Eskadra Bielik - Misja 1 - ADK + Cloud Run + Bielik

Przykładowy kod źródłowy pozwalający na:

Skonfigurowanie własnej instancji modelu Bielik w oparciu o Ollama
Skonfigurowanie prostych systemów agentowych przy wykorzystaniu Agent Development Kit
Uruchomienie obu powyższych serwisów na Cloud Run

Architektura rozwiązania

Poniższy diagram przedstawia architekturę rozwiązania, które będziemy budować podczas warsztatów.

Note

Warto zaznaczyć, że komponenty takie jak ADK, Ollama oraz model Bielik mogą być z powodzeniem uruchamiane lokalnie na Twoim komputerze (Local Environment). Jednak na potrzeby warsztatu, aby zapewnić wszystkim uczestnikom dostęp do odpowiedniej mocy obliczeniowej (GPU), wykorzystamy środowisko chmurowe Google Cloud Platform i usługę Cloud Run.

graph TD
    subgraph Local_Environment ["💻 Local Environment (Twój komputer)"]
        style Local_Environment fill:#e6f3ff,stroke:#333,stroke-width:2px
        User[("👤 Użytkownik")]
        Browser["🌐 Przeglądarka WWW"]
        Terminal["⌨️ Terminal"]
    end

    subgraph GCP_Workshop ["☁️ Google Cloud Platform (Warsztat)"]
        style GCP_Workshop fill:#fff0e6,stroke:#333,stroke-width:2px
        
        subgraph Cloud_Run ["🚀 Cloud Run (Serverless)"]
            style Cloud_Run fill:#e6ffe6,stroke:#333,stroke-width:2px
            
            ADK_Service["🤖 ADK Service<br/>(Agent Development Kit)"]
            Ollama_Service["🦙 Ollama Service<br/>(Inference Engine)"]
            
            subgraph GPU_Acceleration ["⚡ GPU Acceleration"]
                style GPU_Acceleration fill:#f9f9f9,stroke:#666,stroke-dasharray: 5 5
                Bielik_Model["🦅 Model Bielik<br/>(LLM)"]
            end
        end
        
        Artifact_Registry["📦 Artifact Registry<br/>(Docker Images)"]
        Gemini_Model["✨ Gemini 2.5 Flash<br/>(Multimodal LLM)"]
    end

    User --> Browser
    User --> Terminal
    
    Browser -- "HTTPS" --> ADK_Service
    Terminal -- "gcloud CLI" --> Cloud_Run
    
    ADK_Service -- "API Call" --> Ollama_Service
    ADK_Service -- "API Call" --> Gemini_Model
    Ollama_Service -- "Load & Run" --> Bielik_Model
    
    Cloud_Run -. "Pull Images" .-> Artifact_Registry

    linkStyle 3 stroke:#0066cc,stroke-width:2px;
    linkStyle 4 stroke:#0066cc,stroke-width:2px;
    linkStyle 5 stroke:#0066cc,stroke-width:2px;

1. Przygotowanie projektu Google Cloud Platform

Uzyskaj kredyt Cloud OnRamp i skonfiguruj płatności w projekcie Google Cloud Platform

Note

Nie potrzebujesz karty kredytowej ani płatności — otrzymasz 10 dolarów darmowych środków. Zajmie Ci to mniej niż 2 minuty, wystarczy wpisać swoje imię i nazwisko oraz zaakceptować środki.

Krok 1: Włącz konto billingowe, dzięki uzyskanym środkom

Załóż konto rozliczeniowe z 10 dolarami kredytu, który będzie potrzebny do wdrożenia. Upewnij się, że masz konto Gmail.

Kliknij w przycisk: Zaloguj się jako...

2 Wybierz konto z domeny @gmail.com i naciśnij przycisk: Dalej

3 Po poprawnym zalogowaniu pojawi się Twoje konto z domeny @gmail.com, naciśnij przycisk: Click here to access your credits

4 Otworzy się nowa zakładka w przeglądarce

Zweryfikuj uzupełnione pola: Imię, Nazwisko
W polu: Adres e-mail konta pojawi się adres Twojego konta w domenie @gmail.com
Pole: Kod kuponu - PROSZĘ NIE EDYTOWAĆ !
Naciśnij przycisk: Zaakceptuj i kontynuuj

5 W polu Konto rozliczeniowe pojawi się informacja o treści Google Cloud Platform Trial Billing... oznacza to, że środki zostały aktywowane na Twoim koncie @gmail.com oraz konto bilingowe zostało poprawnie aktywowane bez konieczności podawania karty kredytowej - masz środki na dalszą część warsztatu.

6 Zmieńmy nazwę na bardziej przyjazną, wybierz pozycję: Zarządzanie kontem

7 Kliknij w ikonkę: Edycji pojawi się okno z informacją: Zmień nazwę konta rozliczeniowego w polu Nazwa podaj:

eskadra-bielik-misja1

Naciśnij przycisk: Zmień nazwę

8 W polu Konto rozliczeniowe nowa nazwa została poprawnie zmieniona.

9 W celu weryfikacji przyznanych środków wybierz pozycje: Środki i zobacz w tabeli przyznane środki kolumnę o tytule Stan, która wskazuje na Dostępny.

10 Gratulacje, możesz przejść do następnego kroku warsztatu.

Krok 2: Stwórz nowy projekt Google Cloud Platform i powiąż z utworzonym kontem biligowym

1 Powróć na główny ekran Google Cloud Platform.

Kliknij w logo: Google Cloud
Kliknij w pozycję z napisem: Wybierz projekt

2 Po wybraniu pojawi się okienko z informacją o projektach

Kliknij w przycisk: Nowy projekt

3 Pojawi się formularz z informacją o nowym projekcie, gdzie nadamy własną nazwę projektu

4 W pozycji: Nazwa projektu podajemy naszą własną nazwę:

eskadra-bielik

Klikamy przycisk: Utwórz

5 Pojawi się informacja o utworzeniu projektu

6 W celu weryfikacji czy utworzone konto zostało powiązane z kontem bilinowym, na którym mamy uzyskane środki kredytowe

Z lewego menu wybierz pozycję: Płatności

7 Pojawiła się informacja o Twoich kontach rozliczeniowych

Kilknij w zakładkę: Twoje projekty

8 Jeżeli w pozycji Konto rozliczeniowe widzisz nazwę eskadra-bielik-misja1, to oznacza, że wszystkie kroki wcześniejsze zostały wykonane poprawnie

9 Powróć na główny ekran Google Cloud Platform.

Kliknij w logo: Google Cloud
Kliknij w pozycję z napisem: Wybierz projekt

10 Wybierz z listy projekt o nazwie: eskadra-bielik

11 Wracamy na główną stronę tym razem mamy już uzupełnione informacje na jakim projekcie pracujemy

Zobacz w opisie: Pracujesz w: jest informacja, że pracujemy na projkcie: eskadra-bielik
W Numer projektu i Identyfiaktor projektu znajdują się Twoje uniklane dane, gdzie pomoc Google Cloud Platform w tej sposób identyfikuje Twój projekt

12 Gratulacje, możesz przejść do następnego kroku warsztatu.

Krok 3: Otwórz terminal Cloud Shell ([dokumentacja](https://cloud.google.com/shell/docs))

1 Na górnym pasku Google Cloud Platform.

Kliknij w ikonkę terminala CLI:

2 Po uruchomieniu terminala:

Kliknij w przycisk: Autoryzuj

3 Terminal CLI poprawnie uruchomiony

Krok 4: Sklonuj repozytorium z przykładowym kodem i przejdź do nowo utworzonego katalogu

1 Skopiuj przygotowane komendy do terminala CLI i naciśnij na klawaiturze klawisz ENTER

 git clone https://github.com/prositas/eskadra-bielik-misja1
 cd eskadra-bielik-misja1

Wynik poprawnie wykonanego kroku (repozytorium cały czas żyje, więc wartości mogą być prezentowane inne):

......@cloudshell:~/test (eskadra-bielik-......)$  git clone https://github.com/Legard777/eskadra-bielik-misja1
 cd eskadra-bielik-misja1
Cloning into 'eskadra-bielik-misja1'...
remote: Enumerating objects: 337, done.
remote: Counting objects: 100% (85/85), done.
remote: Compressing objects: 100% (58/58), done.
remote: Total 337 (delta 75), reused 27 (delta 27), pack-reused 252 (from 2)
Receiving objects: 100% (337/337), 7.23 MiB | 28.68 MiB/s, done.
Resolving deltas: 100% (173/173), done.
......@cloudshell:~/test/eskadra-bielik-misja1 (eskadra-bielik-......)$

Krok 5: Zmień nazwę pliku `.env.sample` na `.env`

1 Skopiuj przygotowane komendy do terminala CLI i naciśnij na klawaiturze klawisz ENTER

mv .env.sample .env
ls -la .env

Wynik poprawnie wykonanego kroku:

Krok 6: Skonfiguruj zmienne środowiskowe

W tym kroku uzupełnisz identyfikator warsztatów. Pozostałe parametry są już wstępnie skonfigurowane.

Otwórz plik .env w edytorze Cloud Shell, kopiując w terminalu poniższe polecenie:

cloudshell open-workspace . | cloudshell edit-file .env

Wynik poprawnie wykonanego kroku:

W otwartym edytorze znajdź zmienną BIELIK_EVENT_ID:

Usuń znak #, aby zmienna była widoczna
Wpisz swój kod (zgodny z OnRamp Credits) podany przez trenera podczas warsztatów.
- Zamień tekst na podany przez trenera
- Przykład prawidłowej zmiany dla fikcyjnego kodu przedstawiony jest poniżej

Twój plik powinien wyglądać następująco:

BIELIK_EVENT_ID="<IDENTYFIKATOR>"
GOOGLE_CLOUD_LOCATION="europe-west1"
BIELIK_SERVICE_NAME="ollama-bielik-v3"
BIELIK_MODEL_NAME="SpeakLeash/bielik-4.5b-v3.0-instruct:Q8_0"

Zapisz plik (File > Save lub skrót Ctrl+S).

Opis zmiennych (informacyjnie):

BIELIK_EVENT_ID – (Do edycji) Unikalny identyfikator warsztatów podany przez trenera podczas warsztatów.

GOOGLE_CLOUD_LOCATION – Region Google Cloud (domyślnie: europe-west1, Belgia).

BIELIK_SERVICE_NAME – Nazwa usługi w Cloud Run.

BIELIK_MODEL_NAME – Wersja modelu Bielik (domyślnie: v3.0-instruct:Q8_0).

Important

Zmiana wersji modelu Jeżeli zdecydujesz się zmienić BIELIK_MODEL_NAME na inną wersję niż domyślna, pamiętaj, aby zaktualizować tę informację również w pliku ollama-bielik/Dockerfile:

ENV MODEL SpeakLeash/bielik-4.5b-v3.0-instruct:Q8_0

Krok 7: Wczytaj zmienne środowiskowe korzystając z podręcznego skryptu

1 Kliknij w przycisk z napisem: Otwórz terminal, aby powrócić do linii komend

2 Skopiuj przygotowane komendy do terminala CLI i naciśnij na klawiaturze klawisz ENTER

source reload-env.sh

Wynik poprawnie wykonanego kroku:

2. Własna instancja Bielika na Google Cloud Platform

Ustal domyślne konto serwisowe dla wybranego projektu default service account
```
gcloud builds get-default-service-account
```
Poniższa komenda stworzy nową usługę w Cloud Run o nazwie takiej jak wartość zmiennej $BIELIK_SERVICE_NAME. Na podstawie definicji w ollama-bielik/Dockerfile nardzędzie gcloud stworzy odpowiedni kontener, skonfiguruje usługę Ollama oraz wczyta odpowiednią wersję modelu Bielik.

Caution

Tworzenie modelu może potrwać od 8-10 min.

Warning

Twoja sesja terminala musi być aktywna !

Tip

Odpowiedz twierdząco, jeżeli system spyta o włączenie odpowiednich API oraz stworzenie rejestru artefaktów.

Skopiuj przygotowane komendy do terminala CLI i naciśnij na klawiaturze klawisz ENTER.

gcloud run deploy $BIELIK_SERVICE_NAME --source ollama-bielik/ --region $GOOGLE_CLOUD_LOCATION --concurrency 7 --cpu 8 --set-env-vars OLLAMA_NUM_PARALLEL=4 --gpu 1 --gpu-type nvidia-l4 --max-instances 1 --memory 16Gi --allow-unauthenticated --no-cpu-throttling --no-gpu-zonal-redundancy --timeout 600 --labels dev-tutorial=codelab-dos-$BIELIK_EVENT_ID

Na zadane pytanie, odpowiedz Y.

The following APIs are not enabled on project [eskadra-bielik-.....]:
      artifactregistry.googleapis.com
      cloudbuild.googleapis.com
      run.googleapis.com

Do you want enable these APIs to continue (this will take a few minutes)? (Y/n)?

Na kolejne zadane pytanie, odpowiedz Y.

Enabling APIs on project [eskadra-bielik-.....]...
Operation "operations/............." finished successfully.
Deploying from source requires an Artifact Registry Docker repository to store built containers. A repository named [cloud-run-source-deploy] in region
 [europe-west1] will be created.

Do you want to continue (Y/n)?

Poprawne wykonanie zakończy się poniższym komunikatem:

Building using Dockerfile and deploying container to Cloud Run service [ollama-bielik-v3] in project [eskadra-bielik-.....] region [europe-west1]
Building and deploying new service...                                                                                                                 
  Validating Service...done                                                                                                                           
  Uploading sources...done                                                                                                                            
  Building Container... Logs are available at [https://console.cloud.google.com/cloud-build/builds;region=europe-west1/3....]....done                                                                                                                 
  Setting IAM Policy...done                                                                                                                           
  Creating Revision...done                                                                                                                            
  Routing traffic...done                                                                                                                              
Done.                                                                                                                                                 
Service [ollama-bielik-v3] revision [ollama-bielik-v3-.....] has been deployed and is serving 100 percent of traffic.
Service URL: https://ollama-bielik-v3-......europe-west1.run.app

Jeżeli pojawił się błąd z poniższą informacją:

Building using Dockerfile and deploying container to Cloud Run service [ollama-bielik-v3] in project [eskadra-bielik-.....] region [europe-west1] ERROR: (gcloud.run.deploy) spec.template.metadata.annotations[autoscaling.knative.dev/maxScale]: You do not have quota for using GPUs without zonal redundancy. Learn more about GPU zonal redundancy: g.co/cloudrun/gpu-redundancy-help

To request quota: g.co/cloudrun/gpu-quota

Tip

Uruchom poniższą komendę bez GPU (będzie wolniej)...

gcloud run deploy $BIELIK_SERVICE_NAME --source ollama-bielik/ --region $GOOGLE_CLOUD_LOCATION --concurrency 7 --cpu 8 --set-env-vars OLLAMA_NUM_PARALLEL=4 --max-instances 1 --memory 16Gi --allow-unauthenticated --no-cpu-throttling --timeout 600 --labels dev-tutorial=xyz-$BIELIK_EVENT_ID

Caution

Flaga --allow-unauthenticated udostępnia usługę publicznie w internecie i każdy kto zna URL, może zaczać z niej korzystać. W środowisku produkcyjnym zazwyczaj trzeba tę flagę usunąć i odpowiednio skonfigurować reguły dostępu.

Uruchom poniższą komendę, aby sprawdzić pod jakim URL jest dostępny Bielik

gcloud run services describe $BIELIK_SERVICE_NAME --region=$GOOGLE_CLOUD_LOCATION --format='value(status.url)'

Skopiuj uzyskany adres do "schowka"
Wykonaj te same czynności co w Kroku 6
- Możesz też kliknąć bezpośrednio w przycisk: Otwórz edytor
- Odnajdź pozycję # OLLAMA_API_BASE= (linia nr 27)
- Usuń znak #
- Po znaku = wklej skopiowany adres usługi Cloud Run ollama-bielik-v3....

Przypisz powyższy URL do zmiennej środowiskowej OLLAMA_API_BASE w pliku .env i następnie wczytaj zmienne środowiskowe ponownie:
```
source reload-env.sh
```

Tip

Czy to faktycznie działa?

Jak sprawdzić, czy nasz Bielik jest gotowy?

Sprawdź w Google Cloud console czy nowy serwis jest już dostępny
Sprawdź czy otwierając URL w przeglądarce zobaczysz informację: Ollama is running

Sprawdź przez API jakie modele są dostępne lokalnie na serwerze Ollama

curl "${OLLAMA_API_BASE}/api/tags" | jq .

odpowiedź powinna wyglądać jak poniżej:

{
  "models": [
    {
      "name": "SpeakLeash/bielik-4.5b-v3.0-instruct:Q8_0",
      "model": "SpeakLeash/bielik-4.5b-v3.0-instruct:Q8_0",
      "modified_at": ".........",
      "size": 5061216212,
      "digest": "..............",
      "details": {
        "parent_model": "",
        "format": "gguf",
        "family": "llama",
        "families": [
          "llama"
        ],
        "parameter_size": "4.8B",
        "quantization_level": "Q8_0"
      }
    }
  ]
}

Jak to rozumieć...:

🦅 SpeakLeash / Bielik 4.5B v3.0 Instruct

Wersja: Q8_0 (High Quality) | Rodzina: Llama | Parametry: 4.8B

📦 Format: GGUF
💾 Rozmiar: 4.71 GB
📅 Data: .....

Digest: ........

Wyślij zapytanie przez API

curl "${OLLAMA_API_BASE}/api/generate" -d "{
   \"model\": \"$BIELIK_MODEL_NAME\",
   \"prompt\": \"Kto zabił smoka wawelskiego?\",
   \"stream\": false
}" | jq .response

Uruchom 2-3 razy i zobacz jaką uzyskasz odpowiedź
Poniżej przykładowa odpowiedź (Ty możesz mieć inną...):

{
  "model": "SpeakLeash/bielik-4.5b-v3.0-instruct:Q8_0",
  "created_at": "......",
  "response": "Smok wawelski został zabity przez szewca Skubę, który podrzucił mu barana wypchanego siarką i prochem. Gdy smok połknął baranka, wybuchł i zabił potwora.",
  "done": true,
  "done_reason": "stop",
  "context": [
    1, 31981, 31957, 11308, 102, 25726, 336, 102, 2910, 31957, 31977, 6583,
    31894, 31981, 31957, 6788, 102, 25726, 336, 102, 2910, 31957, 31977, 20,
    17, 20, 17, 31037, 17218, 6871, 298, 787, 18058, 632, 31956, 31981,
    31957, 27399, 31897, 102, 2910, 31957, 31977, 31981, 31957, 11308, 102,
    25726, 336, 102, 2910, 31957, 31977, 14550, 23924, 507, 31981, 31957,
    6788, 102, 25726, 336, 102, 2910, 31957, 31977, 20, 17, 20, 17, 31926,
    434, 31900, 787, 18058, 423, 1109, 3332, 339, 481, 937, 16243, 10170,
    1279, 31909, 493, 392, 13198, 555, 17494, 268, 3585, 6193, 365, 27062,
    704, 285, 884, 23257, 31917, 1645, 6871, 31900, 3174, 3479, 17494,
    2652, 31909, 6320, 31907, 285, 17218, 19153, 31888, 31917
  ],
  "total_duration": 10994891361,
  "load_duration": 64652723,
  "prompt_eval_count": 71,
  "prompt_eval_duration": 231194690,
  "eval_count": 54,
  "eval_duration": 10674966594
}

Wyjaśnienie...

Model: SpeakLeash/bielik-4.5b-v3.0-instruct:Q8_0 Status: ✅ Zakończono pomyślnie (Reason: stop)

📝 Odpowiedź modelu:

Smok wawelski został zabity przez szewca Skubę, który podrzucił mu barana wypchanego siarką i prochem. Gdy smok połknął baranka, wybuchł i zabił potwora.

⚡ Statystyki wydajności

Poniższa tabela przedstawia szczegółowe czasy i prędkość generowania odpowiedzi (przeliczone z nanosekund).

Metryka	Wartość	Opis
Całkowity czas	10.99 s	Czas od zapytania do końca odpowiedzi.
Czas ładowania	0.06 s	Czas wczytania modelu do pamięci.
Przetwarzanie promptu	0.23 s	Czas "zrozumienia" Twojego pytania.
Generowanie odp.	10.67 s	Czas pisania odpowiedzi przez AI.
Liczba tokenów (we)	71	Długość Twojego zapytania (prompt).
Liczba tokenów (wy)	54	Długość odpowiedzi modelu.
Prędkość (TPS)	~5.06 t/s	Średnia prędkość generowania (tokens per second).

3. Konfiguracja systemów agentowych ADK

Skonfiguruj swój własny klucz Gemini API
- Stwórz lub skopiuj istniejący Gemini API key z Google AI Studio.
  
  1 Wybierz pozycję: Get API Key
  
  2 Wybierz pozycję: Project
  
  3 Kliknij w przycisk: + Create a new project
  
  4 Podaj nazwę swojego projektu w pozycji: Name your project:
```
eskadra-bielik-misja1
```
  5 Kliknij w przycisk: Create project
  
  6 Kliknij w kolumnie Keys przy nazwie eskadra-bielik-misja1
  
  7 Kliknij w przycisk: Create API key
  
  8 Wybierz w pozycji: Choose an imported project utworzony projekt o nazwie eskadra-bielik-misja1
  
  9 Podaj w pozycji: Name you key nazwę swojego klucza eskadra-bielik-misja1-klucz-1
  
  10 Kliknij w przycisk: Create key, aby utworzyć klucz
  
  11 Kliknij w nowo utworzony klucz. Pojawi się okienko z informacją o nowym kluczu: API key details
  
  12 Kliknij w przycisk: Copy key, aby skopiować klucz do schowka
- Dodaj wartość klucza ze swojego Gemini API key jako wartość zmiennej GOOGLE_API_KEY w pliku .env
```
GOOGLE_API_KEY=TWÓJ_KLUCZ
```
Wczytaj zmienne środowiskowe ponownie
```
source reload-env.sh
```
Przejdź do katalogu z agentami
```
cd adk-agents
```

Stwórz i aktywuj wirtualne środowisko Python

python -m venv .venv
source .venv/bin/activate

Zainstaluj wymagane komponenty
```
pip install -r requirements.txt
```

4. Przykładowe systemy agentowe

4.1 System agentowy - Twórca treści (`content_creator`)

Ten prosty system agentowy, działający jedynie w oparciu o model Bielik, jest prostym przykładem wykorzystania LLM Agents oraz Workflow Agents dostępnych w ADK. System ma na celu generowanie artykułów dla różnych grup docelowych (dzieci, kadra zarządzająca) w oparciu o temat zasugerowany przez użytkownika.

content_creator_agent - Główny, sekwencyjny agent, uruchamia pod-agentów jeden po drugim
topic_identifier_agent - Agent LLM odpowiedzialny za zidentyfikowanie tematu którym interesuje się użytkownik.
topic_expander_agent - Agent LLM odpowiedzialny za rozwinięcie tematu. Generuje listę ciekawych faktów związanych z tematem.
authoring_agent - Agent równoległy - uruchamia pod-agentów równolegle. Zawiera dwóch pod-agentów, po jednym na każdą grupę docelową
children_audience_agent - Agent LLM odpowiedzialny za tworzenie treści skierowanych do dzieci.
executive_audience_agent - Agent LLM odpowiedzialny za tworzenie treści skierowanych do kadry zarządzającej.
silesian_audience_agent - Agent LLM odpowiedzialny za tworzenie treści po śląsku.

graph TD
    subgraph content_creator_agent [content_creator_agent:SequentialAgent]
        direction LR
        topic_identifier_agent("topic_identifier_agent:Agent") --> topic_expander_agent("topic_expander_agent:Agent");
        topic_expander_agent --> authoring_agent;
    end

    subgraph authoring_agent [authoring_agent:ParallelAgent]
        direction TB
        children_audience_agent("children_audience_agent:Agent");
        executive_audience_agent("executive_audience_agent:Agent");
        silesian_audience_agent("silesian_audience_agent:Agent");
    end

Upewnij się, że jesteś w katalogu adk_agents oraz że wszystkie zmienne środowiskowe są załadowane
Uruchom agenta w konsoli Cloud Shell i rozpocznij interakcję
```
 adk run content_creator/
```

4.2 System agentowy - Przewodnik kulinarny (`culinary_guide`)

Ten hybrydowy system agentowy, działający w oparciu o modele Gemini i Bielik, jest przykładem wykorzystania Agentów LLM (LLM Agents), funkcji-jako-narzędzi (Function Tools) oraz agentów-jako-narzędzi (Agent-as-a-tTool) dostępnych w ADK.

System ma na celu pełnienie roli międzynarodowego przewodnika kulinarnego, który deleguje zadania do wyspecjalizowanych pod-agentów lub narzędzi w zależności od kraju, o który pyta użytkownik.

culinary_guide_agent - Główny agent, który komunikuje się z użytkownikiem w języku angielskim. Jego zadaniem jest zrozumienie prośby o rekomendacje kulinarne, identyfikacja kraju i preferencji dietetycznych, a następnie delegowanie zadania do odpowiednich narzędzi.
polish_expert_tool - Narzędzie typu AgentTool, które opakowuje agenta polish_culinary_expert_agent, umożliwiając głównemu agentowi korzystanie z jego wyspecjalizowanych zdolności.
polish_culinary_expert_agent - Wyspecjalizowany Agent LLM oparty na modelu Bielik, ekspert w dziedzinie kuchni polskiej. Przyjmuje zapytania i odpowiada wyłącznie w języku polskim.
german_food_tool - Proste narzędzie oparte na funkcji Pythona, które dostarcza rekomendacji kulinarnych dla Niemiec w oparciu o zdefiniowaną logikę.

graph TD
    subgraph Culinary Recommendation System
        direction TB

        %% Define the Root Agent
        A[fa:fa-robot culinary_guide_agent]

        %% Define the Tools
        subgraph polish_expert_tool
            direction TB
            B[fa:fa-wrench AgentTool] --> C[fa:fa-robot polish_culinary_agent]
        end

        D[fa:fa-wrench german_food_tool]

        %% Define the relationships
        A --> B
        A --> D
    end

Upewnij się, że jesteś w katalogu adk_agents oraz że wszystkie zmienne środowiskowe są załadowane
Uruchom agenta w konsoli Cloud Shell i rozpocznij interakcję
```
 adk run culinary_guide_agent/
```

4.3 System agentowy - Planista Podróży po Polsce (`polish_travel_planner`)

Ten kompleksowy system agentowy, działający w oparciu o model Bielik, demonstruje zaawansowane możliwości planowania i orkiestracji workflow w ADK. System wykorzystuje zarówno Sequential Agents jak i Parallel Agents do tworzenia szczegółowych, spersonalizowanych planów podróży po Polsce.

System ma na celu stworzenie kompletnego, gotowego do użycia planu wycieczki na podstawie preferencji użytkownika. Showcaseuje możliwości Bielika w dziedzinie lokalnej wiedzy o Polsce, kulturze i praktycznych aspektach turystyki.

Architektura systemu:

polish_travel_planner_agent - Główny agent sekwencyjny, który orchestruje cały proces planowania podróży
destination_analyzer_agent - Agent LLM analizujący preferencje użytkownika (góry vs morze, historia vs przyroda, itp.) i sugerujący odpowiednie destynacje w Polsce
research_team - Agent równoległy koordynujący pracę trzech wyspecjalizowanych ekspertów, którzy działają jednocześnie:
- history_expert_agent - Ekspert od polskiej historii i zabytków, dostarczający informacji o najważniejszych miejscach historycznych
- practical_guide_agent - Praktyczny przewodnik zajmujący się logistyką: transport, noclegi, gastronomia i koszty
- cultural_activities_agent - Znawca kultury lokalnej, festiwali, tradycji i aktywności na świeżym powietrzu
itinerary_creator_agent - Agent syntetyzujący wszystkie zebrane informacje w szczegółowy, dzień-po-dniu plan podróży z budżetem i praktycznymi wskazówkami

graph TD
    subgraph polish_travel_planner_agent [polish_travel_planner_agent:SequentialAgent]
        direction LR
        A[destination_analyzer_agent:Agent] --> B[research_team:ParallelAgent]
        B --> C[itinerary_creator_agent:Agent]
    end

    subgraph research_team [research_team:ParallelAgent]
        direction TB
        D[history_expert_agent:Agent]
        E[practical_guide_agent:Agent]
        F[cultural_activities_agent:Agent]
    end

    B -.-> D
    B -.-> E
    B -.-> F

Przykładowe zapytania do przetestowania:

"Chcę pojechać w góry na weekend, interesuje mnie historia i dobre jedzenie"
"Planuję rodzinną wycieczkę do Krakowa na 3 dni"
"Szukam spokojnego miejsca nad morzem, lubię przyrodę i długie spacery"
"Chciałbym zwiedzić Wrocław, interesuję się architekturą i życiem nocnym"

Upewnij się, że jesteś w katalogu adk_agents oraz że wszystkie zmienne środowiskowe są załadowane
Uruchom agenta w konsoli Cloud Shell i rozpocznij interakcję
```
 adk run polish_travel_planner/
```

4.4 System agentowy - Ekspert Prawa Konsumenckiego (`order_compliant_agent`)

Ten hybrydowy system agentowy, działający w oparciu o modele Gemini i Bielik, jest przykładem zastosowania Agent-as-Tool oraz Function Tools w kontekście prawno-biznesowym. System demonstruje inteligentny routing zapytań i specjalizację agentów w polskim prawie konsumenckim.

System ma na celu pomoc konsumentom w nawigacji przez proces reklamacji i zwrotów zamówień, dostarczając precyzyjnych instrukcji zgodnych z polskim prawem konsumenckim. Główny agent (Gemini) klasyfikuje intencję użytkownika i deleguje zadanie do odpowiedniego eksperta (Bielik).

Architektura systemu:

polish_consumer_law_agent - Główny agent (Gemini) odpowiedzialny za wstępną analizę zapytania użytkownika, klasyfikację intencji (reklamacja vs zwrot vs inne) i delegowanie do odpowiedniego eksperta
polish_complaints_law_expert_agent - Wyspecjalizowany agent (Bielik) będący ekspertem od polskiego prawa reklamacyjnego. Dostarcza szczegółowych instrukcji krok po kroku dla procesu reklamacji uszkodzonych lub wadliwych produktów
polish_complaints_law_expert_tool - Narzędzie AgentTool opakowujące agenta eksperta od reklamacji
polish_return_policies_expert_agent - Wyspecjalizowany agent (Bielik) będący ekspertem od polskich przepisów dotyczących zwrotów. Wyjaśnia prawa konsumenta związane z 14-dniowym terminem odstąpienia od umowy
polish_return_policies_expert_tool - Narzędzie AgentTool opakowujące agenta eksperta od zwrotów
no_return_complain_possible_response - Prosta funkcja Pythona jako Function Tool, która informuje użytkownika, gdy reklamacja lub zwrot nie jest możliwy

graph TD
    subgraph Consumer Law System
        direction TB
        
        A[fa:fa-robot polish_consumer_law_agent<br/>Gemini - Router]
        
        subgraph Tools
            direction TB
            B[fa:fa-wrench polish_complaints_law_expert_tool<br/>AgentTool]
            C[fa:fa-wrench polish_return_policies_expert_tool<br/>AgentTool]
            D[fa:fa-wrench no_return_complain_possible_response<br/>Function Tool]
        end
        
        E[fa:fa-robot polish_complaints_law_expert_agent<br/>Bielik - Reklamacje]
        F[fa:fa-robot polish_return_policies_expert_agent<br/>Bielik - Zwroty]
        
        A --> B
        A --> C
        A --> D
        B --> E
        C --> F
    end

Co demonstruje ten system:

✅ Hybrydowa architektura (Gemini jako router, Bielik jako ekspert domeny)
✅ Agent-as-Tool pattern (2 wyspecjalizowane agenty jako narzędzia)
✅ Function Tools (prosta funkcja Pythona jako narzędzie)
✅ Inteligentny routing zapytań na podstawie intencji użytkownika
✅ Specjalizacja agentów (każdy ekspert zna swoją domenę prawa)
✅ Lokalna wiedza Bielika (polskie prawo konsumenckie)
✅ Praktyczne zastosowanie biznesowe (customer support)

Przykładowe zapytania do przetestowania:

"Otrzymałem uszkodzony produkt. Jak złożyć reklamację?"
"Chcę zwrócić zamówienie, które nie spełnia moich oczekiwań"
"Produkt działa, ale nie pasuje. Czy mogę go zwrócić?"
"W jakim terminie muszę zgłosić reklamację?"

Scenariusze użycia:

E-commerce customer support
Automatyzacja obsługi reklamacji i zwrotów
Edukacja konsumentów o ich prawach
First-line support przed eskalacją do specjalisty

Upewnij się, że jesteś w katalogu adk_agents oraz że wszystkie zmienne środowiskowe są załadowane
Uruchom agenta w konsoli Cloud Shell i rozpocznij interakcję
```
 adk run order_compliant_agent/
```

5. Przetestuj systemy agentowe w środowisku Cloud Shell + Web

Upewnij się, że jesteś w katalogu adk_agents oraz że wszystkie zmienne środowiskowe są załadowane
Uruchom środowisko ADK Web
```
adk web
```
Zmień port w Web View (jeżeli potrzeba, zazwyczaj jest to port 8000)
Zaakceptuj zmiany poprzez: Change and Preview
Z rozwijanego menu po lewej stronie ekranu wybierz system z którym chcesz pracować

6. Uruchom systemy agentowe w Cloud Run

Upewnij się, że jesteś w katalogu adk_agents oraz że wszystkie zmienne środowiskowe są załadowane

gcloud run deploy adk-agents --source . --region $GOOGLE_CLOUD_LOCATION --allow-unauthenticated --set-env-vars GOOGLE_CLOUD_LOCATION=$GOOGLE_CLOUD_LOCATION --set-env-vars OLLAMA_API_BASE=$OLLAMA_API_BASE --set-env-vars GOOGLE_API_KEY=$GOOGLE_API_KEY --labels dev-tutorial=codelab-dos-$BIELIK_EVENT_ID

Caution

Flaga --allow-unauthenticated udostępnia usługę publicznie w internecie i każdy kto zna URL, może zaczać z niej korzystać. W środowisku produkcyjnym zazwyczaj trzeba tę flagę usunąć i odpowiednio skonfigurować reguły dostępu.

Tip

Alternatywnie, możesz uruchomić powyższą komendę korzystając ze skryptu deploy-adk-agents.sh

./deploy-adk-agents.sh

Narzędzie gcloud stworzy kontener na podstawie konfiguracji zawartej w adk-agents/Dockerfile i uruchomi usługę w Cloud Run, podając URL pod którym serwis będzie dostępny
Wywołaj otrzymany URL w przeglądarce WWW aby mieć dostęp do środowiska ADK Web

7. Zawnioskuj o certyfikat

Przejdź do instrukcji

Name		Name	Last commit message	Last commit date
Latest commit History 29 Commits
adk-agents		adk-agents
assets		assets
ollama-bielik		ollama-bielik
.env.sample		.env.sample
.gitignore		.gitignore
README.md		README.md
bielik_warsztaty_certyfikat.md		bielik_warsztaty_certyfikat.md
deploy-bielik.sh		deploy-bielik.sh
reload-env.sh		reload-env.sh

Provide feedback

Saved searches

Use saved searches to filter your results more quickly

Repository files navigation

Eskadra Bielik - Misja 1 - ADK + Cloud Run + Bielik

Architektura rozwiązania

1. Przygotowanie projektu Google Cloud Platform

Uzyskaj kredyt Cloud OnRamp i skonfiguruj płatności w projekcie Google Cloud Platform

2. Własna instancja Bielika na Google Cloud Platform

Jak sprawdzić, czy nasz Bielik jest gotowy?

🦅 SpeakLeash / Bielik 4.5B v3.0 Instruct

📝 Odpowiedź modelu:

⚡ Statystyki wydajności

3. Konfiguracja systemów agentowych ADK

4. Przykładowe systemy agentowe

4.1 System agentowy - Twórca treści (`content_creator`)

4.2 System agentowy - Przewodnik kulinarny (`culinary_guide`)

4.3 System agentowy - Planista Podróży po Polsce (`polish_travel_planner`)

4.4 System agentowy - Ekspert Prawa Konsumenckiego (`order_compliant_agent`)

5. Przetestuj systemy agentowe w środowisku Cloud Shell + Web

6. Uruchom systemy agentowe w Cloud Run

7. Zawnioskuj o certyfikat

About

Uh oh!

Releases

Packages

Uh oh!

Contributors

Uh oh!

Languages

Folders and files

Latest commit

History

Repository files navigation

Eskadra Bielik - Misja 1 - ADK + Cloud Run + Bielik

Architektura rozwiązania

1. Przygotowanie projektu Google Cloud Platform

Uzyskaj kredyt Cloud OnRamp i skonfiguruj płatności w projekcie Google Cloud Platform

2. Własna instancja Bielika na Google Cloud Platform

Jak sprawdzić, czy nasz Bielik jest gotowy?

🦅 SpeakLeash / Bielik 4.5B v3.0 Instruct

📝 Odpowiedź modelu:

⚡ Statystyki wydajności

3. Konfiguracja systemów agentowych ADK

4. Przykładowe systemy agentowe

4.1 System agentowy - Twórca treści (content_creator)

4.2 System agentowy - Przewodnik kulinarny (culinary_guide)

4.3 System agentowy - Planista Podróży po Polsce (polish_travel_planner)

4.4 System agentowy - Ekspert Prawa Konsumenckiego (order_compliant_agent)

5. Przetestuj systemy agentowe w środowisku Cloud Shell + Web

6. Uruchom systemy agentowe w Cloud Run

7. Zawnioskuj o certyfikat

About

Resources

Uh oh!

Stars

Watchers

Forks

Releases

Packages 0

Uh oh!

Contributors

Uh oh!

Languages

4.1 System agentowy - Twórca treści (`content_creator`)

4.2 System agentowy - Przewodnik kulinarny (`culinary_guide`)

4.3 System agentowy - Planista Podróży po Polsce (`polish_travel_planner`)

4.4 System agentowy - Ekspert Prawa Konsumenckiego (`order_compliant_agent`)

Packages