ADK, Gemini & Javelit = 😍

Source: Dev.to

컨텍스트

우리 팟캐스트 Zenikast 에피소드가 연속해서 공개되는 동안, 각 에피소드의 전사본을 만드는 작업은 여전히 필수적입니다(이전 글 참고).
Vertex AI 로 첫 번째 성공적인 시도를 한 뒤, 우리는 전사본을 Zenika 전 직원이 Vertex AI나 Google Cloud Platform에 대한 지식 없이도 사용할 수 있도록 그래픽 인터페이스를 통해 제공하고자 했습니다.

Gemini와 ADK 통합

언어 선택

학창 시절부터 Java 개발자였기에, 자연스럽게 이 새로운 프로젝트도 Java로 만들기로 했습니다.

저수준 라이브러리

Gemini를 호출하기 위해 Google의 java-genai 라이브러리가 API 호출 요구를 충족합니다.

Agent Development Kit (ADK)

우리는 최종적으로 Agent Development Kit (ADK) 를 선택했습니다. 이는 Google이 제공하는 에이전트 제작을 돕는 프레임워크이며, 처음엔 Python 전용이었지만 현재는 Java(및 Go) 버전도 제공합니다.

Maven 의존성

<!-- ADK core -->
<dependency>
    <groupId>com.google.adk</groupId>
    <artifactId>google-adk</artifactId>
    …
</dependency>

<!-- ADK development utilities (runtime) -->
<dependency>
    <groupId>com.google.adk</groupId>
    <artifactId>google-adk-dev</artifactId>
    …
    <scope>runtime</scope>
</dependency>

주요 클래스

에이전트 생성 예시

LlmAgent agent = LlmAgent.builder()
    .name("Transcriber")
    .description("Transcrit les podcasts avec Gemini")
    .model("gemini-1.5-pro")   // le modèle est configurable
    .instruction("Transcris le texte de façon lisible.")
    .build();

InMemoryRunner runner = new InMemoryRunner(agent);
Session session = runner.startSession();

실행 및 결과 가져오기

runner.run(session, "Voici le texte à transcrire.");
List events = session.getEvents();   // les réponses sont dans les events
String transcription = events.stream()
    .filter(e -> e instanceof TextResponseEvent)
    .map(e -> ((TextResponseEvent) e).getText())
    .findFirst()
    .orElse("Aucune réponse");
System.out.println(transcription);

응답이 도착하면 프로그램이 종료되고, 에이전트가 정상적으로 동작합니다 🎉.

ADK와 함께하는 그래픽 인터페이스

google-adk-dev 의존성은 에이전트를 테스트·사용·디버깅할 수 있는 웹 인터페이스를 제공합니다.
주의 : 이 의존성은 개발 단계에서만 사용해야 합니다.

웹 서버 실행

mvn exec:java -Dexec.mainClass=com.google.adk.dev.AdkWebServer

인터페이스는 다음과 같이 구성됩니다:

• 좌측 메뉴 – 이벤트, 로그, 세션 상태 및 에이전트가 사용하는 도구 표시.
• 중앙 영역 – 에이전트와 대화하는 대화창.

아래 예시에서는 오디오 클립을 에이전트에 전달해 전사 품질을 확인합니다.

ADK 전체 문서 :

Gemini 3와 그 성능

Gemini 3 출시가 멀티모달(텍스트·이미지·비디오) 진보로 큰 주목을 받았습니다.
사용 가능한 모델은 다음과 같습니다:

• gemini-3-pro – 최상위 텍스트 모델.
• nano-banana – 가벼운 이미지 모델.
• veo-3 – 비디오 모델.

우리의 전사 테스트 결과, 품질이 Vertex AI보다 현저히 뛰어났습니다.

Javelit – Java 그래픽 인터페이스 만들기

Javelit(Streamlit 영감)는 API 언어를 떠나지 않고도 Java로 빠르게 웹 애플리케이션을 만들 수 있게 해줍니다.

Maven 의존성

<dependency>
    <groupId>io.javelit</groupId>
    <artifactId>javelit-core</artifactId>
    …
</dependency>

주요 컴포넌트

Javelit 전체 문서 :

Google Cloud Run에 배포

‘단일 컴포넌트’ 아키텍처 덕분에 배포가 간단합니다: ADK 에이전트와 Javelit 인터페이스를 모두 포함한 하나의 Docker 이미지만 만들면 됩니다.
Cloud Run에서는 이미지를 푸시하고 몇 분 안에 서비스할 수 있습니다.

프롬프트 커스터마이징 옵션

다음과 같은 파라미터를 추가했습니다:

• 타임스탬프 표시 여부(Théophile에게 감사).
• 엄격한 전사(원문 그대로) 혹은 가독성을 높인 버전 선택.

오픈소스 프로젝트

전체 코드는 GitHub에서 확인할 수 있습니다:

Agent‑Z‑transcribe‑podcast

결론

ADK + Gemini + Javelit 조합은 팟캐스트 전사 애플리케이션을 빠르고 효율적으로 만들 수 있는 솔루션을 제공합니다:

• ADK – LLM 에이전트 제작을 단순화.
• Gemini 3 – 고품질 전사 제공.
• Javelit – 복잡한 CSS 없이 Java로 그래픽 UI 구축.

서버리스(Cloud Run) 모드로 배포된 이 애플리케이션은 미적이면서도 기능적입니다.
이 환경을 IDE ‘에이전트형’ Antigravity와 결합하면, 새로운 프로젝트를 훨씬 더 빠르게 시작할 수 있습니다 🚀.