Созданиеadvanced разговорного ИИ сейчас включает в себя агентов с голосовым управлением в реальном времени. Эти агенты требуют низколатентной, двунаправленной связи и извлечения информации в реальном времени. Этот гид демонстрирует создание такого агента с помощью Gemini и пакета разработки агентов Google (ADK). Процесс начинается с основного агента, обладающего персональностью, но не имеющего доступа к внешним инструментам. Этот базовый агент может общаться, используя свои предобученные знания. Для расширения функциональности advanced агенты оборудованы инструментами для доступа к живым данным и сервисам. ADK предоставляет инструменты, такие как Google Search для извлечения информации в реальном времени и MCP Toolset для интеграции с Google Maps. Агент действует как оркестратор, делегируя задачи специализированным инструментам. Объект RunConfig управляет связью, включая выбор голоса и двунаправленное потоковое вещание. Двунаправленное потоковое вещание позволяет пользователям прерывать агента, что способствует более естественным разговорам. Реальные голосовые чаты управляются асинхронно с помощью asyncio и TaskGroup Python для одновременного выполнения прослушивания, мышления и речи. Аудиоданные передаются с помощью кодировки Base64, а текстовые транскрипции передаются для немедленной обратной связи пользователей. Ресурсы включают Google ADK, Native Audio Gemini и исходный код проекта на GitHub.