اخبار محصول

از عامل‌های درون‌برنامه تا سیستم هوش Android: تازه‌های برنامه‌های هوشمند در «نشست توسعه‌دهندگان Android»

زمان خواندن: ۴ دقیقه
برنمای تبلیغاتی تیره با عبارت «برنامه‌های هوشمند» که با قلم سفید پررنگ در مرکز نمایش داده شده است. در گوشه پایین سمت چپ، سر ربات Android سه‌بعدی براق و فلزی به بالا نگاه می‌کند. پس‌زمینه تیره با اصطلاحات فنی تکراری و نام‌های میانای برنامه‌سازی کاربردی مربوط به هوش مصنوعی Android پر شده است، ازجمله «A2UI»،‏ «Android MCP»،‏ «Gemini Nano»،‏ «ML Kit»،‏ «AICore»، و «پلاتفرم برنامه‌های متصل‌شده».
مشاهده نمایه Jingyu Shi
Jingyu Shi مدیر روابط توسعه‌دهندگان

در عصر هوش مصنوعی، کاربران دیگر فقط در برنامه‌ها ضربه نمی‌زنند، بلکه اهداف سطح بالا را بیان می‌کنند و انتظار دارند عامل‌های هوش مصنوعی مانند Gemini گردش‌های کاری چندمرحله‌ای را، گاهی در چندین برنامه در دستگاه‌هایشان، تکمیل کنند. برای کمک به شما در برآورده کردن نیازهای کاربران در هر جایی که هستند، راه‌های جدیدی برای ساختن تجربه‌های هوشمند و عاملی در برنامه‌های Android شما ارائه می‌دهیم:

  • اتصال با سیستم هوش Android: قابلیت‌های برنامه‌تان را با MCP Android با عامل سیستم هم‌رسانی کنید. برای اینکه کاربران بتوانند مستقیماً ازطریق برنامه Gemini و «جستجوی Google» در Android با برنامه شما ارتباط برقرار کنند، به برنامه پیش‌نمایش «پلاتفرم برنامه‌های متصل‌شده» بپیوندید.
  • هوش مصنوعی را به برنامه‌تان بیاورید: با میاناهای برنامه‌سازی کاربردی GenAI در «کیت یادگیری ماشین»، ویژگی‌ها و عامل‌های هوشمند در دستگاه بسازید و مدل یادگیری ماشین سفارشی‌تان را با LiteRT در «خدمات Google Play» ارائه دهید. از مدل‌های Gemini در Cloud با Firebase AI Logic بهره ببرید و به عاملتان امکان دهید تا بااستفاده از رندرکننده A2UI Compose، میانای کاربر Compose بومی بسازد.

برخی‌از این میاناهای برنامه‌سازی کاربردی و ابزارهای توسعه‌دهنده جدید را در سخنرانی کلیدی «نشست توسعه‌دهندگان Android» دیده‌اید. اکنون با منابع جدید و عمیق ما آشنا شوید تا به شما در ساخت برنامه‌های هوشمند کمک کنند، ازجمله ۱۰ جلسه جدید درخواستی درباره تجربه‌های هوشمند جدید.

متصل کردن با سیستم هوشمند Android

سیستم هوشمند Android پایه سیستمی است که برای محافظت از کاربران درحین اتصال عامل‌های هوش مصنوعی با برنامه‌ها در دستگاه‌های Android طراحی شده است. این مدل هم کمک درخواستی و هم کمک پیش‌کنشی را در سراسر بوم‌سازگان دستگاه‌های Android، ازجمله تلفن‌ها، فناوری‌های پوشیدنی، عینک‌های واقعیت گسترده، تلویزیون‌ها، و خودروها، به کاربران ارائه می‌دهد. 

  • کمک با پیام‌واره: وقتی کاربر به‌طور فعال از نماینده می‌خواهد هدفی را برآورده کند (برای مثال، «تقویمم را بررسی کن، یک سفر رزرو کن، و زمان تخمینی رسیدنم را به جینگ‌یو پیام بده»)، نماینده ابزارها را در برنامه‌های مختلف هماهنگ می‌کند تا این کار را انجام دهد. برای سریع‌ترین و مطمئن‌ترین اجرا، می‌توانید از سرور MCP ازراه‌دور یا MCP Android محلی استفاده کنید. عوامل همچنین می‌توانند برای تکمیل کنش‌ها بدون نیاز به ادغام در سمت برنامه، به استفاده از چارچوب کنترل رایانه Android روی آورند.
  • دستیاری پیش‌کنشی: سیستم نیازهای کاربر را پیش‌بینی می‌کند و تراشه‌های پیشنهاد بافتاری را مستقیماً در صفحه‌های قفل، اعلان‌ها، صفحه‌کلیدهای مجازی، و درون برنامه‌ها نشان می‌دهد. 

با ارائه میاناهای برنامه‌سازی کاربردی و ابزارهای مبتنی بر استاندارد آشنای MCP، به شما امکان می‌دهیم نحوه ادغام برنامه‌هایتان با سیستم هوش Android را کنترل کنید. Android MCP، که با کتابخانه AppFunctions Jetpack پشتیبانی می‌شود، چارچوب فراخوانی ابزار یکپارچه ما است. این ویژگی به شما امکان می‌دهد مستقیماً در دستگاه با عوامل هوش مصنوعی واجدشرایط ارتباط برقرار کنید، چه عامل سیستم باشد و چه عامل درون‌برنامه درون‌دستگاهی خودتان. سرور MCP از راه دور دسترسی چندسکویی را برای شما فراهم می‌کند. 

‫Android MCP به‌عنوان یک راهکار بومی Android، مکمل MCP راه دور است و مسیر ادغام توصیه‌شده‌ای است که سفر کاربر شما از رمزگذاری سرتاسر یا داده‌های حساس دستگاه محلی استفاده می‌کند، به حسگرها و سخت‌افزار دستگاه نیاز دارد، باید به‌صورت محلی اجرا شود، یا زمانی که هیچ نقطه پایانی سروری دردسترس نیست. 

برای کسب اطلاعات بیشتر درباره سیستم هوش Android و ادغام با Gemini به‌عنوان عامل سیستم، این گفتگو را تماشا کنید: 

هوش مصنوعی را به برنامه‌هایتان بیاورید: از عامل درون‌دستگاهی تا پردازنده A2UI Compose

با قابلیت‌های جدیدی که در Gemini Nano 4 دردسترس است، مانند فراخوانی تابع، درحال گسترش ML Kit GenAI APIs هستیم تا گردش‌های کاری عاملی را کاملاً در دستگاه بسازیم. ما واحدهای سازنده را مستقیماً ازطریق دسترسی مستقیم به مدل در «کیت یادگیری ماشین» با Prompt API و Agentic API جدید دراختیارتان قرار می‌دهیم که به‌طور خودکار توابع را برای شما اجرا می‌کند، سابقه مکالمه را ذخیره می‌کند، حلقه هماهنگ‌سازی را مدیریت می‌کند، و شامل حفاظ‌های خودکار است. نمونه کد Jetpacker را در GitHub بررسی کنید و این ویدیو را تماشا کنید تا با نحوه فعال کردن قابلیت‌های عاملی در برنامه‌تان بااستفاده از ML Kit GenAI APIs آشنا شوید: 

علاوه‌بر میاناهای برنامه‌سازی کاربردی عامل‌گرای جدید، مجموعه‌ای از قابلیت‌های جدید را به دستگاه می‌آوریم:

  • نمای کلی‌ای از میاناهای برنامه‌سازی کاربردی GenAI در ML Kit روی دستگاه دریافت کنید، از ویژگی‌های «میانای برنامه‌سازی کاربردی پیام‌واره» مانند حالت تفکر و دستورالعمل‌های سیستم تا میاناهای برنامه‌سازی کاربردی آلفای جدید مانند میانای برنامه‌سازی کاربردی جاسازی‌ها، که توسط EmbeddingGemma 2 پشتیبانی می‌شود. همچنین با بهینه‌سازی‌های پشت‌صحنه سیستم Android آشنا خواهید شد و موارد استفاده رایج از هوش مصنوعی زایای درون‌دستگاهی را که درحال‌حاضر در مرحله تولید هستند خواهید دید.
  • معماری مدل Gemini Nano 4 را که براساس Gemma 4 ساخته شده است عمیقاً بررسی کنید. ‫Gemini Nano 4 با بهره‌گیری از جاسازی‌های لایه‌ای، آموزش آگاه از کوانتش، و پیش‌بینی چندنشانه‌ای، سرعت استنتاج را تا ۳ برابر افزایش می‌دهد و درعین‌حال، طبق محک‌های آزمایش داخلی، مصرف حافظه را در مقایسه با نسخه قبلی مدل Gemini Nano تا ۴ برابر کاهش می‌دهد.
  • می‌توانید مدل‌های یادگیری ماشین سفارشی‌تان را با عملکرد سریع‌تر واحد پردازش گرافیکی بااستفاده از LiteRT در خدمات Google Play اجرا کنید که زمان اجرا را از APK شما حذف می‌کند و APK شما را حدود ۸ مگابایت کوچک‌تر می‌کند. اکنون در Wear OS و سیستم‌عامل Android Automotive نیز دردسترس است. چه از میاناهای برنامه‌سازی کاربردی ML Kit آماده استفاده می‌کنید یا مدل لبه سفارشی خودتان را می‌آورید، اعلامیه را بخوانید و این گفتگو را بررسی کنید.
  • ببینید این میاناهای برنامه‌سازی کاربردی چگونه در برنامه‌های دنیای واقعی باهم ترکیب می‌شوند، از معلم زبان واقعیت گسترده که از میاناهای برنامه‌سازی کاربردی تشخیص گفتار، ترجمه گفتار، و نوشتار به گفتار کیت یادگیری ماشین در تلفن‌ها و عینک‌های هوشمند استفاده می‌کند، تا کمک‌راننده هوش مصنوعی فرمول E که با Gemini Nano، دسترسی مستقیم به مدل کیت یادگیری ماشین، و کیت توسعه عامل (ADK) ساخته شده است. 

برای گردش‌های کاری که پردازش ابری و محلی را دربرمی‌گیرند، Firebase AI Logic یک راهکار ترکیبی ساده ارائه می‌دهد. می‌توانید مدل‌های ابری پیشرفته مانند Gemini 4 را فراخوانی کنید و درعین‌حال از استنتاج درون‌دستگاهی با Gemini Nano (درصورت دردسترس بودن) استفاده کنید. برای محافظت از برنامه‌تان و مدیریت هزینه‌ها در تولید، از بررسی برنامه Firebase، الگوهای پیام‌واره سرور جدید، و سقف‌های هزینه Firebase استفاده کنید. 

همان‌طور که در نسخه نمایشی سخنرانی کلیدی با دستیار رزرو زنده Jetpacker نشان داده شد، رندرکننده Jetpack Compose A2UI اکنون در نسخه آلفا دردسترس است تا به نمایندگان شما کمک کند «رابط کاربری را بیان کنند». عامل‌های شما می‌توانند واسط‌های کاربر Compose بومی غنی و تعاملی را مستقیماً از پروتکل JSON جاری‌سازی کنند. با پردازنده A2UI Compose شروع کنید و بازخوردتان را به ما ارائه دهید. این گفتگو را تماشا کنید تا ببینید چگونه آن را در برنامه خود پیاده‌سازی کنید. 

با «پلاتفرم برنامه‌های متصل‌شده»، به Gemini و «جستجو» دسترسی پیدا کنید

در سراسر سطوح Google، کاربران از پرسیدن سؤال به اقدام کردن روی می‌آورند. پلاتفرم برنامه‌های متصل‌شده را معرفی کردیم تا بتوانید به کاربران با قصد جدی در Gemini و «جستجو» دسترسی پیدا کنید، و MCP Android را برای اجرای بومی درون‌دستگاهی با سرورهای MCP راه دور برای دسترسی چندسکویی ترکیب کنید. می‌توانید از همین امروز با حالت توسعه‌دهنده برنامه‌های Gemini ساختن و آزمایش کردن را به‌طور محلی شروع کنید. وقتی برای تولید آماده بودید، به فهرست انتظار پیش‌نمایش بپیوندید؛ ظرفیت پیش‌نمایش درحال‌حاضر محدود به برنامه‌های آماده تولید منتخب در دسته‌های پشتیبانی‌شده است و دسترسی سلف‌سرویس گسترده‌تر بعداً ارائه خواهد شد. 

برای راهنمایی گام‌به‌گام در ساخت، آزمایش، و انتشار اولین «برنامه متصل‌شده» خود، ویدیو «گسترش برنامه به Gemini و جستجو با پلاتفرم برنامه‌های متصل‌شده» را تماشا کنید.

با جدیدترین به‌روزرسانی‌ها، ساختن برنامه‌های هوشمند را شروع کنید

برای شروع ساختن، عامل‌های درون‌دستگاهی را با گردش‌های کاری عامل‌محور ML Kit درکنار دسترسی مستقیم به مدل با مهارت‌های جدید Android ایجاد کنید.  هنگام آزمایش با قابلیت‌های جدید در مدل‌های پیش‌نمایش، حتماً با شرکت کردن در برنامه «پیش‌نمای توسعه‌دهندگان نرم‌افزار AIcore» موافقت کنید. با میاناهای برنامه‌سازی کاربردی ML Kit، ویژگی‌های هوشمند را به برنامه‌تان اضافه کنید و مدل‌های یادگیری ماشین سفارشی را با LiteRT در «خدمات Google Play» اجرا کنید. بااستفاده مستقیم از Firebase AI Logic، «استنتاج» را با مدل‌های Gemini در فضای ابری اجرا کنید و بااستفاده از پردازنده Jetpack Compose A2UI، میاناهای کاربر Compose بومی را از JSON جاری‌سازی کنید. درنهایت، با سیستم هوش Android ادغام شوید، بااستفاده از مهارت AppFunctions و عامل نمونه با Android MCP نمونه‌سازی کنید، و برای پیش‌نمای توسعه‌دهندگان نرم‌افزار «پلاتفرم برنامه‌های متصل‌شده» ثبت‌نام کنید.

بی‌صبرانه منتظریم ببینیم چه چیزی می‌سازید!

نویسنده:
ادامه خواندن