J’ai créé un agent pour gérer votre calendrier Google | Par KS Haaris Lie | Peut,

D’accord, entrons-y. Lorsque j’ai commencé à étudier la construction AIN AI, j’ai été submergé par le nombre d’outils sans code pour se connecter et jouer. C’était tentant d’en choisir un et de partir. Mais franchement, la plupart d’entre eux sont livrés avec de grandes couches d’abstraction et de coûts fous. Même pour quelque chose de simple, il vous est demandé de payer beaucoup.

Vrai? Une fois que vous comprenez quelques concepts de base, la création de votre propre agent à partir du SDK OpenAI est vraiment facile. Vous obtenez un contrôle total, sans complexité inutile – et vous n’avez même pas besoin la plupart du temps.

Interaction avec le SDK Openai:

Avant toute autre chose, vous devez savoir comment discuter avec le SDK Openai. Le code élégant ci-dessous montre l’interaction principale de chat. “

from openai import OpenAI
client = OpenAI()
prompt = "write 2 lines about agentic AI"
completion = client.chat.completions.create(
model = "gpt-4o",
messages=[
{"role": "system", 
"content": "You are a helpful assisstant."},
{"role": "user", 
"content": prompt},]
)
print(completion.choices[0].message.content)

C’est la sortie:

L’IA agentique fait référence à des systèmes d’intelligence artificielle qui ont un certain degré d’autonomie et qui peuvent prendre des décisions ou effectuer des tâches par elles-mêmes. Ces systèmes sont conçus pour atteindre des buts ou des objectifs spécifiques, interagissant avec son environnement, utilisant souvent des processus d’apprentissage et de raisonnement complexes.

Vous pouvez maintenant modifier le comportement du modèle en modifiant l’indice du système ci-dessus, regardez maintenant le code ci-dessous

from openai import OpenAI
client = OpenAI()
prompt = "write 2 lines about agentic AI"
completion = client.chat.completions.create(
model = "gpt-4o",
messages=[
{"role": "system", 
"content": "You are a assisstant that talks in a broken and bad english"},
{"role": "user", 
"content": prompt},]
)
print(completion.choices[0].message.content)

C’est la sortie:

AIATIC IA, il fait des choses comme un robot avec sa propre volonté, mais pas tout à fait. C’est un peu agir en tant que personne avec des objectifs, mais gardez toujours un œil sur le code!

Au cœur de votre agent se trouve la suivante: Envoi de l’invite correcte au modèle et formant son comportement en utilisant le système pour obtenir la sortie de manière fiable à laquelle vous vous efforcez.

Le deuxième travail clé est une compréhension de l’API qui nourrit l’action – qu’il s’agisse d’une météo de l’API, ou, dans mon cas, du calendrier Google.

Commençons par une promenade sur la façon de créer des événements ou des réunions. Je vais manquer le paramètre d’authentification et me concentrer uniquement sur ce que l’API attend et son fonctionnement.

service = get_calendar_service()
event = {
'summary': 'Test Meeting',
'location': 'Online',
'description': 'Test',
'start': {
'dateTime': '2025-05-18T10:00:00-07:00',
'timeZone': 'America/Los_Angeles',
},
'end': {
'dateTime': '2025-05-18T11:00:00-07:00',
'timeZone': 'America/Los_Angeles',
},
'attendees': [
{'email': '[email protected]'},
],
}
event = service.events().insert(calendarId='primary', body=event).execute()

La principale chose que vous devez savoir lors de la création d’un événement est que vous enverrez l’objet JSON avec des choses telles que le curriculum vitae, la description, le temps de lancement, la ceinture temporaire et les participants (nous comprendrons les visiteurs plus tard).

Pour obtenir la sortie souhaitée, LLM doit renvoyer l’objet JSON avec ces champs. Nous changerons l’indice du système pour nous assurer que cela se produit. Voici le code:

now = datetime.now()
current_date = now.strftime("%Y-%m-%d")
current_time = now.strftime("%H:%M:%S")
system_prompt = f"""
You are an assistant that extracts event details from user input.
Today's date is {current_date} and the current time is {current_time}.
The user may describe multiple events in a single prompt.
Return a JSON object with an 'events' array, where each event contains the following fields:
- title: The event title
- description: Brief description of the event (optional)
- start_time: Start time in ISO 8601 format with timezone (e.g. '2023-05-20T14:00:00+05:30')
- end_time: End time in ISO 8601 format with timezone
- timezone: The timezone (default to Asia/Kolkata if not mentioned)
"""
prompt = "setup a event to discuss about creating ai agents in realtime at tomorrow 5pm"
completion = client.chat.completions.create(
model = "gpt-4o",
messages=[
{"role": "system", 
"content": system_prompt},
{"role": "user", 
"content": prompt},]
)
print(completion.choices[0].message.content)

C’est la sortie:

Avec la réponse entre vos mains, vous pouvez démonter les paramètres nécessaires et les transférer directement à l’appel de l’API pour créer un événement.

Une fois que vous pouvez récupérer les paramètres et tout, vous pouvez créer une vérification de porte pour savoir si tout est créé correctement dans l’unité principale.

def main():
# Get prompt from user
prompt = input("Describe the event you want to create: ")
# Extract event details from prompt
event_data = extract_event_details(prompt)
if event_data:
print("\nExtracted event details:")
print(json.dumps(event_data, indent=2))
# Confirm with user
confirm = input("\nCreate this event? (y/n): ").lower()
if confirm == 'y':
create_event(event_data)
else:
print("Event creation cancelled.")
else:
print("❌ Failed to extract event information from your description.")
if __name__ == "__main__":
main()

Maintenant que notre agent peut créer des événements de calendrier, la prochaine étape consiste à rendre la différence suffisamment raisonnable pour faire la différence entre les réunions et les événements ordinaires. Pour les réunions, nous devrons également inclure le lien Google Meet. Étudions comment le faire.

Première étape: trouvez le LLM pour faire la différence entre les réunions et les événements conventionnels. Configurez simplement une chaîne pour en faire un type de réponse.

Si LLM définit un événement comme une réunion, assurez-vous de définir conferenceDataVersion=1 Dans la demande d’API pour créer un lien Google Meet. Ensuite, manipulez-le à l’aide des sous-papes comme celle ci-dessous.

try:
if is_meeting:
# Add conference data request
event['conferenceData'] = {
'createRequest': {
'requestId': f"meeting-{datetime.now().strftime('%Y%m%d%H%M%S')}"
}
}
# Create the event with Google Meet
created_event = service.events().insert(
calendarId='primary', 
body=event,
conferenceDataVersion=1
).execute()
else:
# Create regular event
created_event = service.events().insert(
calendarId='primary', 
body=event
).execute()

La prochaine étape consiste à créer des événements et des réunions, la prochaine étape consiste à traiter avec les participants. Étant donné que l’API nécessite une liste de diffusion, vous devrez étendre la teinte LLM pour afficher les noms des participants sur leurs e-mails. Dans la plupart des cas, la disposition des prénoms uniquement devrait être suffisante.

La base de données de base Les premiers contacts dans l’application réelle seront Backend DB, mais ici, nous pouvons avoir des noms et des courriers comme ci-dessous:

Contacts = {

“John Smith”: “[email protected]”,

“Sarah Johnson”: “[email protected]”,

“Michael Brown”: “[email protected]”,

“Emma Davis”: “[email protected]”,

“Alex Wong”: “[email protected]”}

Il fonctionne comme une base de connaissances pour refléter les noms des participants. La chaîne mise à jour demande à LLM de renvoyer un tableau d’objets avec le nom de l’entrée et le nom complet approprié que le guide utilise pour obtenir des identifiants de messagerie connexes.

def get_attendee_emails(attendees_data):
"""Convert matched attendees to email objects for Google Calendar API"""
attendees = []
for attendee in attendees_data:
full_name = attendee.get('full_name')
if full_name in CONTACTS:
attendees.append({
'email': CONTACTS[full_name],
'responseStatus': 'needsAction'
})
print(f"✓ Found contact: {full_name} ({CONTACTS[full_name]})")
else:
print(f"⚠ Could not find email for: {attendee.get('mentioned_name', 'Unknown')}")
return attendees

Les participants sont ajoutés à la demande du calendrier API en présence, et sendUpdates='all' est défini pour exécuter les notifications par e-mail.

Et voici comment vous construisez l’agent d’IA – étape par étape, augmentant progressivement la complexité et élargissant vos capacités. Voici les captures d’écran de mon agent en action.

Au dossier de l’achèvement:

Construire une telle agence qu’il ne s’agit pas seulement de la chute de l’API et des conseils ensemble – il s’agit de comprendre comment le LLMS interprète les instructions, le développement de conseils du système clair et l’alignement des résultats sur le code effectif. De l’analyse du langage naturel aux données structurées à l’intégration avec le calendrier de l’API Google, chaque couche que vous ajoutez, apporte de nouveaux problèmes et de la formation. Ce projet a commencé simple – la création d’événements – et est devenu ce qui peut différencier les types d’événements, créer des liens vers Google, nommé les noms de montage E et envoyer des notifications.

Si vous prévoyez de créer votre propre assistant, commencez par un peu. Comprendre comment structurer les indices, créer une base de connaissances si nécessaire et continuer son itération. Utilisez des outils tels que SDK OpenAI pour comprendre la langue et l’API Google pour l’intégration dans le monde réel.

Ce n’est que le début, vous pouvez mettre cela davantage à l’échelle avec une conversation naturelle, des mises à jour en temps réel, des intégrations télégrammes / relâches ou même vous connecter à plusieurs calendriers.

Une fois que vous avez obtenu les bases, les opportunités sont grandes ouvertes. Et n’oubliez pas – vérifiez-le comme fou. Essayez différents indices, argot, cas marginal – test, écart, correction, répéter. C’est comme ça que vous rendez les choses difficiles.

Merci d’avoir lu …

J’espère que cette ventilation vous a aidé à comprendre comment faire passer votre propre assistant de calendrier. Si vous l’avez considéré comme utile, n’hésitez pas à le partager ou à contacter si vous travaillez sur quelque chose comme ça – toujours heureux de contacter vos collègues.

Avant de partir: