Tworzenie agentów z generowaniem wspomaganym wyszukiwaniem

1. Wprowadzenie

Przegląd

Celem tego modułu jest nauczenie się, jak tworzyć w Google Cloud kompleksowe aplikacje RAG (Retrieval-Augmented Generation) oparte na agentach. W tym module utworzysz agenta do analizy finansowej, który będzie odpowiadać na pytania, łącząc informacje z 2 różnych źródeł: nieustrukturyzowanych dokumentów (kwartalne dokumenty firmy Alphabet składane w Komisji Papierów Wartości i Giełd – sprawozdania finansowe i szczegóły operacyjne, które każda spółka publiczna w Stanach Zjednoczonych przekazuje do Komisji Papierów Wartości i Giełd) oraz danych strukturalnych (historyczne ceny akcji).

Do utworzenia zaawansowanej wyszukiwarki semantycznej dla nieustrukturyzowanych raportów finansowych użyjesz Vertex AI Search. W przypadku danych strukturalnych utworzysz niestandardowe narzędzie w języku Python. Na koniec użyjesz zestawu do tworzenia agentów (ADK), aby utworzyć inteligentnego agenta, który potrafi analizować zapytania użytkowników, decydować, którego narzędzia użyć, i syntetyzować informacje w spójną odpowiedź.

Jakie zadania wykonasz

  • Skonfiguruj magazyn danych Vertex AI Search do wyszukiwania semantycznego w dokumentach prywatnych.
  • Utwórz niestandardową funkcję w Pythonie jako narzędzie dla agenta.
  • Użyj pakietu Agent Development Kit (ADK), aby utworzyć agenta z wieloma narzędziami.
  • Łącz pobieranie danych z nieuporządkowanych i uporządkowanych źródeł, aby odpowiadać na złożone pytania.
  • Testuj agenta, który wykazuje zdolność do wnioskowania, i wchodź z nim w interakcje.

Czego się nauczysz

Z tego modułu dowiesz się:

  • Podstawowe pojęcia związane z generowaniem rozszerzonym przez wyszukiwanie w zapisanych informacjach (RAG) i technologią Agentic RAG.
  • Jak wdrożyć wyszukiwanie semantyczne w dokumentach za pomocą Vertex AI Search.
  • Jak udostępniać agentowi dane strukturalne, tworząc niestandardowe narzędzia.
  • Jak utworzyć agenta z wieloma narzędziami i nim zarządzać za pomocą pakietu Agent Development Kit (ADK).
  • Jak agenty korzystają z rozumowania i planowania, aby odpowiadać na złożone pytania przy użyciu wielu źródeł danych.

2. Informacje o generowaniu wspomaganym wyszukiwaniem

Duże modele generatywne (duże modele językowe, czyli LLM, modele wizualno-językowe itp.) są niezwykle zaawansowane, ale mają pewne ograniczenia. Ich wiedza jest zamrożona w momencie wstępnego trenowania, co sprawia, że jest statyczna i od razu nieaktualna. Nawet po dostrajaniu wiedza modelu nie staje się znacznie bardziej aktualna, ponieważ nie jest to celem etapów po trenowaniu.

Sposób trenowania dużych modeli językowych, zwłaszcza modeli „myślących”, sprawia, że są one „nagradzane” za udzielanie jakiejkolwiek odpowiedzi, nawet jeśli nie mają faktów, które by ją potwierdzały. Wtedy mówi się, że model „halucynuje” – generuje wiarygodnie brzmiące, ale nieprawdziwe informacje.

Retrieval-Augmented Generation to zaawansowany wzorzec architektury zaprojektowany do rozwiązywania tych problemów. Jest to struktura architektoniczna, która zwiększa możliwości dużych modeli językowych dzięki łączeniu ich w czasie rzeczywistym z zewnętrznymi, wiarygodnymi źródłami wiedzy. Zamiast polegać wyłącznie na statycznej, wstępnie wytrenowanej wiedzy, model LLM w systemie RAG najpierw pobiera istotne informacje związane z zapytaniem użytkownika, a następnie wykorzystuje je do wygenerowania dokładniejszej, aktualniejszej i uwzględniającej kontekst odpowiedzi.

To podejście bezpośrednio rozwiązuje największe słabości modeli generatywnych: ich wiedza jest stała w danym momencie, a one same są podatne na generowanie nieprawidłowych informacji, czyli „halucynacji”. RAG daje modelowi LLM „egzamin z książką”, w którym „książką” są Twoje prywatne, specyficzne dla domeny i aktualne dane. Proces dostarczania modelu LLM kontekstu opartego na faktach jest nazywany „uzasadnianiem”.

3 etapy RAG

Standardowy proces generowania wspomaganego wyszukiwaniem można podzielić na 3 proste kroki:

  1. Pobieranie: gdy użytkownik przesyła zapytanie, system najpierw przeszukuje zewnętrzną bazę wiedzy (np. repozytorium dokumentów, bazę danych lub witrynę), aby znaleźć informacje istotne dla zapytania.
  2. Wzbogacanie: pobrane informacje są następnie łączone z pierwotnym zapytaniem użytkownika w rozszerzony prompt. Ta technika jest czasami nazywana „wypełnianiem prompta”, ponieważ wzbogaca prompt o kontekst oparty na faktach.
  3. Generowanie: rozszerzony prompt jest przekazywany do LLM, który generuje odpowiedź. Model otrzymał odpowiednie dane oparte na faktach, więc jego dane wyjściowe są „umocowane” i znacznie mniej prawdopodobne jest, że będą niedokładne lub nieaktualne.

Zalety RAG

Wprowadzenie platformy RAG było przełomowe w zakresie tworzenia praktycznych i godnych zaufania aplikacji AI. Jego najważniejsze zalety to:

  • Zwiększona dokładność i mniejsza liczba halucynacji: dzięki oparciu odpowiedzi na weryfikowalnych faktach zewnętrznych RAG znacznie zmniejsza ryzyko zmyślania informacji przez LLM.
  • Dostęp do aktualnych informacji: systemy RAG można połączyć z stale aktualizowanymi bazami wiedzy, co pozwala im udzielać odpowiedzi na podstawie najnowszych informacji. Jest to niemożliwe w przypadku statycznie trenowanego LLM.
  • Większe zaufanie użytkowników i przejrzystość: ponieważ odpowiedź LLM jest oparta na pobranych dokumentach, system może podawać cytaty i linki do źródeł. Dzięki temu użytkownicy mogą samodzielnie sprawdzić informacje, co zwiększa ich zaufanie do aplikacji.
  • Opłacalność: ciągłe dostrajanie lub ponowne trenowanie dużego modelu językowego z użyciem nowych danych jest kosztowne pod względem obliczeniowym i finansowym. W przypadku RAG aktualizacja wiedzy modelu jest tak prosta, jak aktualizacja zewnętrznego źródła danych, co jest znacznie bardziej wydajne.
  • Specjalizacja w danej dziedzinie i prywatność: RAG umożliwia osobom i organizacjom udostępnianie ich prywatnych danych zastrzeżonych modelowi LLM w momencie zapytania bez konieczności uwzględniania tych poufnych danych w zbiorze treningowym modelu. Umożliwia to tworzenie zaawansowanych aplikacji w określonych domenach przy jednoczesnym zachowaniu prywatności i bezpieczeństwa danych.

Pobieranie

Krok „Pobieranie” jest kluczowy w każdym systemie RAG. Jakość i trafność uzyskanych informacji bezpośrednio wpływają na jakość i trafność wygenerowanej odpowiedzi. Skuteczna aplikacja RAG często musi pobierać informacje z różnych typów źródeł danych za pomocą różnych technik. Główne metody wyszukiwania dzielą się na 3 kategorie: oparte na słowach kluczowych, semantyczne i strukturalne.

Wyszukiwanie w danych nieuporządkowanych

W przeszłości pobieranie nieuporządkowanych danych było inną nazwą tradycyjnego wyszukiwania. Przeszła ona wiele przekształceń, a Ty możesz korzystać z obu głównych podejść.

Wyszukiwanie semantyczne to najskuteczniejsza technika, którą możesz stosować na dużą skalę w Google Cloud, uzyskując najwyższą wydajność i dużą kontrolę.

  • Wyszukiwanie oparte na słowach kluczowych (leksykalne): to tradycyjne podejście do wyszukiwania, które sięga początków systemów wyszukiwania informacji z lat 70. XX wieku. Wyszukiwanie leksykalne polega na dopasowywaniu dosłownych słów (lub „tokenów”) w zapytaniu użytkownika do dokładnie tych samych słów w dokumentach w bazie wiedzy. Jest to bardzo skuteczne w przypadku zapytań, w których precyzja w odniesieniu do konkretnych terminów, takich jak kody produktów, klauzule prawne czy unikalne nazwy, ma kluczowe znaczenie.
  • Wyszukiwanie semantyczne: wyszukiwanie semantyczne, czyli „wyszukiwanie ze znaczeniem”, to nowocześniejsze podejście, które ma na celu zrozumienie intencji użytkownika i kontekstowego znaczenia jego zapytania, a nie tylko dosłownych słów kluczowych. Nowoczesne wyszukiwanie semantyczne wykorzystuje wektory dystrybucyjne, czyli technikę uczenia maszynowego, która mapuje złożone dane wielowymiarowe na przestrzeń wektorową o mniejszej liczbie wymiarów. Te wektory są zaprojektowane tak, aby teksty o podobnym znaczeniu znajdowały się blisko siebie w przestrzeni wektorowej. Wyszukiwanie „Jakie rasy psów są najlepsze dla rodzin?” jest przekształcane w wektor, a następnie system wyszukuje wektory dokumentów, które są jego „najbliższymi sąsiadami” w tej przestrzeni. Dzięki temu może znajdować dokumenty, w których mowa jest o „golden retrieverach” lub „przyjaznych psach”, nawet jeśli nie zawierają one słowa „pies”. Wyszukiwanie w przestrzeni o dużej liczbie wymiarów jest możliwe dzięki algorytmom przybliżonego wyszukiwania najbliższych sąsiadów (ANN). Zamiast porównywać wektor zapytania z wektorem każdego dokumentu (co w przypadku dużych zbiorów danych byłoby zbyt wolne), algorytmy ANN używają inteligentnych struktur indeksowania, aby szybko znajdować wektory, które są prawdopodobnie najbliższe.

Wyszukiwanie w danych uporządkowanych

Nie cała kluczowa wiedza jest przechowywana w nieustrukturyzowanych dokumentach. Najdokładniejsze i najcenniejsze informacje często znajdują się w formatach strukturalnych, takich jak relacyjne bazy danych, bazy danych NoSQL lub różnego rodzaju interfejsy API, np. interfejs REST API do danych pogodowych lub cen akcji.

Pobieranie danych z ustrukturyzowanych danych jest zwykle bardziej bezpośrednie i dokładne niż wyszukiwanie w nieustrukturyzowanym tekście. Zamiast wyszukiwać podobieństwa semantyczne, modele językowe mogą mieć możliwość formułowania i wykonywania precyzyjnych zapytań, takich jak zapytanie SQL do bazy danych lub wywołanie interfejsu API do interfejsu API pogodowego dla określonej lokalizacji i daty.

Jest ona wdrażana za pomocą wywoływania funkcji, czyli tej samej techniki, która zasila agenty AI. Umożliwia ona modelom językowym interakcję z wykonywalnym kodem i systemami zewnętrznymi w określony sposób.

3. Od potoków RAG do RAG z użyciem agentów

Podobnie jak sama koncepcja RAG, ewoluowały też architektury jej wdrażania. To, co zaczęło się jako prosty, liniowy potok, przekształciło się w dynamiczny, inteligentny system zarządzany przez agentów AI.

  • Prosta (lub naiwna) architektura RAG: to podstawowa architektura, którą omówiliśmy do tej pory: liniowy, 3-etapowy proces pobierania, rozszerzania i generowania. Jest reaktywny – w przypadku każdego zapytania podąża stałą ścieżką i jest bardzo skuteczny w przypadku prostych zadań typu pytania i odpowiedzi.
  • Zaawansowana technologia RAG: to rozwinięcie technologii RAG, w której do potoku dodano dodatkowe kroki, aby poprawić jakość pobranego kontekstu. Mogą one wystąpić przed etapem pobierania lub po nim.
    • Przed pobraniem: można użyć technik takich jak ponowne zapisanie lub rozszerzenie zapytania. System może przeanalizować początkowe zapytanie i przeformułować je, aby było bardziej skuteczne dla systemu wyszukiwania.
    • Po pobraniu: po pobraniu początkowego zestawu dokumentów można zastosować model ponownego rankingu, aby ocenić trafność dokumentów i przesunąć najlepsze z nich na początek listy. Jest to szczególnie ważne w przypadku wyszukiwania hybrydowego. Kolejnym krokiem po pobraniu jest filtrowanie lub kompresowanie pobranego kontekstu, aby mieć pewność, że do LLM przekazywane są tylko najważniejsze informacje.
  • Agentic RAG: to najnowocześniejsza architektura RAG, która stanowi zmianę paradygmatu z ustalonego potoku na autonomiczny, inteligentny proces. W systemie RAG opartym na agentach cały przepływ pracy jest zarządzany przez co najmniej 1 agenta AI, który może wnioskować, planować i dynamicznie wybierać działania.

Aby zrozumieć Agentic RAG, musisz najpierw wiedzieć, czym jest agent AI. Agent to coś więcej niż tylko LLM. Jest to system składający się z kilku kluczowych komponentów:

  1. Model LLM jako silnik wnioskowania: agent używa zaawansowanego modelu LLM, takiego jak Gemini, nie tylko do generowania tekstu, ale też jako centralnego „mózgu” do planowania, podejmowania decyzji i rozkładania złożonych zadań na mniejsze części.
  2. Zestaw narzędzi: agent ma dostęp do zestawu funkcji, których może używać do osiągania swoich celów. Mogą to być kalkulator, interfejs API wyszukiwarki internetowej, funkcja wysyłania e-maili lub, co najważniejsze w tym laboratorium, narzędzia do pobierania informacji z różnych baz wiedzy.
  3. Pamięć: agenci mogą być wyposażeni w pamięć krótkotrwałą (aby zapamiętywać kontekst bieżącej rozmowy) i długotrwałą (aby przypominać sobie informacje z poprzednich interakcji), co pozwala na bardziej spersonalizowane i spójne działanie.
  4. Planowanie i analiza: najbardziej zaawansowane modele wykazują złożone wzorce rozumowania. Mogą otrzymać złożony cel i utworzyć wieloetapowy plan jego osiągnięcia. Następnie może zrealizować ten plan, a nawet przeanalizować wyniki swoich działań, zidentyfikować błędy i samodzielnie skorygować podejście, aby poprawić ostateczny rezultat.

Agentic RAG to przełomowe rozwiązanie, ponieważ wprowadza warstwę autonomii i inteligencji, której brakuje statycznym potokom.

  • Elastyczność i możliwość dostosowania: agent nie jest ograniczony do jednej ścieżki pobierania. Na podstawie zapytania użytkownika może określić najlepsze źródło informacji. Może najpierw wysłać zapytanie do bazy danych strukturalnych, a potem przeprowadzić wyszukiwanie semantyczne w dokumentach nieustrukturyzowanych. Jeśli nadal nie znajdzie odpowiedzi, użyje narzędzia wyszukiwarki Google, aby przeszukać publiczną sieć – wszystko w ramach jednego żądania użytkownika.
  • Złożone, wieloetapowe wyciąganie wniosków: ta architektura doskonale radzi sobie ze złożonymi zapytaniami, które wymagają wielu kolejnych kroków pobierania i przetwarzania.

Rozważmy zapytanie: „Znajdź 3 najlepsze filmy science fiction wyreżyserowane przez Christophera Nolana i do każdego z nich podaj krótkie streszczenie fabuły”. Prosty potok RAG nie zadziała.

Agent może jednak to wyjaśnić:

  1. Plan: najpierw muszę znaleźć filmy. Następnie muszę znaleźć fabułę każdego filmu.
  2. Działanie 1: użyj narzędzia do danych strukturalnych, aby wysłać zapytanie do bazy danych filmów o filmy science fiction Nolana: 3 najlepsze filmy posortowane według oceny malejąco.
  3. Obserwacja 1: narzędzie zwraca wyniki „Incepcja”, „Interstellar” i „Tenet”.
  4. Działanie 2: użyj narzędzia do nieustrukturyzowanych danych (wyszukiwanie semantyczne), aby znaleźć fabułę filmu „Incepcja”.
  5. Obserwacja 2: działka została pobrana.
  6. Czynność 3. Powtórz czynność dla filmu „Interstellar”.
  7. Działanie 4: powtórz dla filmu „Tenet”.
  8. Ostateczna synteza: połącz wszystkie uzyskane informacje w jedną spójną odpowiedź dla użytkownika.

RAG i agenci

4. Konfigurowanie projektu

Konto Google

Jeśli nie masz jeszcze osobistego konta Google, musisz je utworzyć.

Używaj konta osobistego zamiast konta służbowego lub szkolnego.

Logowanie w konsoli Google Cloud

Zaloguj się w konsoli Google Cloud za pomocą osobistego konta Google.

Włącz płatności

Użyj testowego konta rozliczeniowego (opcjonalnie)

Aby przeprowadzić te warsztaty, musisz mieć konto rozliczeniowe z określonymi środkami. Jeśli planujesz używać własnego konta rozliczeniowego, możesz pominąć ten krok.

  1. Kliknij ten link i zaloguj się na osobiste konto Google. Zobaczysz coś takiego:Kliknij tutaj, aby otworzyć stronę środków
  2. Kliknij przycisk KLIKNIJ TUTAJ, ABY UZYSKAĆ DOSTĘP DO ŚRODKÓW. Spowoduje to otwarcie strony, na której możesz skonfigurować profil płatności.Strona konfiguracji profilu płatności
  3. Kliknij Potwierdź. Nastąpi połączenie z próbnym kontem rozliczeniowym Google Cloud Platform.Zrzut ekranu z przeglądem rozliczeń

Konfigurowanie osobistego konta rozliczeniowego

Jeśli skonfigurujesz płatności za pomocą środków w Google Cloud, możesz pominąć ten krok.

Aby skonfigurować osobiste konto rozliczeniowe, włącz płatności w Cloud Console.

Uwagi:

Tworzenie projektu (opcjonalnie)

Jeśli nie masz bieżącego projektu, którego chcesz użyć w tym ćwiczeniu, utwórz nowy projekt.

5. Otwórz edytor Cloud Shell

  1. Kliknij ten link, aby przejść bezpośrednio do edytora Cloud Shell
  2. Jeśli w dowolnym momencie pojawi się prośba o autoryzację, kliknij Autoryzuj, aby kontynuować.Kliknij, aby uwierzytelnić się w Cloud Shell
  3. Jeśli terminal nie pojawi się u dołu ekranu, otwórz go:
    • Kliknij Wyświetl.
    • Kliknij TerminalOtwieranie nowego terminala w edytorze Cloud Shell.
  4. W terminalu ustaw projekt za pomocą tego polecenia:
    gcloud config set project [PROJECT_ID]
    • Przykład:
      gcloud config set project lab-project-id-example
    • Jeśli nie pamiętasz identyfikatora projektu, możesz wyświetlić listę wszystkich identyfikatorów projektów za pomocą tego polecenia:
      gcloud projects list
      Ustawianie identyfikatora projektu w terminalu edytora Cloud Shell
  5. Powinien wyświetlić się ten komunikat:
    Updated property [core/project].

6. Włącz interfejsy API

Aby korzystać z zestawu do tworzenia agentów i Vertex AI Search, musisz włączyć w projekcie Google Cloud odpowiednie interfejsy API.

  1. W terminalu włącz interfejsy API:
    gcloud services enable \
    aiplatform.googleapis.com \
    discoveryengine.googleapis.com

Przedstawiamy interfejsy API

  • Interfejs Vertex AI API (aiplatform.googleapis.com) umożliwia agentowi komunikację z modelami Gemini w celu wnioskowania i generowania treści.
  • Discovery Engine API (discoveryengine.googleapis.com) obsługuje Vertex AI Search, umożliwiając tworzenie magazynów danych i przeprowadzanie wyszukiwań semantycznych w nieustrukturyzowanych dokumentach.

7. Konfigurowanie środowiska

Zanim zaczniesz pisać kod agenta AI, musisz przygotować środowisko programistyczne, zainstalować niezbędne biblioteki i utworzyć wymagane pliki danych.

Tworzenie środowiska wirtualnego i instalowanie zależności

  1. Utwórz katalog dla agenta i przejdź do niego. Uruchom w terminalu ten kod:
    mkdir financial_agent
cd financial_agent
  2. Utwórz środowisko wirtualne:
    uv venv --python 3.12
  3. Aktywuj środowisko wirtualne:
    source .venv/bin/activate
  4. Zainstaluj pakiet Agent Development Kit (ADK) i bibliotekę pandas.
    uv pip install google-adk pandas

Tworzenie danych o cenach akcji

Laboratorium wymaga konkretnych historycznych danych giełdowych, aby zademonstrować zdolność agenta do korzystania z narzędzi strukturalnych, dlatego utworzysz plik CSV zawierający te dane.

  1. W katalogu financial_agent utwórz plik goog.csv, uruchamiając w terminalu to polecenie:
    cat <<EOF > goog.csv
Date,Open,High,Low,Close,Adj Close,Volume
2023-01-03,89.830002,91.550003,89.019997,89.699997,89.699997,20738500
2023-03-31,101.440002,103.889999,101.040001,103.730003,103.730003,36823200
2023-06-30,120.870003,122.029999,120.300003,120.970001,120.970001,23824700
2023-09-29,134.080002,134.550003,131.320007,131.850006,131.850006,21124200
2025-07-10,185.000000,188.000000,184.500000,186.500000,186.500000,25000000
EOF

Konfigurowanie zmiennych środowiskowych

  1. W katalogu financial_agent utwórz plik .env, aby skonfigurować zmienne środowiskowe agenta. Informuje to ADK, którego projektu, lokalizacji i modelu należy użyć. Uruchom w terminalu ten kod:
    # Create the .env file using the captured variables
cat << EOF > .env
GOOGLE_GENAI_USE_VERTEXAI=TRUE
GOOGLE_CLOUD_PROJECT="${GOOGLE_CLOUD_PROJECT}"
GOOGLE_CLOUD_LOCATION="us-central1"
EOF

Uwaga: jeśli w dalszej części tego modułu będziesz musiał(-a) zmodyfikować plik .env, ale nie widzisz go w katalogu financial_agent, spróbuj przełączyć widoczność ukrytych plików w edytorze Cloud Shell za pomocą opcji menu „View / Toggle Hidden Files” (Wyświetl / Przełącz ukryte pliki).

Włączanie i wyłączanie ukrytych plików

8. Tworzenie magazynu danych Vertex AI Search

Aby umożliwić agentowi odpowiadanie na pytania dotyczące raportów finansowych Alphabet, utworzysz magazyn danych Vertex AI Search zawierający publiczne dokumenty złożone w Komisji Papierów Wartościowych i Giełd.

  1. Na nowej karcie przeglądarki otwórz konsolę Cloud (console.cloud.google.com) i za pomocą paska wyszukiwania u góry przejdź do aplikacji AI.
    AI Applications
  2. Jeśli pojawi się taka prośba, zaznacz pole wyboru warunków i kliknij Continue and Activate the API (Przejdź dalej i aktywuj API).
  3. W menu nawigacyjnym po lewej stronie wybierz Data Stores (Bazy danych).
    Magazyny danych
  4. Kliknij + Utwórz magazyn danych.
  5. Znajdź kartę Cloud Storage i kliknij Wybierz.
    Magazyn danych – GCS
  6. Jako źródło danych wybierz Dokumenty bez struktury.
    Magazyn danych – dokumenty nieuporządkowane
  7. Jako źródło importu (Wybierz folder lub plik, który chcesz zaimportować) wpisz ścieżkę do Google Cloud Storage cloud-samples-data/gen-app-builder/search/alphabet-sec-filings.
  8. Kliknij Dalej.
  9. Pozostaw ustawienie lokalizacji globalne.
  10. W polu nazwa magazynu danych wpisz
    alphabet-sec-filings
  11. Rozwiń sekcję Opcje przetwarzania dokumentów.
    Baza danych – opcje przetwarzania
  12. Na liście Domyślny analizator dokumentów wybierz Analizator układu.
    Magazyn danych – analizator układu
  13. W opcjach Ustawienia analizatora układu wybierz Włącz adnotacje do tabeli i Włącz adnotacje do obrazu.
  14. Kliknij Dalej.
  15. Wybierz model cenowy Ogólne ceny i kliknij Utwórz.
  16. Magazyn danych rozpocznie importowanie dokumentów.
    Baza danych – włączanie opcji
  17. Kliknij nazwę magazynu danych i skopiuj jego identyfikator z tabeli Magazyny danych. Będzie on potrzebny w następnym kroku.
    Magazyn danych – właściwości
  18. Otwórz plik .env w edytorze Cloud Shell i dołącz identyfikator magazynu danych jako DATA_STORE_ID="YOUR_DATA_STORE_ID" (zastąp YOUR_DATA_STORE_ID rzeczywistym identyfikatorem z poprzedniego kroku).Uwaga: importowanie, analizowanie i indeksowanie danych w magazynie danych zajmie kilka minut. Aby sprawdzić ten proces, kliknij nazwę magazynu danych, aby otworzyć jego właściwości, a potem otwórz kartę Aktywność. Poczekaj, aż stan zmieni się na „Importowanie zakończone”. Magazyn danych – aktywność

9. Tworzenie niestandardowego narzędzia do obsługi danych strukturalnych

Następnie utworzysz funkcję w Pythonie, która będzie działać jako narzędzie dla agenta. To narzędzie odczyta plik goog.csv, aby pobrać historyczne ceny akcji z określonej daty.

  1. W katalogu financial_agent utwórz nowy plik o nazwie agent.py. Uruchom to polecenie w terminalu:
    cloudshell edit agent.py
  2. Dodaj do pliku agent.py ten kod w Pythonie. Ten kod importuje zależności i definiuje funkcję get_stock_price.
    from datetime import datetime
import os
import logging

import google.cloud.logging
from google.adk.tools import VertexAiSearchTool
from google.adk.tools.agent_tool import AgentTool
from google.adk.agents import LlmAgent

import pandas as pd

def get_stock_price(date: str) -> dict:
    """Gets the closing stock price for a given date.

    Args:
        date: The date to get the stock price for, in YYYY-MM-DD format.

    Returns:
        A dictionary containing the closing price, or an error message if the
        date is not found or the format is incorrect.
    """
    try:
        # Load the CSV file
        df = pd.read_csv('goog.csv')
        # Convert the 'Date' column to datetime objects
        df['Date'] = pd.to_datetime(df['Date'])
        # Convert the input string to a datetime object
        query_date = datetime.strptime(date, '%Y-%m-%d')
        # Find the row for the given date
        row = df[df['Date'] == query_date]

        if not row.empty:
            # Get the closing price
            close_price = row['Close'].iloc[0]
            return {"status": "success", "date": date, "closing_price": close_price}
        else:
            return {"status": "error", "message": f"No data found for date: {date}"}
    except FileNotFoundError:
        return {"status": "error", "message": "Stock data file (goog.csv) not found."}
    except Exception as e:
        return {"status": "error", "message": f"An error occurred: {str(e)}"}

Zwróć uwagę na szczegółowy ciąg dokumentujący funkcji. Wyjaśnia, co robi funkcja, jakie ma parametry (Args) i co zwraca (Returns). ADK używa tego ciągu dokumentacyjnego, aby nauczyć agenta, jak i kiedy używać tego narzędzia.

10. Tworzenie i uruchamianie agenta RAG

Teraz nadszedł czas na złożenie agenta. Połączysz narzędzie Vertex AI Search do danych nieustrukturyzowanych z niestandardowym narzędziem get_stock_price do danych strukturalnych.

  1. Dołącz do pliku agent.py ten kod: Ten kod importuje niezbędne klasy ADK, tworzy instancje narzędzi i definiuje agenta.
    logging.basicConfig(level=logging.INFO)
cloud_logging_client = google.cloud.logging.Client()
cloud_logging_client.setup_logging()

# 1. Create the Vertex AI Search tool
full_datastore_id = f"projects/{os.environ['GOOGLE_CLOUD_PROJECT']}/locations/global/collections/default_collection/dataStores/{os.environ['DATA_STORE_ID']}"
vertex_ai_search_tool = VertexAiSearchTool(
    data_store_id=full_datastore_id
)

# 2. Define the Search+Q&A agent
# Since we cannot combine tools with other tools in a single agent,
# we create a separate Search+Q&A agent which will be used as a tool by the main root agent.

doc_qa_agent = LlmAgent(
    name="search_and_qna_agent",
    model="gemini-2.5-flash",
    tools=[vertex_ai_search_tool],
    instruction="""You are a helpful assistant that answers questions based on information found in the document store.
    Use the search tool to find relevant information before answering.
    If the answer isn't in the documents, say that you couldn't find the information.
    """,
    description="Answers questions using a specific Vertex AI Search datastore.",
)

# 3. Define the root agent with 2 tools.

root_agent = LlmAgent(
    name="financial_agent",
    model="gemini-2.5-flash",
    tools=[
        AgentTool(doc_qa_agent),
        get_stock_price,
    ],
    instruction="""You are an Financial Analytics Agent that answers question about Alphabet stock prices (using get_stock_price tool)
    and historical performance based on the data in Vertex AI Search datastore (using doc_qa_agent tool)."""
)
  2. W terminalu w katalogu financial_agent uruchom interfejs internetowy ADK, aby korzystać z agenta:
    adk web ~
  3. Kliknij link podany w danych wyjściowych terminala (zwykle http://127.0.0.1:8000), aby otworzyć w przeglądarce interfejs programisty ADK.

11. Testowanie agenta

Możesz teraz sprawdzić, czy agent potrafi wnioskować i korzystać z narzędzi, aby odpowiadać na złożone pytania.

  1. W interfejsie ADK Dev UI upewnij się, że w menu wybrano financial_agent.
  2. Spróbuj zadać pytanie, które wymaga informacji z dokumentów SEC (danych nieustrukturyzowanych). Wpisz na czacie to zapytanie:
    What were the total revenues for the quarter ending on March 31, 2023?
    Agent powinien wywołać funkcję search_and_qna_agent, która używa funkcji VertexAiSearchTool do znalezienia odpowiedzi w dokumentach finansowych.
  3. Następnie zadaj pytanie, które wymaga użycia niestandardowego narzędzia (danych strukturalnych). Pamiętaj, że format daty w prompcie nie musi dokładnie odpowiadać formatowi wymaganemu przez funkcję. LLM jest wystarczająco inteligentny, aby go przekształcić.
    What was the closing stock price for Alphabet on July 10, 2025?
    Agent powinien wywołać narzędzie get_stock_price. Aby sprawdzić wywołanie funkcji i jego wynik, kliknij ikonę narzędzia na czacie.
  4. Na koniec zadaj złożone pytanie, które wymaga od agenta użycia obu narzędzi i zestawienia wyników.
    According to the 10-Q filing for the period ending March 31, 2023, what were the company's net cash provided by operating activities, and what was the stock's closing price on that date?
    To zapytanie zmusi agenta do wykonania wieloetapowego planu:
    • Najpierw użyje symbolu VertexAiSearchTool, aby znaleźć informacje o przepływach pieniężnych w dokumentach złożonych w Komisji Papierów Wartościowych i Giełd.
    • Następnie rozpozna potrzebę uzyskania ceny akcji i wywoła funkcję get_stock_price z datą 2023-03-31.
    • Na koniec połączy obie informacje w jedną, wyczerpującą odpowiedź.
  5. Gdy skończysz, możesz zamknąć kartę przeglądarki i nacisnąć CTRL+C w terminalu, aby zatrzymać serwer ADK.

12. Wybieranie usługi do wykonania zadania

Vertex AI Search to nie jedyna usługa wyszukiwania wektorowego, z której możesz korzystać. Możesz też użyć usługi zarządzanej, która automatyzuje cały proces Retrieval-Augmented Generation: Vertex AI RAG Engine.

Vertex AI RAG Engine

Obsługuje wszystko – od wczytywania dokumentów po ich pobieranie i ponowne rankingowanie. RAG Engine obsługuje wiele baz wektorowych, w tym Pinecone i Weaviate.

Możesz też samodzielnie hostować wiele specjalistycznych baz danych wektorowych lub korzystać z funkcji indeksowania wektorów w silnikach baz danych, takich jak pgvector w usłudze PostgreSQL (np. AlloyDB lub BigQuery Vector Search).

Oto kilka innych usług, które obsługują wyszukiwanie wektorowe:

Ogólne wskazówki dotyczące wyboru konkretnej usługi w Google Cloud są następujące:

  • Jeśli masz już działającą i dobrze skalującą się infrastrukturę Vector Search Do-It-Yourself, wdróż ją w Google Kubernetes Engine, np. Weaviate lub DIY PostgreSQL.
  • Jeśli dane znajdują się w BigQuery, AlloyDB, Firestore lub innej bazie danych, rozważ użycie funkcji wyszukiwania wektorowego , jeśli wyszukiwanie semantyczne można przeprowadzić na dużą skalę w ramach większego zapytania w tej bazie danych. Jeśli na przykład masz opisy lub zdjęcia produktów w tabeli BigQuery, dodanie kolumny z tekstem lub osadzaniem obrazu umożliwi korzystanie z wyszukiwania podobieństw na dużą skalę. Indeksy wektorowe z wyszukiwaniem ScaNN obsługują miliardy elementów w indeksie.
  • Jeśli chcesz szybko rozpocząć pracę przy minimalnym wysiłku i na zarządzanej platformie, wybierz Vertex AI Search – w pełni zarządzaną wyszukiwarkę i interfejs API do pobierania, który idealnie nadaje się do złożonych zastosowań biznesowych wymagających wysokiej jakości, skalowalności i precyzyjnych kontroli dostępu. Ułatwia łączenie się z różnymi źródłami danych w firmie i umożliwia wyszukiwanie w wielu źródłach.
  • Używaj silnika RAG w Vertex AI, jeśli szukasz rozwiązania, które zapewni programistom równowagę między łatwością użycia a możliwością dostosowania. Umożliwia szybkie tworzenie prototypów i opracowywanie aplikacji bez utraty elastyczności.
  • Zapoznaj się z architekturami referencyjnymi generowania wspomaganego wyszukiwaniem.

13. Podsumowanie

Gratulacje! Udało Ci się utworzyć i przetestować agenta AI z generowaniem rozszerzonym o wyszukiwanie. Dowiesz się, jak:

  • Tworzenie bazy wiedzy na podstawie nieustrukturyzowanych dokumentów za pomocą zaawansowanych funkcji wyszukiwania semantycznego w Vertex AI Search.
  • Utwórz niestandardową funkcję Pythona, która będzie służyć jako narzędzie do pobierania uporządkowanych danych.
  • Za pomocą pakietu Agent Development Kit (ADK) możesz utworzyć agenta wielofunkcyjnego opartego na Gemini.
  • Stwórz agenta, który potrafi przeprowadzać złożone, wieloetapowe rozumowanie, aby odpowiadać na zapytania wymagające syntezy informacji z wielu źródeł.

Ten moduł pokazuje podstawowe zasady działania Agentic RAG, czyli zaawansowanej architektury do tworzenia inteligentnych, dokładnych i uwzględniających kontekst aplikacji AI w Google Cloud.

Od prototypu do produkcji

Ten moduł jest częścią ścieżki szkoleniowej dotyczącej AI gotowej do wdrożenia w Google Cloud.

  • Poznaj pełny program, aby przejść od prototypu do produkcji.
  • Podziel się swoimi postępami, używając hashtagu #ProductionReadyAI.