2026. szeptember 21., hétfő · Eszközök

Google kiadta a Kotlin Agent Development Kit 1.0-t, mobilos AI-ügynökökhöz

A Google bejelentette az Agent Development Kit (ADK) for Kotlin 1.0-s, éles használatra szánt verzióját, amely a vállalat állítása szerint funkcionálisan egyenrangú a Python és Java nyelvű ADK-val, és Android-specifikus, eszközön futó AI-képességekkel bővül. A Kotlin Multiplatformra épülő keretrendszer szerver- és mobilalkalmazásokban egyaránt működik, és a Google szerint modell-, munkamenet- és memóriakezelő-független architektúrával rendelkezik. Az új verzió támogatja a hierarchikus, több ügynökből álló rendszereket, a kontextus-tömörítést és a többfordulós beszélgetéseket, a szüneteltethető és visszaállítható munkamenet-kezelést, valamint a Java-interoperabilitást. A fejlesztők a @Tool és @Param annotációkkal fordítási időben, KSP segítségével generálhatnak függvénysémákat, ami a futásidejű reflexió helyett típusbiztonságot és gyorsabb indulást biztosít mobilon. A requireConfirmation beállítással érzékeny műveletekhez, például banki tranzakciókhoz explicit emberi jóváhagyás írható elő.

Miért fontos?

A KSP-alapú, fordításidejű eszközséma-generálás konkrétan azt teszi lehetővé, hogy Android-fejlesztők Python nélkül, natív Kotlin kóddal építsenek banki tranzakciót is kezelő, emberi jóváhagyást igénylő AI-ügynököket.

Források

InfoQ AI

Kapcsolódó témák

Napi összefoglalók AI eszközök #Google ADK#Kotlin

Napi összefoglaló

Ez a hír a 2026. szeptember 21., hétfő napi AI összefoglaló része.

Kapcsolódó hírek

Az AWS automatizálja a generatív AI modellek üzembe helyezését a SageMaker-ben

Az AWS blogbejegyzése szerint az Amazon SageMaker AI 2026-ban eddig 13 új képességet vezetett be a generatív AI modellek üzemeltetésére, két úton: kezelt végpontokon, ahol az AWS kezeli az infrastruktúrát, illetve a Kubernetes-natív SageMaker HyperPod Inference megoldáson keresztül. A cég kiemeli az optimalizált következtetési ajánlásokat, amelyek automatizálják a megfelelő instancia, konténer és optimalizálási beállítás kiválasztását, ami a vállalat állítása szerint korábban 2-3 hetes manuális benchmarkolást igényelt több mint ezer kombináción. A háromlépéses folyamat (szűkítés, optimalizálás EAGLE 3.0 spekulatív dekódolással és tenzorparalelizmussal, majd NVIDIA AIPerf-fel végzett benchmarkolás) végén egy kész SageMaker modell jön létre. A bejegyzés az AWS saját terméke, így az állítások a vállalattól származnak, független megerősítés nem szerepel a forrásban.

Unity hivatalos plugineket adott ki a Claude Code és az OpenAI Codex kódoló ügynökökhöz

A Unity Technologies hivatalos bővítményeket jelentetett meg a Claude Code és az OpenAI Codex kódoló ügynökökhöz, hogy azok ne elavult fórumbejegyzések és tutorialok alapján generáljanak Unity-kódot. A cég állítása szerint az általános célú ügynökök gyakran régi motorverziókhoz készült útmutatókra támaszkodnak, aminek eredménye lefordítható, de hibásan működő kód. A Codex-verzió 31, a Unity csapatai által írt és karbantartott képességet kap felhasználói felülethez, 2D grafikához, URP render pipeline-hoz, hanghoz, navigációhoz, fizikához, alkalmazáson belüli vásárláshoz, többjátékos módhoz és lokalizációhoz; az egyik képesség új projekteket állít fel szerkesztővel, verziókezeléssel és csomagokkal, egy másik pedig régebbi projekteket migrál URP-re. A bővítmények Unity 6-tól futnak, és a Codex plugin-tárból, illetve npm-en keresztül a Claude Code-ban telepíthetők. A cikk szerint a nyelvi modellek egyre inkább összetett szoftvereket, köztük játékfejlesztő eszközöket is irányítanak, amint azt korábban a Blender Model Context Protocol-integrációja is jelezte.

AWS bemutatta a SageMaker HyperPod Inference Gateway útválasztót

Az AWS saját közleménye szerint elindította az Amazon SageMaker HyperPod Inference Gateway nevű, Kubernetes-natív, GPU-tudatos útválasztó rendszert. Ez egyetlen EKS managed addonként telepíthető a meglévő HyperPod klaszterekre, a modellkiszolgáló szoftverek és kliensalkalmazások módosítása nélkül. A vállalat állítása szerint a rendszer valós idejű GPU-metrikák – KV-cache kihasználtság, várakozási sor mélysége, LoRA-adapter jelenléte a memóriában – alapján, súlyozott pontozási algoritmussal választja ki minden kéréshez a legalkalmasabb pod-ot, ezzel a hagyományos round-robin vagy least-connections terheléselosztókkal szemben elkerülhető a kérések felhalmozódása a túlterhelt csomópontok mögött. Az AWS szerint ez az első token generálásáig eltelő időt (latencia) akár 82%-kal csökentheti, egy bemutatott esetben 4,4 másodpercről 800 ezredmásodperc alá. A rendszer architektúrája két rétegből áll: egy L7 proxy fogadja és irányítja az OpenAI-kompatibilis kéréseket a megfelelő modellcsoporthoz, míg egy intelligencia-réteg Prometheus-metrikák alapján dönt a végső célpontról. Az állítások és teljesítményszámok az AWS saját, nem független forrásból származó közleményén alapulnak.

875 millió dolláros AI-rendszer segíti a légiforgalom-irányítást

A Federal Aviation Administration (FAA) hamarosan bevezeti a SMART nevű AI-alapú légiforgalmi irányítási rendszert, amely a Wall Street Journal szerint már szeptember 21-től működhet a washingtoni régió három nagy repülőterén, mielőtt országos szintre bővítenék. A rendszert a bostoni Air Space Intelligence fejlesztette egy 875 millió dolláros, 12 éves szerződés keretében, amely a jelenlegi légiforgalmi adatkezelő rendszer leváltását is magában foglalja. A SMART célja, hogy előre jelezze a légi forgalmi áramlásokat és azonosítsa a lehetséges ütközéseket a repülőtársasági menetrendek, az időjárás, a repülőtéri kapacitás és a légtér állapota alapján. A Politico szerint a légitársaságok hetekig bizonytalanok voltak a bevezetés részleteiről, ez azonban enyhült, miután az FAA közölte, hogy a rendszer nem módosítja az irányítói eljárásokat, csak alternatív útvonal-információt ad a meglévő rendszereken keresztül.