Google tem agente de IA como os GPTs?

Como criar um agente usando google cloud e Gemini assim como fazemos no GPT?

Nos últimos anos, a criação de agentes conversacionais tem se tornado uma prática comum em diversas indústrias, possibilitando interações mais eficientes e personalizadas com os usuários. Uma das plataformas mais robustas para a construção desses agentes é o Google Agent Builder, que utiliza o poderoso Dialogflow para facilitar o desenvolvimento de interfaces de conversação. Integrado a essa plataforma está o modelo Gemini 1.0 Pro, um avançado sistema de processamento de linguagem natural que aprimora significativamente a capacidade de interpretação e resposta dos agentes.

O Google Agent Builder, por meio do Dialogflow, oferece um ambiente intuitivo para a criação de agentes conversacionais. Essa ferramenta permite que desenvolvedores e empresas criem agentes capazes de entender e responder a uma ampla variedade de solicitações de usuários, melhorando a eficiência do atendimento ao cliente e a experiência do usuário. O uso do Dialogflow simplifica o processo de definição de intents, entidades e fluxos de conversação, permitindo a criação de agentes altamente personalizados sem a necessidade de conhecimentos profundos em programação.

Adicionando ainda mais valor a essa plataforma, o modelo Gemini 1.0 Pro oferece uma capacidade superior de interpretação dos dados fornecidos aos agentes. Este modelo utiliza técnicas avançadas de aprendizado de máquina para entender contextos complexos e fornecer respostas precisas e relevantes. A combinação do Google Agent Builder com o Gemini 1.0 Pro permite a criação de agentes conversacionais que não apenas entendem as intenções dos usuários, mas também conseguem interpretar e processar dados de forma eficaz, elevando o nível de interação e satisfação do usuário.

Neste artigo, vamos explorar como você pode utilizar o Google Agent Builder em conjunto com o modelo Gemini 1.0 Pro para criar agentes conversacionais sofisticados, detalhando cada etapa do processo e fornecendo dicas práticas para maximizar o potencial dessas ferramentas poderosas.

Crie o agente

Quando começar a criar seu agente, terá de preencher as principais informações. Nome para o agente, objetivo (bem alto nível) e instruções (como o agente deve se comportar), se clicar no "sample" poderá pegar um exemplo e trabalhar na sua instrução usando o exemplo como base.


Configure a Tool DATASOURCE X

Aqui é onde a mágica acontece, a tool permite você configurar uma função que será executada pelo cliente que usar seu agente, pode colocar um openapi schema para chamar apis (como o GPT faz com os actions) ou conectar a um repositório de dados. Usaremos esse último, descrevemos o objetivo da tool e logo abaixo escolhemos o datasource (repositório de dados) que queremos.
Eu usei não estruturado pois no meu caso eu queria treinar o agente com documentações em PDF e txt, caso você tenha uma base de conhecimento em json, poderá usar documento estruturado ou até FAQ se montar um csv.

 

IMPORTANTE:
Escolha o Gemini como o modelo da sua tool, ele vai ajudar a tornar mais natural o output da tool (vai depender tbm de como você vai instruir o agente e do modelo usado no agente)

Nos datasource, usaremos Unstructured documents, clicando nele, você será direcionado para configurar um repositório de dados e para nosso case, usaremos Cloud Storage.

Você deverá criar uma fonte de dados vinculado a um Cloud Storage, então abrir o Cloud Storage e fazer upload dos dados que usará para treinar seu modelo:

https://console.cloud.google.com/storage?project=nome-do-seu-projeto

Depois de carregar seu Cloud Storage, acesse o repositório de dados do seu agente e importe os dados que você carregou:


Depois de importar seus dados do Cloud Storage para o Repositório de dados do agente, integre seu agente com uma interface visual:

Caso utilize o Dialogflow Messenger, você receberá um HTML para colocar no seu site, mas tem várias outras opções de interface de integração.


Pronto, dessa forma você consegue criar um agente semelhante ao que fazemos no GPT (mas, não podemos negar que é muito mais simples na openIA).

Abaixo vou deixar um exemplo de um agente criado no GPT, caso você crie sei agente no agente builder, terá como comparar.


Alguns GPTs que criei: