Компания Google официально открыла доступ к Vertex AI Agent Builder — платформе, которая обещает демократизировать создание автономных ИИ-агентов. Автор канала Wes Roth провел первый тест-драйв инструмента, чтобы выяснить, действительно ли технология «no-code» готова к массовому использованию или она всё еще остается прерогативой разработчиков.
🚀 Первое знакомство: обещания Google и реальность консоли 0:00
Несколько дней назад Google анонсировала внедрение ИИ-агентов во все свои системы для автоматизации клиентского сервиса, шопинга и повседневных задач . Главным событием стал релиз Vertex AI Agent Builder — платформы, которая, по утверждению компании, позволяет любому человеку, независимо от технического бэкграунда, создавать собственных агентов для бизнеса или личной продуктивности .
Однако первые шаги в консоли Google Cloud оказались не самыми гладкими. При попытке настроить среду Wes Roth столкнулся с несколькими сбоями в работе интерфейса . Ему пришлось пробовать разные регионы и имена проектов, прежде чем система позволила создать первое приложение .
Основные характеристики платформы на старте:
- Модели по умолчанию: Основной моделью является Gemini 1.0 Pro .
- Альтернативы: В настройках можно сменить модель; Уэс Рот отмечает, что Claude 3 Opus уже доступна в режиме публичного превью на Vertex AI .
- Типы приложений: На выбор предлагаются «Поиск», «Чат» и «Рекомендации», но именно раздел «Агенты» позволяет создавать сложные системы, использующие инструменты и естественный язык для решения задач .
🛠 Архитектура агента: инструменты, инструкции и «магические заклинания» 2:02
Процесс создания агента начинается с определения его роли и целей. Уэс Рот попытался создать «Агента Ноль» — торгового помощника для интернет-магазина . Инструкции пишутся на естественном языке, например: «Ты — помощник, который помогает клиентам покупать товары и подтверждает детали заказа» .
Однако, по мнению ведущего, обещание «no-code» (без кода) пока выглядит преувеличенным. Для полноценной работы агенту требуются:
- Инструменты (Tools): Возможность подключения через OpenAPI, функции или хранилища данных .
- Связки агентов: Один «главный» агент может вызывать других специализированных агентов для подзадач .
- Интеграции: Готовые модули для мессенджеров, позволяющие встраивать агентов в существующие каналы связи .
Уэс Рот подчеркивает, что для использования инструментов пользователю всё равно необходимо понимать, как работают API и JSON-запросы . По его оценке, на текущем этапе платформа больше ориентирована на веб-разработчиков, чем на рядовых пользователей, хотя Google и пытается сделать интерфейс максимально доступным .
🤖 Эксперимент с «роими агентов»: почему инструкции — это еще не всё 3:27
В ходе часового тестирования автор создал систему из двух агентов: «Торгового ассистента» и «Кодового агента» .
- Торговый ассистент общается с клиентом и, когда дело доходит до расчетов, передает задачу второму агенту .
- Кодовый агент выполняет роль «робота, передающего масло» (аналогия из сериала «Рик и Морти»): его единственная задача — рассчитать налоги и итоговую сумму .
Для вычислений Уэс Рот подключил расширение Code Interpreter, аналогичное тому, что есть в OpenAI, которое позволяет ИИ оперировать цифрами и кодом . Тем не менее, он признает, что система «из коробки» работает не идеально .
Ключевым открытием стало то, что эффективность агента критически зависит от раздела Examples (Примеры). Это реализация метода few-shot prompting: пользователю нужно детально расписать примеры диалогов, чтобы модель поняла, в какой момент вызывать инструменты или переключаться на другого агента . По словам Уэса, если раздел с примерами пуст или плохо проработан, агент «валится» и не может эффективно выполнять задачи .
🏛 Разбор кейса от Google: управление очередью в DMV 6:01
В качестве образца Google предоставляет пресеты, такие как агент для департамента транспорта (DMV) . Это «рулевой» агент (steering agent), задача которого — не помогать клиенту напрямую, а максимально быстро направить его к узкоспециализированному помощнику .
Структура DMV-помощника включает:
- Маршрутизация: Если клиент хочет записаться на прием, он передается агенту
book_appointment. - Сложные случаи: Если тема касается цен или является чувствительной, запрос уходит к
fallback-агенту, которым, скорее всего, является человек . - Реальные инструменты: Агент использует
DMV renew toolиDMV book appointment toolдля взаимодействия с внутренними базами данных .
При тестировании выяснилось, что в демо-режиме функции записи не работают полноценно, так как они ссылаются на фиктивные адреса (example.com), но сама логика переключения между ролями работает исправно . Аналогичный пример Google реализовала для ритейла, где агент через API подключается к Google Store для поиска товаров и управления корзиной .
🔮 Будущее программирования: от кода к естественному языку 9:25
Подводя итог, Уэс Рот задается вопросом: является ли это революцией? Он считает, что Google создала «прото-билдер» — базовую, рудиментарную версию того, что ждет нас в будущем .
Ведущий выделяет несколько важных трендов:
- Магические инкантации: Создание агентов начинает напоминать написание заклинаний, где в текст инструкции вставляются специальные маркеры для вызова других сущностей или инструментов .
- Агентные рои (Agentic Swarms): Будущее за множеством мелких агентов, каждый из которых идеально выполняет одну задачу, под управлением одного «мастера» .
- Закат классического кода: Уэс утверждает, основываясь на отчетах NVIDIA, OpenAI и Microsoft, что естественный язык постепенно вытесняет страницы традиционного кода . Программирование превращается в написание четких инструкций на человеческом языке с небольшими вкраплениями программных вставок там, где нужна математическая точность .
Хотя текущий Vertex AI Agent Builder может разочаровать своей сложностью для новичков, Уэс Рот подчеркивает, что это важный шаг в правильном направлении . Технологии развиваются быстро, и скоро ИИ сам будет понимать, какие API и хуки ему нужны, переводя наши желания в работающий софт .
