Post #178

Создаем тулы для AI агентов за 1 вечер Готовы провести вечер в приятной агентной компании? 🎹 Продолжаем курс про AI агентов. Серия 2.1. Сегодня создаем кастомные тулы и прикручиваем их агентам. Вы наверняка уже не раз слышали про тулы, про MCP сервера, про A2A. Но что это такое на практике? Сложно ли их создавать? Разбираемся. Теория. Тул (инструмент от англ. "tool") — это руки и органы чувств агента. С их помощью он узнает информацию или выполняет действия. Например, юзер просит рассказать погоду. Конечно, модель не знает этого из обучения. Поэтому ей необходимо: - узнать локацию юзера — для этого она вызовет тул "get_location" - найти погоду в этой локации — модель вызовет "get_weather(location)", куда в качестве аргумента передаст собственно локацию, где нужно назвать погоду. Тулы бывают трех видов: 1. Function Tools — собственно функции на любом языке программирования типа "get_weather()", которые описаны человеческим языком. Модели опираются на их название и описание и по необходимости их вызывают. 2. Встроенные тулы. Провайдеры LLM зачастую встраивают самые важные тулы прямо в модели. Точнее, на самом деле они работают точно так же, как в первом пункте. Но для юзера нет необходимости писать эти функции — их уже написал Google (например) за вас. 3. Agent Tools — агенты как тулы. Иногда набор действий получается достаточно сложный и вариативный. Тогда проще написать маленького агента, который сам будет выполнять роль инструмента. Принцип тот же, что и в первых двух пунктах, просто инструмент чуть сложнее. MCP (Model Context Protocol) — это протокол с клиент-серверной архитектурой, который "оборачивает" общение агентов и тулов в стандартизированный формат. Главная задача MCP предоставить универсальный формат общения, чтобы создатели AI агентов не писали 1000 и 1 кастомный коннектор к каждому тулу. А разработчики MCP-серверов в свою очередь могут быть уверены, что их детище легко интегрировать в любой существующий агент. Детальнее про MCP мы поговорим в следующий раз. Слишком уж большая тема! Практика. Сегодня сделаем первый собственный тул и тул-агента, который сам выполняет роль инструмента. 1. Для начала копируем себе Kaggle ноутбук. Не забудьте поставить галочку напротив GOOGLE_API_KEY в add-ons, чтобы пользоваться Gemini. 2. Секцию 1 прокликиваем — это стандартная настройка ноутбука, как и в прошлые разы. 3. В Секции 2 приводится пример создания агента, который умеет конвертировать валюты и считать комиссию за эту операцию. Для этого используется две обычные функции, написанные на питоне. Обратите внимание, что в случае самописных тулов критически важно следовать лучшим практикам написания и документирования функций на питоне: - использование подсказок типов def get_fee_for_payment_method(method: str) -> dict: - описание функции через докстринги с четким определением аргументов и что возвращает функция - возвращение функцией словаря - обработка ошибок функции. В системном промпте агента важно описать, какая функция для чего используется, но не нужно описывать, как функция это делает — это лишь запутает агента! Как определить в агенте тулы, чтобы он мог их вызывать — мы уже рассматривали в этой части. 4. В Секции 3 реализуется агент-тул, который заменяет калькулятор. LLM плохо считают. Поэтому для любых вычислений лучше полагаться на код, который напишет AI агент. Для этого в Gemini встроен тул "BuiltInCodeExecutor", он позволяет Gemini писать и запускать код прямо на серверах гугл. Но загружать эту функциональность в основного агента было бы некорректно архитектурно. У основного агента — роль оркестратора. Поэтому мы создаем отдельного агента-кодера и превращаем его в инструмент. 5. В Секции 5 описываются специфические виды тулов из ADK (Long Running Function Tools — то же самое, что и обычные Function Tools, только вызываемые в асинхронном формате тк долго отрабатывают, и OpenAPI Tools — прослойка поверх обычного REST API, если лень писать полноценный MCP). Вот вы и научились создавать свои тулы и прикручивать их агентам! 🥂 З.Ы. видео сгенерировано по Whitepaper. #ииученьесвет Заместители