Communitygithub.com

Google ADK Python Skill

Crea agentes de IA con Google ADK Python (Agent Development Kit). Útil para sistemas multi-agente, agentes de flujo de trabajo (secuencial/paralelo/bucle), despliegue en Vertex AI, integración de herramientas y supervisión humana.

¿Qué es Google ADK Python Skill?

Esta habilidad te guía en el uso de Google Agent Development Kit (ADK) Python, un kit de herramientas de código abierto y centrado en código para construir, evaluar y desplegar agentes de IA. Con ADK puedes crear desde agentes simples con integración de herramientas hasta sistemas multi-agente jerárquicos con agentes coordinadores. Soporta agentes de flujo de trabajo (secuenciales, paralelos y en bucle) para pipelines predecibles, así como agentes impulsados por LLM para enrutamiento dinámico. La habilidad cubre la instalación, patrones de implementación (agente único, multi-agente, herramientas personalizadas y supervisión humana), opciones de despliegue como Cloud Run y Vertex AI, y mejores prácticas para tratar el desarrollo de agentes como ingeniería de software tradicional con control de versiones y pruebas.

Compatible con✓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

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

¿Qué hace Google ADK Python Skill?

Eres un guía experto en Google Agent Development Kit (ADK) Python, un kit de herramientas de código abierto y centrado en código para construir, evaluar y desplegar agentes de IA.

Cuándo usar esta habilidad

Usa esta habilidad cuando los usuarios necesiten:

  • Construir agentes de IA con integración de herramientas y capacidades de orquestación
  • Crear sistemas multi-agente con coordinación jerárquica
  • Implementar agentes de flujo de trabajo (secuencial, paralelo, bucle) para pipelines predecibles
  • Integrar agentes impulsados por LLM con Google Search, Code Execution o herramientas personalizadas
  • Desplegar agentes en Vertex AI Agent Engine, Cloud Run o infraestructura personalizada
  • Evaluar y probar el rendimiento de agentes de manera sistemática
  • Implementar flujos de aprobación con supervisión humana para la ejecución de herramientas

Conceptos Clave

Tipos de Agentes

LlmAgent: Agentes impulsados por LLM capaces de enrutamiento dinámico y comportamiento adaptativo

  • Definir con nombre, modelo, instrucción, descripción y herramientas
  • Soporta subagentes para delegación y coordinación
  • Toma de decisiones inteligente basada en contexto

Workflow Agents: Patrones de orquestación estructurados y predecibles

  • SequentialAgent: Ejecutar agentes en un orden definido
  • ParallelAgent: Ejecutar múltiples agentes de forma concurrente
  • LoopAgent: Repetir ejecución con lógica de iteración

BaseAgent: Fundación para implementaciones de agentes personalizados

Componentes Clave

Ecosistema de herramientas:

  • Herramientas preconstruidas (google_search, code_execution)
  • Funciones Python personalizadas como herramientas
  • Integración con especificaciones OpenAPI
  • Flujos de confirmación de herramientas para aprobación humana

Arquitectura Multi-Agente:

  • Composición jerárquica de agentes
  • Agentes especializados para dominios específicos
  • Agentes coordinadores para delegación

Instalación

# Versión estable (recomendada)
pip install google-adk

# Versión de desarrollo (últimas características)
pip install git+https://github.com/google/adk-python.git@main

Patrones de Implementación

Agente Único con Herramientas

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

agent = LlmAgent(
    name="search_assistant",
    model="gemini-2.5-flash",
    instruction="Eres un asistente útil que busca información en la web.",
    description="Asistente de búsqueda para consultas web",
    tools=[google_search]
)

Sistema Multi-Agente

from google.adk.agents import LlmAgent

# Agentes especializados
researcher = LlmAgent(
    name="Investigator",
    model="gemini-2.5-flash",
    instruction="Investiga temas a fondo usando la búsqueda web.",
    tools=[google_search]
)

writer = LlmAgent(
    name="Escritor",
    model="gemini-2.5-flash",
    instruction="Escribe contenido claro y atractivo basado en la investigación.",
)

# Agente coordinador
coordinator = LlmAgent(
    name="Coordinador",
    model="gemini-2.5-flash",
    instruction="Delega tareas a los agentes investigador y escritor.",
    sub_agents=[researcher, writer]
)

Creación de Herramientas Personalizadas

from google.adk.tools import Tool

def calculate_sum(a: int, b: int) -> int:
    """Calcula la suma de dos números."""
    return a + b

# Convertir función en herramienta
sum_tool = Tool.from_function(calculate_sum)

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

Flujo de Trabajo Secuencial

from google.adk.agents import SequentialAgent

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

Flujo de Trabajo Paralelo

from google.adk.agents import ParallelAgent

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

Supervisión Humana

from google.adk.tools import google_search

# Herramienta con confirmación requerida
agent = LlmAgent(
    name="buscador_cuidadoso",
    model="gemini-2.5-flash",
    tools=[google_search],
    tool_confirmation=True  # Requiere aprobación antes de la ejecución
)

Opciones de Despliegue

Despliegue en Cloud Run

# Contenerizar agente
docker build -t my-agent .

# Desplegar en Cloud Run
gcloud run deploy my-agent --image my-agent

Vertex AI Agent Engine

# Desplegar en Vertex AI para alojamiento escalable de agentes
# Se integra con la infraestructura gestionada de Google Cloud

Infraestructura Personalizada

# Ejecutar agentes localmente o en servidores personalizados
# Control total sobre el entorno de despliegue

Compatibilidad de Modelos

Optimizado para Gemini:

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

Independiente del Modelo: Aunque optimizado para Gemini, ADK soporta otros proveedores de LLM a través de APIs estándar.

Mejores Prácticas

  1. Filosofía Primero Código: Definir agentes en Python para control de versiones, pruebas y flexibilidad
  2. Diseño Modular: Crear agentes especializados para dominios específicos, componer en sistemas
  3. Integración de Herramientas: Aprovechar herramientas preconstruidas, extender con funciones personalizadas
  4. Evaluación: Probar agentes sistemáticamente contra casos de prueba
  5. Seguridad: Implementar flujos de confirmación para operaciones sensibles
  6. Estructura Jerárquica: Usar agentes coordinadores para flujos de trabajo multi-agente complejos
  7. Selección de Flujo de Trabajo: Elegir agentes de flujo de trabajo para pipelines predecibles, agentes LLM para enrutamiento dinámico

Casos de Uso Comunes

  • Asistentes de Investigación: Búsqueda web + resumen + generación de informes
  • Asistentes de Código: Ejecución de código + documentación + depuración
  • Soporte al Cliente: Enrutamiento de consultas + base de conocimiento + escalación
  • Creación de Contenido: Pipelines de investigación + escritura + edición
  • Análisis de Datos: Obtención de datos + procesamiento + visualización
  • Automatización de Tareas: Flujos de trabajo de múltiples pasos con lógica condicional

UI de Desarrollo

ADK incluye una interfaz integrada para:

  • Probar el comportamiento del agente de forma interactiva
  • Depurar llamadas a herramientas y respuestas
  • Evaluar el rendimiento del agente
  • Iterar sobre el diseño del agente

Recursos

Flujo de Trabajo de Implementación

Al implementar agentes basados en ADK:

  1. Definir Requisitos: Identificar capacidades del agente y herramientas necesarias
  2. Elegir Arquitectura: Agente único, multi-agente o basado en flujo de trabajo
  3. Seleccionar Herramientas: Preconstruidas, funciones personalizadas o integraciones OpenAPI
  4. Implementar Agentes: Crear definiciones de agentes con instrucciones y herramientas
  5. Probar Localmente: Usar la UI de desarrollo para iterar
  6. Agregar Evaluación: Crear casos de prueba para validación sistemática
  7. Desplegar: Elegir Cloud Run, Vertex AI o infraestructura personalizada
  8. Monitorear: Rastrear el rendimiento del agente e iterar

Recuerda: ADK trata el desarrollo de agentes como ingeniería de software tradicional: usa control de versiones, escribe pruebas y sigue las mejores prácticas de ingeniería.

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".

Skills relacionados