API를 통해 기기 내 모델과 클라우드 모델을 모두 활용합니다. 이 기능은 모든 앱 사용자가 사용할 수 있도록 하고 싶었으므로 기기 내 모델을 사용할 수 없는 경우 클라우드 모델을 대체 모델로 사용합니다.
• 자동 채팅 번역 은 채팅 메시지를 실시간으로 동적으로 번역하여 원활한 커뮤니케이션을 촉진하고 맞춤 하이브리드 추론 로직을 보여줍니다. 다시 말하지만 이 기능을 모든 앱 사용자가 사용할 수 있도록 하고 싶지만 기기 내 모델과 클라우드 모델을 선택하는 시점에 관한 몇 가지 구체적인 고려사항이 있습니다.

시스템 통합

앱 자체에서 볼 수 있는 기능은 아니지만 Android 시스템 통합은 앱의 핵심 기능을 Android 운영체제에 직접 제공합니다. AppFunctions API를 사용하여 시스템 수준 인텔리전스와 통합합니다.

인앱 에이전트형 워크플로 (출시 예정)

에이전트형은 더 높은 수준의 자율성을 도입하여 모델이 에이전트 역할을 할 수 있도록 지원합니다. 단일 추론 호출 대신 에이전트는 추론하고, 도구를 사용하고, 경로를 조정할 수 있는 오케스트레이션 루프를 통해 특정 목표를 향해 작업합니다. 요구사항에 따라 이러한 지능형 에이전트는 클라우드, 기기에서 직접 또는 하이브리드 설정에서 실행될 수 있습니다.

Jetpacker의 경우 애플리케이션 내에서 직접 엔드 투 엔드 예약 워크플로를 자동화하여 예약을 간소화하는 예약 어시스턴트 를 추가했습니다. 클라우드에서 실행되는 A2UI 및 ADK를 사용하여 빌드됩니다. Android 앱은 클라우드에서 실행되는 멀티 에이전트형 시스템의 프런트엔드 역할을 합니다.

자세히 알아보기

이 블로그 게시물 시리즈의 다른 부분을 확인하세요.

1부 (이 게시물): 앱 소개 및 대략적인 개요
2부: 기기 내에서 실행되는 스마트 기능 ML Kit의 GenAI API 및 Gemini Nano를 자세히 살펴보고 일정 요약, 영수증 파싱, 로컬 오디오 처리와 같은 개인 정보 보호 우선 기능을 빌드합니다.
3부: 하이브리드 및 클라우드 추론 Firebase AI Logic을 사용하여 LLM 응답을 Google 지도 및 웹 컨텍스트와 같은 실제 데이터에 그라운딩하는 방법을 알아봅니다.
4부: 시스템 통합 AppFunctions를 사용하여 Android 인텔리전스 시스템과 통합합니다.
5부 (출시 예정): 인앱 에이전트형 워크플로 A2UI 및 ADK를 기반으로 하는 엔드 투 엔드 예약 어시스턴트로 앱을 확장합니다.

Android 개발에 관해 자세히 알아보시겠어요? YouTube 또는 LinkedIn에서 Android 개발자를 팔로우하세요.