Membangun alur kerja agentic dengan Gemini Nano

Alur kerja agentic ML Kit (com.google.mlkit:genai-agent, Alpha) memungkinkan Anda membangun pengalaman percakapan di perangkat multi-turn yang otonom yang didukung oleh Gemini Nano dan layanan sistem AICore Android.

Dibangun di atas class GenerativeModel (akses model langsung), class AgentRunner mengotomatiskan loop agentic yang lengkap dan berbasis sasaran langsung dalam aplikasi Anda: mengamati konteks, melakukan penalaran atas input pengguna, bertindak melalui alat Kotlin yang diketik, dan mengevaluasi masukan hingga kondisi penghentian terpenuhi.

Pola agentic umum

Alur kerja agentic di perangkat dioptimalkan untuk loop penalaran yang terfokus dan deterministik, tempat niat pengguna diterjemahkan menjadi tindakan aplikasi terstruktur. Pola umum meliputi:

Pola

Contoh

Eksekusi tindakan dalam aplikasi dan pintasan

Menerjemahkan permintaan bahasa alami menjadi perintah aplikasi tertentu, seperti menerapkan penyesuaian foto di kanvas pengeditan, mengubah setelan pemutaran, atau mengalihkan preferensi aplikasi.

Pencarian terstruktur dan penghitungan lokal

Mengambil data tertentu berdasarkan ID (seperti status pesanan atau saldo akun) dan melakukan penghitungan matematika multi-langkah (seperti amortisasi pinjaman atau metrik kebugaran).

Pemfilteran dan seleksi percakapan

Membuat kueri dan menyaring item aplikasi lokal secara interaktif, seperti menelusuri daftar tugas lokal, memfilter playlist, atau mengurutkan item katalog berdasarkan kriteria pengguna.

Input multilangkah terpandu

Memandu pengguna melalui entri data terstruktur langkah demi langkah, memvalidasi input perantara dengan alat lokal sebelum pengiriman akhir.

Performa dan privasi di perangkat

Agentic Workflows berjalan di Android AICore untuk memberikan eksekusi yang pribadi dan responsif langsung di perangkat pengguna:

  • Penalaran lokal dan privasi perintah: Loop penalaran dan perencanaan model berjalan sepenuhnya di perangkat tanpa latensi jaringan. Data perintah pengguna tetap bersifat pribadi di perangkat. Namun, setiap alat yang diterapkan di aplikasi Anda masih dapat melakukan panggilan jaringan atau mengkueri Cloud API jika kasus penggunaan Anda memerlukan data eksternal.
  • Sesi multi-turn terkelola: Antarmuka AgentSession mempertahankan histori percakapan dalam memori di seluruh giliran, sehingga Anda tidak perlu mengelola transkrip secara manual. Anda dapat mengklaim kembali memori kapan saja menggunakan metode session.close(), deleteSession(sessionId), atau clearAllSessions().
  • Batasan eksekusi: Konfigurasi agen menerapkan batas giliran maksimum (batas maxTurns, defaultnya adalah 10) sebagai kondisi penghentian resource untuk mencegah loop eksekusi yang tidak terkendali, menghemat baterai, dan melindungi responsivitas perangkat.

Memilih antara pembuatan kustom, agen, dan API khusus tugas

ML Kit mengatur kemampuan GenAI di perangkat berdasarkan seberapa banyak penyesuaian dan orkestrasi yang dibutuhkan fitur Anda:

  • Pembuatan dan agen kustom: Bekerja langsung dengan model dasar Gemini Nano saat fitur Anda memerlukan petunjuk kustom atau logika khusus domain. Pilih Agentic Workflows (menggunakan class AgentRunner, yang dibangun di atas class GenerativeModel) jika Anda menginginkan sesi multi-turn terkelola dan loop panggilan alat otomatis, atau pilih akses model langsung (menggunakan class GenerativeModel) untuk perintah kustom, output terstruktur yang diketik, atau histori multi-turn yang dikelola klien.
  • Ucapan dan audio: Gunakan model ucapan dan AI Generatif khusus (seperti Pengenalan ucapan) untuk mentranskripsikan audio lisan ke teks.
  • Tugas teks dan gambar: Gunakan jenis fitur khusus tugas yang telah dikonfigurasi sebelumnya dan adaptor LoRA yang telah disesuaikan di atas model dasar bersama (seperti Deskripsi gambar, Peringkasan, Pemeriksaan tata bahasa, dan Penulisan ulang) untuk kasus penggunaan penulisan dan visi siap pakai tanpa rekayasa perintah.

Tabel berikut menguraikan perbandingan pendekatan ini:

Pertimbangan

Agentic Workflows (AgentRunner)

Akses model langsung (GenerativeModel)

Tasks API teks dan gambar

Arsitektur

Lapisan orkestrasi tingkat tinggi yang dibangun di atas GenerativeModel.

Antarmuka langsung ke model dasar Gemini Nano untuk perintah kustom.

Jenis fitur khusus tugas yang didukung oleh adaptor LoRA yang telah di-fine-tune di atas model dasar bersama.

Konteks multi-turn

Sesi multi-turn terkelola (AgentSession). Mempertahankan histori percakapan dalam memori secara otomatis di seluruh giliran, sehingga Anda tidak perlu mengelola transkrip secara manual (juga mendukung eksekusi single-turn sementara).

Konteks multi-turn yang dikelola klien. GenerateContentRequest mendukung multi-turn List<Content> (peran USER dan MODEL) dan sessionId untuk developer yang ingin mengelola histori percakapan mereka sendiri secara langsung.

Panggilan tugas stateless dengan input tunggal.

Panggilan alat dan tindakan

Loop panggilan alat otomatis. Menemukan AppFunctions Android yang terdaftar, menjalankan panggilan yang dipilih model, dan memasukkan hasilnya kembali ke model secara otomatis.

Deklarasi alat yang dikelola klien. GenerateContentRequest menerima skema alat dan memunculkan permintaan panggilan fungsi untuk dieksekusi dan ditampilkan secara manual oleh aplikasi Anda.

Tidak berlaku (pipeline tugas tetap).

Kapan digunakan

Gunakan saat Anda menginginkan orkestrasi otomatis untuk eksekusi alat multi-langkah dan sesi multi-turn dalam memori yang terkelola.

Gunakan untuk perintah kustom, pemahaman gambar multimodal, output terstruktur yang diketik (@Generable), atau saat Anda ingin mengelola histori chat atau pengiriman alat Anda sendiri secara langsung.

Gunakan jika fitur Anda cocok dengan tugas penulisan atau visi standar dan Anda menginginkan kualitas siap pakai dari LoRA yang telah disesuaikan dengan penyiapan minimal.

Langkah berikutnya