Explore ADK Bi-Directional Streaming: A visual guide to real-time multimodal AI agent development with WebSockets and Gemini Live.

https://youtu.be/vLUkAGeLR1k?si=RgTjLM1nZkX0hudw

Google Advent of Agents：第 12 天

魔法不在于提示词（Prompt），而在于事件循环（Event Loop）。

大多数 AI Agent 依赖 HTTP 协议（请求 → 等待 → 响应），这会产生延迟，且让“打断” AI 变得不可能。我们通过 双向流（Bi-Directional Streaming） 打破了这一循环，也就是大家熟知的 ADK Bidi-streaming。通过与 Gemini 建立持久的 WebSocket 连接，我们创建了一个客户端输入（音频/视频/文本）与服务端输出（音频/文本/工具调用）同步流动的会话。我们可以利用 ADK 来控制 Gemini Live 并为其配备强大的工具。

工作原理：

• 应用初始化：启动时创建 Agent、SessionService 和 Runner。
• 会话初始化：为每个连接建立 Session、RunConfig 和 LiveRequestQueue。
• 双向流传输：并发执行上行（客户端 → 队列）和下行（事件 → 客户端）任务。
• 优雅终止：确保 LiveRequestQueue 和 WebSocket 连接的妥善关闭。

核心功能：

• WebSocket 通信：通过 /ws/{user_id}/{session_id} 实现实时双向流。
• 多模态请求：支持文本、音频及图像/视频输入，并具备自动语音转录功能。
• 灵活响应：根据模型架构自动确定输出文本或音频。
• 会话恢复：通过 RunConfig 配置支持断线重连。
• 并发任务：独立的异步上/下行任务，实现最优性能。
• 交互式 UI：带有事件控制台的 Web 界面，用于监控 Live API 事件。
• Google 搜索集成：为 Agent 配备 Google Search 工具。

相关资源：