Communitygithub.com

Compétence Google ADK Python

Créez des agents IA avec Google ADK Python (Agent Development Kit). Utilisez-la pour des systèmes multi-agents, des agents de workflow (séquentiel/parallèle/boucle), le déploiement sur Vertex AI, l'intégration d'outils et l'intervention humaine.

Qu'est-ce que Compétence Google ADK Python ?

Cette compétence vous guide dans l'utilisation de Google Agent Development Kit (ADK) Python, un toolkit open-source et orienté code pour construire, évaluer et déployer des agents IA. Elle est idéale pour les développeurs qui souhaitent créer des systèmes multi-agents avec coordination hiérarchique, des agents de workflow pour des pipelines prévisibles (séquentiels, parallèles, en boucle), et intégrer des outils comme la recherche Google ou l'exécution de code. La compétence couvre également le déploiement sur Vertex AI Agent Engine, Cloud Run ou une infrastructure personnalisée, ainsi que la mise en place de flux d'approbation humaine. Conçue pour Claude Code et d'autres plateformes d'agents, elle fournit des exemples de code Python concrets pour l'implémentation d'agents uniques, de systèmes multi-agents, d'outils personnalisés et de workflows avec intervention humaine.

Compatible avec✓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

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

Que fait Compétence Google ADK Python ?

Vous êtes un guide expert pour le Google Agent Development Kit (ADK) Python - un toolkit open-source, orienté code, pour construire, évaluer et déployer des agents IA.

Quand utiliser cette compétence

Utilisez cette compétence lorsque les utilisateurs ont besoin de :

  • Construire des agents IA avec intégration d'outils et capacités d'orchestration
  • Créer des systèmes multi-agents avec coordination hiérarchique
  • Implémenter des agents de workflow (séquentiel, parallèle, boucle) pour des pipelines prévisibles
  • Intégrer des agents basés sur LLM avec Google Search, Code Execution ou des outils personnalisés
  • Déployer des agents sur Vertex AI Agent Engine, Cloud Run ou une infrastructure personnalisée
  • Évaluer et tester les performances des agents de manière systématique
  • Implémenter des flux d'approbation humaine pour l'exécution d'outils

Concepts clés

Types d'agents

LlmAgent : Agents basés sur LLM capables de routage dynamique et de comportement adaptatif

  • Définir avec nom, modèle, instruction, description et outils
  • Prend en charge les sous-agents pour la délégation et la coordination
  • Prise de décision intelligente basée sur le contexte

Agents de workflow : Modèles d'orchestration structurés et prévisibles

  • SequentialAgent : Exécuter les agents dans un ordre défini
  • ParallelAgent : Exécuter plusieurs agents simultanément
  • LoopAgent : Répéter l'exécution avec une logique d'itération

BaseAgent : Fondation pour les implémentations d'agents personnalisés

Composants clés

Écosystème d'outils :

  • Outils pré-construits (google_search, code_execution)
  • Fonctions Python personnalisées en tant qu'outils
  • Intégration de spécifications OpenAPI
  • Flux de confirmation d'outils pour approbation humaine

Architecture multi-agents :

  • Composition hiérarchique d'agents
  • Agents spécialisés pour des domaines spécifiques
  • Agents coordinateurs pour la délégation

Installation

# Version stable (recommandée)
pip install google-adk

# Version de développement (dernières fonctionnalités)
pip install git+https://github.com/google/adk-python.git@main

Modèles d'implémentation

Agent unique avec outils

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

agent = LlmAgent(
    name="search_assistant",
    model="gemini-2.5-flash",
    instruction="You are a helpful assistant that searches the web for information.",
    description="Search assistant for web queries",
    tools=[google_search]
)

Système multi-agents

from google.adk.agents import LlmAgent

# Agents spécialisés
researcher = LlmAgent(
    name="Researcher",
    model="gemini-2.5-flash",
    instruction="Research topics thoroughly using web search.",
    tools=[google_search]
)

writer = LlmAgent(
    name="Writer",
    model="gemini-2.5-flash",
    instruction="Write clear, engaging content based on research.",
)

# Agent coordinateur
coordinator = LlmAgent(
    name="Coordinator",
    model="gemini-2.5-flash",
    instruction="Delegate tasks to researcher and writer agents.",
    sub_agents=[researcher, writer]
)

Création d'outil personnalisé

from google.adk.tools import Tool

def calculate_sum(a: int, b: int) -> int:
    """Calculate the sum of two numbers."""
    return a + b

# Convertir la fonction en outil
sum_tool = Tool.from_function(calculate_sum)

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

Workflow séquentiel

from google.adk.agents import SequentialAgent

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

Workflow parallèle

from google.adk.agents import ParallelAgent

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

Intervention humaine

from google.adk.tools import google_search

# Outil nécessitant une confirmation
agent = LlmAgent(
    name="careful_searcher",
    model="gemini-2.5-flash",
    tools=[google_search],
    tool_confirmation=True  # Nécessite une approbation avant exécution
)

Options de déploiement

Déploiement Cloud Run

# Containeriser l'agent
docker build -t my-agent .

# Déployer sur Cloud Run
gcloud run deploy my-agent --image my-agent

Vertex AI Agent Engine

# Déployer sur Vertex AI pour un hébergement scalable
# S'intègre avec l'infrastructure managée de Google Cloud

Infrastructure personnalisée

# Exécuter les agents localement ou sur des serveurs personnalisés
# Contrôle total sur l'environnement de déploiement

Support des modèles

Optimisé pour Gemini :

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

Agnostique aux modèles : Bien qu'optimisé pour Gemini, ADK prend en charge d'autres fournisseurs LLM via des API standard.

Bonnes pratiques

  1. Philosophie orientée code : Définir les agents en Python pour le contrôle de version, les tests et la flexibilité
  2. Conception modulaire : Créer des agents spécialisés pour des domaines spécifiques, les composer en systèmes
  3. Intégration d'outils : Tirer parti des outils pré-construits, étendre avec des fonctions personnalisées
  4. Évaluation : Tester les agents systématiquement avec des cas de test
  5. Sécurité : Implémenter des flux de confirmation pour les opérations sensibles
  6. Structure hiérarchique : Utiliser des agents coordinateurs pour les workflows multi-agents complexes
  7. Choix du workflow : Sélectionner des agents de workflow pour les pipelines prévisibles, des agents LLM pour le routage dynamique

Cas d'utilisation courants

  • Assistants de recherche : Recherche web + synthèse + génération de rapports
  • Assistants de code : Exécution de code + documentation + débogage
  • Support client : Routage des requêtes + base de connaissances + escalade
  • Création de contenu : Pipelines de recherche + rédaction + édition
  • Analyse de données : Récupération de données + traitement + visualisation
  • Automatisation de tâches : Workflows multi-étapes avec logique conditionnelle

Interface de développement

ADK inclut une interface intégrée pour :

  • Tester le comportement des agents de manière interactive
  • Déboguer les appels d'outils et les réponses
  • Évaluer les performances des agents
  • Itérer sur la conception des agents

Ressources

Workflow d'implémentation

Lors de l'implémentation d'agents basés sur ADK :

  1. Définir les besoins : Identifier les capacités des agents et les outils nécessaires
  2. Choisir l'architecture : Agent unique, multi-agents ou basé sur workflow
  3. Sélectionner les outils : Outils pré-construits, fonctions personnalisées ou intégrations OpenAPI
  4. Implémenter les agents : Créer des définitions d'agents avec instructions et outils
  5. Tester localement : Utiliser l'interface de développement pour itérer
  6. Ajouter l'évaluation : Créer des cas de test pour une validation systématique
  7. Déployer : Choisir Cloud Run, Vertex AI ou une infrastructure personnalisée
  8. Surveiller : Suivre les performances des agents et itérer

Rappelez-vous : ADK traite le développement d'agents comme le génie logiciel traditionnel - utilisez le contrôle de version, rédigez des tests et suivez les bonnes pratiques d'ingénierie.

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 associés