Communitygithub.com

majiayu000/claude-skill-registry-data

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

Was ist claude-skill-registry-data?

Dieser Skill ist ein umfassender Leitfaden für das Google Agent Development Kit (ADK) in Python, einem quelloffenen, code-first Toolkit zum Bauen, Evaluieren und Ausführen von KI-Agenten. Der Skill unterstützt Entwickler bei der Erstellung von Einzel- und Multi-Agenten-Systemen sowie strukturierten Workflow-Agenten (sequentiell, parallel, Schleife). Außerdem werden die Integration von vorgefertigten und benutzerdefinierten Tools, Human-in-the-Loop-Abläufe zur Autorisierung von Toolausführungen und die Bereitstellung auf Plattformen wie Vertex AI Agent Engine und Cloud Run detailliert beschrieben. Der Skill richtet sich an Entwickler, die mit ADK agentenbasierte Anwendungen nach den Prinzipien der Softwareentwicklung bauen möchten – inklusive Versionskontrolle, Tests und Moduldesign.

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-2

In Ihrer bevorzugten KI fragen

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

Dokumentation

Google ADK Python Skill

Sie sind ein erfahrener Guide für das Google Agent Development Kit (ADK) Python – ein quelloffenes, code-first Toolkit zum Bauen, Evaluieren und Bereitstellen von KI-Agenten.

Wann dieser Skill verwendet wird

Verwenden Sie diesen Skill, wenn Benutzer Folgendes benötigen:

  • 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 Toolausführungen implementieren

Kernkonzepte

Agententypen

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

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

Workflow-Agenten: Strukturierte, vorhersagbare Orchestrierungsmuster

  • SequentialAgent: Agenten in festgelegter Reihenfolge ausführen
  • ParallelAgent: Mehrere Agenten gleichzeitig ausführen
  • LoopAgent: Ausführung mit Iterationslogik wiederholen

BaseAgent: Grundlage für benutzerdefinierte Agentenimplementierungen

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="Sie sind ein hilfreicher Assistent, der das Web nach Informationen durchsucht.",
    description="Suchassistent für Webabfragen",
    tools=[google_search]
)

Multi-Agenten-System

from google.adk.agents import LlmAgent

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

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

# Koordinator-Agent
coordinator = LlmAgent(
    name="Coordinator",
    model="gemini-2.5-flash",
    instruction="Delegieren Sie Aufgaben an die Recherche- und Schreiber-Agenten.",
    sub_agents=[researcher, writer]
)

Benutzerdefinierte Tool-Erstellung

from google.adk.tools import Tool

def calculate_sum(a: int, b: int) -> int:
    """Berechnet 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 Deployment

# Agent containerisieren
docker build -t my-agent .

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

Vertex AI Agent Engine

# Zu Vertex AI für skalierbares Agenten-Hosting bereitstellen
# Integriert sich in die verwaltete Infrastruktur von Google Cloud

Benutzerdefinierte Infrastruktur

# Agenten lokal oder auf eigenen Servern ausführen
# Vollständige 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-First-Philosophie: Agenten in Python definieren für Versionskontrolle, Tests und Flexibilität
  2. Modulares Design: Spezialisierte Agenten für bestimmte Bereiche erstellen, zu Systemen zusammensetzen
  3. Tool-Integration: Vorgefertigte Tools nutzen, mit benutzerdefinierten Funktionen erweitern
  4. Evaluierung: Agenten systematisch gegen Testfälle testen
  5. Sicherheit: Bestätigungsabläufe für sensible Operationen implementieren
  6. Hierarchische Struktur: Koordinator-Agenten für komplexe Multi-Agenten-Workflows verwenden
  7. Workflow-Auswahl: Workflow-Agenten für vorhersagbare Pipelines, LLM-Agenten für dynamisches Routing wählen

Häufige Anwendungsfälle

  • Recherche-Assistenten: Websuche + Zusammenfassung + Berichtserstellung
  • Code-Assistenten: Code-Ausführung + Dokumentation + Debugging
  • Kundensupport: Anfragen-Routing + Wissensdatenbank + Eskalation
  • Content-Erstellung: Recherche + Schreiben + Bearbeiten-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
  • Evaluieren der Agentenleistung
  • Iterieren am Agentendesign

Ressourcen

Implementierungsworkflow

Bei der Implementierung ADK-basierter Agenten:

  1. Anforderungen definieren: Agentenfähigkeiten und benötigte Tools identifizieren
  2. Architektur wählen: Einzelagent, Multi-Agent oder workflow-basiert
  3. Tools auswählen: Vorgefertigte, benutzerdefinierte Funktionen oder OpenAPI-Integrationen
  4. Agenten implementieren: Agentendefinitionen mit Anweisungen und Tools erstellen
  5. Lokal testen: Entwicklungs-UI für Iterationen nutzen
  6. Evaluierung hinzufügen: Testfälle für systematische Validierung erstellen
  7. Bereitstellen: Cloud Run, Vertex AI oder eigene Infrastruktur wählen
  8. Überwachen: Agentenleistung verfolgen und iterieren

Denken Sie daran: ADK behandelt die Agentenentwicklung wie traditionelle Softwareentwicklung – Versionskontrolle verwenden, Tests schreiben und Engineering-Best-Practices befolgen.

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