Communitygithub.com

Google ADK Python – Compétence Agent IA

Construisez des agents IA avec le kit de développement d'agents Google ADK Python. Idéal pour les systèmes multi-agents, les workflows séquentiels/parallèles/boucles, le déploiement sur Vertex AI, l'intégration d'outils et les validations humaines.

Qu'est-ce que Google ADK Python – Compétence Agent IA ?

Cette compétence vous guide dans l'utilisation de Google Agent Development Kit (ADK) Python, un kit open-source orienté code pour la création, l'évaluation et le déploiement d'agents IA. Elle couvre tous les types d'agents (LlmAgent, agents de workflow séquentiel, parallèle et boucle) ainsi que les composants clés comme l'écosystème d'outils (google_search, code_execution, fonctions personnalisées, OpenAPI) et les architectures multi-agents hiérarchiques. Les schémas d'implémentation incluent l'agent unique avec outils, la coordination multi-agent, les workflows séquentiels/parallèles, les outils personnalisés et les boucles de validation humaine (human-in-the-loop). Les options de déploiement couvrent Cloud Run, Vertex AI Agent Engine et l'infrastructure personnalisée. La compétence suit une philosophie code-first (Python) pour permettre le contrôle de version, les tests et la flexibilité, et s'applique à des cas d'usage variés : assistants de recherche, assistants de code, support client, création de contenu, analyse de données et automatisation de tâches.

Compatible avec✓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

Demander à votre IA préférée

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

Documentation

Compétence Google ADK Python

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

Quand utiliser cette compétence

Utilisez cette compétence lorsque les utilisateurs doivent :

  • 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 (séquentiels, parallèles, boucles) pour des pipelines prévisibles
  • Intégrer des agents propulsés par LLM avec Google Search, l'exécution de code ou des outils personnalisés
  • Déployer des agents sur Vertex AI Agent Engine, Cloud Run ou une infrastructure personnalisée
  • Évaluer et tester systématiquement les performances des agents
  • Implémenter des flux d'approbation humaine pour l'exécution des outils

Concepts fondamentaux

Types d'agents

LlmAgent : Agents propulsés par LLM capables de routage dynamique et de comportement adaptatif

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

Agents de workflow : Schémas d'orchestration structurés et prévisibles

  • SequentialAgent : Exécute les agents dans un ordre défini
  • ParallelAgent : Exécute plusieurs agents simultanément
  • LoopAgent : Répète 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 comme outils
  • Intégration de spécifications OpenAPI
  • Flux de confirmation d'outils pour approbation humaine

Architecture multi-agents :

  • Composition hiérarchique des 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

Schémas 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="Vous êtes un assistant utile qui recherche des informations sur le web.",
    description="Assistant de recherche pour requêtes web",
    tools=[google_search]
)

Système multi-agents

from google.adk.agents import LlmAgent

# Agents spécialisés
chercheur = LlmAgent(
    name="Chercheur",
    model="gemini-2.5-flash",
    instruction="Recherchez des sujets de manière approfondie à l'aide de la recherche web.",
    tools=[google_search]
)

redacteur = LlmAgent(
    name="Rédacteur",
    model="gemini-2.5-flash",
    instruction="Rédigez un contenu clair et engageant basé sur la recherche.",
)

# Agent coordinateur
coordinateur = LlmAgent(
    name="Coordinateur",
    model="gemini-2.5-flash",
    instruction="Déléguez les tâches aux agents chercheur et rédacteur.",
    sub_agents=[chercheur, redacteur]
)

Création d'outils personnalisés

from google.adk.tools import Tool

def calculer_somme(a: int, b: int) -> int:
    """Calcule la somme de deux nombres."""
    return a + b

# Convertir la fonction en outil
outil_somme = Tool.from_function(calculer_somme)

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

Workflow séquentiel

from google.adk.agents import SequentialAgent

workflow = SequentialAgent(
    name="workflow_recherche",
    agents=[chercheur, resumeur, redacteur]
)

Workflow parallèle

from google.adk.agents import ParallelAgent

recherche_parallele = ParallelAgent(
    name="recherche_parallele",
    agents=[chercheur_web, chercheur_articles, chercheur_expert]
)

Boucle humaine (Human-in-the-Loop)

from google.adk.tools import google_search

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

Options de déploiement

Déploiement Cloud Run

# Conteneuriser l'agent
docker build -t mon-agent .

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

Vertex AI Agent Engine

# Déployer sur Vertex AI pour un hébergement scalable des agents
# S'intègre à l'infrastructure gérée 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 en termes de modèle : Bien qu'optimisé pour Gemini, ADK prend en charge d'autres fournisseurs de LLM via des API standard.

Bonnes pratiques

  1. Philosophie code-first : Définissez les agents en Python pour le contrôle de version, les tests et la flexibilité
  2. Conception modulaire : Créez des agents spécialisés pour des domaines spécifiques, composez en systèmes
  3. Intégration d'outils : Exploitez les outils pré-construits, étendez avec des fonctions personnalisées
  4. Évaluation : Testez les agents systématiquement par rapport à des cas de test
  5. Sécurité : Implémentez des flux de confirmation pour les opérations sensibles
  6. Structure hiérarchique : Utilisez des agents coordinateurs pour les workflows multi-agents complexes
  7. Sélection de workflow : Choisissez des agents de workflow pour les pipelines prévisibles, des agents LLM pour le routage dynamique

Cas d'usage courants

  • Assistants de recherche : Recherche web + résumé + génération de rapports
  • Assistants de code : Exécution de code + documentation + débogage
  • Support client : Routage des requêtes + base de connaissances + escalade
  • Création de contenu : Recherche + rédaction + pipelines d'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 exigences : Identifiez les capacités de l'agent et les outils nécessaires
  2. Choisir l'architecture : Agent unique, multi-agents ou basé sur workflow
  3. Sélectionner les outils : Pré-construits, fonctions personnalisées ou intégrations OpenAPI
  4. Implémenter les agents : Créez les définitions des agents avec instructions et outils
  5. Tester localement : Utilisez l'interface de développement pour itérer
  6. Ajouter l'évaluation : Créez des cas de test pour une validation systématique
  7. Déployer : Choisissez Cloud Run, Vertex AI ou une infrastructure personnalisée
  8. Superviser : Suivez les performances des agents et itérez

Rappelez-vous : ADK traite le développement d'agents comme le génie logiciel traditionnel – utilisez le contrôle de version, écrivez 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

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.

Skills associés