В рамках своей миссии по ускорению работы разработчиков на Google Cloud была создана система Dev Signal. Она предназначена для преобразования сигналов сообщества в надежные технические рекомендации, автоматизируя процесс от открытия до создания экспертного контента. В предыдущих частях этой серии мы заложили основы, стандартизировав ключевые возможности через Протокол Контекста Модели (MCP) и построив многоагентную архитектуру, интегрированную с памятью Vertex AI.
Теперь настало время протестировать вашу многоагентную систему локально! Перед тем как перейти к Google Cloud Run, важно убедиться, что все компоненты работают без сбоев на вашем рабочем месте. Этот этап тестирования позволяет проверить обнаружение трендов, техническую обоснованность и креативное написание в локальной обратной связи, что экономит время и ресурсы в процессе разработки.
Для начала вам нужно настроить локальные секреты, реализовать утилиты, учитывающие окружение, и использовать специальный тестовый запускатель, чтобы убедиться, что Dev Signal может корректно извлекать предпочтения пользователей из памяти Vertex AI в облаке. Это локальное подтверждение гарантирует, что "мозг" и "руки" вашего агента правильно синхронизированы перед развертыванием.
Настройка окружения
Создайте файл .env в корне вашего проекта. Эти переменные используются для локальной разработки и будут заменены Terraform/Secret Manager в производственной среде. Вставьте соответствующий код в файл dev-signal/.env и обновите его своими данными.
Утилиты
Создайте новую директорию для утилит вашего приложения. Это поможет стандартизировать, как агент обнаруживает активный проект Google Cloud и регион, обеспечивая плавный переход между средами разработки.
Локальный тестовый скрипт
Google ADK включает встроенный веб-интерфейс, который отлично подходит для визуализации логики агента и составления инструментов. Однако по умолчанию этот интерфейс не тестирует интеграцию долгосрочной памяти, описанную в этом руководстве. Поэтому мы используем специальный скрипт test_local.py, чтобы явно инициализировать VertexAiMemoryBankService.
Запуск теста
Сначала убедитесь, что у вас настроены учетные данные по умолчанию для приложения. Затем запустите скрипт test_local.py, чтобы проверить, как ваш агент взаимодействует с памятью в облаке.
Сценарий тестирования
Этот сценарий проверяет полный жизненный цикл агента: от открытия и исследования до создания мультимедийного контента и извлечения долгосрочной памяти. В первой фазе вы устанавливаете технический контекст и задаете стилистические предпочтения, а во второй — проверяете, как агент запоминает ваши предпочтения в новых сессиях.
В заключение, в этой части серии мы сосредоточились на проверке функциональности агента в локальной среде перед переходом к облачному развертыванию. Мы успешно подтвердили полный жизненный цикл: от открытия Reddit до создания экспертного контента, убедившись, что агент правильно извлекает предпочтения из облачной памяти Vertex AI даже в совершенно новых сессиях.
Готовы протестировать сценарий самостоятельно? Клонируйте репозиторий и попробуйте скрипт test_local.py, чтобы увидеть, как Dev Signal извлекает ваши предпочтения в реальном времени.