forked from google/adk-python
-
Notifications
You must be signed in to change notification settings - Fork 0
Expand file tree
/
Copy pathmulti_model_examples.py
More file actions
301 lines (248 loc) · 10.4 KB
/
multi_model_examples.py
File metadata and controls
301 lines (248 loc) · 10.4 KB
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
#!/usr/bin/env python3
"""
Exemplos Práticos: ADK + LiteLLM
Este arquivo contém exemplos funcionais do guia ADK_LITELLM_GUIDE.md
"""
import os
import asyncio
import warnings
import logging
from typing import List, Dict, Any
# Configuração inicial
warnings.filterwarnings("ignore")
logging.basicConfig(level=logging.ERROR)
# Importações do ADK
from google.adk import Agent
from google.adk.models.lite_llm import LiteLlm
from google.adk.sessions.in_memory_session_service import InMemorySessionService
from google.adk.runners import Runner
from google.genai import types
# Carregar variáveis de ambiente (opcional)
try:
from dotenv import load_dotenv
load_dotenv()
except ImportError:
print("💡 Dica: Instale python-dotenv para carregar .env automaticamente")
class MultiModelExamples:
"""Classe com exemplos práticos de uso do ADK com LiteLLM"""
def __init__(self):
"""Inicializa os exemplos"""
self.session_service = InMemorySessionService()
def create_openai_agent(self) -> Agent:
"""Exemplo 1: Agente com OpenAI GPT-4"""
return Agent(
model=LiteLlm(model="openai/gpt-4o"),
name="openai_assistant",
description="Assistente inteligente usando GPT-4",
instruction="""
Você é um assistente útil e inteligente.
Responda às perguntas de forma clara e precisa.
Mantenha suas respostas concisas mas informativas.
"""
)
def create_claude_agent(self) -> Agent:
"""Exemplo 2: Agente com Anthropic Claude"""
return Agent(
model=LiteLlm(model="anthropic/claude-3-sonnet-20240229"),
name="claude_assistant",
description="Assistente usando Claude da Anthropic",
instruction="""
Você é um assistente analítico e detalhado.
Forneça respostas bem estruturadas e fundamentadas.
Use raciocínio passo a passo quando apropriado.
"""
)
def create_gemini_agent(self) -> Agent:
"""Exemplo 3: Agente com Gemini"""
return Agent(
model=LiteLlm(model="gemini/gemini-2.0-flash-exp"),
name="gemini_assistant",
description="Assistente usando Gemini do Google",
instruction="""
Você é um assistente criativo e versátil.
Use suas capacidades multimodais quando apropriado.
Seja inovador nas suas abordagens.
"""
)
def create_tool_agent(self) -> Agent:
"""Exemplo 4: Agente com ferramentas personalizadas"""
def calcular_fibonacci(n: int) -> List[int]:
"""Calcula a sequência de Fibonacci até n termos."""
if n <= 0:
return []
elif n == 1:
return [0]
elif n == 2:
return [0, 1]
fib = [0, 1]
for i in range(2, n):
fib.append(fib[i-1] + fib[i-2])
return fib
def analisar_numeros(numeros: List[int]) -> Dict[str, Any]:
"""Analisa uma lista de números e retorna estatísticas."""
if not numeros:
return {"erro": "Lista vazia"}
return {
"quantidade": len(numeros),
"soma": sum(numeros),
"média": sum(numeros) / len(numeros),
"mínimo": min(numeros),
"máximo": max(numeros),
"pares": len([n for n in numeros if n % 2 == 0]),
"ímpares": len([n for n in numeros if n % 2 == 1])
}
return Agent(
model=LiteLlm(model="openai/gpt-4o"),
name="math_assistant",
description="Assistente matemático com ferramentas especializadas",
instruction="""
Você é um assistente especializado em matemática.
Use as ferramentas disponíveis para realizar cálculos.
Explique os resultados de forma educativa e interessante.
""",
tools=[calcular_fibonacci, analisar_numeros]
)
async def run_agent_conversation(self, agent: Agent, message: str) -> str:
"""Executa uma conversa com um agente"""
# Configurar runner
runner = Runner(
app_name="exemplo_multi_modelo",
agent=agent,
session_service=self.session_service
)
# Criar sessão
session = await runner.session_service.create_session(
app_name="exemplo_multi_modelo",
user_id="usuario_teste"
)
# Criar mensagem
user_message = types.Content(
role="user",
parts=[types.Part.from_text(message)]
)
# Executar agente e coletar resposta
response_text = ""
async for event in runner.run_async(
user_id=session.user_id,
session_id=session.id,
new_message=user_message
):
if event.content and event.content.parts:
for part in event.content.parts:
if part.text:
response_text += part.text
return response_text
async def compare_models(self, prompt: str):
"""Exemplo 5: Comparar respostas de diferentes modelos"""
agents = [
("OpenAI GPT-4", self.create_openai_agent()),
("Anthropic Claude", self.create_claude_agent()),
("Google Gemini", self.create_gemini_agent())
]
print(f"🤖 Comparando modelos com o prompt: '{prompt}'\n")
print("=" * 80)
for name, agent in agents:
print(f"\n🔸 {name}")
print("-" * 40)
try:
response = await self.run_agent_conversation(agent, prompt)
print(f"Resposta: {response[:200]}...")
if len(response) > 200:
print("(resposta truncada)")
except Exception as e:
print(f"❌ Erro: {e}")
print("\n" + "=" * 80)
def test_model_connectivity(self):
"""Exemplo 6: Teste de conectividade com diferentes modelos"""
models_to_test = [
("OpenAI GPT-4", "openai/gpt-4o"),
("OpenAI GPT-4 Mini", "openai/gpt-4o-mini"),
("Anthropic Claude Sonnet", "anthropic/claude-3-sonnet-20240229"),
("Anthropic Claude Haiku", "anthropic/claude-3-haiku-20240307"),
("Google Gemini Flash", "gemini/gemini-2.0-flash-exp"),
("Google Gemini Pro", "gemini/gemini-1.5-pro")
]
print("🔍 Testando conectividade com modelos...")
print("=" * 60)
for name, model_id in models_to_test:
try:
agent = Agent(
model=LiteLlm(model=model_id),
name=f"test_{name.lower().replace(' ', '_')}",
description=f"Teste para {name}"
)
print(f"✅ {name}: Modelo inicializado com sucesso")
except Exception as e:
print(f"❌ {name}: Erro - {str(e)[:60]}...")
print("=" * 60)
def check_api_keys(self):
"""Exemplo 7: Verificar configuração de chaves de API"""
required_keys = {
"OPENAI_API_KEY": "OpenAI (GPT-4, GPT-3.5)",
"ANTHROPIC_API_KEY": "Anthropic (Claude)",
"GOOGLE_API_KEY": "Google AI (Gemini)",
"GOOGLE_CLOUD_PROJECT": "Google Cloud (Vertex AI)",
"COHERE_API_KEY": "Cohere",
"MISTRAL_API_KEY": "Mistral AI"
}
print("🔑 Verificando configuração de chaves de API...")
print("=" * 60)
configured_count = 0
for key, service in required_keys.items():
value = os.getenv(key)
if value:
print(f"✅ {service}: Configurada")
configured_count += 1
else:
print(f"⚠️ {service}: Não configurada ({key})")
print("=" * 60)
print(f"📊 {configured_count}/{len(required_keys)} serviços configurados")
if configured_count == 0:
print("\n💡 Dica: Configure pelo menos uma chave de API para usar os exemplos")
print(" Você pode criar um arquivo .env na raiz do projeto:")
print(" ")
print(" OPENAI_API_KEY=sua_chave_aqui")
print(" ANTHROPIC_API_KEY=sua_chave_aqui")
print(" GOOGLE_API_KEY=sua_chave_aqui")
async def run_examples():
"""Função principal para executar os exemplos"""
examples = MultiModelExamples()
print("🚀 Exemplos Práticos: ADK + LiteLLM")
print("=" * 80)
# Verificar chaves de API
examples.check_api_keys()
print()
# Testar conectividade
examples.test_model_connectivity()
print()
# Exemplo de conversa (apenas se houver chaves configuradas)
if os.getenv("OPENAI_API_KEY") or os.getenv("ANTHROPIC_API_KEY") or os.getenv("GOOGLE_API_KEY"):
print("💬 Exemplo de conversa com agente...")
print("=" * 60)
# Usar o primeiro modelo disponível
agent = None
if os.getenv("OPENAI_API_KEY"):
agent = examples.create_openai_agent()
model_name = "OpenAI GPT-4"
elif os.getenv("ANTHROPIC_API_KEY"):
agent = examples.create_claude_agent()
model_name = "Anthropic Claude"
elif os.getenv("GOOGLE_API_KEY"):
agent = examples.create_gemini_agent()
model_name = "Google Gemini"
if agent:
try:
response = await examples.run_agent_conversation(
agent,
"Olá! Você pode me explicar brevemente o que é inteligência artificial?"
)
print(f"🤖 {model_name}: {response}")
except Exception as e:
print(f"❌ Erro na conversa: {e}")
else:
print("⚠️ Nenhuma chave de API configurada - pulando exemplo de conversa")
print("\n✨ Exemplos concluídos!")
print("📚 Consulte o arquivo ADK_LITELLM_GUIDE.md para mais detalhes")
if __name__ == "__main__":
# Executar exemplos
asyncio.run(run_examples())