Tutorial de Pipeline Multi-Agente do Google ADK: Carregamento de Dados, Testes Estatísticos, Visualização e Geração de Relatórios em Python

Neste tutorial, construímos um pipeline avançado de análise de dados usando o Google ADK e o organizamos como um sistema multi-agente prático para trabalho analítico real. Configuramos o ambiente, configuramos o acesso seguro à API, criamos um armazenamento de dados centralizado e definimos ferramentas especializadas para carregar dados, explorar conjuntos de dados, executar testes estatísticos, transformar tabelas, gerar visualizações e produzir relatórios. À medida que avançamos no fluxo de trabalho, conectamos essas capacidades através de um agente analista mestre que coordena especialistas, permitindo-nos ver como um sistema de análise em estilo de produção pode lidar com tarefas de ponta a ponta de forma estruturada e escalável. Copiar Código Copiado Use um navegador diferente!pip install google-adk -q !pip install litellm -q !pip install pandas numpy scipy matplotlib seaborn -q !pip install openpyxl -q print("Todos os pacotes instalados!") import os import io import json import getpass import asyncio from datetime import datetime from typing import Optional, Dict, Any, List import pandas as pd import numpy as np from scipy import stats import matplotlib.pyplot as plt import seaborn as sns from google.adk.agents import Agent from google.adk.models.lite_llm import LiteLlm from google.adk.sessions import InMemorySessionService from google.adk.runners import Runner from google.adk.tools.tool_context import ToolContext from google.genai import types import warnings warnings.filterwarnings("ignore") plt.style.use('seaborn-v0_8-whitegrid') sns.set_palette("husl") print("Bibliotecas carregadas!") def make_serializable(obj): if isinstance(obj, dict): return {k: make_serializable(v) for k, v in obj.items()} elif isinstance(obj, list): return [make_serializable(item) for item in obj] elif isinstance(obj, (np.integer, np.int64, np.int32)): return int(obj) elif isinstance(obj, (np.floating, np.float64, np.float32)): return float(obj) elif isinstance(obj, np.ndarray): return obj.tolist() elif isinstance(obj, (np.bool_,)): return bool(obj) elif isinstance(obj, pd.Timestamp): return obj.isoformat() elif pd.isna(obj): return None else: return obj print("Auxiliar de serialização pronto!") print("=" * 60) print("CONFIGURAÇÃO DA CHAVE DA API") print("=" * 60) try: from google.colab import userdata api_key = userdata.get('OPENAI_API_KEY') print("Chave da API carregada dos Segredos do Colab!") except: print("\nDigite sua chave da API do OpenAI (entrada oculta):") api_key = getpass.getpass("Chave da API do OpenAI: ") os.environ['OPENAI_API_KEY'] = api_key if api_key and len(api_key) > 20: print("Chave da API configurada com sucesso!") else: print("A chave da API não foi encontrada ou é muito curta. Por favor, tente novamente.")