网站图片上怎么做弹幕效果旅游企业seo官网分析报告

智能体执行器 Runner，负责完成一次用户需求的响应，是ADK中真正让Agent运行起来的引擎，其核心功能和Agents SDK中的Runner类似，具体作用如下：

• 会话管理：自动读取/写入 SessionService，维护历史信息。

• Agent调用：调用指定的Agent完成推理和工具调用

• 输入输出流转：把用户输入交给Agent，把Agent输出返回。

• 流程控制：支持多轮对话、子Agent委托、工具调用等。

• 生命周期管理：处理每次对话流程的完整生命周期

Runner 是Agent的管理者，负责组织每次对话交互的完整生命周期。

Runner 类(Class)

class Runner:"""Runner 类用于运行智能体。Runner 类用于在会话中管理智能体的执行，负责处理消息、生成事件，并与各类服务进行交互。"""app_name: str"""The app name of the runner."""agent: BaseAgent"""The root agent to run."""artifact_service: Optional[BaseArtifactService] = None"""The artifact service for the runner."""session_service: BaseSessionService"""The session service for the runner."""memory_service: Optional[BaseMemoryService] = None"""The memory service for the runner."""def __init__(self,*,app_name: str,agent: BaseAgent,artifact_service: Optional[BaseArtifactService] = None,session_service: BaseSessionService,memory_service: Optional[BaseMemoryService] = None,):"""Initializes the Runner.Args:app_name: The application name of the runner.agent: The root agent to run.artifact_service: The artifact service for the runner.session_service: The session service for the runner.memory_service: The memory service for the runner."""self.app_name = app_nameself.agent = agentself.artifact_service = artifact_serviceself.session_service = session_serviceself.memory_service = memory_service

参数解析如下：

参数名	参数类型	含义	说明
app_name	str	应用名称	应用的名称，用于标识不同的应用实例。
agent	BaseAgent	要运行的主Agent	负责执行实际的任务和推理
artifact_service	Optional[BaseArtifactService]	文件存储服务(可选)	可选的文件存储服务，用于处理生成的工件(如:文件)
session_service	BaseSessionService	会话服务	用于管理和维护对话历史。
memory_service	Optional[BaseMemoryService]	内存服务(可选)	用于长期和短期记忆管理

创建Runner

# 创建智能体执行器
runner = Runner(agent=agent,app_name="app01",session_service=session_service
)

run_async(...)方法

  async def run_async(self,*,user_id: str,session_id: str,new_message: types.Content,run_config: RunConfig = RunConfig(),) -> AsyncGenerator[Event, None]:# ...

runner.run_async(...)方法是Runner类的核心方法之一，用于以异步的方式执行Agent的任务。这个方法接收用户输入的消息，并将其添加到会话中，然后启动Agent来处理该消息，并生成一系列的事件(Event).

具体参数解析如下：

1、user_id (str)

• 该参数表示用户的唯一标识，用于标记当前会话是属于哪个用户的，每个用户可以有多个会话实例。

2、session_id (str)

• 该参数表示会话的唯一标识，用于区分不同用户或同一个用户的不同的会话，每次创建会话时都会为其分配一个唯一的session_id

3、new_message (types.Content)

• 这是ADK中的一个核心对象，表示传递给Agent的新消息。types.Content 是一个包含具体消息内容的对象，通常它包含 role(角色)、text(消息文本) 等字段。

• 例如：content: parts=[Part(video_metadata=None, thought=None, code_execution_result=None, executable_code=None, file_data=None, function_call=None, function_response=None, inline_data=None, text='写一句心灵鸡汤')] role='user'

4、run_config (RunConfig) 可选

• 这是一个配置对象，用于定制执行时的参数设置，可以根据需求设置一些如语音配置、响应方式、模型最大调用次数等参数。其默认值为 RunConfig()，这是一个内置的默认配置类。

RunConfig 核心字段解析：

• speech_config: 用于配置语音识别和语音输出的相关设置(例如：语音转文本、语音输出等)，通常与语音助手相关。

• response_modalities：配置响应的方式，例如返回文本、语音等。

• save_input_blobs_as_artifacts: 是否将输入的文件保存为工件(例如：将用户上传的图片保存为文件以供后续处理)，默认值为false

• support_cfc: 是否支持CFC(Custom Function Calling),即是否允许Agent调用自定义函数。

• streaming_mode：设置流模型(例如：是否开启流式输出),用于处理生成时响应时间较长的情况。

• output_audio_transcription: 配置输出的音频转录设置(比如：支持语音输出)。

• max_llm_calls: 配置在一次会话中最大可以调用LLM次数的上限。默认值: 500

运行Agent

# 执行对话
async def call_agent_async(query: str, runner, user_id, session_id):"""向agent发送查询并打印最终响应"""print(f"\n>>> 用户: {query} \n")# 将用户消息转换为ADK格式content = types.Content(role='user', parts=[types.Part(text=query)])print("content:", content)final_response_text = "未生成最终响应。" # Default# Key Concept: run_async 会执行Agent逻辑并持续生成事件流（Events）。# 我们通过遍历事件流来获取最终答案。async for event in runner.run_async(user_id=user_id, session_id=session_id, new_message=content):# 您可以取消下面这行的注释，以查看执行过程中的所有事件print(f"  [Event] Author: {event.author}, Type: {type(event).__name__}, Final: {event.is_final_response()}, Content: {event.content}")# Key Concept: is_final_response() 用于标记当前对话轮次（turn）的终结消息if event.is_final_response():if event.content and event.content.parts:# 假设响应文本位于首部分final_response_text = event.content.parts[0].textelif event.actions and event.actions.escalate: # Handle potential errors/escalationsfinal_response_text = f"Agent escalated: {event.error_message or 'No specific message.'}"# Add more checks here if needed (e.g., specific error codes)break # 找到最终响应后停止处理事件print(f"<<< Agent Response: {final_response_text}")if __name__ == '__main__':query = "写一句心灵鸡汤"asyncio.run(call_agent_async(query=query,runner=runner,user_id=USER_ID,session_id=SESSION_ID))

call_agent_async(...) 函数解析

🍂Part 1 导入依赖的模块

from google.genai import types

这个types模块是用于在ADK中创建消息内容的，它允许你定义消息的"角色"(例如：user 或 assistant)，以及消息的内容部分。

🍂Part 2 定义 call_agent_async 函数

async def call_agent_async(query: str, runner, user_id, session_id):

• query: 用户输入的查询问题。

• runner: 创建的Runner对象，负责启动Agent并管理会话。

• user_id 和 session_id: 用于标记特定用户的会话，确保模型能够维持会话上下文。

🍂Part 3 将用户消息转换为ADK格式

content = types.Content(role='user', parts=[types.Part(text=query)])

content中内容：

这里将用户的查询(query) 格式化为ADK的消息格式，并通过 types.Content 和 types.Part 封装成可以传递给Agent的内容。 role="user" 表明消息是由用户发送的。

🍂Part 4 准备获取Agent最终回复

final_response_text = "未生成最终响应。" # Default

默认情况下 final_response_text 被初始化为一个错误信息字符串，表明Agent没有最终响应，后续会被更新为最终真正的回答.

🍂Part 5 调用Agent并监听事件

async for event in runner.run_async(user_id=user_id, session_id=session_id, new_message=content):# 您可以取消下面这行的注释，以查看执行过程中的所有事件print(f"  [Event] Author: {event.author}, Type: {type(event).__name__}, Final: {event.is_final_response()}, Content: {event.content}")

runner.run_async(...) 是一个异步生成器，负责执行Agent推理并生成一系列事件 (Events)，每个事件代表了交互中的一步操作(如用户消息、模型回复、工具调用等)

你可以通过 async for...循环迭代所有的事件，并逐一检查它们的内容。

Event 事件中的内容：

🍂Part 6 检查是否是最终响应

if event.is_final_response():

event.is_final_response() 用来判断当前事件是否是最终响应，这个判断标志着Agent已经完成了对用户问题的处理，可以停止进一步处理。

if event.content and event.content.parts:final_response_text = event.content.parts[0].text

如果事件 content 存在，并且包含了 parts(模型回复的文本内容) ,就将 最终回复 保存到 final_response_text 变量中。

elif event.actions and event.actions.escalate: # Handle potential errors/escalationsfinal_response_text = f"Agent escalated: {event.error_message or 'No specific message.'}"

如果 event.actions.escalate为True , 表示有错误发生或需要升级，比如模型无法处理问题，或者需要人工干预，这时，会将相应的错误信息记录在 final_response_text