Agente de IA Multimodal

🧬 Agente de IA Multimodal

Uma aplicação Streamlit que combina análise de vídeo e capacidades de pesquisa na web utilizando o modelo Gemini 2.5 da Google. Este agente pode analisar vídeos carregados e responder a perguntas combinando compreensão visual com pesquisa na web.

Funcionalidades

• Análise de vídeo utilizando Gemini 2.5 Flash/Pro
• Integração de pesquisa na web através do DuckDuckGo
• Suporte para múltiplos formatos de vídeo (MP4, MOV, AVI)
• Processamento de vídeo em tempo real
• Análise visual e textual combinada

Como Começar?

1. Clona o repositório do GitHub

git clone https://github.com/Shubhamsaboo/awesome-llm-apps.git
cd starter_ai_agents/multimodal_ai_agent

2. Instala as dependências necessárias:

npm install

pip install -r requirements.txt

• Regista-te para uma conta do Google AI Studio e obtém a tua chave de API.

4. Configura a tua Chave de API do Gemini como variável de ambiente

GOOGLE_API_KEY=your_api_key_here

5. Executa a Aplicação Streamlit

Para executar a aplicação Streamlit, segue os passos abaixo:

1. Abre o terminal.
2. Navega até ao diretório onde se encontra o teu ficheiro app.py.
3. Executa o seguinte comando:

streamlit run app.py

4. Após alguns momentos, a aplicação abrir-se-á automaticamente no teu navegador padrão. Se não abrir, verifica o terminal para encontrar o URL onde a aplicação está a ser executada, normalmente algo como http://localhost:8501.

streamlit run multimodal_agent.py