Аюш Капур: «Как создать ИИ-агента с Vercel AI SDK»

🛠 Разработка ИИ-агентов: от основ до глубокого поиска с Vercel AI SDK 0:00

Аюш Капур, инженер из команды Vercel, представил подробное руководство по работе с Vercel AI SDK — универсальным набором инструментов для TypeScript, предназначенным для быстрой разработки ИИ-приложений. Библиотека является бесплатной, открытой и поддерживает множество фреймворков (Next.js, Svelte, Vue, React) и сред выполнения, включая Node.js.

🧱 Фундаментальные примитивы SDK 2:21

Разработка с помощью AI SDK строится на трёх базовых функциях, которые позволяют взаимодействовать с языковыми моделями (LLM):

1. generateText: основная функция для генерации текста. Позволяет легко переключаться между моделями (например, GPT-4o mini или Perplexity Sonar) без изменения архитектуры приложения, просто заменяя параметры конфигурации. SDK поддерживает более 30 различных провайдеров, включая Anthropic, Google, XAI и HuggingFace.
2. Tool calling (вызов инструментов): механизм, позволяющий модели взаимодействовать с внешним миром. Для настройки инструмента необходимо определить:
   • name: имя функции.
   • description: описание, помогающее модели понять, когда использовать инструмент.
   • inputSchema: схема входных аргументов.
   • execute: асинхронная функция выполнения задачи.
3. generateObject: функция для получения структурированного вывода в формате JSON. По мнению Капура, использование совместно с библиотекой Zod (для валидации схем) делает этот метод особенно мощным, обеспечивая типобезопасность на этапе выполнения.

🤖 Создание агента глубокого поиска (Deep Research Agent) 15:35

Для решения комплексных задач, требующих многошаговой логики, Аюш Капур продемонстрировал создание агента, имитирующего глубокий поиск информации. Логика работы агента строится на итеративном процессе:

• Генерация подзапросов: исходя из начального запроса, агент разбивает его на $N$ подзапросов (где $N$ — параметр «ширины» поиска).
• Поиск и оценка: с использованием поискового API (например, Exa AI) агент собирает контент и оценивает его релевантность.
• Feedback Loop (петля обратной связи): если результат оценён как «нерелевантный», модель использует это как сигнал для повторного уточнения поиска.
• Рекурсия: при глубине поиска более единицы агент рекурсивно запускает процесс, генерируя новые уточняющие вопросы.

Для финального отчета используется функция generateReport, которая собирает все «обучающие данные» (learnings) в структурированный Markdown-файл.

💡 Советы для разработчиков

• Inference Capacity: Капур подчеркивает, что современные модели способны к логическому выводу (инференсу) — например, они могут самостоятельно извлекать широту и долготу из названия города, если правильно описать это в inputSchema инструмента.
• Экспериментальный подход: Самый эффективный способ освоить SDK — «пачкать руки», постоянно экспериментируя с конфигурациями и промптами.
• Документация: Все примеры кода и подробности реализации доступны на официальном ресурсе ai-sdk.dev.