Build Multi-Agent Systems with ADK

1. מבוא

סקירה כללית

בשיעור ה-Lab הזה תלמדו איך לתזמן מערכות מורכבות עם כמה סוכנים באמצעות ערכת פיתוח הסוכנים (ADK) של Google. תעברו מהיררכיות פשוטות של סוכנים לבניית תהליכי עבודה אוטומטיים ושיתופיים.

מה תפַתחו

תבנו שתי מערכות נפרדות של כמה סוכנים:

  • סוכן פשוט לתכנון נסיעות שלומד להעביר שיחות בין סוכן לסיעור מוחות לבין סוכן לתכנון אטרקציות.
  • מחולל מתקדם יותר של תקצירי סרטים שמשתמש ב"חדר כתיבה" של סוכנים אוטומטיים (כמו חוקר, תסריטאי ומבקר) כדי לעבוד יחד בלולאה וליצור תקציר מלא של סרט.

מה תלמדו

  • איך יוצרים קשרים בין סוכנות אם לסוכנות משנה.
  • איך כותבים נתונים לסשן state מכלי.
  • איך לקרוא מ-state באמצעות תבניות מפתחות (למשל, {my_key?}).
  • איך משתמשים ב-SequentialAgent כדי ליצור תהליכי עבודה מפורטים.
  • איך משתמשים ב-LoopAgent כדי ליצור מחזורי שיפור איטרטיביים.
  • איך משתמשים ב-ParallelAgent כדי להריץ משימות עצמאיות במקביל.

2. מערכות מרובות סוכנים

ערכת הכלים לפיתוח סוכנים (ADK) מאפשרת למפתחים לקבל התנהגויות אמינות, מתוחכמות ורב-שלביות ממודלים גנרטיביים. במקום הנחיה מורכבת אחת, ADK מאפשרת ליצור רצף של כמה סוכנים פשוטים יותר שמשתפים פעולה בפתרון בעיה על ידי חלוקת העבודה.

לגישה הזו יש כמה יתרונות בהשוואה לשימוש בהנחיה אחת גדולה:

  • עיצוב פשוט יותר: קל יותר לעצב ולארגן רצף של סוכנים קטנים וייעודיים מאשר ליצור הנחיה גדולה ומורכבת.
  • מהימנות: סוכנים מומחים אמינים יותר במשימות הספציפיות שלהם מאשר סוכן גדול ומורכב.
  • תחזוקה: קל יותר לתקן או לשפר סוכן קטן וייעודי בלי לשבש חלקים אחרים במערכת.
  • מודולריות: אפשר לעשות שימוש חוזר בקלות בסוכנים שנוצרו עבור תהליך עבודה אחד בתהליכי עבודה אחרים.

עץ הנציגים ההיררכי

מבנה עץ שמציג סוכנים היררכיים

ב-ADK, סוכנים מאורגנים במבנה של עץ. היררכיה כזו חשובה לשליטה ברצף השיחה, כי היא מגבילה את האפשרות של נציג אחד להעביר את השיחה לנציג אחר. כך קל יותר לחזות את התנהגות המערכת ולבצע בה ניפוי באגים. היתרונות כוללים:

  • עיצוב אינטואיטיבי: המבנה מושפע מצוותים בעולם האמיתי, ולכן קל יותר להבין אותו.
  • זרימה מבוקרת: ההיררכיה מאפשרת לכם שליטה מדויקת בהקצאת משימות, מה שעוזר בניפוי באגים. לדוגמה, מבנה העץ מבטיח שהסוכן הנכון לכתיבת דוחות יופעל, גם אם יש לכם שני סוכנים עם תיאורים דומים.

המבנה כולו מתחיל ב-root_agent. הסוכן הזה פועל כסוכן ראשי ויכולים להיות לו סוכן משנה אחד או יותר, שבתורם יכולים להיות גם סוכנים ראשיים לסוכני משנה משלהם, וכך נוצר מבנה העץ.

3. הגדרת הפרויקט

חשבון Google

אם אין לכם חשבון Google אישי, אתם צריכים ליצור חשבון Google.

משתמשים בחשבון לשימוש אישי במקום בחשבון לצורכי עבודה או בחשבון בית ספרי.

כניסה למסוף Google Cloud

נכנסים למסוף Google Cloud באמצעות חשבון Google אישי.

הפעלת חיוב

מימוש קרדיטים בשווי 5 $ל-Google Cloud (אופציונלי)

כדי להשתתף בסדנה הזו, צריך חשבון לחיוב עם יתרה מסוימת. אם אתם מתכננים להשתמש בחיוב משלכם, אתם יכולים לדלג על השלב הזה.

  1. לוחצים על הקישור הזה ונכנסים לחשבון Google אישי.יופיע משהו כזה:כאן אפשר ללחוץ כדי לעבור לדף הקרדיטים
  2. לוחצים על הלחצן כאן אפשר לגשת לזיכויים.תועברו לדף להגדרת פרופיל לחיובהגדרת דף פרופיל החיוב
  3. לוחצים על אישור.

החשבון שלכם מקושר עכשיו לחשבון לחיוב ב-Google Cloud Platform לניסיון.

צילום מסך של סקירה כללית של החיוב

הגדרה של חשבון לחיוב לשימוש אישי

אם הגדרתם חיוב באמצעות קרדיטים של Google Cloud, אתם יכולים לדלג על השלב הזה.

כדי להגדיר חשבון לחיוב לשימוש אישי, עוברים לכאן כדי להפעיל את החיוב ב-Cloud Console.

הערות:

  • העלות של השלמת ה-Lab הזה במשאבי Cloud צריכה להיות פחות מ-1$.
  • כדי למנוע חיובים נוספים, אפשר למחוק את המשאבים לפי השלבים שמפורטים בסוף ה-Lab הזה.
  • משתמשים חדשים זכאים לתקופת ניסיון בחינם בשווי 300$‎.

יצירת פרויקט (אופציונלי)

אם אין לכם פרויקט שאתם רוצים להשתמש בו בסדנה הזו, אתם יכולים ליצור פרויקט חדש כאן.

4. פתיחת Cloud Shell Editor

  1. כדי לעבור ישירות אל Cloud Shell Editor, לוחצים על הקישור הזה.
  2. אם תתבקשו לאשר בשלב כלשהו היום, תצטרכו ללחוץ על אישור כדי להמשיך.לוחצים כדי לתת הרשאה ל-Cloud Shell
  3. אם הטרמינל לא מופיע בתחתית המסך, פותחים אותו:
    • לוחצים על הצגה.
    • לוחצים על Terminal (טרמינל)פתיחת טרמינל חדש ב-Cloud Shell Editor.
  4. בטרמינל, מגדירים את הפרויקט באמצעות הפקודה הבאה:
    gcloud config set project [PROJECT_ID]
    • דוגמה:
      gcloud config set project lab-project-id-example
    • אם אתם לא זוכרים את מזהה הפרויקט, אתם יכולים להציג רשימה של כל מזהי הפרויקטים באמצעות הפקודה:
      gcloud projects list
      הגדרת מזהה הפרויקט בטרמינל של Cloud Shell Editor
  5. תוצג ההודעה הבאה:
    Updated property [core/project].

5. הפעלת ממשקי API

כדי להשתמש ב-Vertex AI API ולקיים אינטראקציה עם מודל Gemini, צריך להפעיל את Vertex AI API בפרויקט שלכם ב-Google Cloud.

  1. בטרמינל, מפעילים את ה-API:
    gcloud services enable aiplatform.googleapis.com

מבוא ל-Vertex AI SDK ל-Python

כדי ליצור אינטראקציה עם מודלים שמארחים ב-Vertex AI מתוך אפליקציית Python, תשתמשו ב-Vertex AI SDK ל-Python. ערכת ה-SDK הזו מפשטת את התהליך של שליחת הנחיות, ציון פרמטרים של מודלים וקבלת תשובות, בלי צורך לטפל ישירות במורכבויות של הקריאות הבסיסיות ל-API.

כאן אפשר למצוא מאמרי עזרה מקיפים בנושא Vertex AI SDK ל-Python.

6. הגדרת סביבת הפרויקט

שכפול המאגר

  1. בטרמינל, משכפלים את המאגר שמכיל את קובצי ההתחלה.
    ‫
    git clone --depth 1 https://github.com/GoogleCloudPlatform/devrel-demos.git devrel-demos-multiagent-lab
    הדגל --depth 1 משכפל רק את הגרסה האחרונה, ולכן הוא מהיר יותר.
  2. בטרמינל, מעבירים את התיקייה הספציפית ל-Lab לספריית הבית ומשנים את השם שלה כך שיתאים למבנה הצפוי של ה-Lab.
    mv devrel-demos-multiagent-lab/ai-ml/build-multiagent-systems-with-adk/adk_multiagent_systems ~
  3. בטרמינל, עוברים לספריית העבודה הנכונה של שיעור ה-Lab הזה (adk_multiagent_systems).
    cd ~/adk_multiagent_systems

בדיקת מבנה הקבצים

אחרי שכל הקבצים נוצרו, פותחים את התיקייה adk_multiagent_systems בסייר כדי לראות את המבנה המלא.

  1. בתפריט Cloud Shell Editor, בוחרים באפשרות File (קובץ) > Open Folder... (פתיחת תיקייה).
    תפריט הקובץ ב-Cloud Shell Editor עם האפשרות 'פתיחת תיקייה' שנבחרה
  2. בתיבה שמופיעה, מוסיפים את פרטי התיקייה הבאים אחרי שם המשתמש: adk_multiagent_systems/. לוחצים על אישור.
    הוא אמור להיראות כך:
    פתיחת תיבת הדו-שיח 'פתיחת תיקייה' עם נתיב הפרויקט
  3. חלונית הסייר בצד ימין תעבור רענון. בשלב הזה אמורה להופיע מבנה הפרויקט המלא, עם ספריות המשנה parent_and_subagents ו-workflow_agents, ויהיה אפשר להמשיך לשלבים הבאים.
    חלונית הסייר שבה מוצגת התיקייה הפתוחה adk_multiagent_systems

הפעלה של סביבה וירטואלית

  1. בטרמינל, יוצרים ומפעילים סביבה וירטואלית באמצעות uv. כך אפשר לוודא שיחסי התלות של הפרויקט לא יתנגשו עם Python של המערכת או עם פרויקטים אחרים.
    uv venv
source .venv/bin/activate
  2. בטרמינל, מתקינים את google-adk ואת יחסי התלות האחרים מקובץ requirements.txt:
    uv pip install -r requirements.txt

הגדרה של משתני סביבה

  1. אתם כבר בספרייה adk_multiagent_systems. בטרמינל, יוצרים קובץ .env לאחסון משתני הסביבה:
    cloudshell edit .env
  2. מדביקים את הטקסט הבא בקובץ .env שנפתח בעורך:
    GOOGLE_GENAI_USE_VERTEXAI=TRUE
GOOGLE_CLOUD_PROJECT="[YOUR-PROJECT-ID]"
GOOGLE_CLOUD_LOCATION=global
MODEL="gemini-2.5-flash"
  3. מחליפים את [YOUR-PROJECT-ID] במזהה הפרויקט בפועל ב-Google Cloud. (לדוגמה, PROJECT_ID = "google-cloud-labs")
    אם אתם לא זוכרים את מזהה הפרויקט, מריצים את הפקודה הבאה בטרמינל. תוצג רשימה של כל הפרויקטים והמזהים שלהם.
    gcloud projects list
  4. בטרמינל, מעתיקים את קובץ .env לספריות של הסוכנים המשניים כדי שגם להם תהיה גישה למשתנים:
    cp .env parent_and_subagents/.env
cp .env workflow_agents/.env
    מבנה הקובץ אמור להיראות כך:
    חלונית הסייר שבה מוצגת התיקייה הפתוחה adk_multiagent_systems

7. העברות בין סוכנים ראשיים, סוכני משנה וסוכנים עמיתים

השיחה תמיד מתחילה עם root_agent. כברירת מחדל, נציג ראשי משתמש בdescription של הנציגים המשניים שלו כדי להחליט מתי להעביר את השיחה. אפשר גם להנחות את ההעברות האלה באופן מפורש בinstruction של ההורה באמצעות name של סוכני המשנה.

בוא נבדוק את זה.

  1. ב-Cloud Shell Editor, פותחים את adk_multiagent_systems/parent_and_subagents/agent.py. שימו לב לשלושת הנציגים בקובץ agent.py:
    • ‫root_agent (בשם steering): שואל את המשתמש שאלה כדי להחליט לאיזה סוכן משנה להעביר את השיחה. בתחילה, הוא מסתמך רק על description של סוכני המשנה שלו.
    • ‫travel_brainstormer: עוזר למשתמשים לערוך סיעור מוחות לגבי יעדים.
    • ‫attractions_planner: עוזר למשתמש ליצור רשימה של דברים לעשות במדינה מסוימת.
  2. כדי להגדיר את travel_brainstormer ו-attractions_planner כסוכני משנה של root_agent, מוסיפים את השורה הבאה ליצירה של root_agent:
        sub_agents=[travel_brainstormer, attractions_planner]
  3. במסוף, מתכתבים בצ'אט עם הנציג:
    cd ~/adk_multiagent_systems
adk run parent_and_subagents
  4. בהנחיה [user]: בטרמינל, מקלידים:
    hello
    פלט לדוגמה (יכול להיות שהפלט שלכם יהיה קצת שונה):
    [steering]: Hi there! Do you already have a country in mind for your trip, or would you like some help deciding where to go?
  5. עכשיו אומרים לנציג בטרמינל:
    I could use some help deciding.
    פלט לדוגמה (יכול להיות שהפלט שלכם יהיה קצת שונה):
    ‫
    [travel_brainstormer]: Okay! To give you the best recommendations, I need to understand what you're looking for in a trip.
...
    שימו לב לתג [travel_brainstormer]. root_agent העביר את השליטה רק על סמך description של סוכן המשנה.
  6. בהנחיה user: בטרמינל, מקלידים exit ומקישים על Enter כדי לסיים את השיחה.
  7. עכשיו נסביר בצורה ברורה יותר. ב-agent.py, מוסיפים את הפריטים הבאים ל-root_agent של instruction:
            If they need help deciding, send them to 'travel_brainstormer'.
        If they know what country they'd like to visit, send them to the 'attractions_planner'.
  8. בטרמינל, מריצים את הסוכן שוב:
    adk run parent_and_subagents
  9. בהנחיה [user]: בטרמינל, מקלידים:
    hello
  10. תשובה עם:
    I would like to go to Japan.
    פלט לדוגמה (יכול להיות שהפלט שלכם יהיה קצת שונה):
    [attractions_planner]: Okay, I can help you with that! Here are some popular attractions in Japan:
...
    שימו לב להעברה אל attractions_planner, בהתאם להוראות החדשות.
  11. עכשיו תשיב עם:
    Actually I don't know what country to visit.
    פלט לדוגמה (יכול להיות שהפלט שלכם יהיה קצת שונה):
    [travel_brainstormer]: Okay! I can help you brainstorm some countries for travel...
    לידיעתך, הועברת אל travel_brainstormer, שהוא שותף של attractions_planner. ברירת המחדל היא להתיר את ההגדרה הזו.
  12. בהנחיית המשתמש, מקלידים exit כדי לסיים את הסשן.

Recap

בקטע הזה למדתם את היסודות של היררכיית הסוכנים וזרימת השיחה:

  • השיחה תמיד מתחילה עם root_agent.
  • סוכן ראשי יכול להעביר אוטומטית לסוכן משנה על סמך description.
  • אתם יכולים לשלוט בתהליך הזה באופן מפורש על ידי מתן האפשרות להורה instruction להעביר את השיחה לסוכן משנה באמצעות name.
  • כברירת מחדל, סוכנים יכולים להעביר לסוכנים שלהם ב-peer (אחים בהיררכיה).

8. שימוש במצב הסשן לאחסון ולאחזור של מידע

לכל שיחה ב-ADK יש Session, שכולל מילון של מצב הסשן. כל הנציגים יכולים לגשת למצב הזה, ולכן הוא הדרך המושלמת להעברת מידע ביניהם או לשמירה על נתונים (כמו רשימה) לאורך השיחה.

כדי ללמוד איך להוסיף נתונים למצב ולקרוא נתונים מהמצב:

  1. חזרה לקובץ adk_multiagent_systems/parent_and_subagents/agent.py
  2. מדביקים את הגדרת הפונקציה הבאה אחרי הכותרת # Tools:
    def save_attractions_to_state(
tool_context: ToolContext,
attractions: List[str]
) -> dict[str, str]:
    """Saves the list of attractions to state["attractions"].

    Args:
        attractions [str]: a list of strings to add to the list of attractions

    Returns:
        None
    """
    # Load existing attractions from state. If none exist, start an empty list
    existing_attractions = tool_context.state.get("attractions", [])

    # Update the 'attractions' key with a combo of old and new lists.
    # When the tool is run, ADK will create an event and make
    # corresponding updates in the session's state.
    tool_context.state["attractions"] = existing_attractions + attractions

    # A best practice for tools is to return a status message in a return dict
    return {"status": "success"}
    בקוד הזה אפשר לראות:
    • הפונקציה מקבלת את הערך tool_context: ToolContext. האובייקט הזה הוא השער שלכם לסשן.
    • השורה tool_context.state["attractions"] = ... קוראת ישירות ממילון המצב של הסשן וכותבת אליו. ה-ADK מטפל בכל השאר.
  3. מוסיפים את הכלי לסוכן attractions_planner על ידי הוספת הפרמטר tools:
        tools=[save_attractions_to_state]
  4. מוסיפים את נקודות התבליט הבאות לinstruction הקיים של הסוכן attractions_planner:
            - When they reply, use your tool to save their selected attraction and then provide more possible attractions.
        - If they ask to view the list, provide a bulleted list of { attractions? } and then suggest some more.
  5. מפעילים את ממשק המשתמש האינטרנטי של Agent Development Kit באמצעות הפקודה הבאה בטרמינל:
    adk web
    פלט
    INFO:     Started server process [2434]
INFO:     Waiting for application startup.
+-------------------------------------------------------+
| ADK Web Server started                                |
|                                                       |
| For local testing, access at http://localhost:8000.   |
+-------------------------------------------------------+

INFO:     Application startup complete.
INFO:     Uvicorn running on http://127.0.0.1:8000 (Press CTRL+C to quit)
  6. במסוף Cloud Shell, לוחצים על הלחצן Web Preview (תצוגה מקדימה של האינטרנט) ובוחרים באפשרות Change Port (שינוי היציאה).
    תפריט תצוגה מקדימה של אתר
  7. מזינים את מספר היציאה 8000 ולוחצים על שינוי ותצוגה מקדימה. תיפתח כרטיסייה חדשה בדפדפן עם ממשק המשתמש של ADK Dev.
    שינוי תיבת הדו-שיח הקופצת של היציאה עם הערך 8000 שהוזן בתיבת הטקסט
  8. בתפריט הנפתח Select an agent (בחירת סוכן) בצד ימין, בוחרים באפשרות parent_and_subagents.
  9. מתחילים את השיחה עם: hello
  10. אחרי שהנציג יפנה אליכם, תצטרכו להשיב לו:
    I'd like to go to Egypt.
    תועברו אל attractions_planner ותוצג לכם רשימה של אטרקציות.
  11. בוחרים אטרקציה, לדוגמה:
    I'll go to the Sphinx
  12. אמורה להתקבל תגובה כמו: בסדר, שמרתי את ספינקס ברשימה שלך…
  13. לוחצים על תיבת הכלים של התגובה (מסומנת בסימן וי) כדי לראות את האירוע שנוצר מהתגובה של הכלי.
    שימו לב שהוא כולל שדה actions שכולל stateDelta שמתאר את השינויים במצב.
  14. תשיב עם אטרקציה אחרת מרשימת האטרקציות של הסוכן.
  15. בתפריט הניווט הימני, לוחצים על X כדי לצאת מההתמקדות באירוע שנבדק קודם.
  16. בסרגל הצד שמימין, לוחצים על הכרטיסייה מצב. עכשיו אפשר לראות את המערך attractions במצב של הסשן, שאמור להכיל את שני הפריטים שבחרתם.תצוגה מקדימה של מצב הפעלה בממשק המשתמש באינטרנט
  17. שולחים את ההודעה הבאה לנציג:
    What is on my list?
    הסוכן צריך לקרוא מהמצב ולהחזיר את הרשימה.
  18. בסיום הניסוי עם הסוכן, סוגרים את הכרטיסייה בדפדפן האינטרנט ומקישים על CTRL + C במסוף Cloud Shell כדי לעצור את השרת.

סיכום של קטע

בקטע הזה למדתם איך להשתמש במצב Session כדי לשתף נתונים:

  • כדי לכתוב מצב: כותבים למילון המצבים מתוך כלי, באמצעות אובייקט tool_context.state (למשל, tool_context.state["my_list"] = [...]).
  • כדי לקרוא מצב: מזריקים נתוני מצב ישירות ל-instruction של סוכן באמצעות תבניות מפתחות (לדוגמה, Here is your list: {my_list?}).
  • כדי לבדוק את המצב: אפשר לעקוב אחרי מצב הסשן בזמן אמת בממשק המשתמש של ADK Dev באמצעות הכרטיסייה State.

9. סוכני תהליך העבודה

עד עכשיו ראיתם איך סוכן ראשי מעביר את השיחה לסוכן משנה וממתין למשתמש. סוכני תהליכי עבודה שונים: הם מבצעים את הסוכנים המשניים שלהם אחד אחרי השני בתהליך אוטומטי, בלי לחכות לקלט מהמשתמש.

האפשרות הזו מתאימה במיוחד למשימות אוטומטיות מרובות שלבים, כמו צינור לעיבוד נתונים מסוג 'תכנון וביצוע' או 'טיוטה ושיפור'. ‫ADK מספק שלושה סוכני תהליכי עבודה מובנים לניהול התהליך הזה:

  • SequentialAgent
  • LoopAgent
  • ParallelAgent

בהמשך ה-Lab הזה נתמקד בפיתוח מערכת מרובת סוכנים באמצעות שלושת סוכני תהליכי העבודה האלה.

תבנו סוכן שיפתח מסמך הצעה לסרט חדש על דמות היסטורית. הנציגים יבצעו מחקר, כתיבה איטרטיבית ויפיקו דוחות.

בסופו של דבר, המערכת תיראה כך:

דיאגרמה של מערכת מרובת סוכנים של צוות film_concept_team

תבנו את המערכת הזו שלב אחרי שלב, ותתחילו עם תהליך העבודה הפשוט ביותר.

10. איך יוצרים מערכת מרובת סוכנים באמצעות SequentialAgent

SequentialAgent הוא סוכן לתהליכי עבודה שמבצע את הסוכנים המשניים שלו ברצף לינארי פשוט. כל סוכן ברשימה sub_agents מופעל אחד אחרי השני, לפי הסדר. התכונה הזו מתאימה במיוחד לצינורות שבהם צריך לבצע את המשימות בסדר מסוים, כמו סוכן להצגת רעיונות לסרטים שתבנו עכשיו.

הגרסה הראשונה תהיה במבנה הבא:

Film_concept_team multi-agent system step 1

  • הודעת root_agent (greeter) תברך את המשתמש ותקבל את נושא הסרט.
  • הוא יועבר אל SequentialAgent בשם film_concept_team, שיכלול את הפעולות הבאות:
    1. מריצים סוכן researcher כדי לקבל עובדות מתוך ויקיפדיה.
    2. מריצים סוכן screenwriter כדי להשתמש בעובדות האלה לכתיבת עלילה.
    3. מריצים סוכן file_writer כדי לשמור את העלילה הסופית בקובץ.

בוא נריץ אותו.

  1. ב-Cloud Shell Editor, פותחים את adk_multiagent_systems/workflow_agents/agent.py.
    קוראים את קובץ ההגדרה של הסוכן. סוכני משנה צריכים להיות מוגדרים לפני שאפשר להקצות אותם לסוכן אב. כדי לקרוא את הקובץ לפי סדר זרימת השיחה, אפשר לקרוא את הסוכנים מלמטה למעלה.
  2. שימו לב לכלי append_to_state. פונקציית העזר הזו מאפשרת לסוכנים לצרף נתונים לרשימה במצב הסשן, וכך הסוכנים researcher ו-screenwriter יעבירו את העבודה שלהם.
  3. כדאי לנסות את הסוכן. במסוף, מפעילים את ממשק האינטרנט עם טעינה מחדש בזמן אמת:
    cd ~/adk_multiagent_systems
adk web --reload_agents
  4. במסוף Cloud Shell, לוחצים על הלחצן Web Preview (תצוגה מקדימה של האינטרנט) ובוחרים באפשרות Change Port (שינוי היציאה).
    תפריט תצוגה מקדימה של אתר
  5. מזינים את מספר היציאה 8000 ולוחצים על שינוי ותצוגה מקדימה. תיפתח כרטיסייה חדשה בדפדפן עם ממשק המשתמש של ADK Dev.
    שינוי תיבת הדו-שיח הקופצת של היציאה עם הערך 8000 שהוזן בתיבת הטקסט
  6. בתפריט הנפתח Select an agent, בוחרים באפשרות workflow_agents.
  7. מתחילים את השיחה עם: hello. נציג התמיכה של greeter יגיב.
  8. כשמופיעה בקשה, מזינים דמות היסטורית. אפשר להשתמש באחת מהאפשרויות הבאות או באפשרות משלכם:
    • ג'אנג ג'ונגג'ינג
    • עדה לוי
    • מרקוס אורליוס
  9. ה-SequentialAgent יתחיל לפעול. לא יוצגו הודעות ביניים. הפעולות researcher,‏ screenwriter ו-file_writer יפעלו אחת אחרי השנייה. הנציג יגיב רק אחרי שהרצף כולו יושלם.
    אם הפעולה נכשלת, אפשר ללחוץ על + סשן חדש בפינה השמאלית העליונה ולנסות שוב.
  10. אחרי שהסוכן מאשר שהקובץ נכתב, מאתרים את הקובץ החדש .txt בספרייה movie_pitches ב-Cloud Shell Editor ופותחים אותו כדי לראות את הפלט.
  11. בממשק המשתמש של ADK Dev, לוחצים על סמל הסוכן האחרון בהיסטוריית הצ'אט כדי לפתוח את תצוגת האירועים.
  12. בתצוגת האירועים מוצג תרשים חזותי של עץ הסוכנים. אפשר לראות איך greeter התקשר אל film_concept_team, ואז film_concept_team התקשר לכל אחד מסוכני המשנה שלו לפי הסדר.תרשים אינטרנט של ADK
  13. כדי לבדוק את הנתונים המדויקים שהועברו, כולל מצב הסשן, אפשר ללחוץ על הכרטיסיות בקשה ותגובה של כל סוכן בתרשים.

סיכום של קטע

בקטע הזה למדתם איך להשתמש בסוכן של תהליך עבודה:

  • סוכן SequentialAgent מפעיל את הסוכנים המשניים שלו אחד אחרי השני, לפי הסדר, בלי לחכות לקלט מהמשתמש בין השלבים.
  • זהו 'תהליך עבודה' כי המשתמש מדבר עם root_agent, ואז root_agent מעביר את העבודה אל SequentialAgent כדי להשלים אותה.
  • נציגים משניים ברצף משתמשים במצב הסשן (לדוגמה, { PLOT_OUTLINE? }) כדי לגשת לעבודה של סוכנים קודמים.
  • אתם יכולים להשתמש בתרשים האירועים בממשק המשתמש למפתחים כדי להמחיש ולנפות באגים בכל תהליך העבודה של סוכן לסוכן.

11. הוספת סוכן Loop לעבודה איטרטיבית

‫LoopAgent הוא סוכן של תהליך עבודה שמפעיל את הסוכנים המשניים שלו ברצף ואז חוזר על הפעולה, החל מההתחלה. הלולאה הזו ממשיכה עד שמתקיים תנאי מסוים, כמו הגעה לספירה של max_iterations או סוכן משנה שמתקשר לכלי המובנה exit_loop.

היא שימושית למשימות שדורשות שיפורים חוזרים ונשנים. תוסיפו את LoopAgent כדי ליצור 'חדר כתיבה' לסוכן שלכם שאחראי על הצגת הסרט. כך סוכן researcher, סוכן screenwriter וסוכן critic חדש יכולים לעבוד בלולאה, ולשפר את העלילה בכל מעבר עד שסוכן critic מחליט שהיא מוכנה. התכונה הזו גם עוזרת לסוכן לטפל בקלט פחות ברור של משתמשים (למשל "רופא עתיק") על ידי מחקר ושיפור של רעיון.

Film_concept_team multi-agent system step 2

כדי לבצע את השינויים האלה:

  1. ב-adk_multiagent_systems/workflow_agents/agent.py, מוסיפים את הייבוא של exit_loop (ליד הייבוא האחר של google.adk):
    from google.adk.tools import exit_loop
  2. מוסיפים את הסוכן החדש critic. הנציג הזה יבדוק את העלילה. אם הוא טוב, הוא קורא ל-exit_loop. אם לא, הוא מוסיף משוב למצב של הלולאה הבאה.
    מדביקים את הגדרת הסוכן הבאה מתחת לקטע # Agents:
    critic = Agent(
    name="critic",
    model=model_name,
    description="Reviews the outline so that it can be improved.",
    instruction="""
    INSTRUCTIONS:
    Consider these questions about the PLOT_OUTLINE:
    - Does it meet a satisfying three-act cinematic structure?
    - Do the characters' struggles seem engaging?
    - Does it feel grounded in a real time period in history?
    - Does it sufficiently incorporate historical details from the RESEARCH?

    If the PLOT_OUTLINE does a good job with these questions, exit the writing loop with your 'exit_loop' tool.
    If significant improvements can be made, use the 'append_to_state' tool to add your feedback to the field 'CRITICAL_FEEDBACK'.
    Explain your decision and briefly summarize the feedback you have provided.

    PLOT_OUTLINE:
    { PLOT_OUTLINE? }

    RESEARCH:
    { research? }
    """,
    before_model_callback=log_query_to_model,
    after_model_callback=log_model_response,
    tools=[append_to_state, exit_loop]
)
  3. יוצרים את writers_room LoopAgent. הוא יכיל את שלושת הסוכנים שיפעלו בלולאה.
    מדביקים את הקוד הבא מעל הגדרת הסוכן film_concept_team:
    writers_room = LoopAgent(
    name="writers_room",
    description="Iterates through research and writing to improve a movie plot outline.",
    sub_agents=[
        researcher,
        screenwriter,
        critic
    ],
    max_iterations=5,
)
  4. מעדכנים את film_concept_team SequentialAgent כדי להשתמש בלולאה החדשה writers_room. מחליפים את researcher ואת screenwriter בסוכן היחיד writers_room.מחליפים את ההגדרה הקיימת של film_concept_team בהגדרה הבאה:
    film_concept_team = SequentialAgent(
    name="film_concept_team",
    description="Write a film plot outline and save it as a text file.",
    sub_agents=[
        writers_room,
        file_writer
    ],
)
  5. חוזרים לכרטיסייה של ממשק המשתמש למפתחים של ADK ולוחצים על + New Session (הפעלה חדשה) בפינה השמאלית העליונה.
  6. התחלת שיחה חדשה עם: hello
  7. כשמוצגת בקשה, הפעם צריך לתת לנציג נושא רחב יותר. הנה כמה רעיונות:
    • מעצב תעשייתי שיצר מוצרים להמונים
    • קרטוגרף (יוצר מפות)
    • הבחור הזה שגרם ליבולים להניב יותר מזון
    הסוכן יפעל עכשיו בלולאה. בממשק המשתמש של ADK Dev, תוכלו לראות את היומנים בזמן שהסוכנים פועלים מספר פעמים (למשל, ‫"[researcher]", "[screenwriter]", "[critic]", "[researcher]", "[screenwriter]", "[critic]...").
  8. כשהלולאה מסתיימת, הסוכן כותב את הקובץ. בודקים את הקובץ שנוצר בספרייה adk_multiagent_systems/movie_pitches.
  9. בודקים את גרף האירועים בממשק המשתמש למפתחים כדי לראות את מבנה הלולאה.

סיכום של קטע

בקטע הזה למדתם איך להשתמש ב-LoopAgent:

  • LoopAgent הוא סוכן של זרימת עבודה שחוזר על רצף של סוכני משנה, ויוצר "לולאה פנימית" למשימות איטרטיביות.
  • נציגים בתוך הלולאה משתמשים במצב הסשן כדי להעביר עבודה (למשל, PLOT_OUTLINE) ומשוב (לדוגמה, CRITICAL_FEEDBACK) אחד לשני במעברים הבאים.
  • אפשר להפסיק את הלולאה כשמגיעים למגבלת max_iterations או כשנציג מתקשר לכלי exit_loop.

12. שימוש ב-ParallelAgent לביצוע פעולות מקבילות

‫ParallelAgent הוא סוכן של תהליך עבודה שמבצע את כל הסוכנים המשניים שלו בו-זמנית (במקביל). האפשרות הזו שימושית למשימות שאפשר לחלק לתת-משימות עצמאיות, כמו הפעלת שתי משימות מחקר שונות.

תשתמשו בParallelAgent כדי ליצור 'צוות טרום-הפקה' שיעבוד במקביל. סוכן אחד יחקור את הפוטנציאל של קופות הכרטיסים, בזמן שסוכן אחר יעלה רעיונות לליהוק. הדפוס הזה נקרא לעיתים קרובות 'פיצול ואיסוף': סוכן ParallelAgent מפצל את העבודה, וסוכן מאוחר יותר (file_writer שלנו) אוסף את התוצאות.

Film_concept_team multi-agent system step 3

התהליך הסופי של הסוכן ייראה כך:

  1. greeter (המשתמש הראשי) מתחיל את הצ'אט.
  2. הוא מועבר אל film_concept_team (SequentialAgent), שמופעל:
    • ‫writers_room (LoopAgent) כדי ליצור את העלילה.
    • הוספנו את האפשרות החדשה preproduction_team (ParallelAgent) כדי לחקור את נתוני הקופות ואת צוות השחקנים בו-זמנית.
    • ‫file_writer כדי לאסוף את כל התוצאות ולשמור את הקובץ.

כדי לבצע את השינויים האלה:

  1. ב-adk_multiagent_systems/workflow_agents/agent.py, מדביקים את ParallelAgent החדש ואת סוכני המשנה שלו מתחת לכותרת # Agents.
    box_office_researcher = Agent(
    name="box_office_researcher",
    model=model_name,
    description="Considers the box office potential of this film",
    instruction="""
    PLOT_OUTLINE:
    { PLOT_OUTLINE? }

    INSTRUCTIONS:
    Write a report on the box office potential of a movie like that described in PLOT_OUTLINE based on the reported box office performance of other recent films.
    """,
    output_key="box_office_report"
)

casting_agent = Agent(
    name="casting_agent",
    model=model_name,
    description="Generates casting ideas for this film",
    instruction="""
    PLOT_OUTLINE:
    { PLOT_OUTLINE? }

    INSTRUCTIONS:
    Generate ideas for casting for the characters described in PLOT_OUTLINE
    by suggesting actors who have received positive feedback from critics and/or
    fans when they have played similar roles.
    """,
    output_key="casting_report"
)

preproduction_team = ParallelAgent(
    name="preproduction_team",
    sub_agents=[
        box_office_researcher,
        casting_agent
    ]
)
  2. מעדכנים את רשימת film_concept_team של SequentialAgent כדי לכלול את preproduction_team החדש (בין writers_room לבין file_writer).מחליפים את ההגדרה הקיימת של film_concept_team בהגדרה הבאה:sub_agents
    film_concept_team = SequentialAgent(
    name="film_concept_team",
    description="Write a film plot outline and save it as a text file.",
    sub_agents=[
        writers_room,
        preproduction_team,
        file_writer
    ],
)
  3. מעדכנים את file_writer הסוכן instruction כך שהוא 'יאסוף' את הדוחות החדשים מהמדינה ויוסיף אותם לקובץ.
    מחליפים את המחרוזת instruction בשורה file_writer במחרוזת הבאה:
        instruction="""
    INSTRUCTIONS:
    - Create a marketable, contemporary movie title suggestion for the movie described in the PLOT_OUTLINE.
    If a title has been suggested in PLOT_OUTLINE, you can use it, or replace it with a better one.
    - Use your 'write_file' tool to create a new txt file with the following arguments:
    - for a filename, use the movie title
    - Write to the 'movie_pitches' directory.
    - For the 'content' to write, include:
    - The PLOT_OUTLINE
    - The BOX_OFFICE_REPORT
    - The CASTING_REPORT

    PLOT_OUTLINE:
    { PLOT_OUTLINE? }

    BOX_OFFICE_REPORT:
    { box_office_report? }

    CASTING_REPORT:
    { casting_report? }
    """,
  4. חוזרים לכרטיסייה של ממשק המשתמש של ADK Dev ולוחצים על + New Session (הפעלה חדשה).
  5. מזינים hello כדי להתחיל את השיחה.
  6. כשמופיעה בקשה, מזינים רעיון לדמות חדשה. הנה כמה רעיונות:
    • השחקנית שהמציאה את הטכנולוגיה של Wi-Fi
    • שף מרגש
    • שחקנים מרכזיים בתערוכות של היריד העולמי
  7. כשהסוכן מסיים את העבודה, בודקים את הקובץ הסופי בספרייה adk_multiagent_systems/movie_pitches. המסמך צריך לכלול עכשיו את תקציר העלילה, את דוח ההכנסות ואת דוח הליהוק.

סיכום של קטע

בקטע הזה למדתם איך להשתמש ב-ParallelAgent:

  • עבודת ParallelAgent "fans out" מפעילה את כל סוכני המשנה שלה בו-זמנית, ולא ברצף.
  • השיטה הזו יעילה מאוד למשימות שלא תלויות זו בזו (למשל, מחקר על שני נושאים שונים).
  • התוצאות של סוכנים מקבילים 'נאספות' על ידי סוכן מאוחר יותר. הפעולה הזו מתבצעת על ידי שמירת העבודה של הסוכנים המקבילים במצב הסשן (באמצעות output_key), וקריאת המפתחות האלה על ידי סוכן סופי (כמו file_writer).

13. סוכנים מותאמים אישית לתהליכי עבודה

אם סוכני תהליכי העבודה המוגדרים מראש של SequentialAgent,‏ LoopAgent ו-ParallelAgent לא מספיקים לצרכים שלכם, CustomAgent מאפשר לכם ליישם לוגיקה חדשה של תהליכי עבודה.

אתם יכולים להגדיר תבניות לשליטה בזרימה, להפעלה מותנית או לניהול מצב בין סוכני משנה. האפשרות הזו שימושית לתהליכי עבודה מורכבים, לתיאום עם שמירת מצב או לשילוב של לוגיקה עסקית מותאמת אישית בשכבת התיאום של המסגרת.

יצירת CustomAgent לא נכללת בשיעור ה-Lab הזה, אבל כדאי לדעת שהיא קיימת למקרה שתצטרכו אותה.

14. מעולה!

יצרת בהצלחה מערכת מתוחכמת עם כמה סוכנים באמצעות ערכת Google לפיתוח סוכנים (ADK). עברתם ממערכת יחסים פשוטה בין סוכן הורה לסוכן צאצא, לתיאום של תהליכי עבודה מורכבים ואוטומטיים שיכולים לחקור, לכתוב ולשפר פרויקט יצירתי.

Recap

בשיעור ה-Lab הזה:

  • סוכנים מאורגנים בעץ היררכי עם קשרים של הורה וסוכן משנה.
  • העברות מבוקרות מסוכן לסוכן, באופן אוטומטי (באמצעות description) וגם באופן מפורש (באמצעות instruction).
  • השתמשתם בכלי כדי לכתוב נתונים למילון tool_context.state.
  • נעשה שימוש בתבניות מפתחות (לדוגמה, { PLOT_OUTLINE? }) כדי לקרוא מסטטוס הסשן ולהנחות את ההנחיה של הנציג.
  • הטמענו SequentialAgent כדי ליצור תהליך עבודה פשוט שלב אחר שלב (מחקר -> כתיבה -> שמירה).
  • השתמשתם ב-LoopAgent עם סוכן critic והכלי exit_loop כדי ליצור מחזור של שיפורים חוזרים.
  • השתמשתם ב-ParallelAgent כדי לבצע כמה משימות בלתי תלויות בו-זמנית (כמו מחקר על שחקנים ועל הכנסות ממכירת כרטיסים).

המשך הניסויים

יש הרבה דרכים להרחיב את הידע שלכם. רעיונות לשינויים:

  • הוספת סוכנים נוספים: נסו להוסיף סוכן חדש לpreproduction_team ParallelAgent. לדוגמה, אפשר ליצור marketing_agent שכותב סלוגן לסרט על סמך PLOT_OUTLINE.
  • הוספת כלים נוספים: נותנים לסוכן researcher כלים נוספים. אפשר ליצור כלי שמשתמש ב-Google Search API כדי למצוא מידע שלא מופיע בוויקיפדיה.
  • כלי הניתוחים CustomAgent: ב-Lab מוזכר CustomAgent לתהליכי עבודה שלא מתאימים לתבניות הרגילות. אפשר לנסות ליצור סוכן שפועל רק אם מפתח מסוים קיים במצב הסשן.