Google ADK rehberi: Sessiz kalmayan sesli ajan için akışlı araçlar ve yanıt zamanlaması

Google Developers Blog, 19 Ekim’de açık kaynak Agent Development Kit (ADK) ve gemini-3.8-live modeli kullanarak “hiç sessiz kalmayan” sesli ajanlar kurmayı adım adım anlattı. Yazının yazarları Stephen Allen ve Kaz Sato. Temel sorun: Metin sohbetinde 13 saniyelik bir veritabanı sorgusu yükleme göstergesiyle geçiştirilebilirken canlı sesli görüşmede 13 saniyelik bloklayan araç çalıştırması “ölü hava” yaratıyor ve kullanıcıların hattın düştüğünü düşünüp kapanmasına yol açıyor.

Standart araçlar konuşmayı neden donduruyor?

ADK’da sıradan bir araç, işini bitirip tek bir değer döndüren async def fonksiyonu olarak tanımlanıyor. Gemini Live API’nin çift yönlü ses oturumunda (run_live) yürütme döngüsü, model yeni tur üretmeden önce aracın dönüşünü bekliyor. “Kullanıcıya çalıştığını söyle” talimatı da bu beklemeyi çözemiyor çünkü modelin turu işlev yanıtı gelene kadar bloklanıyor.

İki ana kalıp

1) Akışlı (streaming) araçlar — beklemenin bir hikâyesi varsa: Fonksiyonun return yerine yield kullanması ve AsyncGenerator olarak tanımlanması yeterli. ADK aracı otomatik olarak NON_BLOCKING işaretliyor ve modele hemen durum onayı gönderiyor. Örnek satış raporu aracında aşamalar (“Satış deposuna bağlanılıyor…”, “Sipariş kayıtları taranıyor…” vb.) tek tek yield ediliyor; model her güncellemeyi kısaca yeniden anlatabiliyor. Kullanıcı arka planda soru sorarsa ajan bunu iptal etmeden yanıtlayabiliyor. Üretim için docstring’te “Bunu BİR KEZ çağır” uyarısı ve isteğe bağlı stop_streaming araçları öneriliyor; kullanıcının araya girmesi (barge-in) çalışan araçları iptal etmiyor.

2) Arka plan yürütme — bekleme yalnızca beklemeyse: Tek yield’li bir asenkron üreteç veya standart coroutine’i FunctionTool ile sarıp response_scheduling ayarlamak. ADK üç zamanlama davranışı sunuyor:

• WHEN_IDLE: Model veya kullanıcı konuşurken sonuç bekler; doğal durakta gelir.
• INTERRUPT: Gelen sonuç mevcut konuşmayı keser.
• SILENT: Sonuç geçmişe eklenir, istenmeden duyurulmaz.

Akış şekli ve teslim zamanlaması bağımsızdır; ADK 2.8+ sürümlerinde her yield için ayrı zamanlama da verilebiliyor.

Benchmark ve gereksinimler

Yazarların gemini-3.8-live üzerindeki satış raporu benchmark’ında, bloklayan araçtan akışlı araca geçmek ajanın ilk kelimelerine kadar geçen süreyi 14,4 saniyeden 1,2 saniyeye indirdi. Önemli sınır: Bloklamayan araçlar arka uç süresini kısaltmaz; 13 saniyelik sorgu yine 13 saniye sürer — değişen, ajanın konuşma varlığıdır. Gereksinimler: google-adk ≥ 2.10.0, gemini-3.8-live (Gemini Enterprise) ve çift yönlü canlı oturum (run_live). Yazıda her kalıbı dinletebilen etkileşimli bir demo da bağlantılanıyor.

Kaynak: Google Developers Blog: Voice agent that never goes silent