การสร้างเอเจนต์ AI ด้วย ADK: ฐานราก

1. ก่อนเริ่มต้น

ยินดีต้อนรับสู่ตอนแรกของซีรีส์ "การสร้างเอเจนต์ AI ด้วย ADK" ในชุด Codelab แบบลงมือปฏิบัติจริงนี้ คุณจะได้เริ่มต้นการเดินทางที่น่าตื่นเต้นเพื่อสร้างเอเจนต์ AI อัจฉริยะของคุณเองโดยใช้ Agent Development Kit (ADK) ของ Google

เราจะเริ่มจากสิ่งจำเป็นที่สุด โดยจะแนะนำวิธีตั้งค่าสภาพแวดล้อมการพัฒนาและสร้างเอเจนต์สนทนาพื้นฐาน เมื่อสิ้นสุด Codelab นี้ คุณจะได้สร้าง AI แบบอินเทอร์แอกทีฟตัวแรก ซึ่งพร้อมที่จะขยายความในส่วนต่อๆ ไปของชุดนี้เมื่อเราเปลี่ยนให้เป็นระบบหลายเอเจนต์ (MAS) ที่ซับซ้อน

คุณสามารถทำ Codelab นี้ในสภาพแวดล้อมในเครื่องหรือใน Google Cloud ก็ได้ เราขอแนะนำให้ใช้ Cloud Shell จากสภาพแวดล้อม Google Cloud เพื่อให้ได้รับประสบการณ์การใช้งานที่สอดคล้องกันมากที่สุด นอกจากนี้ Cloud Shell ยังมีพื้นที่เก็บข้อมูลถาวรขนาด 5 GB ในไดเรกทอรี $HOME ด้วย ซึ่งมีประโยชน์ในการจัดเก็บสคริปต์ ไฟล์การกำหนดค่า หรือที่เก็บที่โคลน

หมายเหตุ: หากเลือกทำงานในเครื่อง คุณอาจต้องทำตามขั้นตอนการตั้งค่า การติดตั้ง และการตรวจสอบสิทธิ์เพิ่มเติม ซึ่งไม่ได้อยู่ในส่วนการตั้งค่าสภาพแวดล้อมของแล็บนี้

ข้อกำหนดเบื้องต้น

• ความเข้าใจเกี่ยวกับแนวคิดของ Generative AI
• มีความเชี่ยวชาญพื้นฐานด้านการเขียนโปรแกรม Python
• ความคุ้นเคยกับบรรทัดคำสั่ง / เทอร์มินัล

สิ่งที่คุณจะได้เรียนรู้

• วิธีตั้งค่าสภาพแวดล้อม Python
• วิธีสร้าง Agent ผู้ช่วยส่วนตัวแบบง่ายๆ โดยใช้ ADK
• วิธีเรียกใช้ ทดสอบ และแก้ไขข้อบกพร่องของเอเจนต์

สิ่งที่คุณต้องมี

• คอมพิวเตอร์ที่ใช้งานได้และ Wi-Fi ที่เชื่อถือได้
• เบราว์เซอร์ เช่น Chrome เพื่อเข้าถึง Google Cloud Console
• โปรเจ็กต์ Google Cloud ที่เปิดใช้การเรียกเก็บเงิน
• มีความใฝ่รู้และกระตือรือร้นที่จะเรียนรู้

2. บทนำ

โลกของ Generative AI (GenAI) กำลังพัฒนาอย่างรวดเร็ว และปัจจุบัน AI Agent ก็เป็นหัวข้อที่ได้รับความนิยม เอเจนต์ AI คือโปรแกรมคอมพิวเตอร์อัจฉริยะที่ออกแบบมาเพื่อดำเนินการในนามของคุณ คล้ายกับผู้ช่วยส่วนตัว โดยสามารถรับรู้สภาพแวดล้อมดิจิทัล ตัดสินใจ และดำเนินการเพื่อให้บรรลุเป้าหมายที่เฉพาะเจาะจงได้โดยไม่ต้องมีการควบคุมจากมนุษย์โดยตรง ลองคิดว่าเอเจนต์เป็นเอนทิตีเชิงรุกที่ทำงานได้ด้วยตนเอง ซึ่งสามารถเรียนรู้และปรับตัวเพื่อทำสิ่งต่างๆ ให้สำเร็จ

โดยพื้นฐานแล้ว เอเจนต์ AI ใช้โมเดลภาษาขนาดใหญ่ (LLM) เป็น "สมอง" เพื่อทำความเข้าใจและให้เหตุผล ซึ่งช่วยให้โมเดลประมวลผลข้อมูลจากแหล่งต่างๆ ได้ เช่น ข้อความ รูปภาพ และเสียง จากนั้นเอเจนต์จะใช้ความเข้าใจนี้เพื่อสร้างแผนและดำเนินการตามชุดงานเพื่อให้บรรลุวัตถุประสงค์ที่กำหนดไว้ล่วงหน้า

ตอนนี้คุณสามารถสร้างเอเจนต์ AI ของคุณเองได้อย่างง่ายดาย แม้จะไม่มีความเชี่ยวชาญในเชิงลึก เนื่องจากมีเฟรมเวิร์กที่พร้อมใช้งาน เช่น Agent Development Kit (ADK) เราจะเริ่มต้นเส้นทางนี้ด้วยการสร้างเอเจนต์ผู้ช่วยส่วนตัวเพื่อช่วยคุณทำงาน มาเริ่มกันเลย

3. กำหนดค่าบริการของ Google Cloud

แลกสิทธิ์บัญชีสำหรับการเรียกเก็บเงินแบบทดลองใช้

คุณต้องมีบัญชีสำหรับการเรียกเก็บเงินที่ใช้งานอยู่จึงจะใช้บริการของ Google Cloud ได้ หากยังไม่มีบัญชี เราได้จัดเตรียมบัญชีการเรียกเก็บเงินสำหรับการทดลองใช้ไว้ให้คุณแล้วเพื่อให้คุณทำ Codelab นี้ให้เสร็จสมบูรณ์ได้

หมายเหตุ: คุณจะต้องมีบัญชี Gmail ส่วนตัวเพื่อแลกรับบัญชีสำหรับการเรียกเก็บเงิน เนื่องจากบัญชี Gmail ขององค์กรจะใช้ไม่ได้

ขั้นตอนการแลกสิทธิ์บัญชีการเรียกเก็บเงินมีดังนี้

1. ไปที่พอร์ทัลแลกรับข้อเสนอนี้
2. เข้าสู่ระบบโดยใช้บัญชี Gmail ส่วนตัว
3. ทำตามวิธีการแบบทีละขั้นตอน

หากแลกรับบัญชีสำหรับการเรียกเก็บเงินและตั้งค่าโปรเจ็กต์ได้สำเร็จ คุณจะข้ามไปยังส่วนกำหนดค่า Cloud Shell ได้

หากใช้บัญชีสำหรับการเรียกเก็บเงินสำหรับการทดลองที่ให้ไว้จนหมดแล้ว คุณจะต้องตั้งค่าบัญชีสำหรับการเรียกเก็บเงินใหม่ โดยทำตามวิธีการต่อไปนี้

เลือกหรือสร้างโปรเจ็กต์ Google Cloud

• ไปที่ Google Cloud Console
• ที่ด้านบน ให้คลิกเมนูแบบเลื่อนลงของตัวเลือกโปรเจ็กต์ (ข้างโลโก้ Google Cloud)
• เลือกโปรเจ็กต์ที่มีอยู่หรือสร้างโปรเจ็กต์ใหม่

เปิดใช้การเรียกเก็บเงินสำหรับโปรเจ็กต์

• ทำตามวิธีการจากเอกสารประกอบการเรียกเก็บเงินของ Google Cloud เพื่อเปิดใช้การเรียกเก็บเงินสำหรับโปรเจ็กต์

หมายเหตุ: คุณต้องเปิดใช้การเรียกเก็บเงินแม้สำหรับบริการระดับฟรี เนื่องจากเป็นกลไกของ Google Cloud ในการติดตามการใช้ทรัพยากร ระบบจะเรียกเก็บเงินก็ต่อเมื่อคุณใช้งานเกินขีดจำกัดของรุ่นฟรีหรือใช้บริการแบบชำระเงิน

กำหนดค่า Cloud Shell

ตอนนี้เรามาตรวจสอบว่าคุณได้ตั้งค่าอย่างถูกต้องภายใน Cloud Shell ซึ่งเป็นอินเทอร์เฟซบรรทัดคำสั่งที่มีประโยชน์ภายใน Google Cloud Console โดยตรง

เปิดใช้ Cloud Shell

ที่มุมขวาบนของ Google Cloud Console คุณจะเห็นไอคอนที่ดูเหมือนเทอร์มินัล (>_) คลิกไอคอนนี้เพื่อเปิดใช้งาน Cloud Shell

ให้สิทธิ์เข้าถึง

หากได้รับแจ้ง ให้คลิกให้สิทธิ์เพื่อให้ Cloud Shell มีสิทธิ์ที่จำเป็นในการโต้ตอบกับโปรเจ็กต์ Google Cloud

ยืนยันบัญชี:

เมื่อ Cloud Shell โหลดแล้ว ให้ตรวจสอบว่าคุณใช้บัญชี Google Cloud ที่ถูกต้อง เรียกใช้คำสั่งต่อไปนี้

gcloud auth list

คุณควรเห็นเอาต์พุตคำสั่งที่คล้ายกันในเทอร์มินัล

Credentialed Accounts

ACTIVE: *
ACCOUNT: [e-mail]

To set the active account, run:
    $ gcloud config set account `ACCOUNT`

เปลี่ยนบัญชี (หากจำเป็น):

หากบัญชีที่ใช้งานอยู่ไม่ถูกต้อง ให้เปลี่ยนไปใช้บัญชีที่ถูกต้องโดยใช้คำสั่งนี้หลังจากแทนที่ [e-mail] ด้วยอีเมลจริงของคุณ

gcloud config set account [e-mail]

ยืนยันโปรเจ็กต์

จากนั้นมาตรวจสอบว่าได้กำหนดค่า Cloud Shell ให้ใช้โปรเจ็กต์ Google Cloud ที่ถูกต้อง เรียกใช้

gcloud config list project

คุณจะเห็นรายการการกำหนดค่า มองหาส่วน [core] และตรวจสอบว่าค่าโปรเจ็กต์ตรงกับรหัสของโปรเจ็กต์ Google Cloud ที่คุณต้องการใช้สำหรับ Codelab นี้

[core]
project = <current-project-id>

ตั้งค่าโปรเจ็กต์ (หากจำเป็น)

หากค่า project ID ไม่ถูกต้อง ให้ตั้งค่าเป็นโปรเจ็กต์ที่ต้องการโดยใช้คำสั่งต่อไปนี้

gcloud config set project <your-desired-project-id>

เปิดใช้ API ที่จำเป็น

หากต้องการใช้บริการของ Google Cloud คุณต้องเปิดใช้งาน API ที่เกี่ยวข้องสำหรับโปรเจ็กต์ก่อน การเรียกใช้คำสั่งด้านล่างในเทอร์มินัล Cloud Shell จะเปิดใช้บริการทั้งหมดที่คุณจะต้องใช้สำหรับ Codelab นี้

gcloud services enable aiplatform.googleapis.com

หากดำเนินการสำเร็จ คุณจะเห็น Operation/... finished successfully พิมพ์ในเทอร์มินัล

4. สร้างสภาพแวดล้อมเสมือนของ Python

ก่อนเริ่มโปรเจ็กต์ Python ใดๆ คุณควรสร้างสภาพแวดล้อมเสมือน ซึ่งจะแยกการอ้างอิงของโปรเจ็กต์เพื่อป้องกันไม่ให้เกิดความขัดแย้งกับโปรเจ็กต์อื่นๆ หรือแพ็กเกจ Python ทั่วโลกของระบบ เนื่องจาก Agent Development Kit (ADK) ต้องใช้ Python 3.9 ขึ้นไป เราจึงจะใช้เครื่องมืออย่าง uv เพื่อจัดการทั้งสภาพแวดล้อมเสมือนและตรวจสอบว่าใช้ Python เวอร์ชันที่ถูกต้อง

uv เป็นเครื่องมือที่ทันสมัย รวดเร็ว และมีประสิทธิภาพสำหรับการจัดการโปรเจ็กต์และสภาพแวดล้อมของ Python ซึ่งรวมฟังก์ชันการทำงานที่มักพบในเครื่องมือต่างๆ เช่น pip, venv, pip-tools และ pipx เขียนด้วย Rust เพื่อให้ทำงานได้รวดเร็ว

Cloud Shell มี uv พร้อมใช้งานอยู่แล้ว เราจึงเริ่มใช้งานได้ทันที เรียกใช้คำสั่งต่อไปนี้ในเทอร์มินัลทีละบรรทัด

ตรวจสอบว่าได้ติดตั้ง uv อย่างถูกต้องหรือไม่

uv --version

สร้างโฟลเดอร์โปรเจ็กต์ใหม่สำหรับเอเจนต์

uv init ai-agents-adk

เข้าไปในโฟลเดอร์โปรเจ็กต์

cd ai-agents-adk

สร้างสภาพแวดล้อมเสมือนด้วย Python 3.12

uv venv --python 3.12

ติดตั้งไลบรารี ADK ของ Google ภายในสภาพแวดล้อมเสมือน

uv add google-adk

ตรวจสอบว่าคุณติดตั้งแพ็กเกจ google-adk สำเร็จแล้ว

uv pip list | grep google-adk

หากเห็นบรรทัดเอาต์พุตที่มี google-adk และเวอร์ชัน แสดงว่าคุณพร้อมที่จะไปยังขั้นตอนถัดไป

5. สร้างเอเจนต์

เมื่อตั้งค่าและเตรียมสภาพแวดล้อมในการพัฒนาเรียบร้อยแล้ว ก็ถึงเวลาวางรากฐานสำหรับเอเจนต์ AI Agent Development Kit (ADK) ช่วยให้กระบวนการนี้ง่ายขึ้น โดยคุณจะต้องใช้ไฟล์ที่จำเป็นเพียงไม่กี่ไฟล์เพื่อกำหนดตรรกะและการกำหนดค่าหลักของเอเจนต์

ไฟล์ทั้ง 3 นี้ทำงานร่วมกันเพื่อให้เอเจนต์ค้นหา เรียกใช้ และกำหนดค่าได้

• agent.py: นี่คือหัวใจสำคัญของเอเจนต์ ซึ่งมีโค้ด Python หลักที่กำหนดลักษณะการทำงานของเอเจนต์ รวมถึงชื่อ โมเดลภาษาขนาดใหญ่ (LLM) ที่ใช้เป็น "สมอง" และคำสั่งหลักที่กำหนดแนวทางคำตอบ
• __init__.py: ใน Python ไฟล์ __init__.py จะทำเครื่องหมายไดเรกทอรีเป็นแพ็กเกจ Python สำหรับ ADK นั้น การดำเนินการนี้มีความสำคัญอย่างยิ่งเนื่องจากจะช่วยให้เฟรมเวิร์กค้นพบและโหลดคำจำกัดความของเอเจนต์จาก agent.py ในโปรเจ็กต์ ADK อย่างง่าย ไฟล์นี้มักจะมีบรรทัดเดียวเพื่อนำเข้าโมดูล agent ซึ่งทำให้ผู้เรียกใช้ ADK เข้าถึงตัวแทนได้
• .env: ไฟล์นี้ (ย่อมาจาก "สภาพแวดล้อม") ใช้เพื่อจัดเก็บข้อมูลที่ละเอียดอ่อนและตัวแปรการกำหนดค่าที่เอเจนต์ของคุณต้องการ เช่น คีย์ API, รหัสโปรเจ็กต์ และสถานที่ตั้งทางภูมิศาสตร์ การเก็บรายละเอียดเหล่านี้ไว้ในไฟล์ .env แยกต่างหากเป็นแนวทางปฏิบัติแนะนำด้านความปลอดภัยและความสามารถในการพกพา เนื่องจากจะช่วยป้องกันไม่ให้มีการฮาร์ดโค้ดข้อมูลที่ละเอียดอ่อนลงในโค้ดโดยตรง นอกจากนี้ ยังช่วยให้คุณเปลี่ยนการกำหนดค่าได้อย่างง่ายดายโดยไม่ต้องแก้ไขตรรกะของเอเจนต์หลัก

ใช้คำสั่งด้านล่างเพื่อสร้างไฟล์เหล่านี้ภายในโฟลเดอร์เฉพาะสำหรับเอเจนต์ผู้ช่วยส่วนตัว

uv run adk create personal_assistant

เมื่อเรียกใช้คำสั่งแล้ว ระบบจะขอให้คุณเลือกตัวเลือก 2-3 รายการเพื่อกำหนดค่าเอเจนต์ สำหรับขั้นตอนแรก ให้เลือกตัวเลือกที่ 1 เพื่อใช้โมเดล gemini-2.5-flash ซึ่งเป็นโมเดลที่รวดเร็วและมีประสิทธิภาพ เหมาะสำหรับงานสนทนา

Choose a model for the root agent:
1. gemini-2.5-flash
2. Other models (fill later)
Choose model (1, 2): 1

สำหรับขั้นตอนที่ 2 ให้เลือก Vertex AI (ตัวเลือกที่ 2) ซึ่งเป็นแพลตฟอร์ม AI ที่มีการจัดการและมีประสิทธิภาพของ Google Cloud เป็นผู้ให้บริการแบ็กเอนด์

1. Google AI
2. Vertex AI
Choose a backend (1, 2): 2

หลังจากนั้น คุณต้องยืนยันว่ารหัสโปรเจ็กต์ที่แสดงในวงเล็บ [...] ถูกต้อง หากใช่ ให้กด Enter หากไม่ถูกต้อง ให้ป้อนรหัสโปรเจ็กต์ที่ถูกต้องที่นี่

Enter Google Cloud project ID [project-id]: 

สุดท้าย คุณต้องยืนยันว่าภูมิภาคของโปรเจ็กต์ที่แสดงในวงเล็บ [...] ถูกต้อง หากใช่ ให้กด Enter หากไม่ ให้ดูเอกสารประกอบนี้เพื่อดูภูมิภาค Google Cloud ที่พร้อมใช้งานและป้อนภูมิภาคที่ถูกต้อง

Enter Google Cloud region [project-region]:

คุณควรเห็นเอาต์พุตที่คล้ายกันในเทอร์มินัล

Agent created in /home/<your-username>/ai-agent-adk/personal_assistant:
- .env
- __init__.py
- agent.py

ตอนนี้ ให้คลิกปุ่มเปิดโปรแกรมแก้ไขที่ด้านบนของหน้าต่าง Cloud Shell การคลิกปุ่มดังกล่าวจะนำคุณไปยังหน้าต่างเอดิเตอร์ ซึ่งจะช่วยให้คุณสำรวจเนื้อหาของไฟล์ได้ง่ายขึ้นมาก

การสลับอาจใช้เวลาสักครู่ หากคุณติดอยู่บนหน้าจอการโหลดนานกว่า 2-3 นาที ให้ลองรีเฟรชเบราว์เซอร์

หมายเหตุ: คุณสามารถใช้โปรแกรมแก้ไขบรรทัดคำสั่ง เช่น Vim ได้ แต่คุณจะต้องทราบคำสั่งในการเปิดและออกจาก Vim ด้วยตนเอง

เมื่อหน้าต่าง Editor โหลดเสร็จสมบูรณ์แล้ว ให้ไปที่โฟลเดอร์ personal-assistant คุณจะเห็นไฟล์ที่จำเป็นตามที่กล่าวไว้ข้างต้น (agent.py, __init__.py และ .env) มาดูเนื้อหาของไฟล์กัน

หากไม่เห็นไฟล์ .env ในโฟลเดอร์ ให้ไปที่แถบเมนูด้านบน คลิกมุมมอง แล้วเลือกสลับไฟล์ที่ซ่อน การตั้งค่านี้เป็นค่าเริ่มต้นทั่วไป เนื่องจากระบบมักซ่อนไฟล์ .env โดยค่าเริ่มต้นเพื่อป้องกันไม่ให้มีการเปิดเผยโดยไม่ตั้งใจ

มาดูเนื้อหาของแต่ละไฟล์กัน

agent.py

ไฟล์นี้จะสร้างอินสแตนซ์ของเอเจนต์โดยใช้คลาส Agent จากไลบรารี google.adk.agents

from google.adk.agents import Agent

root_agent = Agent(
    model='gemini-2.5-flash',
    name='root_agent',
    description='A helpful assistant for user questions.',
    instruction='Answer user questions to the best of your knowledge',
)

• from google.adk.agents import Agent: บรรทัดนี้จะนำเข้าคลาส Agent ที่จำเป็นจากไลบรารี ADK
• root_agent = Agent(...): ในส่วนนี้ คุณกำลังสร้างอินสแตนซ์ของตัวแทน AI
• name="root_agent": ตัวระบุที่ไม่ซ้ำกันสำหรับตัวแทน ADK จะจดจำและอ้างอิงถึงเอเจนต์ของคุณด้วยวิธีนี้
• model="gemini-2.5-flash": พารามิเตอร์ที่สำคัญนี้จะระบุโมเดลภาษาขนาดใหญ่ (LLM) ที่เอเจนต์จะใช้เป็น "สมอง" พื้นฐานสำหรับการทำความเข้าใจ การให้เหตุผล และการสร้างคำตอบ gemini-2.5-flash เป็นโมเดลที่รวดเร็วและมีประสิทธิภาพซึ่งเหมาะกับงานสนทนา
• description="...": ข้อความนี้จะสรุปวัตถุประสงค์หรือความสามารถของเอเจนต์อย่างกระชับ คำอธิบายมีไว้เพื่อให้มนุษย์เข้าใจหรือเพื่อให้เอเจนต์อื่นๆ ในระบบแบบหลายเอเจนต์เข้าใจว่าเอเจนต์นี้ทำอะไร โดยมักใช้สำหรับการบันทึก การแก้ไขข้อบกพร่อง หรือเมื่อแสดงข้อมูลเกี่ยวกับตัวแทน
• instruction="...": นี่คือพรอมต์ของระบบที่จะกำหนดลักษณะการทำงานของเอเจนต์และกำหนดตัวตนของเอเจนต์ ซึ่งจะบอก LLM ว่าควรทำตัวอย่างไรและมีวัตถุประสงค์หลักคืออะไร ในกรณีนี้ จะกำหนดให้เอเจนต์เป็น "ผู้ช่วยที่มีประโยชน์" คำสั่งนี้เป็นกุญแจสำคัญในการกำหนดรูปแบบการสนทนาและความสามารถของ Agent

init.py

ไฟล์นี้จำเป็นเพื่อให้ Python รู้จัก personal-assistant เป็นแพ็กเกจ ซึ่งจะช่วยให้ ADK นำเข้าไฟล์ agent.py ได้อย่างถูกต้อง

from . import agent

• from . import agent: บรรทัดนี้จะทำการนำเข้าแบบสัมพัทธ์ ซึ่งบอกให้ Python ค้นหาโมดูลชื่อ agent (ซึ่งสอดคล้องกับ agent.py) ภายในแพ็กเกจปัจจุบัน (personal-assistant) บรรทัดง่ายๆ นี้ช่วยให้มั่นใจได้ว่าเมื่อ ADK พยายามโหลดเอเจนต์ personal-assistant ของคุณ ก็จะค้นหาและเริ่มต้น root_agent ที่กำหนดไว้ใน agent.py ได้ แม้จะว่างเปล่า แต่การมี __init__.py ก็ทำให้ไดเรกทอรีเป็นแพ็กเกจ Python

.env

ไฟล์นี้มีการกำหนดค่าเฉพาะสภาพแวดล้อมและข้อมูลเข้าสู่ระบบที่ละเอียดอ่อน

GOOGLE_GENAI_USE_VERTEXAI=1
GOOGLE_CLOUD_PROJECT=YOUR_PROJECT_ID
GOOGLE_CLOUD_LOCATION=YOUR_PROJECT_LOCATION

• GOOGLE_GENAI_USE_VERTEXAI: บอก ADK ว่าคุณตั้งใจที่จะใช้บริการ Vertex AI ของ Google สำหรับการดำเนินการ Generative AI ซึ่งเป็นสิ่งสำคัญในการใช้ประโยชน์จากบริการที่มีการจัดการและโมเดลขั้นสูงของ Google Cloud
• GOOGLE_CLOUD_PROJECT: ตัวแปรนี้จะเก็บตัวระบุที่ไม่ซ้ำกันของโปรเจ็กต์ Google Cloud ADK ต้องใช้ข้อมูลนี้เพื่อเชื่อมโยงตัวแทนกับทรัพยากรในระบบคลาวด์อย่างถูกต้องและเพื่อเปิดใช้การเรียกเก็บเงิน
• GOOGLE_CLOUD_LOCATION: ระบุภูมิภาค Google Cloud ที่ทรัพยากร Vertex AI ของคุณอยู่ (เช่น us-central1) การใช้ตำแหน่งที่ถูกต้องจะช่วยให้มั่นใจได้ว่าเอเจนต์จะสื่อสารกับบริการ Vertex AI ในภูมิภาคนั้นได้อย่างมีประสิทธิภาพ

6. เรียกใช้ Agent ในเทอร์มินัล

เมื่อมีไฟล์ทั้ง 3 ไฟล์แล้ว คุณก็พร้อมที่จะเรียกใช้เอเจนต์จากเทอร์มินัลโดยตรง หากต้องการดำเนินการนี้ คุณต้องเปิดหน้าต่างเทอร์มินัล โดยคลิกเทอร์มินัลในแถบเมนู แล้วเลือกเทอร์มินัลใหม่

เมื่อเทอร์มินัลพร้อมใช้งานแล้ว คุณจะเริ่มเอเจนต์ได้โดยใช้คำสั่ง adk run เนื่องจากนี่คือหน้าต่างเทอร์มินัลใหม่และเราใช้ uv คุณจึงต้องไปที่โฟลเดอร์ ai-agent-adk ก่อน แล้วเติมคำสั่ง adk run ด้วย uv run

พิมพ์คำสั่งต่อไปนี้ในเทอร์มินัล

cd ai-agents-adk
uv run adk run personal_assistant

หากตั้งค่าทุกอย่างถูกต้อง คุณจะเห็นเอาต์พุตที่คล้ายกันในเทอร์มินัล

...
Running agent personal_assistant, type exit to exit.
[user]: hello. What can you do for me?
[personal_assistant]: Hello! I am a large language model, trained by Google. I can do many things to help you, such as:
...

แชทกับตัวแทนได้เลย คุณจะเห็นว่าบางครั้งเอาต์พุตจะได้รับการจัดรูปแบบด้วยมาร์กดาวน์ ซึ่งอาจอ่านยากในเทอร์มินัล ในขั้นตอนถัดไป เราจะใช้ UI การพัฒนาเพื่อประสบการณ์ที่สมบูรณ์ยิ่งขึ้นคล้ายกับแอปพลิเคชันแชท

7. เรียกใช้เอเจนต์ในเว็บ UI สำหรับการพัฒนา

นอกจากนี้ ชุดพัฒนาเอเจนต์ยังมีวิธีที่สะดวกในการเปิดตัวเอเจนต์เป็นแอปพลิเคชันแชทโดยใช้ UI การพัฒนา เพียงใช้คำสั่ง adk web แทน adk run.

หากคุณยังอยู่ในเซสชันก่อนหน้า ให้พิมพ์ exit ในเทอร์มินัลเพื่อปิด เมื่อปิดเซสชันก่อนหน้าแล้ว ให้พิมพ์คำสั่งต่อไปนี้ในเทอร์มินัล

uv run adk web

คุณควรเห็นเอาต์พุตที่คล้ายกันในเทอร์มินัล

...
INFO:     Started server process [4978]
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)

คุณมี 2 ตัวเลือกในการเข้าถึง UI การพัฒนา ดังนี้

1. เปิดผ่าน Terminal

• Ctrl + คลิกหรือ Cmd + คลิกที่ลิงก์ (เช่น http://localhost:8000) ดังที่แสดงในเทอร์มินัล

2. เปิดผ่านตัวอย่างเว็บ

• คลิกปุ่มตัวอย่างเว็บ
• เลือกเปลี่ยนพอร์ต
• ป้อนหมายเลขพอร์ต (เช่น 8000)
• คลิกเปลี่ยนและแสดงตัวอย่าง

จากนั้นคุณจะเห็น UI ที่คล้ายกับแอปพลิเคชันแชทปรากฏในเบราว์เซอร์ แชทกับผู้ช่วยส่วนตัวผ่านอินเทอร์เฟซนี้ได้เลย คุณจะเห็นว่าการจัดรูปแบบ Markdown แสดงอย่างถูกต้องแล้ว และ UI นี้ยังช่วยให้คุณแก้ไขข้อบกพร่องและตรวจสอบเหตุการณ์การรับส่งข้อความแต่ละรายการ สถานะของตัวแทน คำขอของผู้ใช้ และอื่นๆ อีกมากมายได้ด้วย ขอให้สนุกกับการแชท

8. ล้างข้อมูล (ไม่บังคับ)

เนื่องจาก Codelab นี้ไม่ได้เกี่ยวข้องกับผลิตภัณฑ์ที่ทำงานเป็นเวลานาน การหยุดเซสชันของเอเจนต์ที่ใช้งานอยู่ (เช่น adk webอินสแตนซ์ในเทอร์มินัล) โดยการกด Ctrl + C หรือ Cmd + C ในเทอร์มินัลก็เพียงพอแล้ว

ลบโฟลเดอร์และไฟล์โปรเจ็กต์ของเอเจนต์

หากต้องการนำโค้ดออกจากสภาพแวดล้อม Cloud Shell เท่านั้น ให้ใช้คำสั่งต่อไปนี้

cd ~
rm -rf ai-agents-adk

ปิดใช้ Vertex AI API

หากต้องการปิดใช้ Vertex AI API ที่เปิดใช้ก่อนหน้านี้ ให้เรียกใช้คำสั่งนี้

gcloud services disable aiplatform.googleapis.com

ปิดโปรเจ็กต์ Google Cloud ทั้งหมด

หากต้องการปิดโปรเจ็กต์ Google Cloud อย่างถาวร โปรดดูวิธีการโดยละเอียดในคู่มืออย่างเป็นทางการ

9. บทสรุป

ยินดีด้วย คุณสร้าง Agent ผู้ช่วยส่วนตัวแบบง่ายๆ โดยใช้ Agent Development Kit (ADK) ได้สำเร็จแล้ว ตอนนี้คุณมีพื้นฐานและความเข้าใจที่แน่นแฟ้นเกี่ยวกับองค์ประกอบหลักของเอเจนต์ ADK แล้ว

ขั้นตอนถัดไปคือคุณสามารถขยายขีดความสามารถของเอเจนต์ได้อย่างมากด้วยการให้เครื่องมือแก่เอเจนต์เพื่อเข้าถึงข้อมูลแบบเรียลไทม์และโต้ตอบกับบริการภายนอก หากต้องการเดินทางต่อ Codelab ถัดไปในชุดนี้ การสร้างเอเจนต์ AI ด้วย ADK: การเพิ่มประสิทธิภาพด้วยเครื่องมือ จะแนะนําคุณตลอดกระบวนการนี้