Communitygithub.com

majiayu000/claude-skill-registry-data

Baue KI-Agenten mit Google ADK Python (Agent Development Kit). Verwende es für Multi-Agenten-Systeme, Workflow-Agenten (sequentiell/parallel/Schleife), Vertex AI-Bereitstellung, Tool-Integration und Human-in-the-Loop.

Was ist claude-skill-registry-data?

Dieses Skill führt in das Google Agent Development Kit (ADK) für Python ein – ein quelloffenes, code-zentriertes Toolkit zum Erstellen, Evaluieren und Bereitstellen von KI-Agenten. Es ist ideal für Entwickler, die Multi-Agenten-Systeme mit hierarchischer Koordination, Workflow-Agenten (sequentiell, parallel, Schleife) für vorhersagbare Pipelines und LLM-gestützte Agenten mit Tools wie Google Search oder Code Execution bauen möchten. Das Skill unterstützt die Definition von Agententypen (LlmAgent, Workflow Agents, BaseAgent), die Integration benutzerdefinierter Tools mit Confirmation Flows und die Bereitstellung auf Vertex AI Agent Engine, Cloud Run oder eigener Infrastruktur. Es wird auf Plattformen wie Claude Code, Cursor und Codex angewendet und folgt einem Software-Engineering-Ansatz mit Versionskontrolle, Tests und modularem Design.

Funktioniert mit✓Claude Code~Codex CLI~Cursor✓Gemini CLI
npx skills add https://github.com/majiayu000/claude-skill-registry-data/tree/HEAD/agent/google-adk-python-hoanghd218-landing-page-ai-kien

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Google ADK Python Skill

Du bist ein erfahrener Guide für das Google Agent Development Kit (ADK) Python – ein quelloffenes, code-zentriertes Toolkit zum Erstellen, Evaluieren und Bereitstellen von KI-Agenten.

Wann dieses Skill nützlich ist

Verwende dieses Skill, wenn Nutzer folgende Anforderungen haben:

  • KI-Agenten mit Tool-Integration und Orchestrierungsfähigkeiten bauen
  • Multi-Agenten-Systeme mit hierarchischer Koordination erstellen
  • Workflow-Agenten (sequentiell, parallel, Schleife) für vorhersagbare Pipelines implementieren
  • LLM-gestützte Agenten mit Google Search, Code Execution oder benutzerdefinierten Tools integrieren
  • Agenten auf Vertex AI Agent Engine, Cloud Run oder eigener Infrastruktur bereitstellen
  • Agentenleistung systematisch evaluieren und testen
  • Human-in-the-Loop-Genehmigungsabläufe für die Tool-Ausführung implementieren

Kernkonzepte

Agententypen

LlmAgent: LLM-gestützte Agenten mit dynamischem Routing und adaptivem Verhalten

  • Definiert mit Name, Modell, Anweisung, Beschreibung und Tools
  • Unterstützt Unter-Agenten für Delegation und Koordination
  • Intelligente Entscheidungsfindung basierend auf Kontext

Workflow Agents: Strukturierte, vorhersagbare Orchestrierungsmuster

  • SequentialAgent: Führe Agenten in festgelegter Reihenfolge aus
  • ParallelAgent: Führe mehrere Agenten gleichzeitig aus
  • LoopAgent: Wiederhole Ausführung mit Iterationslogik

BaseAgent: Grundlage für benutzerdefinierte Agentenimplementationen

Schlüsselkomponenten

Tool-Ökosystem:

  • Vorgefertigte Tools (google_search, code_execution)
  • Benutzerdefinierte Python-Funktionen als Tools
  • OpenAPI-Spezifikationsintegration
  • Tool-Bestätigungsabläufe für menschliche Genehmigung

Multi-Agenten-Architektur:

  • Hierarchische Agentenzusammensetzung
  • Spezialisierte Agenten für bestimmte Bereiche
  • Koordinator-Agenten für Delegation

Installation

# Stabile Version (empfohlen)
pip install google-adk

# Entwicklungsversion (neueste Funktionen)
pip install git+https://github.com/google/adk-python.git@main

Implementierungsmuster

Einzelner Agent mit Tools

from google.adk.agents import LlmAgent
from google.adk.tools import google_search

agent = LlmAgent(
    name="search_assistant",
    model="gemini-2.5-flash",
    instruction="Du bist ein hilfsbereiter Assistent, der das Web nach Informationen durchsucht.",
    description="Suchassistent für Webanfragen",
    tools=[google_search]
)

Multi-Agenten-System

from google.adk.agents import LlmAgent

# Spezialisierte Agenten
researcher = LlmAgent(
    name="Researcher",
    model="gemini-2.5-flash",
    instruction="Erforsche Themen gründlich mit Websuche.",
    tools=[google_search]
)

writer = LlmAgent(
    name="Writer",
    model="gemini-2.5-flash",
    instruction="Schreibe klare, ansprechende Inhalte basierend auf der Recherche.",
)

# Koordinator-Agent
coordinator = LlmAgent(
    name="Coordinator",
    model="gemini-2.5-flash",
    instruction="Delegiere Aufgaben an Researcher- und Writer-Agenten.",
    sub_agents=[researcher, writer]
)

Benutzerdefiniertes Tool erstellen

from google.adk.tools import Tool

def calculate_sum(a: int, b: int) -> int:
    """Berechne die Summe zweier Zahlen."""
    return a + b

# Funktion in Tool umwandeln
sum_tool = Tool.from_function(calculate_sum)

agent = LlmAgent(
    name="calculator",
    model="gemini-2.5-flash",
    tools=[sum_tool]
)

Sequentieller Workflow

from google.adk.agents import SequentialAgent

workflow = SequentialAgent(
    name="research_workflow",
    agents=[researcher, summarizer, writer]
)

Paralleler Workflow

from google.adk.agents import ParallelAgent

parallel_research = ParallelAgent(
    name="parallel_research",
    agents=[web_researcher, paper_researcher, expert_researcher]
)

Human-in-the-Loop

from google.adk.tools import google_search

# Tool mit Bestätigung erforderlich
agent = LlmAgent(
    name="careful_searcher",
    model="gemini-2.5-flash",
    tools=[google_search],
    tool_confirmation=True  # Erfordert Genehmigung vor Ausführung
)

Bereitstellungsoptionen

Cloud Run Bereitstellung

# Containerisiere Agenten
docker build -t my-agent .

# Auf Cloud Run bereitstellen
gcloud run deploy my-agent --image my-agent

Vertex AI Agent Engine

# Auf Vertex AI für skalierbares Agenten-Hosting bereitstellen
# Integration mit der verwalteten Infrastruktur von Google Cloud

Eigene Infrastruktur

# Führe Agenten lokal oder auf eigenen Servern aus
# Volle Kontrolle über die Bereitstellungsumgebung

Modellunterstützung

Optimiert für Gemini:

  • gemini-2.5-flash
  • gemini-2.5-pro
  • gemini-1.5-flash
  • gemini-1.5-pro

Modellagnostisch: Obwohl für Gemini optimiert, unterstützt ADK andere LLM-Anbieter über Standard-APIs.

Best Practices

  1. Code-zentrierte Philosophie: Definiere Agenten in Python für Versionskontrolle, Tests und Flexibilität
  2. Modulares Design: Erstelle spezialisierte Agenten für bestimmte Bereiche, setze sie zu Systemen zusammen
  3. Tool-Integration: Nutze vorgefertigte Tools, erweitere sie mit benutzerdefinierten Funktionen
  4. Evaluierung: Teste Agenten systematisch gegen Testfälle
  5. Sicherheit: Implementiere Bestätigungsabläufe für sensible Operationen
  6. Hierarchische Struktur: Verwende Koordinator-Agenten für komplexe Multi-Agenten-Workflows
  7. Workflow-Auswahl: Wähle Workflow-Agenten für vorhersagbare Pipelines, LLM-Agenten für dynamisches Routing

Häufige Anwendungsfälle

  • Recherche-Assistenten: Websuche + Zusammenfassung + Berichtserstellung
  • Code-Assistenten: Code-Ausführung + Dokumentation + Debugging
  • Kundensupport: Abfragen-Routing + Wissensdatenbank + Eskalation
  • Inhaltserstellung: Recherche + Schreiben + Bearbeitungs-Pipelines
  • Datenanalyse: Datenabruf + Verarbeitung + Visualisierung
  • Aufgabenautomatisierung: Mehrstufige Workflows mit bedingter Logik

Entwicklungs-UI

ADK enthält eine integrierte Oberfläche für:

  • Interaktives Testen des Agentenverhaltens
  • Debugging von Tool-Aufrufen und Antworten
  • Evaluierung der Agentenleistung
  • Iterieren des Agentendesigns

Ressourcen

Implementierungsablauf

Bei der Implementierung ADK-basierter Agenten:

  1. Anforderungen definieren: Identifiziere Agentenfähigkeiten und benötigte Tools
  2. Architektur wählen: Einzelner Agent, Multi-Agent oder workflow-basiert
  3. Tools auswählen: Vorgefertigt, benutzerdefinierte Funktionen oder OpenAPI-Integrationen
  4. Agenten implementieren: Erstelle Agentendefinitionen mit Anweisungen und Tools
  5. Lokal testen: Verwende Entwicklungs-UI für Iteration
  6. Evaluierung hinzufügen: Erstelle Testfälle für systematische Validierung
  7. Bereitstellen: Wähle Cloud Run, Vertex AI oder eigene Infrastruktur
  8. Überwachen: Verfolge Agentenleistung und iteriere

Denk daran: ADK behandelt die Agentenentwicklung wie traditionelle Softwareentwicklung – verwende Versionskontrolle, schreibe Tests und befolge Engineering-Best Practices.

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

majiayu000/claude-skill-registry-data

Edit existing BMAD agents while maintaining compliance

majiayu000/claude-skill-registry-data

Edit existing BMAD agents while maintaining compliance

majiayu000/claude-skill-registry-data

Edit existing BMAD modules while maintaining coherence

majiayu000/claude-skill-registry-data

Edit existing BMAD modules while maintaining coherence

majiayu000/claude-skill-registry-data

Analyzes current state and user query to answer BMad questions or recommend the next workflow or agent. Use when user says what should I do next, what do I do now, or asks a question about BMad

majiayu000/claude-skill-registry-data

Build AI agents with Google ADK Python (Agent Development Kit). Use for multi-agent systems, workflow agents (sequential/parallel/loop), Vertex AI deployment, tool integration, human-in-the-loop.

majiayu000/claude-skill-registry-data

Portfolio allocation and rebalancing optimizer. Manages asset allocation across stocks/cash/bonds, performs periodic rebalancing, and ensures diversification according to market regime and risk tolerance.

majiayu000/claude-skill-registry-data

Create a hilarious and ultra-realistic video of an anthropomorphic animal acting like a human vlogger in a real-world setting.

majiayu000/claude-skill-registry-data

Speech-to-text transcription and translation via OpenAI Audio API -- models, response formats, timestamps, prompting, streaming, chunking, and diarization

majiayu000/claude-skill-registry-data

This skill should be used when the user asks about libraries, frameworks, API references, or needs code examples. Activates for setup questions, code generation involving libraries, or mentions of specific frameworks like React, Vue, Next.js, Prisma, Supabase, etc.

majiayu000/claude-skill-registry-data

小省导购员数字人带货版即梦视频提示词生成系统,基于四大智能体协同(提示词生成师、质量管控师、知识库运维师、跨环节适配师),按照"主体+运动+场景+(镜头语言+光影+氛围)"公式输出中英文双版提示词,适配5s短视频。确保人物一致性、视觉连贯性、情绪连贯性,支持知识库智能复用和跨工具适配(Suno音乐、AI绘画),为数字人带货视频提供高质量提示词生成服务。

majiayu000/claude-skill-registry-data

Upload and manage files using Google Gemini File API via scripts/. Use for uploading images, audio, video, PDFs, and other files for use with Gemini models. Supports file upload, status checking, and file management. Triggers on "upload file", "file API", "upload image", "upload PDF", "upload video", "file management".

majiayu000/claude-skill-registry-data

Analyze images/audio/video with Gemini API (better vision than Claude). Generate images (Imagen 4), videos (Veo 3). Use for vision analysis, transcription, OCR, design extraction, multimodal AI.

majiayu000/claude-skill-registry-data

Analyze images/audio/video with Gemini API (better vision than Claude). Generate images (Imagen 4), videos (Veo 3). Use for vision analysis, transcription, OCR, design extraction, multimodal AI.

majiayu000/claude-skill-registry-data

Skill for discovering and researching autonomous AI agents, tools, and ecosystems using the AgentFolio directory.

majiayu000/claude-skill-registry-data

Conduct domain and industry research. Use when the user says "lets create a research report on [domain or industry]

majiayu000/claude-skill-registry-data

Conduct market research on competition and customers. Use when the user says "create a market research report about [business idea]".

majiayu000/claude-skill-registry-data

Conduct technical research on technologies and architecture. Use when the user says "create a technical research report on [topic]".

majiayu000/claude-skill-registry-data

Understand an existing codebase through systematic exploration

majiayu000/claude-skill-registry-data

Builds, edit or validate Agent Skill through conversational discovery. Use when the user requests to "Create an Agent", "Optimize an Agent" or "Edit an Agent".

Verwandte Skills