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 Este Skill
Usa este skill 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 potenciados por LLM con Google Search, ejecución de código o herramientas personalizadas
- Desplegar agentes en Vertex AI Agent Engine, Cloud Run o infraestructura personalizada
- Evaluar y probar el rendimiento de agentes sistemáticamente
- Implementar flujos de validación humana para la ejecución de herramientas
Conceptos Clave
Tipos de Agente
LlmAgent: Agentes potenciados por LLM capaces de enrutamiento dinámico y comportamiento adaptativo.
- Se definen con nombre, modelo, instrucción, descripción y herramientas.
- Soporta sub-agentes para delegación y coordinación.
- Toma de decisiones inteligente basada en el contexto.
Workflow Agents: Patrones de orquestación estructurados y predecibles.
- SequentialAgent: Ejecuta agentes en un orden definido.
- ParallelAgent: Ejecuta múltiples agentes de forma concurrente.
- LoopAgent: Repite la ejecución con lógica de iteración.
BaseAgent: Base para implementaciones de agentes personalizados.
Componentes Clave
Ecosistema de Herramientas:
- Herramientas pre-construidas (google_search, code_execution).
- Funciones Python personalizadas como herramientas.
- Integración de 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 funcionalidades)
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="Investigador",
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 a 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]
)
Validación Humana (Human-in-the-Loop)
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 ejecutar
)
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
Soporte de Modelos
Optimizado para Gemini:
- gemini-2.5-flash
- gemini-2.5-pro
- gemini-1.5-flash
- gemini-1.5-pro
Agnóstico de Modelo: Aunque optimizado para Gemini, ADK soporta otros proveedores de LLM a través de APIs estándar.
Mejores Prácticas
- Filosofía Code-First: Define agentes en Python para control de versiones, pruebas y flexibilidad.
- Diseño Modular: Crea agentes especializados para dominios específicos y compónelos en sistemas.
- Integración de Herramientas: Aprovecha herramientas pre-construidas y extiende con funciones personalizadas.
- Evaluación: Prueba agentes sistemáticamente contra casos de prueba.
- Seguridad: Implementa flujos de confirmación para operaciones sensibles.
- Estructura Jerárquica: Usa agentes coordinadores para flujos de trabajo multi-agente complejos.
- Selección de Flujo de Trabajo: Elige agentes de flujo de trabajo para pipelines predecibles y 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 + escalado.
- 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.
Interfaz de Desarrollo
ADK incluye una interfaz integrada para:
- Probar el comportamiento del agente interactivamente.
- Depurar llamadas a herramientas y respuestas.
- Evaluar el rendimiento del agente.
- Iterar sobre el diseño del agente.
Recursos
- GitHub: https://github.com/google/adk-python
- Documentación: https://google.github.io/adk-docs/
- llms.txt: https://raw.githubusercontent.com/google/adk-python/refs/heads/main/llms.txt
Flujo de Trabajo de Implementación
Al implementar agentes basados en ADK:
- Define Requisitos: Identifica las capacidades del agente y las herramientas necesarias.
- Elige Arquitectura: Agente único, multi-agente o basado en flujo de trabajo.
- Selecciona Herramientas: Pre-construidas, funciones personalizadas o integraciones OpenAPI.
- Implementa Agentes: Crea definiciones de agente con instrucciones y herramientas.
- Prueba Localmente: Usa la interfaz de desarrollo para iterar.
- Añade Evaluación: Crea casos de prueba para validación sistemática.
- Despliega: Elige Cloud Run, Vertex AI o infraestructura personalizada.
- Monitorea: Realiza seguimiento del rendimiento del agente e itera.
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.