Агенти Google ADK на Gemini: інтеграція та деплой

Проблема: мультиагентні системи як пазл із 15 бібліотек

Ви зібрали команду з трьох ML-інженерів, витратили місяць на інтеграцію LangChain, AutoGen та власного оркестратора. У результаті — простирадло callback-функцій, latency p99 за 3 секунди і жодного агента в продакшені. Ми стикаємося з цим постійно.

Google ADK — фреймворк, який вирішує цю біль на рівні архітектури. Він не вимагає склеювати п'ять бібліотек: ієрархія агентів (LlmAgent, SequentialAgent, ParallelAgent) йде з коробки, а деплой на Vertex AI — однією командою. У цій статті розповімо, як ми використовуємо ADK у реальних проєктах і як це дає економію до 70% часу на розробку та суттєве зниження витрат на API.

Які проблеми вирішує Google ADK?

Хаотична координація агентів

Зауважимо: коли агентів більше двох, керування їхньою взаємодією перетворюється на пекло. Без стандартизованого патерну кожен агент викликає іншого через API, що ламає ланцюжок при падінні однієї ланки. ADK пропонує три чітких патерни: послідовний пайплайн (SequentialAgent), паралельне виконання (ParallelAgent) та ієрархічний оркестратор агентів. Це покриває 90% бізнес-сценаріїв без кастомної інфраструктури.

Розмазаний контекст і втрата пам'яті

Багато фреймворків не вміють чистити контекст (context window) — агенти захаращують історію діалогу, збільшуючи споживання токенів на 40-50%. ADK автоматично керує сесіями через кеш і чистить непотрібні дані. У проєкті для FMCG це знизило витрати на Gemini API на 35%, що заощадило нашому клієнту близько $8,000 на місяць. А це майже $100,000 на рік.

Довгий шлях від прототипу до продакшену

Перенесення агента з Jupyter Notebook у production зазвичай займає тижні — потрібно писати API-обгортки, налаштовувати моніторинг, вирішувати CORS/аутентифікацію. ADK нативно деплоїться на Vertex AI Agent Builder: одна команда adk deploy — і агент доступний як REST-ендпоінт. Офіційна документація ADK описує це за 3 кроки.

Як ми це робимо: стек і кейс

Стек

• Gemini 2.0 Flash (low-latency), Gemini 2.0 Pro (складні міркування)
• Google ADK v0.9 (остання стабільна версія)
• Google Search Grounding, Vertex AI Search, кастомні FunctionTool
• Vertex AI Agent Builder, GKE для особливо навантажених сценаріїв

Приклад з нашої практики: система моніторингу конкурентів для FMCG (наш клієнт)

Наш клієнт — великий виробник продуктів харчування. Відділ маркетингової аналітики витрачав 3 людино-дні на тиждень на відстеження 15 конкурентів: ціни, новини, нові продукти. Ми побудували мультиагентну систему на ADK за 10 робочих днів.

Архітектура:

• ParallelAgent запускає 15 субагентів паралельно — кожен моніторить одного конкурента.
• SequentialAgent передає дані агрегатору трендів, потім генератору звіту.
• Звіт — щотижневий дайджест для CMO у форматі executive summary.

Результати:

Аналітики переключилися на стратегічні завдання. Економія склала $10,000 на місяць тільки на API. В іншому проєкті для рітейлера ми знизили витрати на токени з $12,000 до $3,000 на місяць — тобто в 4 рази.

Як створити базового агента на Google ADK: покрокова інструкція

1. Встановіть Google ADK і налаштуйте оточення: pip install google-adk.
2. Створіть функцію-інструмент, наприклад, для отримання курсу акцій.
3. Визначте LlmAgent із зазначенням моделі Gemini та списку інструментів.
4. Запустіть агента через Runner і протестуйте в сесії.

from google.adk.agents import LlmAgent
from google.adk.tools import google_search, FunctionTool
from google.adk.runners import Runner
from google.adk.sessions import InMemorySessionService

def get_stock_price(ticker: str) -> dict:
    """Отримати поточну ціну акції.

    Args:
        ticker: Тікер акції (наприклад, GOOGL, AAPL)

    Returns:
        dict з ціною, зміною та об'ємом торгів
    """
    data = finance_api.get_quote(ticker)
    return {
        "ticker": ticker,
        "price": data["price"],
        "change_percent": data["change_percent"],
        "volume": data["volume"],
    }

stock_tool = FunctionTool(func=get_stock_price)

research_agent = LlmAgent(
    name="market_researcher",
    model="gemini-2.0-flash",
    instruction="""Ти — аналітик фінансового ринку.
Досліджуй ринкові дані та надавай структурований аналіз.
Завжди використовуй інструменти для отримання актуальних даних.""",
    tools=[google_search, stock_tool],
    output_key="research_result",
)

session_service = InMemorySessionService()
runner = Runner(
    agent=research_agent,
    app_name="financial_analysis",
    session_service=session_service,
)

Як Google ADK порівнюється з альтернативами?

ADK виграє в сценаріях, де важлива швидкість деплою та коробкові рішення. Наприклад, ADK дозволяє скоротити час деплою в 3 рази порівняно з LangChain — з 3 днів до 1 дня. Для кастомних низькорівневих завдань краще підходить LangChain — але ми рідко бачимо такі завдання в комерційних проєктах.

# Приклад: оркестратор з двома субагентами
from google.adk.agents import LlmAgent, SequentialAgent

analyst = LlmAgent(name="analyst", model="gemini-2.0-flash", instruction="Аналізуй дані")
writer = LlmAgent(name="writer", model="gemini-2.0-pro", instruction="Пиши звіт")

orchestrator = SequentialAgent(
    name="orchestrator",
    agents=[analyst, writer],
    output_key="final_report"
)

Процес роботи

На початку ми проводимо аналітику (2-5 днів): розбираємо бізнес-процеси, виділяємо точки застосування агентів. Збираємо вимоги щодо latency, трафіку, інтеграцій. Далі — проєктування (1-3 дні): проєктуємо ієрархію агентів: оркестратор, набір субагентів, схема даних. Потім — реалізація (3-10 днів): пишемо код, підключаємо інструменти, налаштовуємо grounding. Після цього — тестування (2-3 дні): навантажувальні тести (p99 latency, throughput), перевірка стійкості до помилок. Далі — деплой (2-3 дні): розгортаємо на Vertex AI, налаштовуємо CI/CD, моніторинг (Cloud Monitoring, логи). Нарешті — передача (1-2 дні): документація, навчання команди, SLA.

Що входить у роботу

Ми проводимо аудит поточних процесів для виявлення вузьких місць, проєктуємо архітектуру агентної системи, реалізуємо код з використанням Google ADK, Gemini API та FunctionTool, потім деплоїмо на Vertex AI або GKE з CI/CD. У результаті ви отримуєте документацію, навчання вашого ML-інженера та два тижні пост-продакшну для виправлення багів та оптимізації.

Терміни орієнтовно

Вартість розраховується індивідуально під ваш сценарій — зв'яжіться з нами, оцінимо проєкт за 1-2 дні. Типова вартість проєкту з деплоєм починається від $5,000.

Чому варто обрати нас?

• 5+ років досвіду в AI/ML, 30+ виконаних проєктів з інтеграції агентів.
• Сертифіковані спеціалісти Google Cloud (сертифікати з Vertex AI, Gemini).
• Гарантія результату: фіксуємо KPI в договорі (latency, accuracy, вартість токенів).
• Відкрита комунікація: ви отримуєте доступ до репозиторію та бачите прогрес у real-time.

Готові обговорити ваше завдання? Отримайте консультацію щодо впровадження ADK — підберемо оптимальну конфігурацію та покажемо прототип за 2-3 дні. А якщо хочете глибше розібратися самостійно, почитайте офіційний репозиторій Google ADK на GitHub — там багато прикладів.

Практичний розбір LLM: fine-tuning, RAG, агенти, деплой

Модель GPT‑4 або Claude 3.5 Sonnet через публічне API — не рішення, а просто інструмент. Коли приходить вимога «зробити як ChatGPT, але на наших даних», за нею стоїть реальна інженерна задача: від налаштування промптів до навчання 70B‑моделі на власній інфраструктурі. LLM розробка під ключ — це складний стек, і ми займаємося цим понад 5 років. За цей час реалізовано понад 20 проєктів у галузі генеративного AI: від RAG‑систем для юридичних департаментів до кастомних агентів для техпідтримки. Де саме знаходиться ваша задача — залежить від даних, latency‑вимог, бюджету та того, наскільки критична конфіденційність.

Типова ситуація: клієнт уже спробував ChatGPT, але результати нестабільні — то відповідає точно, то галюцинує. Або потрібна інтеграція в корпоративний портал з дотриманням політик безпеки. Розберемо кожен шар стеку в деталях — від RAG до production‑деплою.

Чому RAG‑системи ламаються і як це виправити?

RAG (Retrieval‑Augmented Generation) виглядає просто: знайшли релевантні документи, поклали в контекст, модель відповіла. На практиці збоїть у кількох місцях.

Chunking без перекриття. Класична помилка: chunk_size=512, overlap=0. Якщо відповідь лежить на межі двох чанків, retrieval не знайде жодного з достатньою впевненістю. Рішення: overlap 15–25% від chunk_size, а краще sentence‑aware splitting через spaCy або NLTK, а не наївне розбиття за символами.

Поганий embedder. Текст‑embedding‑ada‑002 — хороший для загального випадку, але на юридичних або медичних текстах програє спеціалізованим моделям: E5‑large‑v2, BGE‑M3 або fine‑tuned sentence‑transformers на доменних даних. Різниця в Recall@5 може становити 15–25%.

Відсутність re‑ranking. Векторний пошук оптимізований за швидкістю, не за релевантністю. Cross‑encoder re‑ranker (ms‑marco‑MiniLM‑L‑6‑v2, bge‑reranker‑large) після первинного retrieval піднімає точність топ‑3 при прийнятній затримці (+50–150 ms). Це часто важливіше за покращення embedding‑моделі.

Гібридний пошук. Тільки dense вектори погано працюють на точних запитах: імена, артикули, коди. BM25 (sparse) добре знаходить точні збіги, але не розуміє семантику. Гібрид через RRF (Reciprocal Rank Fusion) — оптимальний компроміс. Qdrant, Weaviate та pgvector 0.7+ підтримують гібридний пошук нативно.

Коли варто fine‑tune, а не промпт‑інжиніринг?

Промпт‑інжиніринг вирішує ~70% завдань адаптації LLM під домен. Решта 30% вимагають донавчання. Три ознаки: модель ігнорує специфічний формат виведення навіть при детальному описі в промпті; задача вимагає глибокого знання спеціалізованої лексики (медицина, право); потрібно значно знизити витрати на токени, замінивши велику модель меншою спеціалізованою.

LoRA та QLoRA — стандарт для SFT. LoRA додає trainable low‑rank матриці до attention‑шарів. Типова конфігурація для Llama‑3 8B: r=64, lora_alpha=128, target_modules=["q_proj","v_proj","k_proj","o_proj"] — параметрів, що навчаються, ~0.8%, навчання на одній A100 40GB. QLoRA додає 4‑бітну квантизацію (NF4) і дозволяє fine‑tune 70B модель на двох A100 40GB, хоча швидкість падає вдвічі порівняно з bf16.

DPO замість RLHF. Direct Preference Optimization вимагає лише пари (chosen, rejected), а не скалярні reward‑сигнали. DPOTrainer з бібліотеки trl (Hugging Face) реалізує це кількома десятками рядків.

Типова помилка. Датасет з 500 прикладів, 5 епох, validation loss 0.8 — здається норм. Але на тесті модель деградувала на загальних інструкціях. Причина: catastrophic forgetting. Рішення — додати 10–20% загальних instruction‑following прикладів (Alpaca, FLAN) у навчальну вибірку, щоб не зруйнувати вихідні здібності.

Як обрати базову модель: 8B чи 70B?

Для більшості задач fine‑tuning 8B моделі достатньо. 70B потрібен, коли потрібне глибоке міркування або baseline 8B не досягає потрібної якості навіть після донавчання. Вартість інференсу Llama‑3 8B через vLLM на A100 значно нижча, ніж у GPT‑4, що робить його економічно вигідним.

Що дає PagedAttention в production?

vLLM — перший вибір для serving open‑source моделей. PagedAttention — ключове технічне рішення: KV‑cache керується як virtual memory в ОС, без фрагментації. Це дає throughput у 2–4 рази вище порівняно з наївним HuggingFace Transformers inference. Документація vLLM підтверджує: continuous batching та PagedAttention — стандарт для високонавантажених LLM‑сервісів.

Типові числа на A100 80GB для Llama‑3 8B (bf16): 400–600 req/s, P50 latency 200–400ms, P99 latency 600–900ms при concurrency 64. Для 70B на двох A100 з tensor parallelism: 80–120 req/s, P99 latency 1.5–2.5s. Квантизація AWQ або GPTQ знижує споживання пам'яті в 2 рази при втраті якості в межах 1–3%.

Мультиагентні системи

Агенти — LLM з доступом до інструментів: пошук, виконання коду, запити до API, робота з БД. Основні патерни:

• ReAct (Reason + Act): модель розмірковує → обирає інструмент → спостерігає результат → знову розмірковує. LangChain та LlamaIndex реалізують з коробки.
• Multi‑agent orchestration: кілька спеціалізованих агентів з координатором зверху. Приклад: coordinator → researcher (пошук + summarization) → coder (генерація та виконання коду) → critic (перевірка). Інструменти: AutoGen (Microsoft), CrewAI, кастомна реалізація на LangGraph.

В продакшені агентні системи недетерміновані. Обов'язкові guardrails, ліміти кроків, логування кожного кроку, human‑in‑the‑loop для критичних дій.

Як ми гарантуємо якість LLM рішення?

Ми використовуємо RAGAS для автоматичної оцінки відповідей: faithfulness, answer relevancy, context precision. Система трекінгу експериментів на базі MLflow фіксує всі метрики, датасети та конфіги. Це дозволяє порівнювати різні гіпотези та доводити покращення з цифрами. Гарантію стабільної роботи забезпечує continuous integration з тестами на специфічних сценаріях (prompt injection, edge‑cases).

Як почати LLM розробку: наступні кроки

Ми передаємо:

• Технічну документацію (model card, конфіги, інструкції з розгортання)
• Доступ до інфраструктури (репозиторій з кодом, навчені ваги)
• 1 місяць підтримки після деплою (консультації, виправлення багів)
• Навчання команди замовника (2–3 заняття з експлуатації системи)

Терміни: базовий RAG‑прототип — 1–2 тижні. Fine‑tuning з даними замовника — 3–6 тижнів (з урахуванням підготовки даних). Production‑система з моніторингом та перенавчанням — 2–4 місяці.

Вартість розраховується індивідуально і залежить від обсягу даних, складності моделі та вимог до інфраструктури. Хочете оцінити свій проєкт? Зв'яжіться з нами — ми підготуємо попереднє резюме за 1–2 робочі дні. Або замовте консультацію фахівця з вибору підходу: RAG, fine‑tuning або гібрид — розповімо, що підійде саме вам.