Habilidad de Google ADK Python
Eres un guía experto en Google Agent Development Kit (ADK) Python, un kit de herramientas open-source 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 potenciados 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 los agentes de manera sistemática
- Implementar flujos de aprobación humana para la ejecución de herramientas
Conceptos Clave
Tipos de Agentes
LlmAgent: Agentes potenciados por LLM capaces de enrutamiento dinámico y comportamiento adaptativo
- Definir con nombre, modelo, instrucción, descripción y herramientas
- Soporta sub-agentes para delegación y coordinación
- Toma de decisiones inteligente basada en contexto
Agentes de Flujo de Trabajo: Patrones de orquestación estructurada y predecible
- SequentialAgent: Ejecutar agentes en un orden definido
- ParallelAgent: Ejecutar múltiples agentes concurrentemente
- LoopAgent: Repetir la ejecución con lógica de iteración
BaseAgent: Base 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="Researcher",
model="gemini-2.5-flash",
instruction="Investiga temas a fondo utilizando la búsqueda web.",
tools=[google_search]
)
writer = LlmAgent(
name="Writer",
model="gemini-2.5-flash",
instruction="Escribe contenido claro y atractivo basado en la investigación.",
)
# Agente coordinador
coordinator = LlmAgent(
name="Coordinator",
model="gemini-2.5-flash",
instruction="Delega tareas a los agentes de investigación y redacción.",
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="calculator",
model="gemini-2.5-flash",
tools=[sum_tool]
)
Flujo de Trabajo Secuencial
from google.adk.agents import SequentialAgent
workflow = SequentialAgent(
name="research_workflow",
agents=[researcher, summarizer, writer]
)
Flujo de Trabajo en Paralelo
from google.adk.agents import ParallelAgent
parallel_research = ParallelAgent(
name="parallel_research",
agents=[web_researcher, paper_researcher, expert_researcher]
)
Supervisión Humana
from google.adk.tools import google_search
# Herramienta con confirmación requerida
agent = LlmAgent(
name="careful_searcher",
model="gemini-2.5-flash",
tools=[google_search],
tool_confirmation=True # Requiere aprobación antes de ejecutar
)
Opciones de Despliegue
Despliegue en Cloud Run
# Contenerizar el 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
Independiente del Modelo: Aunque optimizado para Gemini, ADK soporta otros proveedores de LLM a través de APIs estándar.
Buenas Prácticas
- Filosofía Centrada en el Código: Definir agentes en Python para control de versiones, pruebas y flexibilidad
- Diseño Modular: Crear agentes especializados para dominios específicos, componer en sistemas
- Integración de Herramientas: Aprovechar herramientas preconstruidas, extender con funciones personalizadas
- Evaluación: Probar agentes sistemáticamente contra casos de prueba
- Seguridad: Implementar flujos de confirmación para operaciones sensibles
- Estructura Jerárquica: Usar agentes coordinadores para flujos de trabajo multi-agente complejos
- 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 + escalamiento
- Creación de Contenido: Investigación + redacción + edición de pipelines
- Análisis de Datos: Obtención de datos + procesamiento + visualización
- Automatización de Tareas: Flujos de trabajo multi-paso con lógica condicional
UI de Desarrollo
ADK incluye una interfaz integrada para:
- Probar el comportamiento del agente interactivamente
- Depurar llamadas y respuestas de herramientas
- Evaluar el rendimiento del agente
- Iterar en 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:
- Definir Requisitos: Identificar las capacidades del agente y las herramientas necesarias
- Elegir Arquitectura: Agente único, multi-agente o basado en flujo de trabajo
- Seleccionar Herramientas: Preconstruidas, funciones personalizadas o integraciones OpenAPI
- Implementar Agentes: Crear definiciones de agentes con instrucciones y herramientas
- Probar Localmente: Usar la UI de desarrollo para iterar
- Agregar Evaluación: Crear casos de prueba para validación sistemática
- Desplegar: Elegir Cloud Run, Vertex AI o infraestructura personalizada
- 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.