Instruções

Criar apps Android inteligentes: introdução ao Jetpacker

Leitura de 4 min
Ver o perfil de Jolanda Verhoef
Jolanda Verhoef Engenheiro de relações com desenvolvedores

Criar recursos de IA generativa no seu app geralmente significa navegar por vários modelos, APIs e opções de arquitetura: 

  • Local de execução: onde o modelo é executado? No dispositivo, na nuvem ou em ambos?
  • Complexidade: qual é a complexidade da sua configuração? Você está fazendo uma única chamada de inferência ou precisa de um fluxo mais agêntico?
  • No app ou no sistema Android: o recurso deve ser integrado ao app Android ou se encaixa melhor como uma integração do sistema Android?

Nesta série de postagens do blog, vamos ajudar você a fazer essas escolhas. Vamos acompanhar você em uma jornada, começando com um app para dispositivos móveis básico e transformando-o em uma experiência personalizada, inteligente e agêntica.

Jetpacker: um app de viagens de demonstração

O Jetpacker é um app de demonstração técnica que nossa equipe criou do zero para o Google I/O deste ano (usando o Antigravity). O objetivo principal do Jetpacker é ajudar os usuários a planejar, explorar e aproveitar a próxima grande aventura. Ele mostra uma visão geral das suas viagens, o itinerário de cada uma e os detalhes de cada evento. Claro, seguindo todas as práticas recomendadas de desenvolvimento para Android, incluindo um design de interface do Material Design expressivo e bonito.

E o melhor de tudo? Ele é totalmente de código aberto.

Hoje, estamos publicando uma série de postagens técnicas no blog (em inglês) que detalham cada um desses recursos. Vamos fornecer etapas detalhadas de implementação, snippets de código e insights de arquitetura para ajudar você a criar seus próprios apps Android inteligentes.

Inteligência no dispositivo

Screenshot 2026-07-02 at 12.57.08 PM.png
Recursos no dispositivo no Jetpacker: resumo de itinerários de viagem, gerenciamento de despesas e notas de voz.

O uso de um modelo no dispositivo não tem custos adicionais de inferência na nuvem, o que significa que você não precisa se preocupar com a conexão de internet e permite que os usuários tenham certeza de que as informações particulares serão processadas localmente, no dispositivo, sem que nenhum dado seja enviado para a nuvem.

No Jetpacker, escolhemos a inferência no dispositivo para três dos nossos recursos:

  • O recurso de visão geral da viagem transforma um itinerário confuso de vários dias em um resumo conciso e prático. Ele usa o Gemini Nano com as APIs GenAI do Kit de ML para processar dados localmente no dispositivo. Consideramos esse um recurso interessante, mas não queremos gerar custos extras de nuvem. Por isso, a inferência no dispositivo é a escolha certa.
  • O rastreador de despesas extrai automaticamente dados estruturados de imagens de recibos para ajudar os usuários a acompanhar os gastos de viagem. Ele usa os recursos multimodais do Gemini Nano 4 com as APIs GenAI do Kit de ML. Escolhemos uma solução no dispositivo para que as informações sensíveis à privacidade nas imagens dos recibos nunca saiam do dispositivo do usuário.
  • O diário de áudio grava, transcreve e categoriza as notas de voz em atividades de viagem relevantes. Ele usa as APIs Kit de ML Speech Recognition e GenAI Prompt. Escolhemos uma solução no dispositivo por motivos de privacidade e conectividade.

Inferência híbrida e na nuvem

features.png
Recursos híbridos e na nuvem no Jetpacker: assistente de museu com embasamento na Web, elaboração de avaliações de restaurantes híbridos e chat de suporte de hotel com tradução instantânea personalizada.

Às vezes, seu caso de uso exige modelos de IA com mais conhecimento de mundo ou uma janela de contexto muito maior e com maior capacidade de lidar com tarefas complexas. Nesse caso, podemos mudar de um modelo no dispositivo para um modelo na nuvem.

Ou, se quiser o melhor dos dois mundos, use a inferência híbrida para escolher dinamicamente um modelo na nuvem ou no dispositivo no momento da execução. Isso permite reduzir custos ao mover a inferência para o dispositivo quando ela está disponível, mas, ao mesmo tempo, oferecer suporte a todos os dispositivos Android que executam o app.

No Jetpacker, implementamos vários recursos usando inferência híbrida ou na nuvem:

  • O recurso de perguntas e respostas sobre lugares responde às perguntas dos usuários sobre locais específicos com base em dados do mundo real. Ele usa o Firebase AI Logic integrado ao Google Maps e ao contexto da Web. Nesse caso, é necessário usar um modelo de nuvem para ter mais conhecimento do mundo.
  • O recurso de rascunho de avaliações ajuda os usuários a escrever avaliações detalhadas sobre os lugares que visitaram. Ele usa modelos no dispositivo e na nuvem com a nova API de inferência híbrida do Firebase AI Logic. Esse é um recurso que queríamos disponibilizar para todos os usuários do app. Por isso, estamos usando um modelo de nuvem como substituto quando um modelo no dispositivo não está disponível.
  • A tradução automática de chat traduz dinamicamente as mensagens de chat em tempo real para facilitar a comunicação, demonstrando a lógica de inferência híbrida personalizada. Queremos que esse recurso esteja disponível para todos os usuários do app, mas, ao mesmo tempo, temos algumas considerações específicas sobre quando escolher no dispositivo ou na nuvem.

Integração de sistemas

Embora não seja um recurso que você vê no app, a integração com o sistema Android abre os principais recursos do app diretamente para o sistema operacional Android. Ele usa a API AppFunctions para se integrar à inteligência do sistema.

Fluxos de trabalho de agentes no app (em breve!)

agentic-feature-booking-assistant.png
O assistente de reserva mostra várias reservas de voo em andamento, pedindo que o usuário insira informações antes de fazer uma reserva final.

A agência introduz um nível mais alto de autonomia, permitindo que os modelos atuem como agentes. Em vez de uma única chamada de inferência, um agente trabalha para atingir uma meta específica por meio de um loop de orquestração que permite que ele raciocine, use ferramentas e adapte o caminho. Dependendo dos seus requisitos, esses agentes inteligentes podem ser executados na nuvem, diretamente no dispositivo ou em uma configuração híbrida.

Para o Jetpacker, adicionamos um assistente de reservas que automatiza os fluxos de trabalho de reserva de ponta a ponta diretamente no aplicativo para simplificar as reservas. Ele é criado usando a A2UI e o ADK em execução na nuvem. O app Android funciona como um front-end para o sistema multiagente em execução na nuvem.

Saiba mais

Confira as outras partes desta série de postagens do blog:

Parte 1 (este post!): Introdução ao app e uma visão geral de alto nível.
Parte 2: inteligência no dispositivo. Conheça as APIs de IA generativa do Kit de ML e o Gemini Nano para criar recursos com foco em privacidade, como resumo de itinerários, análise de recibos e processamento de áudio local.
Parte 3: raciocínio híbrido e na nuvem. Saiba como usar a Firebase AI Logic para embasar as respostas do LLM em dados do mundo real, como o Google Maps e o contexto da Web.
Parte 4: integração do sistema. Integração com o sistema de inteligência do Android usando as AppFunctions.
Parte 5 (em breve): Agentic Workflows no app. Estender o app com um assistente de agendamento completo, com tecnologia da A2UI e do ADK.

Quer saber mais sobre o desenvolvimento para Android? Siga o Desenvolvedores Android no YouTube ou no LinkedIn!

Escrito por:
Continue lendo