A Google szabványt adna az ügynökök által létrehozott felületekhez

A szöveges válaszoktól az interaktív felületekig

A Google Developers Blog október 29-i bejegyzése szerint az ügynökökkel folytatott interakciók a szöveges válaszoktól a gazdag felhasználói felületek felé fejlődnek. Egy utazásszervezési példában az ügynök korábban szövegben sorolta fel a Balihoz kínált csomagokat, majd egy külső oldalra irányította a felhasználót a foglaláshoz.

A generatív felhasználói felület azt a réteget jelenti, amelyben az ügynök futás közben, az adott kéréshez igazodva épít fel egy felületet. Így a beszélgetésen belül jelenhet meg például választható csomaglista, térkép vagy dátumválasztó. A megvalósításhoz két elemre van szükség: a felület leírásának módjára, valamint egy olyan ügynöki technológiai rétegre, amely az ügynököt az alkalmazáshoz kapcsolja és megjeleníti az eredményt.

Az A2UI adatként írja le a felületet

Az A2UI, vagyis Agent-to-UI a Google keretrendszerfüggetlen, nyílt szabványa a generatív felületek deklarálására. Az ügynök adatként írja le a kívánt felületet, az alkalmazás pedig a már rendelkezésre álló komponensekkel rajzolja ki azt. A rendszer szállítási módtól függetlenül működik.

A Google szerint az A2UI a szabályozott és a nyitott generálás közötti teljes tartományt lefedi. A deklaratív mód, amelyben az ügynök előre definiált komponenseket és funkciókat állít össze, a leggyakoribb megközelítés. Az alkalmazás megbízható komponenskatalógust tart fenn, ezért az ügynök által kitalált, azon kívül eső elemek még a megjelenítés előtt kiszűrhetők.

Az üzenetek kis, egymásra azonosítókkal hivatkozó JSON-elemekből állnak. Az ügynök ezeket fokozatosan küldheti, a kliens pedig érkezés közben renderelheti a komponenseket. Ugyanaz a válasz React, Lit, Angular, SwiftUI, Jetpack Compose és Flutter környezetben is megjeleníthető, továbbá közösségi renderelők használhatók Vue-hoz és terminálhoz.

A CopilotKit kapcsolja össze az ügynököt és az alkalmazást

A CopilotKit az AG-UI, vagyis az Agent-User Interaction Protocol protokollra épül. Támogatja az A2UI-adatokat, és fejlesztői készleteket biztosít több ügynöki háttérrendszerhez. A Google bejegyzése szerint a Google ADK, a LangChain, a Mastra és a Strands is AG-UI-kompatibilis, ezért az alapbeállítás az alkalmazott keretrendszertől függetlenül azonos lehet.

A CopilotKit eszköztárat kínál az A2UI-protokollt használó alkalmazásokhoz, benne csevegőfelülettel, futtatási környezettel és A2UI-renderelővel Reacthez és Angularhoz. A vállalat egyedi renderelőket biztosít Vue-hoz és Slackhez is. A fejlesztőnek az alkalmazásban kell meghatároznia, mely komponenseket használhatja az ügynök, majd ezeket a komponenseket a megfelelő renderelőkhöz kell kapcsolnia.

A Google által bemutatott példában egy repülőjáratokat kezelő ügynök a Google ADK-val működik, a kliensoldalon pedig egy saját FlightCard komponens jeleníti meg a légitársaságot, az indulási és érkezési időt, valamint a megállók számát. A Zod-séma ellenőrzi az ügynök által küldött tulajdonságokat, a komponens leírása pedig bekerül az ügynök utasításai közé.

A felület a felhasználói műveletekre is reagál

Az A2UI-felületek kétirányúak és reaktívak. A felhasználó által végrehajtott műveletek, például a dátum kiválasztása, a járat megadása vagy az utasadatok kitöltése, ugyanazon az adatfolyamon jutnak vissza az ügynökhöz. Az ügynök ezután a megadott értékek alapján újra kibocsátja a felületet.

A bemutatott foglalási folyamatban a beviteli mezők adatútvonalhoz kötődnek, a gomb pedig megadja, mely értékeket kell visszaküldeni. Az ügyféloldali ellenőrzés miatt például egy hibás e-mail-cím inline hibaüzenetet kaphat új modellhívás nélkül. Az adatok csak a gomb aktiválásakor jutnak el az ügynökhöz, amely ugyanazon a surfaceId azonosítón frissíti a felületet. Így a járatkeresés, az eredmények, az utasadatok és a megerősítés egyetlen interaktív felületen kezelhető.