Memilih lingkungan pengembangan
Untuk memulai, Anda memerlukan lingkungan pengembangan Python dengan Python 3.11 atau yang lebih baru. Langkah-langkah di sini telah diuji di Google Colab.
Anda juga dapat menyesuaikan langkah-langkah yang ditampilkan di sini di lingkungan pengembangan lain seperti Colab Enterprise, Cloud Shell Editor, atau komputer lokal Anda.
Setelah lingkungan siap, Anda dapat melanjutkan untuk menginstal Agent Framework SDK.
Menginstal Agent Framework SDK
Sekarang, Anda akan menginstal Agent Framework SDK. Selama periode pratinjau pribadi, akses ke SDK harus diizinkan. Pastikan Anda telah diizinkan sebelum melanjutkan ke langkah-langkah download dan penginstalan di bawah.
Pertama, autentikasi akun Google Cloud Anda menggunakan gcloud CLI. Langkah ini memastikan Anda memiliki izin yang diperlukan untuk mengakses layanan Google Cloud. Lihat dokumentasi gcloud untuk mengetahui informasi selengkapnya jika diperlukan.
gcloud auth login
Download paket Python Agent Framework SDK ke lingkungan pengembangan Anda menggunakan gcloud CLI:
gcloud storage cp gs://agent_framework/latest/google_genai_agents-0.0.2.dev20250204+723246417-py3-none-any.whl .
Perhatikan bahwa Anda harus diizinkan agar Framework Agen dapat mengakses build pengembangan dalam perintah sebelumnya.
Terakhir, instal paket Agent Framework SDK yang didownload menggunakan pip:
pip install google_genai_agents-0.0.2.dev20250204+723246417-py3-none-any.whl
Dengan menginstal Agent Framework SDK, Anda kini dapat mengimpor library yang diperlukan untuk mulai mem-build agen.
Mengimpor library yang diperlukan
Impor library Python berikut yang diperlukan untuk menggunakan panduan memulai ini dengan Agent Framework:
import os
from agents import Runner, Agent
from datetime import datetime
Setelah mengimpor library, langkah berikutnya adalah mengonfigurasi akses ke model Gemini.
Mengonfigurasi akses ke Gemini API
Framework Agen dapat dikonfigurasi untuk menggunakan model Gemini dari Google. Anda dapat mengonfigurasi akses ke model Gemini melalui Google AI Studio (menggunakan kunci API) atau melalui Vertex AI (menggunakan project Google Cloud). Pilih metode konfigurasi yang sesuai dengan kebutuhan Anda dan ikuti petunjuk terkait di bawah.
Untuk mengonfigurasi akses ke model Gemini menggunakan Google AI Studio, jalankan kode
Python berikut. Ganti YOUR_API_KEY dengan kunci API Google AI Studio Anda yang sebenarnya.
os.environ["GOOGLE_GENAI_USE_VERTEXAI"] = "0"
os.environ["GOOGLE_API_KEY"] = "YOUR_API_KEY"
Untuk mengonfigurasi akses ke model Gemini menggunakan Vertex AI, jalankan kode
Python berikut. Ganti YOUR_PROJECT_ID dengan Project ID Google Cloud Anda. Pastikan
GOOGLE_CLOUD_LOCATION ditetapkan ke region Vertex AI yang didukung.
os.environ["GOOGLE_GENAI_USE_VERTEXAI"] = "1"
os.environ["GOOGLE_CLOUD_PROJECT"] = "YOUR_PROJECT_ID"
os.environ["GOOGLE_CLOUD_LOCATION"] = "us-central1"
Setelah akses Gemini API dikonfigurasi, Anda kini siap menentukan alat yang akan digunakan agen Anda.
Menentukan alat untuk agen Anda
Agen sering menggunakan alat untuk berinteraksi dengan layanan dan data eksternal. Pada langkah
ini, Anda akan menentukan fungsi Python yang disebut get_exchange_rate. Fungsi ini
akan berfungsi sebagai alat bagi agen Anda untuk mengambil kurs
mata uang secara real-time dari API eksternal.
def get_exchange_rate(
currency_from: str,
currency_to: str,
currency_date: str,
):
"""Retrieves the exchange rate between two currencies on a specified date."""
import requests
response = requests.get(
f"https://api.frankfurter.app/{currency_date}",
params={"from": currency_from, "to": currency_to},
)
return response.json()
Sekarang Anda telah menentukan alat untuk agen. Di bagian berikutnya, Anda akan menentukan agen itu sendiri, yang menggabungkan alat ini.
Menentukan agen
Sekarang, Anda akan menentukan agen AI menggunakan Agent Framework SDK. Definisi agen menentukan model yang akan digunakan, petunjuknya, alat yang dapat diakses, dan alur interaksinya.
root_agent = Agent(
model="gemini-2.5-pro-exp-03-25",
name='currency_exchange_agent',
instruction="""
Help users retrieve exchange rates for different currencies
""",
tools=[
get_exchange_rate,
],
flow='single',
)
Setelah agen ditentukan, langkah berikutnya adalah melakukan inisialisasi dalam Agent Framework.
Melakukan inisialisasi agen
Di bagian ini, Anda akan melakukan inisialisasi agen. Kode berikut menyiapkan layanan artefak dan sesi dalam memori, membuat instance Runner untuk agen Anda, dan menentukan fungsi bantuan untuk mengirim perintah.
from agents.sessions.in_memory_session_service import InMemorySessionService
from agents.artifacts.in_memory_artifact_service import InMemoryArtifactService
from google.genai import types
session_service = InMemorySessionService()
artifact_service = InMemoryArtifactService()
runner = Runner(app_name="currency_exchange_agent", agent=root_agent, artifact_service=artifact_service, session_service=session_service)
session = session_service.create(app_name="currency_exchange_agent", user_id="1")
def run_prompt(new_message: str):
content = types.Content(role='user', parts=[types.Part.from_text(text=new_message)])
print (content)
for event in runner.run(
session=session,
new_message=content,
):
if event.content:
print(event.content.model_dump(exclude_none=True))
Agen Anda kini telah diinisialisasi dan siap menerima perintah. Di bagian berikutnya, Anda akan mengirim perintah pengujian untuk melihat cara kerjanya.
Mengirim perintah ke agen
Sekarang saatnya menguji agen Anda. Kirim perintah berikut ke agen Anda menggunakan fungsi run_prompt yang Anda tentukan sebelumnya.
run_prompt("What's the exchange rate from US dollars to Swedish currency today?")
Jalankan fungsi run_prompt dengan input yang diberikan dan agen akan menghasilkan output yang mirip dengan berikut:
parts=[Part(video_metadata=None, thought=None, code_execution_result=None, executable_code=None, file_data=None, function_call=None, function_response=None, inline_data=None, text="What's the exchange rate from US dollars to Swedish currency today?")] role='user'
{'parts': [{'function_call': {'args': {'currency_from': 'USD', 'currency_to': 'SEK', 'currency_date': '2025-02-21'}, 'name': 'get_exchange_rate'}}], 'role': 'model'}
{'parts': [{'function_response': {'name': 'get_exchange_rate', 'response': {'amount': 1.0, 'base': 'USD', 'date': '2025-02-21', 'rates': {'SEK': 10.6474}}}}], 'role': 'user'}
{'parts': [{'text': 'The exchange rate from US dollars to Swedish currency (SEK) today, 2025-02-21, is 1 USD to 10.6474 SEK.\n'}], 'role': 'model'}
Output ini menunjukkan langkah-langkah internal agen, termasuk panggilan fungsi yang dibuat dan respons akhir.
Periksa bagian akhir output. Anda akan melihat pesan dari agen
yang berisi nilai tukar yang diambil, yang menunjukkan bahwa agen
berhasil menggunakan alat get_exchange_rate:
The exchange rate from US dollars to Swedish currency (SEK) today, 2025-02-21,
is 1 USD to 10.6474 SEK.
Selamat! Anda telah berhasil mengirim perintah ke agen dan mengamati responsnya. Untuk mempelajari Framework Agen lebih lanjut, lihat bagian berikutnya untuk mengetahui referensi dan langkah berikutnya.
Langkah selanjutnya dan sumber daya
Selamat, Anda berhasil membuat agen AI dengan Framework Agen.
Untuk memperdalam pemahaman Anda dan menjelajahi fitur lanjutan Agent Framework, lihat bagian lain dokumentasi, contoh kode, atau notebook. Referensi ini akan memandu Anda dalam membuat agen yang lebih kompleks dan mengintegrasikannya ke dalam aplikasi.