Sprawdzanie faktów za pomocą agenta AI ADK i modelu Gemini

Poziom kodowania: zaawansowany
Czas trwania: 30 minut
Typ projektu: funkcja niestandardowa

Przegląd

Niestandardowa funkcja sprawdzania faktów w Arkuszach Google, która będzie używana jako projekt Google Apps Script powiązany z kontenerem , oparty na agencie Vertex AI i modelu Gemini.

Ten przykład pokazuje, jak możesz używać 2 zaawansowanych typów zasobów AI bezpośrednio w arkuszach kalkulacyjnych:

1. Agenci AI do zaawansowanego, wieloetapowego wnioskowania z użyciem wielu narzędzi za pomocą agentów ADK wdrożonych w Vertex AI Agent Engine.
2. Modele AI do zaawansowanego rozumienia, generowania i podsumowywania treści za pomocą modeli Gemini z Vertex AI.

Cele

• Zrozumienie, co robi to rozwiązanie.
• Zrozumienie, jak to rozwiązanie jest wdrażane.
• Wdrożenie agenta Vertex AI.
• Skonfigurowanie skryptu.
• Uruchomienie skryptu.

Informacje o rozwiązaniu

Funkcja niestandardowa Arkuszy nosi nazwę FACT_CHECK i działa jako kompleksowe rozwiązanie. Analizuje ona wypowiedź, opiera swoją odpowiedź na najnowszych informacjach z internetu i zwraca wynik w potrzebnym formacie:

• Użycie:
  • =FACT_CHECK("Your statement here") – zwięzłe i podsumowane dane wyjściowe.
  • =FACT_CHECK("Your statement here", "Your output formatting instructions here") – określony format danych wyjściowych.
• Wnioskowanie: agent AI LLM Auditor ADK (przykład w Pythonie).
• Formatowanie danych wyjściowych: model Gemini.

To rozwiązanie wysyła żądania do interfejsów Vertex AI REST API za pomocą UrlFetchApp.

Architektura

Na diagramie poniżej przedstawiono architekturę zasobów Google Workspace i Google Cloud używanych przez funkcję niestandardową.

Wymagania wstępne

Aby używać tego przykładu, musisz spełnić te wymagania wstępne:

• Konto Google (w przypadku kont Google Workspace może być wymagana zgoda administratora).

• Przeglądarka internetowa z dostępem do internetu.

• Wymagania wstępne dotyczące agenta LLM Auditor ADK

  • Python 3.11 lub nowszy: aby zainstalować, postępuj zgodnie z instrukcjami na oficjalnej stronie Pythona.
  • Python Poetry: aby zainstalować, postępuj zgodnie z instrukcjami na oficjalnej stronie Poetry.
  • Google Cloud CLI: aby zainstalować, postępuj zgodnie z instrukcjami na oficjalnej stronie Google Cloud.

Przygotowywanie środowiska

W tej sekcji dowiesz się, jak utworzyć i skonfigurować projekt Google Cloud.

Tworzenie projektu Google Cloud

Konsola Google Cloud

1. W konsoli Google Cloud kliknij Menu menu > Administracja i IAM > Utwórz projekt.

   Otwórz Utwórz projekt

2. W polu Nazwa projektu wpisz opisową nazwę projektu.

   Opcjonalnie: aby edytować identyfikator projektu, kliknij Edytuj. Po utworzeniu projektu nie można zmienić identyfikatora projektu , więc wybierz identyfikator projektu, który będzie Ci odpowiadać przez cały okres istnienia projektu.

3. W polu Lokalizacja kliknij Przeglądaj, aby wyświetlić potencjalne lokalizacje projektu. Następnie kliknij Wybierz.
4. Kliknij Utwórz. Konsola Google Cloud przekieruje Cię na stronę Panel, a Twój projekt zostanie utworzony w ciągu kilku minut.

gcloud CLI

W jednym z tych środowisk programistycznych otwórz Google Cloud CLI (gcloud):

• Cloud Shell: aby używać terminala online z już skonfigurowanym interfejsem gcloud CLI aktywuj Cloud Shell.
  Aktywuj Cloud Shell
• Lokalny shell: aby używać lokalnego środowiska programistycznego, zainstaluj i zainicjuj gcloud CLI.
  Aby utworzyć projekt w chmurze, użyj polecenia gcloud projects create:

  gcloud projects create PROJECT_ID

  Zastąp PROJECT_ID identyfikatorem projektu, który chcesz utworzyć.

Włączanie płatności za projekt w chmurze

Konsola Google Cloud

1. W konsoli Google Cloud otwórz Rozliczenia. Kliknij Menu menu > Rozliczenia > Moje projekty.

   Otwórz Rozliczenia za Moje projekty

2. W sekcji Wybierz organizację wybierz organizację powiązaną z Twoim projektem Google Cloud.
3. W wierszu projektu otwórz menu Czynności (more_vert), kliknij Zmień płatności i wybierz konto rozliczeniowe Cloud.
4. Kliknij Ustaw konto.

gcloud CLI

1. Aby wyświetlić listę dostępnych kont rozliczeniowych, uruchom:

   gcloud billing accounts list

2. Połącz konto rozliczeniowe z projektem Google Cloud:

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

   Zastąp następujące elementy:

   • PROJECT_ID to identyfikator projektu projektu w chmurze, dla którego chcesz włączyć płatności.
   • BILLING_ACCOUNT_ID to identyfikator konta rozliczeniowego , które chcesz połączyć z projektem Google Cloud.

Włączanie interfejsu Vertex AI API

Tworzenie konta usługi w konsoli Google Cloud

Utwórz nowe konto usługi z rolą Vertex AI User, wykonując te czynności:

Konsola Google Cloud

1. W konsoli Google Cloud kliknij Menu menu > Uprawnienia i administracja > Konta usługi.

   Otwórz stronę Konta usługi

2. Kliknij Utwórz konto usługi.
3. Wypełnij dane konta usługi, a następnie kliknij Utwórz i kontynuuj.
4. Opcjonalnie: przypisz role do konta usługi, aby przyznać mu dostęp do zasobów projektu Google Cloud. Więcej informacji znajdziesz w artykule Przyznawanie, zmienianie i odbieranie uprawnień do zasobów.
5. Kliknij Dalej.
6. Opcjonalnie: wpisz użytkowników lub grupy, które mogą zarządzać tym kontem usługi i wykonywać na nim działania. Więcej informacji znajdziesz w artykule Zarządzanie przyjmowaniem tożsamości konta usługi.
7. Kliknij Gotowe. Zanotuj adres e-mail konta usługi.

gcloud CLI

1. Utwórz konto usługi:

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

2. Opcjonalnie: przypisz role do konta usługi, aby przyznać mu dostęp do zasobów projektu Google Cloud. Więcej informacji znajdziesz w artykule Przyznawanie, zmienianie i odbieranie uprawnień do zasobów.

Konto usługi pojawi się na stronie kont usługi. Następnie utwórz klucz prywatny dla konta usługi.

Tworzenie klucza prywatnego

Aby utworzyć i pobrać klucz prywatny dla konta usługi, wykonaj te czynności:

1. W konsoli Google Cloud kliknij Menu menu > Uprawnienia i administracja > Konta usługi.

   Otwórz stronę Konta usługi

2. Wybierz konto usługi.
3. Kliknij Klucze > Dodaj klucz > Utwórz nowy klucz.
4. Wybierz JSON, a następnie kliknij Utwórz.

   Nowa para kluczy publicznych/prywatnych zostanie wygenerowana i pobrana na Twoje urządzenie jako nowy plik. Zapisz pobrany plik JSON jako credentials.json w swoim katalogu roboczym. Ten plik jest jedyną kopią tego klucza. Informacje o tym, jak bezpiecznie przechowywać klucz, znajdziesz w artykule Zarządzanie kluczami konta usługi.

5. Kliknij Zamknij.

Więcej informacji o kontach usługi znajdziesz w dokumentacji Google Cloud IAM.

Wdrażanie agenta AI LLM Auditor ADK

1. Jeśli jeszcze tego nie zrobisz, uwierzytelnij się na swoim koncie Google Cloud i skonfiguruj Google Cloud CLI tak, aby używał Twojego projektu w chmurze Google Cloud.

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

   Zastąp PROJECT_ID identyfikatorem utworzonego projektu w chmurze.

2. Pobierz to repozytorium GitHub:

   Pobierz plik

3. W preferowanym lokalnym środowisku programistycznym rozpakuj pobrany plik archiwum i otwórz katalog adk-samples/python/agents/llm-auditor.

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

4. Utwórz nowy zasobnik Cloud Storage przeznaczony dla agenta ADK.

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

   Zastąp następujące elementy:

   1. CLOUD_STORAGE_BUCKET_NAME unikalną nazwą zasobnika, której chcesz użyć.
   2. PROJECT_ID identyfikatorem utworzonego projektu w chmurze.
   3. PROJECT_LOCATION lokalizacją utworzonego projektu w chmurze.

5. Ustaw te zmienne środowiskowe:

   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

   Zastąp następujące elementy:

   1. CLOUD_STORAGE_BUCKET_NAME nazwą utworzonego zasobnika.
   2. PROJECT_ID identyfikatorem utworzonego projektu w chmurze.
   3. PROJECT_LOCATION lokalizacją utworzonego projektu w chmurze.

6. Zainstaluj i wdróż agenta ADK w środowisku wirtualnym.

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

7. Pobierz identyfikator agenta. Będzie on potrzebny później do skonfigurowania funkcji niestandardowej.

   python3 deployment/deploy.py --list

Przeglądanie przykładowego kodu

Opcjonalnie, przed utworzeniem nowego arkusza kalkulacyjnego, poświęć chwilę na zapoznanie się z przykładowym kodem hostowanym w GitHubie.

Wyświetl w GitHubie

Tworzenie i konfigurowanie w nowym arkuszu kalkulacyjnym

1. Aby utworzyć pełną kopię przykładowego arkusza kalkulacyjnego Arkuszy, w tym powiązanego z kontenerem projektu Apps Script, kliknij ten przycisk:

   Kopiuj arkusz kalkulacyjny Arkuszy Google

2. W nowo utworzonym arkuszu kalkulacyjnym kliknij Rozszerzenia > Apps Script.

3. W projekcie Apps Script kliknij Ustawienia projektu, a następnie Edytuj właściwości skryptu i Dodaj właściwość skryptu, aby dodać te właściwości skryptu:

   1. LOCATION z lokalizacją projektu w chmurze Google utworzonego w poprzednich krokach, np. us-central1.
   2. GEMINI_MODEL_ID z modelem Gemini, którego chcesz użyć, np. gemini-2.5-flash-lite.
   3. REASONING_ENGINE_ID z identyfikatorem agenta LLM Auditor ADK wdrożonego w poprzednich krokach, np. 1234567890.
   4. SERVICE_ACCOUNT_KEY z kluczem JSON z konta usługi pobranego w poprzednich krokach, np. { ... }.

4. Kliknij Zapisz właściwości skryptu.

Testowanie funkcji niestandardowej

1. Otwórz nowo utworzony arkusz kalkulacyjny.
2. Zmień wypowiedzi w kolumnie A.
3. Formuły w kolumnie B są wykonywane, a następnie wyświetlają wyniki sprawdzania faktów.

Zwalnianie miejsca

Aby uniknąć obciążania konta Google Cloud opłatami za zasoby zużyte w tym samouczku, zalecamy usunięcie projektu w chmurze.

1. W konsoli Google Cloud otwórz stronę Zarządzanie zasobami. Kliknij Menu menu > Uprawnienia i administracja > Zarządzanie zasobami.

   Otwórz Resource Manager

2. Na liście projektów wybierz projekt, który chcesz usunąć, a następnie kliknij Usuń delete.
3. W oknie wpisz identyfikator projektu i kliknij Wyłącz, aby usunąć projekt.

Dalsze kroki

• Planowanie podróży za pomocą agenta AI dostępnego w Google Workspace
• Tworzenie agentów Gemini Enterprise, którzy są ściśle zintegrowani z magazynami danych, interfejsami API i dodatkami Workspace
• Tworzenie agentów Vertex AI, którzy są ściśle zintegrowani z magazynami danych, interfejsami API i dodatkami Workspace
• Funkcje niestandardowe w Arkuszach
• Rozszerzanie Arkuszy