A Google működő prototípust épített többügynökös bevásárláshoz
A Google működő prototípussal mutatja be, hogyan lehet több üzenetküldő csatornán, több specializált AI-ügynökkel kezelni a bevásárlási rendeléseket. A HappyDelivery LangGraphre, Geminire, FastAPI-ra és Google Cloud szolgáltatásokra épül.
- A HappyDelivery a Google beszélgetésalapú kereskedelmi prototípusa.
- WhatsApp, RCS, Apple Messages for Business és SMS vagy MMS üzeneteket kezel.
- A munkameneteket és a kosarat Cloud Memorystore Redis tárolja.
- A feladatokat Gemini-alapú, specializált ügynökök osztják fel.
- A tranzakciós ügynök determinisztikusan számolja a végösszeget.
A tervből működő rendszer lett
A Google Developers Blog október 27-i bejegyzése szerint a HappyDelivery nevű prototípus egy korábban bemutatott, háromrétegű architektúrát valósít meg. A rendszer az üzenetek fogadását, a munkamenetek és a kosár kezelését, valamint az AI-ügynökök működését külön rétegekben kezeli.
A cél egy olyan bevásárlási folyamat, amelyben a vásárló természetes nyelven írhatja le az igényeit, például azt, hogy elfogyott a tej és a tojás, illetve rágcsálnivalót is kér a péntek esti filmnézéshez. A Google szerint a működő szoftver szükséges ahhoz, hogy az architekturális tervet a gyakorlatban is ellenőrizzék.
WhatsApptól az SMS-ig egységes adatfolyam
Az első réteg, az Ingress Layer, a WhatsApp, az RCS, az Apple Messages for Business és az SMS vagy MMS felől érkező üzeneteket fogadja. A rendszer platformonként ellenőrzi az aláírásokat, majd egységes, csatornafüggetlen formátumba alakítja az adatokat. A WhatsApp esetében például az X-Hub-Signature-256 fejlécet, az RCS-nél pedig OAuth2-, JWT- vagy HMAC-alapú hitelesítést használhat.
A normalizált üzenet a Google Cloud Pub/Sub sorába kerül, a szolgáltatás pedig a Google bemutatása szerint kevesebb mint 150 ezredmásodperc alatt küld HTTP 200 választ. Ez azért fontos, mert az üzenetküldő platformok szigorú visszaigazolási időkorlátokat alkalmaznak, sikertelen kézbesítés esetén pedig újrapróbálkozások indulhatnak.
A második réteg a Cloud Memorystore Redis segítségével tárolja az aktív munkamenetet és a bevásárlókosarat. Így a vásárló később folytathatja a rendelést, a rendszer pedig megőrizheti a kosár tartalmát, a preferenciákat és a profilhoz kapcsolódó adatokat. A prototípus tokenizált fizetési hivatkozásokat használ, a nyers bankkártyaszámok nem kerülnek a beszélgetési előzményekbe vagy a naplókba.
Külön ügynök kezeli a profilt, a készletet és a fizetést
A harmadik rétegben több, eltérő feladatú AI-ügynök dolgozik együtt. A Gemini Flashre épülő Supervisor az ügyfél kérését osztályozza, majd a megfelelő szakértőhöz irányítja. A Profile Specialist a vásárlói preferenciákat kezeli, és új vásárlók számára egyszer használatos hitelesítési linkeket adhat ki.
Az Inventory Specialist Gemini Pro segítségével készletinformációkat kérdez le, termékeket ajánl és módosítja a kosarat. A Transaction Specialist szintén Gemini Prót használ, a végösszeget determinisztikus eszközökkel számolja ki, és elindítja a fizetési műveletet. A Google a prototípushoz automatizált ellenőrzési csomagot is készített, amely a többügynökös működést vizsgálja.
Mit jelent ez a felhasználóknak?
A bemutatott modell a vásárló oldalán folytonosabb beszélgetést tesz lehetővé: az üzenetek csatornától függetlenül ugyanabba a munkamenetbe kerülhetnek, a rendelés pedig megszakítás után is folytatható. A rendszer a profilban tárolt beállításokat is figyelembe veheti, például a „Nut-Free” étrendi preferenciát, amikor termékeket ajánl.
A Google bejegyzése egy működő prototípus felépítését ismerteti. A leírás alapján a hangsúly a megbízható üzenetfogadáson, az állapot megőrzésén, a specializált ügynökök együttműködésén és a pénzügyi műveletek kiszámítható kezelésén van.
Google for Developers: Building Conversational Commerce with Multi-Agent Swarms on GCP: A Working Prototype- Google Developers Blog
