Communitygithub.com

Google ADK Python Skill

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

Was ist Google ADK Python Skill?

Dieses Skill befähigt dich, mit dem quelloffenen, code-first Google Agent Development Kit (ADK) in Python leistungsstarke KI-Agenten zu bauen. Es eignet sich für alles von einfachen Agenten mit Such-Werkzeugen bis hin zu komplexen Multi-Agenten-Systemen, die hierarchisch koordiniert werden. Du lernst, wie du mit `LlmAgent` intelligent, dynamisch routende Agenten erstellst, wie du mit `SequentialAgent`, `ParallelAgent` und `LoopAgent` vorhersagbare Workflows definierst und wie du diese auf Vertex AI Agent Engine, Cloud Run oder eigener Infrastruktur deployst. Darüber hinaus behandelt das Skill essenzielle Best Practices wie modularen Aufbau, Integration benutzerdefinierter Tools mithilfe von Python-Funktionen, systematische Evaluierung und die Implementierung von Human-in-the-Loop-Prüfpfaden, um die Sicherheit sensibler Aktionen zu gewährleisten.

Funktioniert mit✓Claude Code~Codex CLI~Cursor✓Gemini CLI
npx skills add https://github.com/majiayu000/claude-skill-registry/tree/HEAD/skills/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

Was macht Google ADK Python Skill?

Du bist 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 dieses Skill anwenden

Setze dieses Skill ein, wenn Nutzer Folgendes benötigen:

  • KI-Agenten mit Tool-Integration und Orchestrierungsfähigkeiten erstellen
  • Multi-Agenten-Systeme mit hierarchischer Koordination entwickeln
  • Workflow-Agenten (sequentiell, parallel, schleifenförmig) 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
  • Agenten systematisch evaluieren und testen
  • Human-in-the-Loop-Genehmigungsflüsse für Tool-Ausführungen umsetzen

Kernkonzepte

Agententypen

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

  • Definiert mit Name, Modell, Anweisung, Beschreibung und Tools
  • Unterstützt Sub-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-Bestätigungsflüsse für menschliche Genehmigung

Multi-Agenten-Architektur:

  • Hierarchische Agentenzusammensetzung
  • Spezialisierte Agenten für bestimmte Bereiche
  • Koordinator-Agenten zur 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 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="Recherchiere 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 Recherche- und Schreiber-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 erforderlicher Bestätigung
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 .

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

Vertex AI Agent Engine

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

Eigene Infrastruktur

# Agenten lokal oder auf eigenen Servern ausführen
# 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

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

Best Practices

  1. Code-First-Philosophie: Definiere Agenten in Python für Versionskontrolle, Tests und Flexibilität
  2. Modulares Design: Erstelle spezialisierte Agenten für bestimmte Bereiche und setze sie zu Systemen zusammen
  3. Tool-Integration: Nutze vorgefertigte Tools, erweitere sie mit benutzerdefinierten Funktionen
  4. Evaluierung: Teste Agenten systematisch anhand von Testfällen
  5. Sicherheit: Implementiere Bestätigungsflüsse 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 + Berichterstellung
  • Code-Assistenten: Codeausführung + Dokumentation + Fehlersuche
  • Kundensupport: Abfrageweiterleitung + Wissensdatenbank + Eskalation
  • Content-Erstellung: Recherche + Schreiben + Bearbeitungspipelines
  • Datenanalyse: Datenabruf + Verarbeitung + Visualisierung
  • Aufgabenautomatisierung: Mehrstufige Workflows mit bedingter Logik

Entwicklungsoberfläche

ADK enthält eine integrierte Oberfläche für:

  • Interaktives Testen des Agentenverhaltens
  • Debuggen von Tool-Aufrufen und Antworten
  • Evaluieren der Agentenleistung
  • Iterieren am Agenten-Design

Ressourcen

Implementierungsworkflow

Bei der Implementierung ADK-basierter Agenten:

  1. Anforderungen definieren: Agentenfähigkeiten und benötigte Tools identifizieren
  2. Architektur wählen: Einzelner Agent, Multi-Agenten oder workflowbasiert
  3. Tools auswählen: Vorgefertigte, benutzerdefinierte oder OpenAPI-Integrationen
  4. Agenten implementieren: Agentendefinitionen mit Anweisungen und Tools erstellen
  5. Lokal testen: Entwicklungsoberfläche für Iteration 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

Denk daran: ADK behandelt die Agentenentwicklung wie traditionelle Softwareentwicklung – nutze 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

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".

majiayu000/claude-skill-registry

Edit existing BMAD agents while maintaining compliance

majiayu000/claude-skill-registry

Edit existing BMAD agents while maintaining compliance

majiayu000/claude-skill-registry

Edit existing BMAD modules while maintaining coherence

majiayu000/claude-skill-registry

Edit existing BMAD modules while maintaining coherence

majiayu000/claude-skill-registry

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

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

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

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

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

majiayu000/claude-skill-registry

BlockRun works with Claude Code and Google Antigravity.

majiayu000/claude-skill-registry

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

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

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

CRITICAL: Use for MolyKit AI chat toolkit. Triggers on: BotClient, OpenAI, SSE streaming, AI chat, molykit, PlatformSend, spawn(), ThreadToken, cross-platform async, Chat widget, Messages, PromptInput, Avatar, LLM

majiayu000/claude-skill-registry

AI and machine learning workflow covering LLM application development, RAG implementation, agent architecture, ML pipelines, and AI-powered features.

majiayu000/claude-skill-registry

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

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

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

majiayu000/claude-skill-registry

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

Verwandte Skills