Aussagen mit einem ADK-KI-Agenten und einem Gemini-Modell auf Fakten prüfen

Programmierkenntnisse: Fortgeschritten 
Dauer: 30 Minuten 
Projekttyp: Benutzerdefinierte Funktion

Übersicht

Eine benutzerdefinierte Funktion zur Faktenprüfung für Google Tabellen, die als gebundenes Apps Script-Projekt verwendet werden kann, das von einem Vertex AI-Agent und einem Gemini-Modell unterstützt wird.

In diesem Beispiel wird gezeigt, wie Sie zwei leistungsstarke Arten von KI-Ressourcen direkt in Ihre Google-Tabellen einbinden können:

1. KI-Agents für anspruchsvolle, mehrstufige Reasoning-Funktionen mit mehreren Tools, die ADK-Agents verwenden, die in der Vertex AI Agent Engine bereitgestellt werden.
2. KI-Modelle für fortschrittliche Funktionen zum Verstehen, Generieren und Zusammenfassen mit Gemini-Modellen aus Vertex AI.

Ziele

• Verstehen, was die Lösung bewirkt.
• Informationen zur Implementierung der Lösung.
• Stellen Sie den Vertex AI-Agent bereit.
• Richten Sie das Skript ein.
• Führen Sie das Skript aus.

Informationen zu dieser Lösung

Die benutzerdefinierte Funktion von Google Sheets heißt FACT_CHECK und funktioniert als End-to-End-Lösung. Sie analysiert eine Aussage, stützt ihre Antwort auf die neuesten Webinformationen und gibt das Ergebnis im gewünschten Format zurück:

• Verwendung:
  • =FACT_CHECK("Your statement here") für eine prägnante und zusammengefasste Ausgabe.
  • =FACT_CHECK("Your statement here", "Your output formatting instructions here") für ein bestimmtes Ausgabeformat.
• Begründung: LLM Auditor ADK AI Agent (Python-Beispiel).
• Ausgabeformatierung: Gemini-Modell.

In dieser Lösung werden Vertex AI REST APIs mit UrlFetchApp aufgerufen.

Architektur

Das folgende Diagramm zeigt die Architektur der Google Workspace- und Google Cloud-Ressourcen, die von der benutzerdefinierten Funktion verwendet werden.

Vorbereitung

Für dieses Beispiel müssen die folgenden Voraussetzungen erfüllt sein:

• Ein Google-Konto (für Google Workspace-Konten ist möglicherweise die Genehmigung durch den Administrator erforderlich).

• Ein Webbrowser mit Internetzugriff.

• Voraussetzungen für den LLM Auditor ADK-Agent

  • Python 3.11 oder höher: Folgen Sie zur Installation der Anleitung auf der offiziellen Python-Website.
  • Python Poetry: Folgen Sie zur Installation der Anleitung auf der offiziellen Poetry-Website.
  • Google Cloud CLI: Folgen Sie der Anleitung auf der offiziellen Google Cloud-Website, um die Google Cloud CLI zu installieren.

Umgebung vorbereiten

In diesem Abschnitt wird beschrieben, wie Sie ein Google Cloud-Projekt erstellen und konfigurieren.

Google Cloud-Projekt erstellen

Google Cloud Console

1. Klicken Sie in der Google Cloud Console auf das Menü  > IAM & Verwaltung > Projekt erstellen.

   Zur Seite „Projekt erstellen“

2. Geben Sie im Feld Projektname einen aussagekräftigen Namen für Ihr Projekt ein.

   Optional: Wenn Sie die Projekt-ID bearbeiten möchten, klicken Sie auf Bearbeiten. Die Projekt-ID kann nach dem Erstellen des Projekts nicht mehr geändert werden. Wählen Sie also eine ID aus, die während der gesamten Dauer des Projekts den Anforderungen entspricht.

3. Klicken Sie im Feld Speicherort auf Durchsuchen, um mögliche Speicherorte für Ihr Projekt aufzurufen. Klicken Sie danach auf Auswählen.
   Achtung: Sie können Ihre Google Workspace-Organisation nicht finden?
   Das bedeutet, dass Sie nicht in einem Google Workspace-Konto angemeldet sind. Einige der Funktionen, die in der Google Workspace-Entwicklerdokumentation beschrieben werden, sind nur für Projekte verfügbar, die mit einer Organisation verknüpft sind.
4. Klicken Sie auf Erstellen. In der Google Cloud Console wird die Seite „Dashboard“ aufgerufen und Ihr Projekt wird innerhalb weniger Minuten erstellt.

gcloud-CLI

Greifen Sie in einer der folgenden Entwicklungsumgebungen auf die Google Cloud CLI (gcloud) zu:

• Cloud Shell: Aktivieren Sie Cloud Shell, um ein Onlineterminal mit der bereits eingerichteten gcloud CLI zu verwenden.
  Cloud Shell aktivieren
• Lokale Shell: Zur Verwendung einer lokalen Entwicklungsumgebung müssen Sie die gcloud CLI installieren und initialisieren.
  Verwenden Sie zum Erstellen eines Cloud-Projekts den Befehl gcloud projects create:

  gcloud projects create PROJECT_ID

  Ersetzen Sie PROJECT_ID durch die ID des Projekts, das Sie erstellen möchten.

Abrechnung für das Cloud-Projekt aktivieren

Wenn Sie kein Rechnungskonto verknüpfen können, haben Sie nicht die erforderlichen Berechtigungen, um diese Änderung vorzunehmen. Weitere Informationen finden Sie unter Erforderliche Berechtigungen zum Aktivieren der Abrechnung.

Google Cloud Console

1. Rufen Sie in der Google Cloud Console die Seite Abrechnung auf. Klicken Sie auf das Menü > Abrechnung > Meine Projekte.

   Zur Abrechnung für meine Projekte

2. Wählen Sie unter Organisation auswählen die Organisation aus, die mit Ihrem Google Cloud-Projekt verknüpft ist.
3. Öffnen Sie in der Projektzeile das Menü Aktionen (), klicken Sie auf Abrechnung ändern und wählen Sie das Cloud Billing-Konto aus.
4. Klicken Sie auf Konto festlegen.

gcloud-CLI

1. Führen Sie folgenden Befehl aus, um verfügbare Rechnungskonten aufzulisten:

   gcloud billing accounts list

2. Rechnungskonto mit einem Google Cloud-Projekt verknüpfen:

   gcloud billing projects link PROJECT_ID --billing-account=BILLING_ACCOUNT_ID

   Ersetzen Sie Folgendes:

   • PROJECT_ID ist die Projekt-ID für das Cloud-Projekt, für das Sie die Abrechnung aktivieren möchten.
   • BILLING_ACCOUNT_ID ist die Rechnungskonto-ID, die mit dem Google Cloud-Projekt verknüpft werden soll.

Vertex AI API aktivieren

Google Cloud Console

1. Aktivieren Sie in der Google Cloud Console die Vertex AI API.

   APIs aktivieren

2. Bestätigen Sie, dass Sie die Vertex AI API im richtigen Cloud-Projekt aktivieren, und klicken Sie dann auf Weiter.

3. Prüfen Sie, ob Sie die richtige API aktivieren, und klicken Sie dann auf Aktivieren.

gcloud-CLI

1. Legen Sie gegebenenfalls das aktuelle Cloud-Projekt auf das Projekt fest, das Sie mit dem Befehl gcloud config set project erstellt haben:

   gcloud config set project PROJECT_ID

   Ersetzen Sie PROJECT_ID durch die Projekt-ID des von Ihnen erstellten Cloud-Projekts.

2. Aktivieren Sie die Vertex AI API mit dem Befehl gcloud services enable:

   gcloud services enable aiplatform.googleapis.com

Dienstkonto in der Google Cloud Console erstellen

Erstellen Sie ein neues Dienstkonto mit der Rolle Vertex AI User. Gehen Sie dazu so vor:

Google Cloud Console

1. Rufen Sie in der Google Cloud Console das Menü  > IAM & Verwaltung > Dienstkonten auf.

   Zur Seite „Dienstkonten“

2. Klicken Sie auf Dienstkonto erstellen.
3. Geben Sie die Dienstkontodetails ein und klicken Sie dann auf Erstellen und fortfahren.
   Hinweis: Standardmäßig erstellt Google eine eindeutige Dienstkonto-ID. Wenn Sie die ID ändern möchten, bearbeiten Sie sie im Feld „Dienstkonto-ID“.
4. Optional: Weisen Sie Ihrem Dienstkonto Rollen zu, um Zugriff auf die Ressourcen Ihres Google Cloud-Projekts zu gewähren. Weitere Informationen finden Sie unter Zugriff auf Ressourcen erteilen, ändern und entziehen.
5. Klicken Sie auf Weiter.
6. Optional: Geben Sie Nutzer oder Gruppen ein, die dieses Dienstkonto verwalten und Aktionen damit ausführen können. Weitere Informationen finden Sie unter Identitätswechsel von Dienstkonten verwalten.
7. Klicken Sie auf Fertig. Notieren Sie sich die E-Mail-Adresse des Dienstkontos.

gcloud-CLI

1. Erstellen Sie das Dienstkonto:

   gcloud iam service-accounts create SERVICE_ACCOUNT_NAME \
     --display-name="SERVICE_ACCOUNT_NAME"

2. Optional: Weisen Sie Ihrem Dienstkonto Rollen zu, um Zugriff auf die Ressourcen Ihres Google Cloud-Projekts zu gewähren. Weitere Informationen finden Sie unter Zugriff auf Ressourcen erteilen, ändern und entziehen.

Das Dienstkonto wird auf der Seite mit den Dienstkonten angezeigt. Erstellen Sie als Nächstes einen privaten Schlüssel für das Dienstkonto.

Privaten Schlüssel erstellen

Warnung : In diesem Beispiel wird der Einfachheit halber ein exportierter Dienstkontoschlüssel verwendet. Das Exportieren eines privaten Schlüssels wird in der Produktion nicht empfohlen, da er nicht an einem unsicheren Ort wie der Quellcodeverwaltung gespeichert werden sollte.

Weitere Informationen zu sicheren Dienstkontoimplementierungen und Best Practices finden Sie unter Auswahl des richtigen Zeitpunkts für die Verwendung von Dienstkonten.

So erstellen und laden Sie einen privaten Schlüssel für das Dienstkonto herunter:

1. Rufen Sie in der Google Cloud Console das Menü  > IAM & Verwaltung > Dienstkonten auf.

   Zur Seite „Dienstkonten“

2. Wählen Sie Ihr Dienstkonto aus.
3. Klicken Sie auf Schlüssel > Schlüssel hinzufügen > Neuen Schlüssel erstellen.
4. Wählen Sie JSON aus und klicken Sie auf Erstellen.

   Ihr neues öffentliches/privates Schlüsselpaar wird generiert und als neue Datei auf Ihren Computer heruntergeladen. Speichern Sie die heruntergeladene JSON-Datei als credentials.json in Ihrem Arbeitsverzeichnis. Diese Datei ist die einzige Kopie dieses Schlüssels. Informationen dazu, wie Sie den Schlüssel sicher speichern, finden Sie unter Dienstkontoschlüssel verwalten.

5. Klicken Sie auf Schließen.

Weitere Informationen zu Dienstkonten finden Sie in der Google Cloud IAM-Dokumentation unter Dienstkonten.

LLM Auditor ADK AI Agent bereitstellen

1. Falls noch nicht geschehen, authentifizieren Sie sich mit Ihrem Google Cloud-Konto und konfigurieren Sie die Google Cloud CLI für die Verwendung Ihres Google Cloud-Projekts.

   gcloud auth application-default login
   gcloud config set project PROJECT_ID
   gcloud auth application-default set-quota-project PROJECT_ID

   Ersetzen Sie PROJECT_ID durch die ID des Cloud-Projekts, das Sie erstellt haben.

2. Dieses GitHub-Repository herunterladen

   Herunterladen

3. Extrahieren Sie in Ihrer bevorzugten lokalen Entwicklungsumgebung die heruntergeladene Archivdatei und öffnen Sie das Verzeichnis adk-samples/python/agents/llm-auditor.

   unzip adk-samples-main.zip
   cd adk-samples-main/python/agents/llm-auditor

4. Erstellen Sie einen neuen Cloud Storage-Bucket, der speziell für den ADK-Agenten vorgesehen ist.

   gcloud storage buckets create gs://CLOUD_STORAGE_BUCKET_NAME --project=PROJECT_ID --location=PROJECT_LOCATION

   Ersetzen Sie Folgendes:

   1. Ersetzen Sie CLOUD_STORAGE_BUCKET_NAME durch einen eindeutigen Bucket-Namen, den Sie verwenden möchten.
   2. PROJECT_ID durch die ID des Cloud-Projekts, das Sie erstellt haben.
   3. Ersetzen Sie PROJECT_LOCATION durch den Standort des von Ihnen erstellten Cloud-Projekts.

5. Legen Sie die folgenden Umgebungsvariablen fest:

   export GOOGLE_GENAI_USE_VERTEXAI=true
   export GOOGLE_CLOUD_PROJECT=PROJECT_ID
   export GOOGLE_CLOUD_LOCATION=PROJECT_LOCATION
   export GOOGLE_CLOUD_STORAGE_BUCKET=CLOUD_STORAGE_BUCKET_NAME

   Ersetzen Sie Folgendes:

   1. CLOUD_STORAGE_BUCKET_NAME durch den Namen des Buckets, den Sie erstellt haben.
   2. PROJECT_ID durch die ID des Cloud-Projekts, das Sie erstellt haben.
   3. Ersetzen Sie PROJECT_LOCATION durch den Standort des von Ihnen erstellten Cloud-Projekts.

6. ADK-Agent aus der virtuellen Umgebung installieren und bereitstellen

   python3 -m venv myenv
   source myenv/bin/activate
   poetry install --with deployment
   python3 deployment/deploy.py --create

7. Rufen Sie die Agent-ID ab. Sie benötigen sie später, um die benutzerdefinierte Funktion zu konfigurieren.

   python3 deployment/deploy.py --list

Beispielcode ansehen

Bevor Sie die neue Tabelle erstellen, können Sie sich optional den auf GitHub gehosteten Beispielcode ansehen.

Auf GitHub ansehen

In einer neuen Tabelle erstellen und konfigurieren

1. Klicken Sie auf die folgende Schaltfläche, um eine vollständige Kopie der Google-Tabellen-Beispieltabelle zu erstellen, einschließlich des containergebundenen Apps Script-Projekts.

   Google Sheets-Tabellen kopieren

2. Rufen Sie in der neu erstellten Tabelle Erweiterungen > Apps Script auf.

3. Rufen Sie im Apps Script-Projekt die Projekteinstellungen auf, klicken Sie auf Skripteigenschaften bearbeiten und dann auf Skripteigenschaft hinzufügen, um die folgenden Skripteigenschaften hinzuzufügen:

   1. Ersetzen Sie LOCATION durch den Speicherort des Google Cloud-Projekts, das in den vorherigen Schritten erstellt wurde, z. B. us-central1.
   2. GEMINI_MODEL_ID durch das gewünschte Gemini-Modell, z. B. gemini-2.5-flash-lite.
   3. REASONING_ENGINE_ID mit der ID des LLM Auditor ADK-Agents, der in den vorherigen Schritten bereitgestellt wurde, z. B. 1234567890.
   4. SERVICE_ACCOUNT_KEY mit dem JSON-Schlüssel des Dienstkontos, der in den vorherigen Schritten heruntergeladen wurde, z. B. { ... }.

4. Klicken Sie auf Skripteigenschaften speichern.

Benutzerdefinierte Funktion testen

1. Rufen Sie die neu erstellte Tabelle auf.
2. Ändern Sie die Anweisungen in Spalte A.
3. Formeln in Spalte B werden ausgeführt und zeigen dann die Ergebnisse der Faktenprüfung an.

Bereinigen

Damit Ihrem Google Cloud-Konto die in dieser Anleitung verwendeten Ressourcen nicht in Rechnung gestellt werden, empfehlen wir, das Cloud-Projekt zu löschen.

Achtung:Das Löschen eines Projekts hat folgende Auswirkungen:

• Alle Inhalte des Projekts werden gelöscht. Wenn Sie für diese Anleitung ein bereits bestehendes Projekt verwendet haben, werden auch alle anderen im Rahmen des Projekts erstellten Daten gelöscht.
• Benutzerdefinierte Projekt-IDs gehen verloren. Beim Erstellen dieses Projekts haben Sie möglicherweise eine benutzerdefinierte Projekt-ID erstellt, die Sie weiterhin verwenden möchten. Damit die URLs, die die Projekt-ID verwenden, z. B. eine URL auf appspot.com, erhalten bleiben, sollten Sie ausgewählte Ressourcen innerhalb des Projekts löschen, statt das gesamte Projekt.

Wenn Sie mehrere Anleitungen und Kurzanleitungen durcharbeiten möchten, können Sie die Überschreitung von Projektkontingenten verhindern, indem Sie Projekte wiederverwenden.

1. Wechseln Sie in der Google Cloud Console zur Seite Ressourcen verwalten. Klicken Sie auf das Menü > IAM & Verwaltung > Ressourcen verwalten.

   Zum Ressourcenmanager

2. Wählen Sie in der Projektliste das Projekt aus, das Sie löschen möchten, und klicken Sie dann auf Löschen .
3. Geben Sie im Dialogfeld die Projekt-ID ein und klicken Sie auf Beenden, um das Projekt zu löschen.

Nächste Schritte

• Benutzerdefinierte Funktionen in Google Sheets
• Google Sheets erweitern