תחילת העבודה עם Gemini Live API באמצעות ADK

במדריך הזה נסביר איך ליצור סוכן ולהשתמש בסטרימינג של הערכה לפיתוח סוכנים (ADK) כדי להפעיל תקשורת קולית ווידאו. תלמדו איך להתקין את ה-ADK, להגדיר סוכן בסיסי שמשתמש בחיפוש Google ולהריץ את הסוכן באמצעות הכלי adk web.

לפני שמתחילים

המדריך הזה מבוסס על ההנחה שיש לכם ניסיון בשימוש במסוף בסביבות Windows,‏ macOS או Linux.

הגדרת הסביבה והתקנת ה-ADK

בקטע הזה מוסבר איך להכין את הסביבה המקומית.

  1. יוצרים ומפעילים סביבה וירטואלית. מומלץ להשתמש בסביבה וירטואלית.

    # Create the environment
python -m venv .venv

# Activate the environment in each new terminal
# For macOS or Linux:
source .venv/bin/activate
# For Windows CMD:
.venv\Scripts\activate.bat
# For Windows PowerShell:
.venv\Scripts\Activate.ps1

  2. מתקינים את ה-ADK.

    pip install google-adk

יצירת מבנה הפרויקט

יוצרים את הספריות והקבצים הנדרשים לסוכן.

  1. יוצרים את מבנה התיקיות הבא עם קבצים ריקים:

    תרשים של מבנה הפרויקט: התיקייה adk-streaming מכילה את התיקייה app, שמכילה את הקובץ ‎ .env ואת התיקייה google_search_agent, שמכילה את הקבצים ‎__init__.py ו-agent.py.

  2. מוסיפים את הקוד הבא לקובץ app/google_search_agent/agent.py. הקובץ הזה מגדיר את הלוגיקה של הסוכן. חובה להגדיר root_agent. בקוד הבא, מעדכנים את השדה model עם שם של מודל נתמך.

    from google.adk.agents import Agent
from google.adk.tools import google_search  # Import the tool

root_agent = Agent(
  # A unique name for the agent.
  name="basic_search_agent",
  # The Large Language Model (LLM) that agent will use.
  # Please fill in the latest model id that supports live from
  # https://google.github.io/adk-docs/get-started/streaming/quickstart-streaming/#supported-models
  model="...",  # for example: model="gemini-live-2.5-flash-native-audio"
  # A short description of the agent's purpose.
  description="Agent to answer questions using Google Search.",
  # Instructions to set the agent's behavior.
  instruction="You are an expert researcher. You always stick to the facts.",
  # Add google_search tool to perform grounding with Google search.
  tools=[google_search]
)

  3. מוסיפים את הקוד הבא לקובץ app/google_search_agent/__init__.py:

    from . import agent

הגדרת הפלטפורמה

כדי להפעיל את הסוכן, צריך להגדיר אותו לשימוש ב- Google Cloud Gemini Enterprise Agent Platform.

  1. פותחים את הקובץ .env שנמצא בספרייה app/.

  2. מוסיפים את התוכן הבא לקובץ. מחליפים את PROJECT_ID במזהה הפרויקט ב- Google Cloud ואת LOCATION במיקום ב- Google Cloud .

    GOOGLE_CLOUD_PROJECT=PROJECT_ID
GOOGLE_CLOUD_LOCATION=LOCATION
GOOGLE_GENAI_USE_ENTERPRISE=True

הפעלת הסוכן באמצעות ממשק המשתמש למפתחים

מפעילים את ממשק המשתמש לפיתוח כדי ליצור אינטראקציה עם הנציג.

  1. משנים את הספרייה הנוכחית ל-app.

    cd app

  2. מגדירים את משתנה הסביבה SSL_CERT_FILE. השלב הזה נדרש לבדיקות של שיחות קוליות ושיחות וידאו.

    ‫macOS/Linux

    export SSL_CERT_FILE=$(python -m certifi)

    Windows

    $env:SSL_CERT_FILE = (python -m certifi)

  3. מריצים את ממשק המשתמש למפתחים.

    ‫
    adk web

  4. פותחים את כתובת ה-URL שמופיעה ב-Terminal, בדרך כלל http://localhost:8000 או http://127.0.0.1:8000.

  5. בוחרים באפשרות google_search_agent.

בתרשים הבא מוצג אופן הזרימה של קלט המשתמש לסוכן, אופן השימוש של הסוכן בכלי חיפוש Google ואופן החזרת התגובה על ידי הסוכן:

תרשים שבו מוצג קלט משתמש שמועבר לסוכן, הסוכן משתמש בכלי חיפוש Google כדי לקבל מידע, והסוכן מחזיר תשובה למשתמש.

אינטראקציה עם הסוכן

אחרי שמפעילים את ממשק המשתמש למפתחים, אפשר לתקשר עם הסוכן באמצעות טקסט, קול או סרטון.

שימוש בהזנת טקסט

מזינים את ההנחיות הבאות בממשק המשתמש כדי לבדוק את התשובות הטקסטואליות של הסוכן. הסוכן משתמש בכלי google_search כדי לקבל את המידע העדכני ביותר ולענות על השאלות האלה.

  • מה מזג האוויר בניו יורק?
  • מה השעה בניו יורק?
  • מה מזג האוויר בפריז?
  • מה השעה בפריז?

שימוש בקלט קולי וקלט וידאו

כדי להשתמש בקלט קולי, צריך לטעון מחדש את דפדפן האינטרנט וללחוץ על לחצן המיקרופון. שואלים שאלה ושומעים את התשובה בזמן אמת.

כדי להשתמש בקלט וידאו, צריך לטעון מחדש את דפדפן האינטרנט וללחוץ על לחצן המצלמה. אפשר לשאול, למשל, "What do you see?‎", והסוכן יתאר את מה שהוא רואה מהקלט של הסרטון.

עצירת ממשק המשתמש של הפיתוח

כדי להפסיק את הכלי adk web, לוחצים על Ctrl+C בטרמינל שבו הוא פועל.

המאמרים הבאים