Skip to content

Commit cdc00e6

Browse files
JulioPeixotoJulioPeixoto
committed
docs(pt_BR): update basic concepts with latest ADK features
- Update model support to include LiteLLM and Model Garden - Add specific agent types (LLM, Sequential, Parallel, Loop) - Expand tools section with MCP and third-party integrations - Add dynamic routing capabilities to flows section References latest announcements from Google Cloud NEXT 2025
1 parent ec7f7ec commit cdc00e6

File tree

1 file changed

+141
-132
lines changed

1 file changed

+141
-132
lines changed

‎docs/pt_BR/conceitos_basicos.rst

+141-132
Original file line numberDiff line numberDiff line change
@@ -1,133 +1,142 @@
1-
Conceitos Básicos
2-
==============
3-
4-
Esta seção apresenta os conceitos fundamentais e componentes principais do ADK que você precisa entender para começar a desenvolver agentes.
5-
6-
Agentes
7-
------
8-
9-
Um agente é a entidade principal no ADK. No núcleo, um agente funciona como intermediário entre um modelo de linguagem grande (LLM) e ferramentas que ele pode usar para executar ações no mundo real.
10-
11-
.. code-block:: python
12-
13-
from google.adk.agents import Agent
14-
from google.adk.tools import calculator
15-
16-
# Criar um agente básico
17-
agent = Agent(
18-
name="MeuAgente",
19-
tools=[calculator]
20-
)
21-
22-
# Executar o agente
23-
result = agent.process("Quanto é 42 * 73?")
24-
print(result)
25-
26-
Modelos
27-
------
28-
29-
Os modelos são a "mente" por trás dos agentes. O ADK suporta vários modelos:
30-
31-
* **Modelos Google**: Integração fácil com modelos como PaLM, Gemini via API `google-genai`
32-
* **Modelos de outros provedores**: Suporte para modelos de terceiros como Anthropic Claude
33-
* **Modelos locais**: Possibilidade de usar modelos executados localmente
34-
35-
.. code-block:: python
36-
37-
from google.adk.models import GeminiModel
38-
39-
# Configurar um modelo Gemini
40-
model = GeminiModel(
41-
model_name="gemini-1.0-pro",
42-
api_key="SUA_API_KEY"
43-
)
44-
45-
agent = Agent(
46-
name="MeuAgente",
47-
model=model,
48-
tools=[...]
49-
)
50-
51-
Ferramentas
52-
---------
53-
54-
As ferramentas são componentes que permitem que o agente execute ações específicas. O ADK inclui várias ferramentas pré-construídas e permite criar suas próprias.
55-
56-
Exemplos de ferramentas incluídas:
57-
58-
* **google_search**: Pesquisa na web usando o Google
59-
* **calculator**: Executa cálculos matemáticos
60-
* **image_generation**: Gera imagens baseadas em texto
61-
62-
Criando uma ferramenta personalizada:
63-
64-
.. code-block:: python
65-
66-
from google.adk.tools import Tool, ToolParameter
67-
68-
@Tool(
69-
name="cumprimento",
70-
description="Gera uma saudação personalizada",
71-
parameters=[
72-
ToolParameter(name="nome", type="string", description="Nome da pessoa")
73-
]
74-
)
75-
def cumprimento(nome: str) -> str:
76-
return f"Olá, {nome}! Como vai você hoje?"
77-
78-
# Usar a ferramenta em um agente
79-
agent = Agent(
80-
name="AgenteCumprimentador",
81-
tools=[cumprimento]
82-
)
83-
84-
Fluxos
85-
-----
86-
87-
Os fluxos permitem orquestrar agentes e ferramentas em sequências mais complexas, criando pipelines para tarefas mais sofisticadas.
88-
89-
.. code-block:: python
90-
91-
from google.adk.flows import Flow
92-
from google.adk.agents import Agent
93-
94-
# Criar agentes especializados
95-
agente_pesquisa = Agent(name="Pesquisador", tools=[google_search])
96-
agente_resumo = Agent(name="Resumidor", tools=[])
97-
98-
# Criar um fluxo
99-
fluxo = Flow(
100-
name="PesquisaEResumo",
101-
description="Pesquisa informações e gera um resumo"
102-
)
103-
104-
# Definir a sequência do fluxo
105-
fluxo.add_step(agente_pesquisa, input_key="query", output_key="resultados")
106-
fluxo.add_step(agente_resumo, input_key="resultados", output_key="resumo")
107-
108-
# Executar o fluxo
109-
resultado = fluxo.run(query="História do Brasil")
110-
print(resultado["resumo"])
111-
112-
Memória
113-
------
114-
115-
A memória permite que os agentes mantenham contexto entre interações, tornando-os mais eficazes em conversas prolongadas.
116-
117-
.. code-block:: python
118-
119-
from google.adk.memory import ConversationMemory
120-
121-
# Criar um agente com memória
122-
agente_com_memoria = Agent(
123-
name="AgenteMemoria",
124-
memory=ConversationMemory(),
125-
tools=[...]
126-
)
127-
128-
# O agente lembrará das interações anteriores
129-
agente_com_memoria.process("Meu nome é Carlos")
130-
resposta = agente_com_memoria.process("Como você me chamou mesmo?")
131-
print(resposta) # O agente deve lembrar que o nome é Carlos
132-
1+
Conceitos Básicos
2+
==============
3+
4+
Esta seção apresenta os conceitos fundamentais e componentes principais do ADK que você precisa entender para começar a desenvolver agentes.
5+
6+
Agentes
7+
------
8+
9+
Um agente é a entidade principal no ADK. No núcleo, um agente funciona como intermediário entre um modelo de linguagem grande (LLM) e ferramentas que ele pode usar para executar ações no mundo real.
10+
11+
.. code-block:: python
12+
13+
from google.adk.agents import Agent
14+
from google.adk.tools import calculator
15+
16+
# Criar um agente básico
17+
agent = Agent(
18+
name="MeuAgente",
19+
tools=[calculator]
20+
)
21+
22+
# Executar o agente
23+
result = agent.process("Quanto é 42 * 73?")
24+
print(result)
25+
26+
Modelos
27+
------
28+
29+
* **Modelos Google**: Integração nativa com Gemini via Vertex AI ou Google AI Studio
30+
* **Outros provedores**: Suporte para diversos modelos através do LiteLLM (Anthropic, Meta, Mistral AI, AI21 Labs, etc.)
31+
* **Vertex AI Model Garden**: Acesso a modelos disponíveis no Model Garden
32+
33+
.. code-block:: python
34+
35+
from google.adk.models import GeminiModel
36+
37+
# Configurar um modelo Gemini
38+
model = GeminiModel(
39+
model_name="gemini-2.0-flash-exp",
40+
api_key="SUA_API_KEY"
41+
)
42+
43+
agent = Agent(
44+
name="MeuAgente",
45+
model=model,
46+
tools=[...]
47+
)
48+
49+
Ferramentas
50+
---------
51+
52+
As ferramentas são componentes que permitem que o agente execute ações específicas. O ADK inclui várias ferramentas pré-construídas e permite criar suas próprias.
53+
54+
Exemplos de ferramentas incluídas:
55+
56+
* **google_search**: Pesquisa na web usando o Google
57+
* **calculator**: Executa cálculos matemáticos
58+
* **image_generation**: Gera imagens baseadas em texto
59+
60+
Criando uma ferramenta personalizada:
61+
62+
.. code-block:: python
63+
64+
from google.adk.tools import Tool, ToolParameter
65+
66+
@Tool(
67+
name="cumprimento",
68+
description="Gera uma saudação personalizada",
69+
parameters=[
70+
ToolParameter(name="nome", type="string", description="Nome da pessoa")
71+
]
72+
)
73+
def cumprimento(nome: str) -> str:
74+
return f"Olá, {nome}! Como vai você hoje?"
75+
76+
# Usar a ferramenta em um agente
77+
agent = Agent(
78+
name="AgenteCumprimentador",
79+
tools=[cumprimento]
80+
)
81+
82+
* Ferramentas pré-construídas (Search, Code Exec)
83+
* Ferramentas MCP (Model Context Protocol)
84+
* Integrações com bibliotecas de terceiros (LangChain, LlamaIndex)
85+
* Outros agentes como ferramentas (LangGraph, CrewAI)
86+
87+
Fluxos
88+
-----
89+
90+
Os fluxos permitem orquestrar agentes e ferramentas em sequências mais complexas, criando pipelines para tarefas mais sofisticadas.
91+
92+
.. code-block:: python
93+
94+
from google.adk.flows import Flow
95+
from google.adk.agents import Agent
96+
97+
# Criar agentes especializados
98+
agente_pesquisa = Agent(name="Pesquisador", tools=[google_search])
99+
agente_resumo = Agent(name="Resumidor", tools=[])
100+
101+
# Criar um fluxo
102+
fluxo = Flow(
103+
name="PesquisaEResumo",
104+
description="Pesquisa informações e gera um resumo"
105+
)
106+
107+
# Definir a sequência do fluxo
108+
fluxo.add_step(agente_pesquisa, input_key="query", output_key="resultados")
109+
fluxo.add_step(agente_resumo, input_key="resultados", output_key="resumo")
110+
111+
# Executar o fluxo
112+
resultado = fluxo.run(query="História do Brasil")
113+
print(resultado["resumo"])
114+
115+
Memória
116+
------
117+
118+
A memória permite que os agentes mantenham contexto entre interações, tornando-os mais eficazes em conversas prolongadas.
119+
120+
.. code-block:: python
121+
122+
from google.adk.memory import ConversationMemory
123+
124+
# Criar um agente com memória
125+
agente_com_memoria = Agent(
126+
name="AgenteMemoria",
127+
memory=ConversationMemory(),
128+
tools=[...]
129+
)
130+
131+
# O agente lembrará das interações anteriores
132+
agente_com_memoria.process("Meu nome é Carlos")
133+
resposta = agente_com_memoria.process("Como você me chamou mesmo?")
134+
print(resposta) # O agente deve lembrar que o nome é Carlos
135+
136+
* **LLM Agents**: Agentes baseados em modelos de linguagem para raciocínio e conversação
137+
* **Workflow Agents**: Para controle determinístico:
138+
* Sequential: Para execução em sequência
139+
* Parallel: Para execução paralela
140+
* Loop: Para execução em loop
141+
133142
Esses são os conceitos fundamentais do ADK. À medida que você avança, poderá combinar esses elementos de formas mais complexas para criar agentes sofisticados adaptados às suas necessidades específicas.

0 commit comments

Comments
 (0)